JP7194069B2 - 監視装置、および監視方法 - Google Patents

Description

本発明は、監視する技術に関し、特に、工作機械などの機器状態を監視する装置に関する。

マシニングセンタなどの工作機械は、自動工具交換機能をもち、目的に合わせてフライス削り、中ぐり、穴あけ、ねじ立てなどの異種加工を1台で行う数値制御ができる。また、工作機械は、工具マガジンには多数の切削工具を格納し、コンピュータ数値制御の指令によって自動的に加工を行えるため、さまざまな部品加工に使われている。

しかしながら、工作機械で使用される工具は、加工使用時間の経過とともに刃先が摩耗して切削抵抗が増加し、最終的には折損に至る場合がある。

特許文献１では、主軸モータまたはＺ軸（送り軸）モータの電流に働く外乱トルクｙｓとｙｚを推定、算出してデータテーブルに記録し、そしてｙｓとｙｚについて現状推定値と移動変動しきい値を求め、それらを比較し、工具の異常を判定する技術を開示する。

特開２００３－３２６４３８

特許文献１の段落番号００３３には、「主軸モータの速度信号と主軸モータへのトルク指令値を基にして、主軸モータに働く外乱トルクｙｓを推定する。」こと、および、「送り軸モータの速度信号と送り軸モータのトルク指令値を基にして、送り軸モータに働く外乱トルクｙｚを推定する。」ことが記載されている。

つまり、工具の異常を判定するには、駆動モータの速度信号やトルク指令値といったモータ制御情報が必要となる。よって、特許文献１では、モータ制御情報をなんらかの手段で提供する必要があるため、既設装置の場合は追加配線など作業が発生する課題がある。そこで、追加配線などを避け、既設装置を使えるように、モータの電流情報に基づいて監視する技術が求められる。

また、工作機械において、大径工具から小径工具まで同じ構成（駆動モータ）で加工を実施している。大径工具による加工の場合、加工負荷が大きく駆動モータの電流も大きい。一方、小径工具による加工の場合、加工負荷が小さく駆動モータの電流も小さい。

特許文献１のように、送り軸モータなど個々のモータごとに外乱トルクを推定するようにすると、特に、小径工具による加工の場合、主軸を駆動する主軸モータ（スピンドルモータ）の電流において、加工によるモータ電流変化が小さくなる。そのため空転（加工しない）時の電流に埋もれて感度のよい計測が困難である。

本発明の目的は、複数の駆動モータの電流情報に基づき、感度よく機器状態の異常の判定をする監視装置および監視方法を提供することにある。

本発明の好ましい一例は、複数の駆動モータのそれぞれについて、二相の電流情報を検出する電流センサと、
前記電流情報から対応する前記駆動モータのトルク電流または回転速度を演算するモータ情報演算部と、
複数の前記駆動モータにおける前記トルク電流または前記回転速度についての特徴量を演算する特徴量演算部と、
複数の前記駆動モータのうち相関関係にある前記駆動モータの前記特徴量に基づいて機器状態を推定する状態推定部と、
基準値データを記録するデータ記憶部と、
推定した前記機器状態と前記基準値データに基づいて、異常状態を判定する異常判定部と、を備える監視装置である。

本発明の好ましい他の例は、複数の駆動モータのそれぞれについて、二相の電流情報を検出し、
前記電流情報から対応する前記駆動モータのトルク電流または回転速度を演算し、
複数の駆動モータにおける前記トルク電流または前記回転速度についての特徴量を演算し、
複数の前記駆動モータのうち相関関係にある前記駆動モータの前記特徴量に基づいて機器状態を推定し、
記録しておいた基準値データと、推定した前記機器状態とに基づいて、異常状態を判定する監視方法である。

本発明によれば、複数の駆動モータの電流情報に基づき、感度よく機器状態の異常を判定できる。

実施例１におけるモータ制御システムのブロック図である。 実施例１における監視装置のブロック図である。 実施例１におけるモータ情報演算部のブロック図である。 実施例１における工作機械の構成例を示す図である。 実施例１における工具摩耗による加工品質低下および工具折損発生のメカニズムを示す図である。 実施例１における工具摩耗に伴うモータ電流変化を示す図である。 実施例１におけるモータ情報からの特長量抽出の概略図である。 実施例１におけるモータ電流情報から工具摩耗を推定方法についての図である。 実施例１における工具摩耗検知ルーチンのフローチャートである。 実施例２におけるモータ制御システムのブロック図である。 実施例２における監視装置のブロック図である。 実施例２における複数の加工軸モータを使う場合の特徴量抽出の概略図である。 実施例３におけるモータ制御システムのブロック図である。 実施例４におけるモータ制御システムのブロック図である。 実施例５におけるモータ制御システムのブロック図である。 実施例６におけるモータ駆動サーボアンプのブロック図である。 実施例７におけるモータ駆動サーボアンプのブロック図である。 実施例８における産業用コントローラのブロック図である。 実施例９における工作機械の概略図である。

以下、実施例を図面に従い説明する。なお、各実施例に対応する図面において、同一構成物は同一の数番を付した。

図１は、実施例１による工作機械など装置の工具を駆動する２軸のモータ制御システム１０１のブロック図である。ここの２軸モータは、ドリル加工時の加工負荷に相関関係のある主軸モータと送り軸モータ（Ｚ軸モータ）を想定している。

図１において、モータ制御システム１０１は、モータ１の１０－１、モータ２の１０－２と、駆動装置２０と、監視装置４０と、電流センサ４１と、を備えている。駆動装置２０は、インバータ２２と、電流センサ２４と、制御部３０と、を備えている。

モータ１０－１の回転軸１４は、ギアやボールネジ等の機械部品（図示せず）を介して、または直結で工具１６に接続されている。また、モータ２も直接、または機構を介して工具１６を駆動する（図示せず）。それぞれのインバータ２２は、それぞれの制御部３０の制御に基づいて、モータ１の１０－１またはモータ２の１０－２に対して三相交流電圧を印加する。

制御部３０は、ＣＰＵ、ＤＳＰ、ＲＡＭ、ＲＯＭ等、一般的なコンピュータとしてのハードウエアを備えており、ＲＯＭには、ＣＰＵによって実行される制御プログラム、ＤＳＰによって実行されるマイクロプログラムおよび各種データ等が格納されている。

図１において、制御部３０の内部は、制御プログラムおよびマイクロプログラム等によって実現される機能を、ブロックとして示している。すなわち、制御部３０は、指令生成部３２と、偏差演算部３３と、ベクトル制御部３４と、ｄｑ／３Φ変換部３６と、３Φ／ｄｑ変換部３８と、を備えている。

制御部３０は、これらの構成により、モータ１０に対してベクトル制御を行い、モータ１０－１の応答性を向上させようとするものである。

インバータ２２は、モータ１０－１に対してＵ相、Ｖ相、Ｗ相の交流電流を出力する。電流センサ２４は、そのうち二相の電流を検出する。すなわち、図示の例においては、Ｕ相、Ｗ相の電流を検出し、その結果を電流検出値Ｉ_us、Ｉ_wsとして出力する。

ここで、周波数ｆで回転する回転座標を想定し、この回転座標において直交する軸をｄ軸およびｑ軸と呼び、モータ１０－１に供給される電流をこの回転座標における直流量として表現する。

ｑ軸における電流は、モータ１０のトルクを決定する電流成分であり、以下、これをトルク電流と呼ぶ。また、ｄ軸における電流は、モータ１０－１の励磁電流になる成分であり、以下、これを励磁電流と呼ぶ。

３Φ／ｄｑ変換部３８は、電流検出値Ｉ_us、Ｉ_wsに基づいて、励磁電流検出値Ｉ_dと、トルク電流検出値Ｉ_qとを出力する。指令生成部３２は、図示せぬ上位装置から、トルク指令値τ*を受信し、トルク指令τ*に基づいて、励磁電流指令値Ｉ_d*と、トルク電流指令値Ｉ_q*と、を生成する。

偏差演算部３３は、励磁電流指令値Ｉ_d*、Ｉ_q*と、励磁電流検出値Ｉ_d、Ｉ_qとに基づいて、偏差Ｉ_d*－Ｉ_d、Ｉ_q*－Ｉ_qを出力する。ベクトル制御部３４は、偏差Ｉ_d*－Ｉ_d、Ｉ_q*－Ｉ_q等に基づいて、励磁電圧指令値Ｖ_d*と、トルク電圧指令値Ｖ_q*とを出力する。

ベクトル制御部３４の動作をさらに詳細に説明すると、ベクトル制御部３４は、偏差Ｉ_d*－Ｉ_d、Ｉ_q*－Ｉ_qに対して比例積分制御を行い、同速度の指令値である周波数指令ω1（図示せず）を求める。

さらに、ベクトル制御部３４は、周波数指令ω1を積分することによって位相指令θ1（図示せず）を求める。さらに、ベクトル制御部３４は、励磁電流指令値Ｉ_d*、Ｉ_q*が構成するベクトル対して、モータ１０－１のインピーダンスのベクトルを乗算し、その結果として、電圧指令値Ｖ_d*、Ｖ_q*を算出する。

ｄｑ／３Φ変換部３６は、回転座標系の電圧指令値Ｖ_d*、Ｖ_q*に基づいて、インバータ２２を駆動するためのＰＷＭ信号を出力する。インバータ２２は、供給されたＰＷＭ信号に基づいて、供給された直流電圧（図示せず）をスイッチングし、モータ１０－１に対して、Ｕ相、Ｖ相、Ｗ相の電圧を出力する。

〈監視装置４０の構成〉
図２は、監視装置４０のブロック図である。監視装置４０は、前述した制御部３０と同様に、ＣＰＵ、ＤＳＰ、ＲＡＭ、ＲＯＭ等、一般的なコンピュータとしてのハードウエアを備えており、ＲＯＭには、ＣＰＵによって実行される制御プログラム、ＤＳＰによって実行されるマイクロプログラムおよび各種データ等が格納されている。

図２において、監視装置４０の内部は、制御プログラムおよびマイクロプログラム等によって実現される機能を、ブロックとして示している。すなわち、監視装置４０は、モータ情報演算部４２と、特徴量演算部４４と、状態推定部４５と、データ記憶部４６と、異常判定部４７と、を備えている。

モータ情報演算部４２は、それぞれ対応する電流センサ４１から、モータ１の１０－１のＵ相の電流検出値Ｉ_u１と、Ｗ相の電流検出値Ｉ_w１と、モータ２の１０－２のＵ相の電流検出値Ｉ_u２と、Ｗ相の電流検出値Ｉ_w２と、を取得する。

そして、モータ情報演算部４２は、これら検出値に基づいて、それぞれのモータトルク電流（実部電流）Ｉ_ｒ１、Ｉ_ｒ２と、機械周波数ω_rs１、ω_rs２（回転速度）と、を出力する。

ここで、図３を参照し、これらモータ情報演算部４２から出力される信号の意義を説明する。図３は、モータ情報演算部４２のブロック図である。

モータ情報演算部４２は、３Φ／αβ変換器５２と、逆正接変換器５４（位相検出部）と、減算器５６（ＰＬＬ演算部）と、位相演算器６０（ＰＬＬ演算部、回転速度演算部、回転速度演算過程）と、回転座標変換器７０と、積分器７２（ＰＬＬ演算部）と、乗算器７４と、を備えている。さらに、位相演算器６０は、乗算器６２、６４と、積分器６６と、加算器６８と、を備えている。

３Φ／αβ変換器５２は、電流検出値Ｉ_u、Ｉ_wを、直交する二相の交流電流Ｉ_α、Ｉ_βに変換する。逆正接変換器５４は、これら交流電流Ｉ_α、Ｉ_βに基づいて、交流電流位相角検出値θ_i*を計算する。

減算器５６は、交流電流位相角θ_i（詳細は後述する）から、交流電流位相角検出値θ_i*を減算する。位相演算器６０において、乗算器６２は、差分値「θ_i*－θ_i」に対して、所定の比例ゲインＫｐＰＬＬを乗算する。

乗算器６２における乗算結果は、前述した比例信号ＰＬＬ＿Ｐになる。また、乗算器６４は、差分値「θ_i*－θ_i」に対して、所定の積分ゲインＫｉＰＬＬを乗算し、積分器６６は、この乗算結果を積分する。

積分器６６における積分結果を積分信号ＰＬＬ＿Ｉと呼ぶ。加算器６８は、比例信号ＰＬＬ＿Ｐと、積分信号ＰＬＬ＿Ｉとを加算し、加算結果を周波数信号ω_1sとして出力する。

積分器７２は、周波数信号ω_1sを積分し、交流電流位相角θ_iを出力する。交流電流位相角θ_iは、減算器５６に供給されるとともに、回転座標変換器７０にも供給される。

また、乗算器７４は、周波数信号ω_1sに「２／Ｐ」（ここで、Ｐはモータ１０の極数）を乗算し、乗算結果を機械周波数ω_rsとして出力する。ここで、機械周波数ω_rsは、モータ１０（図１参照）の実速度（誘導モータの場合はすべりを含んだ速度）に対応する信号になる。

回転座標変換器７０は、二相の交流電流Ｉ_α、Ｉ_βを、周波数信号ω_1sで回転する回転座標系における二軸の直流量Ｉ_r、Ｉ_iに変換する。

このように、減算器５６、位相演算器６０および積分器７２は、ＰＬＬ(Phase Locked Loop)演算部として機能し、減算器５６が出力する差分値「θ_i*－θ_i」が「０」に近づくような、周波数信号ω_1sおよび交流電流位相角θ_iを出力する。

特徴量演算部４４は、モータのトルク電流Ｉ_rの最大値、平均値、ＦＦＴ（fast Fourier transform）、およびモータ回転速度ω_rsの最大値、平均値、ＦＦＴなどの特徴量を抽出する。

状態推定部４５は、モータトルク電流Ｉ_rの最大値、平均値、ＦＦＴ、およびモータ回転速度ω_rsの最大値、平均値、ＦＦＴなどの特徴量に基づき、機器状態を推定する。

推定状態量がデータ記憶部４６に記録される基準値データと比べ、その状態量が異常かどうかを異常判定部４７が検出する。また、異常判定部４７は、外部に各種のアラーム信号を出力する。

なお、アラーム信号は、ランプの点灯、警報機の発音、または無線通信手段による電波送信等、管理者に通知できる手段であればよい。

本実施例における監視装置４０は、過酷な環境に設置する場合には、防塵防水対策を施した監視装置ケースに収納することが好ましい。さらに、監視装置４０をインバータ２２等、ノイズを発生するデバイスの近くに設置する場合には、監視装置４０にノイズ対策を施すことが好ましい。

以上のように、監視装置４０は、独自の座標を用いて、相関関係のある駆動モータに流れる電流情報のみから、簡単なアルゴリズムによって、交流から直流への変換が可能であるため、異常と判断するためのエッジ処理も監視装置内で実行することができる。これにより、結果として、データ量が大幅に削減でき、分析／診断作業も容易となる。

〈工具摩耗度の推定〉
図４は、マシニングセンタなどの工作機械の工具駆動軸の１例を示している。マシニングセンタの種類は、主軸（スピンドル）の方向によって横形と立形に大別され、横形は主軸が水平方向に、立方は垂直方向に取り付けられる。

主軸は、加工を施す加工品、または工具を取り付けて回転させるその工作機械で最も主要な軸である。基本的な構造の立型マシニングセンタは３軸加工が一般的である。

機械を正面から見て上下方向（Ｚ軸）に主軸が動き、加工品を固定したテーブルが前後（Ｙ軸）と左右（Ｘ軸）に動くベッド型のフライス盤と同じ動きとなる。

加工種類により、送り軸が変わる。例えば、ドリル加工の場合、Ｚ軸が送り軸とり、フライス加工の場合、Ｚ軸に加えＸ軸やＹ軸も送り軸となる。一方、５軸加工の立型マシニングセンタは、ＸＹＺの３軸の軸方向の動きに加え、テーブルの回転（Ｃ軸）と傾斜角（Ｂ軸）がついたインデックステーブルを使用して５軸加工を可能としている（図示せず）。

つまり、機器や加工内容により、加工に相関関係のあるモータ数が変わる。例えば、ドリル加工の場合、相関関係のあるモータは主軸モータと送り軸モータ（Ｚ軸モータ）であり、フライス加工の場合、相関関係のあるモータは主軸モータ、送り軸モータ（Ｘ軸モータ、Ｙ軸モータ、Ｚ軸モータ）である。

図５は、工具摩耗に伴う加工品質低下および工具折損発生の流れを示している。工具は加工時間の経過と共に刃先が摩耗して切削抵抗が増加し、最終的には折損に至る場合がある。また、工具摩耗が進むと加工精度が悪化し、加工品に求められる所定の加工精度を維持することができない。

図６は、工具摩耗に伴う主軸および送り軸の力とそれぞれの軸におけるモータトルク電流の変化である。工具摩耗が進行するにつれて、工具の刃が滑りやすくなるため、主軸モータの負荷が減少した結果、主軸モータのトルク電流が減少する。一方、工具の刃が掘り込みにくくなるため、送り軸モータの負荷が増大した結果、送り軸モータのトルク電流が増大する。つまり、主軸および送り軸モータ電流の変化を監視すれば、工具摩耗状態を推定することが可能である。

図７は、所定の加工区間ごとの主軸および送り軸のモータトルク電流およびモータ回転速度の特徴量を抽出する概略図である。例えば、加工時間経過とともに、加工区間ごとの所定加工区間のトルク電流の最大値、標準偏差、平均値、ＦＦＴ、およびモータ回転速度の最大値、標準偏差、平均値、ＦＦＴなどの特徴量を抽出する。

また、所定１台モータまたは相関関係のある複数モータのトルク電流値または回転速度値を特徴量抽出のトリガーとし、指定区間の特徴量を演算することにより、必要に応じてサンプリング周波数や演算量の調整が可能となる。これにより、結果として、データ量が大幅に削減でき、分析／診断作業も容易となる。さらに、送り軸モータの電流波形から、加工動作種類を判別できるため、より正確な特徴量抽出が可能となる。

さらに、工具径や加工負荷の変化に応じて、主軸モータ電流情報および送り軸モータ電流情報に基づく工具摩耗度を推定する特徴量の組合せを変えれば、より正確に工具摩耗度を推定することが可能である。

図８は、一般化線形モデル手法を用いた工具摩耗度（前記機器状態量）の推定方法について説明する図である。一例として、摩耗度は工具刃の摩耗幅である場合の推定方法を説明する。

計測工具摩耗幅に対し、前記モータ電流情報から抽出した特徴量に基づき、多変量解析など手法により推定モデル式を構築できる。ここで、推定モデル式は、複数の駆動モータの前記に例示した特徴量と工具摩耗度との対応関係を表した演算式である。一般化線形モデルで示した推定モデルの一例は、次の（式１）のとおりである。

Ｙ=ａ＋ｂ×送り軸モータトルク電流の平均値＋ｃ×送り軸モータ回転速度の最大値ｄ×主軸モータトルク電流の平均値＋ｅ×主軸モータ回転速度の標準偏差＋・・・（式１）
ここで、Ｙは推定モデル式から推定される工具摩耗度、ａ、ｂ、ｃ、ｄ、ｅは定数である。つまり、相関関係のあるモータ電流情報に基づき、工具摩耗度Ｙを推定することが可能である。

また、加工負荷の変化に応じて、前記定数のｂ、ｃ、ｄ、ｅを調整すること（重み付け：寄与度）により、目的変数Ｙへの支配度合いを変えることができるため、推定精度を向上することができる。

例えば、図７のドリル加工において、大径ドリル（加工負荷大）の場合、主軸モータのトルク電流および回転速度が磨耗の程度を顕著に表す。そのため、大径ドリル（加工負荷大）の場合は、主軸モータのトルク電流および回転速度に対してより重み（寄与度）をつける。

一方、小径ドリル（加工負荷小）の場合、送り軸モータ電流および回転速度が磨耗の程度を顕著に表す。そのため、小径ドリル（加工負荷小）の場合、送り軸モータ電流および回転速度に対してより重み（寄与度）をつければ、ドリル摩耗がより高精度に推定される。このように、対象機器であるドリルに応じて推定モデル式を変えることで、感度よく、機器の状態を推定できる。

推定モデルの（式１）を一般的な関数式に書き換えると以下の（式２）となる。
Ｙ（Ｉ，ｗ，Ｌ)=ｇ_１（Ｉ_１，ｗ_１）×ｋ_１（Ｌ） ＋ ｇ_２（Ｉ_２，ｗ_２）×ｋ_２（Ｌ）＋・・・（式２）
ここで、Ｉはモータトルク電流、ｗはモータ回転速度、Ｌは加工負荷、ｇ_１はモータ１のトルク電流および回転速度を変数とする関数、ｇ_２はモータ２のトルク電流および回転速度を変数とする関数、ｋ_１は加工負荷を変数とするモータ１の関数、ｋ_２は加工負荷を変数とするモータ２の関数である。

相関関係のある複数モータの電流情報に基づく複数の特徴量、および負荷Ｌに応じて変えられる係数（寄与度）を用いて精度よく機器状態を推定することが可能である。

また、ここでのｋ_１（Ｌ）、ｋ_２（Ｌ）、…は機器加工負荷や加工パターンから事前に計測してデータ記憶部に保存すること、機械学習などによる蓄積されたデータから精度向上することも可能である。

実運用時、工具摩耗度の限界Ｍ_０は、加工品質などにより決められる。推定誤差やバラツキがなければ、推定工具摩耗度Ｙの上限はＭ_０に対応するＹ_１となるが、推定バラツキを考慮すれば、推定工具摩耗度の上限はＹ_２となる。

つまり、推定工具摩耗度ＹがＹ_２を超えると、加工品が不良品となる。この推定工具摩耗度Ｙを監視することにより、工具交換時期を正確に把握することが可能である。また、ここでは一般化線形モデル手法を例として説明した。工具摩耗度とモータ電流から抽出した特徴量との関係を示すモデル構築手法であれば、統計手法を用いたモデルなど、一般化線形モデル手法に限定する必要はない。

さらに、蓄積されたデータに機械学習などを導入することにより、より正確な工具摩耗度推定を実現できる。以上より、相関関係のあるモータ電流情報に基づき、工具摩耗度を推定することが可能であるため、工具の交換時期をより正確に把握することができる。また、前記工具摩耗度を監視することにより、工具折損の発生を防ぐことも可能である。

〈実施例１の動作〉
図９は、監視装置４０において実行される工具摩耗検知ルーチンのフローチャートである。この工具摩耗検知ルーチンは、所定のサンプリング周期ごとに実行される。

図９において、工具摩耗検知ルーチンが開始し（ＳＴＡＲＴ）、モータ電流計測の処理が実行される（ステップＳ２）。そして、監視装置４０（図２参照）のモータ情報演算部４２が、主軸などの各軸のモータの電流センサ４１（図１参照）から、第１軸のモータの電流検出値Ｉ_Ｕ１、Ｉ_Ｗ１および第２軸のモータの電流検出値Ｉ_Ｕ２、Ｉ_Ｗ２を取得する。

次に、第１軸のモータおよび第２軸のモータの電流検出値を受けてモータ情報演算部４２は、対応する第１軸のモータ１０－１のトルク電流Ｉ_ｒ１および回転速度ω_ｒｓ１、第２軸のモータ１０－２のトルク電流Ｉ_ｒ２および回転速度ω_ｒｓ２を演算する。
すなわち、それぞれの軸のモータのトルク電流Ｉ_ｒ、機械周波数ω_ｒｓと、を出力する（ステップＳ３）。

次に、特徴量演算部４４は、所定区間のトルク電流の最大値、標準偏差、平均値、ＦＦＴ、およびモータ回転速度の最大値、標準偏差、平均値、ＦＦＴなどの特徴量を抽出する（ステップＳ４）。

次に、状態推定部４５は、前述した推定モデルに基づき、データ記憶部４６から取得した前記特徴量、および負荷に対応した相関モータの寄与度を用いて、（式１）の演算を実行して工具摩耗度を算出する。（ステップＳ５）
状態推定部４５の推定の際に用いる負荷に対応した相関モータの寄与度や、異常判定部４７で用いる基準値をデータ記憶部４６に予め記憶しておく（ステップＳ６）。寄与度や基準値は、トルク電流Ｉｒに基づいて更新するようにしてもよい。

さらに、異常判定部４７が、基準値データと比べて、トルク電流Ｉ_ｒが設定限界値Ｉ_ｒ０より低下する判定し、かつモータ回転状態にある（ω_ｒｓ＞０）と判定すると（ステップＳ７がＹｅｓ）、異常判定部４７は、工具が折損状態であることを表すアラーム信号を外部に出力する（ステップＳ９）。

異常判定部４７が、摩耗度Ｙが設定限界値Ｙ_２を超えている判定し、かつモータ回転状態にある（ω_ｒｓ＞０）と判定すると（ステップＳ８がＹｅｓ）、異常判定部４７は、工具が摩耗状態であることを表すアラーム信号を外部に出力する（ステップＳ１０）。

また、両者のうち何れにも該当しない場合（ステップＳ７またはステップＳ８がＮo）は、本ルーチンの処理は終了する（ＥＮＤ）。

〈実施例１の効果〉
以上のように本実施例によれば、相関関係のある複数モータの少なくともそれぞれ２相の電流値Ｉ_Ｕ、Ｉ_Ｗに基づいて工具摩耗状態を検知することができる。すなわち、加速度センサやＡＥセンサなどを追加することがなく、工具平均使用寿命を延ばすことができる。

また、工具摩耗度を可視化することにより、工具メンテナンスの省力化を実現しつつ工具折損を未然に防止できる。また、異常判定部４７は、工具摩耗状態を検知すると、アラーム信号を出力する。これにより、管理者に対して、各種の異常を報知することができる。

実施例１によれば、複数の駆動モータの電流情報に基づき、感度よく機器状態の異常を判定できる。

また、工具の摩耗が進むと加工精度が悪化し、加工品に求められる所定の加工精度を維持することができないので、切削加工において使用される工具は、その個体差により折損までの寿命バラツキが大きい。このため、平均的な寿命を目安として一定の加工数で交換するという従来の寿命管理方法のように、平均的な寿命に比べて短い工具であった場合は、加工性能の低下により製品不良が発生する場合があったが、本実施例ではそのような製品不良を回避できる。

また、本実施例では、平均的な寿命に比べて長い工具であった場合は、寿命に到達前に交換してしまうことによるロスコストを防ぐことができる。

また、モータ設置場所に寸法制約がある場合や、過酷な環境条件においては、工具摩耗を検知する加速度センサやＡＥ（Acoustic Emission）センサなどを追加設置することが難しいが、本実施例によれば、そのようなセンサは不要にできる。

さらに、センサの数が増えれば増えるほどセンサ群の信頼性を確保することが困難となり、監視精度が低下する課題があるが、本実施例によれば、前記のセンサを使わないので、そのような課題を解消できる。

また、前記センサを使わないので合、メンテナンス性、信頼性が大幅に向上する。具体的に、センサの保守点検作業が削減できるほか、センサの故障に伴うシステムダウンを未然に防ぐことができる。また、センサ用システム艤装配線が削減できるので作業コストを削減できる上に、配線トラブルなどの懸念をなくすことができる。

図１０は、実施例２によるモータ制御システム１０２のブロック図である。なお、以下の説明において、前述した他の実施例の各部に対応する部分には同一の符号を付し、その説明を省略する場合がある。

図１０において、モータ制御システム１０２は、Ｎ台（Ｎは３以上の自然数）のモータ１０－１～１０－Ｎと、これらに回転軸１４を介して結合された工具１６と、を備えている。

また、各モータ１０－１～１０－ＮのＵ相、Ｗ相には、各２個の（合計３Ｎ個の）電流センサ４１が装着され、これらの電流検出値Ｉ_u1～Ｉ_uN、Ｉ_w1～Ｉ_wNは、監視装置１５０（工具摩耗度の監視装置）に供給される。

監視装置１５０の構成については図１１に示すように、実施例１の監視装置４０（図２参照）において、２個の相関関係のあるモータ情報演算部４２に代えて、Ｎ個の相関関係のあるモータ情報演算部を設けた構成と同様である。

例えば、前述したフライス加工の場合における送り軸であるＺ軸やＸ軸やＹ軸における駆動モータを相関関係のある駆動モータとする場合も有る。

また、５軸加工の立型マシニングセンタにおけるテーブルの回転（Ｃ軸）と傾斜角（Ｂ軸）の駆動モータを相関関係のある駆動モータに含めるようにしてよい。本実施例の前述した以外の構成および動作は、実施例１のものと略同様である。

図１２は、複数モータの電流情報から機器状態に相関する特徴量を抽出する場合を説明する図である。実施例１の図８と同様に、例えば、前記特徴量の一般化線形モデルなど手法を用いる機器状態を推定できる。複雑加工の場合、加工負荷に寄与する相関関係のある複数モータ電流情報を用いることにより、機器状態の推定精度を向上することができる。

図１３は、実施例３によるモータ制御システム１０３のブロック図である。なお、以下の説明において、前述した他の実施例の各部に対応する部分には同一の符号を付し、その説明を省略する場合がある。

図１３において、モータ制御システム１０３は、実施例１の監視装置４０（図２参照）に代えて、監視装置１６０（機器状態の監視装置）を備えている。監視装置１６０の構成は、監視装置４０のものと略同様であるが、異常判定部４７は、工具摩耗アラーム信号（図２参照）を出力するとともに、駆動装置２０内の指令生成部３２に対して、必要に応じて制御コマンドを出力する。

ここで、制御コマンドとは、例えば、モータ１０－１の停止または加減速を指令するものであり、これによって、例えば工具使用寿命延長や加工品質維持に最適な運転を実施することができる。

このように、本実施例によれば、異常判定部４７は、機器状態の異常（工具の過度摩耗、折損など）を検知すると、制御部３０に対して、制御状態を変更させる制御コマンドを出力する。この場合の制御コマンドとしては、駆動モータの停止もしくは、回転速度を低減するといった制御コマンドがある。これにより、制御部３０における制御状態を適切な状態に変更することができる。

図１４は、実施例４によるモータ制御システム１０４のブロック図である。なお、以下の説明において、前述した他の実施例の各部に対応する部分には同一の符号を付し、その説明を省略する場合がある。

図１４において、モータ制御システム１０４は、実施例２の監視装置４０（図１１参照）に代えて、監視装置１７０（機器状態の監視装置）を備えている。監視装置１７０の構成は、監視装置１５０のものと略同様であるが、異常判定部４７は、機器状態異常アラーム信号（図１１参照）を出力するとともに、駆動装置２０内の指令生成部３２に対して、必要に応じて制御コマンドを出力する。

ここで、制御コマンドとは、例えば、モータ１０－１の停止または加減速を指令するものであり、これによって、工具使用寿命延長や加工品質維持に最適な運転を実施することができる。

このように、本実施例によれば、異常判定部４７は、機器状態の異常（工具の過度摩耗、折損など）を検知すると、制御部３０に対して、制御状態を変更させる制御コマンドを出力する。これにより、制御部３０における制御状態を適切な状態に変更することができる。

図１５は、実施例５によるモータ制御システム１０５のブロック図である。なお、以下の説明において、前述した他の実施例の各部に対応する部分には同一の符号を付し、その説明を省略する場合がある。

図１５において、モータ制御システム１０５は、駆動・監視装置１８０と、モータ１０－１～１０－Ｎと、回転軸１４を介して結合された工具１６と、を備えている。駆動・監視装置１８０は、制御部３０と、インバータ２２と、監視装置１９０（機器状態異常の検知）と、を備えている。

制御部３０、インバータ２２の構成は実施例１のもの（図１参照）と同様であり、監視装置１９０の構成は、実施例４の監視装置１７０（図１４参照）の構成と同様である。従って、本実施例の駆動・監視装置１８０は、実施例４における駆動装置２０および監視装置１７０の機能を合わせた機能を有する。なお、本実施例は、既設の駆動装置２０（図１４参照）に対して、監視装置１９０を増設することによって構成することもできる。

図１６は、実施例６によるモータ駆動サーボアンプ１０６のブロック図である。なお、以下の説明において、前述した他の実施例の各部に対応する部分には同一の符号を付し、その説明を省略する場合がある。

図１６において、サーボアンプ１０６は、モータ１０－１と、回転軸１４と、工具１６と、サーボアンプ１０６と、監視装置２１０と、を備えている。また、モータ１０－１のＵ相、Ｗ相には、電流センサ４１が装着され、これらの電流検出値Ｉ_u1、Ｉ_w1、およびサーボアンプ２からのモータ１０－２の電流検出値Ｉ_u２、Ｉ_w２を監視装置２１０（機器状態の監視装置）に供給される。

監視装置２１０の構成については、図２に示すように、実施例１の監視装置４０（図２参照）において、２個のモータ情報演算部４２を設けた構成と同様である。本実施例の前述した以外の構成および動作は、実施例１のものと略同様である。

また、本実施例において、モータに電流を供給するサーボアンプに機器状態異常を検知する機能を組み込む実施例を説明したが、モータに電流を供給するインバータに機器異常を検知する機能を組み込めば、同様に工具摩耗状態を検知するインバータを構築することができる（図示せず）。

以上より、相関関係のある複数モータ電流情報に基づき、機器状態を推定することが可能であるため、機器の工具の交換時期やメンテナンス時期をより正確に把握することができる。

図１７は、実施例７によるモータ駆動サーボアンプ１０７のブロック図である。なお、以下の説明において、前述した他の実施例の各部に対応する部分には同一の符号を付し、その説明を省略する場合がある。

図１７において、サーボアンプ１０７は、Ｎ台（Ｎは３以上の自然数）のモータ１０－１～１０－Ｎと、回転軸１４と、工具１６と、サーボアンプ１０７と、監視装置２２０と、を備えている。

監視装置２２０の構成については図１１に示すように、Ｎ個のモータ情報演算部を設けた構成と同様である。本実施例の前述した以外の構成および動作は、実施例１のものと略同様である。

以上より、相関関係のある複数モータの電流情報に基づき、機器状態を推定することが可能であるため、機器の工具の交換時期やメンテナンス時期をより正確に把握することができる。

図１８は、実施例８による産業用コントローラ１０８のブロック図である。産業用コントローラ１０８は、ネットワーク化された工場の生産ラインや設備と連携し、ロボット制御や各種センサからの設備機器データの収集と、上位の情報システムとのシームレスな垂直統合を実現する。そして、産業用コントローラ１０８は、産業用コンピュータの機能とＰＬＣ（programmable logic controller）のオープン統合開発環境を一台に集約している。工場内の設備機器を制御するだけでなく、情報を収集・分析することで、工場全体やサプライチェーン全体の最適化を図れる。

なお、以下の説明において、前述した他の実施例の各部に対応する部分には同一の符号を付し、その説明を省略する場合がある。

図１８において、産業用コントローラ１０８は、情報収集部２４０、監視装置２３０と、を備えている。また、各モータ１０－１～１０－Ｎの電流検出値Ｉ_u1～Ｉ_uN、Ｉ_w1～Ｉ_wNは、インバータまたはサーボアンプから情報収集部２４０に供給される。

監視装置２３０の構成については図１１に示すように、Ｎ個のモータ情報演算部を設けた構成と同様である。本実施例の前述した以外の構成および動作は、実施例１のものと略同様である。

以上より、ネットワークに接続する複数のモータの電流情報から、産業用コントローラにおいて複数機器の状態を推定することが可能であるため、それぞれの工具交換時期の最適化やメンテナンスの省力化をより効率的に実現できる。

図１９は、実施例９による工作機械の概略図である。なお、以下の説明において、前述した他の実施例の各部に対応する部分には同一の符号を付し、その説明を省略する場合がある。

図１９において、工作機械１０９は、その制御部に、Ｚ軸モータサーボアンプ、主軸モータインバータ、Ｘ軸モータサーボアンプ、Ｙ軸モータサーボアンプ、監視装置２５０を備えている。また、各軸モータの電流検出値は、サーボアンプまたはインバータから監視装置に供給される。監視装置から工具摩耗情報を工作機械の制御操作画面（パネル）に出力し、アラームまたは警告メッセージを表示してもよい（図示せず）。

以上より、工作機械の相関関係のある複数軸のモータの電流情報に基づき、工具の摩耗度を推定することが可能であるため、それぞれの工具交換時期の最適化やメンテナンスの省力化をより効率的に実現できる。

前述した実施例に限定されるものではなく、種々の変形が可能である。前述した実施例は本発明を理解しやすく説明するために例示したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。

また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について削除し、もしくは他の構成の追加・置換をすることが可能である。

また、図中に示した制御線や情報線は説明上必要と考えられるものを示しており、製品上で必要な全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。前記実施例に対して可能な変形は、例えば以下のようなものである。

（１）前記実施例における制御部３０、監視装置４０、１５０、１６０、１７０、１９０、２１０、２２０、２３０、２５０のハードウエアは、一般的なコンピュータによって実現できるため、図２、図３に示したアルゴリズム、図９に示したプログラム等を記憶媒体に格納し、または伝送路を介して頒布してもよい。

（２）図２、図３に示したアルゴリズム、または図９に示したプログラムは、各実施例ではプログラムを用いたソフトウエア的な処理として説明した。しかしまがら、その一部または全部をＡＳＩＣ(Application Specific Integrated Circuit；特定用途向けＩＣ)、あるいはＦＰＧＡ(field-programmable gate array)等を用いたハードウエア的な処理に置き換えてもよい。

（３）図１０等の構成において、複数のインバータが設けられているが、インバータ２２は１台のみを設けるようにしてもよい。

前述した実施例では、主に工具を用いた加工について適用する場合を説明したが、工具の加工時のみならず、ロボットの操作をする場合においても、ロボットを含めた機器の状態の異常を検知するのに役立てることができる。

前述した実施例では、インバータ、サーボアンプへの適用例で説明したが、ＤＣＢＬコントローラなどの電力変換装置にも適用できる。

１０、１０－１～１０－Ｎ モータ、４０、１５０、１６０、１７０、１９０、２１０、２２０、２３０、２５０ 監視装置、４１ 電流センサ、４２、４２－１～４２－Ｎ モータ情報演算部、４４ 特徴量演算部、４７ 異常判定部、１０１～１０５ モータ制御システム、１０８ 産業用コントローラ、２４０ 情報収集部

Claims (12)

1. 複数の駆動モータのそれぞれについて、二相の電流情報を検出する電流センサと、
   前記電流情報から対応する前記駆動モータのトルク電流または回転速度を演算するモータ情報演算部と、
   複数の前記駆動モータにおける前記トルク電流または前記回転速度についての特徴量を演算する特徴量演算部と、
   複数の前記駆動モータのうち相関関係にある前記駆動モータの前記特徴量に基づいて機器状態を推定する状態推定部と、
   基準値データを記録するデータ記憶部と、
   推定した前記機器状態と前記基準値データに基づいて、異常状態を判定する異常判定部と、
   を備えることを特徴とする監視装置。
2. 請求項１に記載の監視装置において、
   前記機器状態は、前記駆動モータが駆動する工具の磨耗度を示すことを特徴とする監視装置。
3. 請求項１に記載の監視装置において、
   前記特徴量は、前記駆動モータの前記トルク電流または前記駆動モータの前記回転速度の最大値、標準偏差、平均値、もしくはＦＦＴであることを特徴とする監視装置。
4. 請求項１に記載の監視装置において、
   前記状態推定部は、
   複数の前記駆動モータの前記特徴量のうち前記機器状態と相関関係にある複数の前記特徴量と、前記特徴量について重み付けをする寄与度とに基づいて、前記機器状態を算出することを特徴とする監視装置。
5. 請求項４に記載の監視装置において、
   前記駆動モータは、
   主軸モータと送り軸モータを含み、
   前記状態推定部は、
   前記相関関係にある前記主軸モータと前記送り軸モータの前記特徴量に基づいて、前記機器状態を算出することを特徴とする監視装置。
6. 請求項１に記載の監視装置において、
   前記異常判定部は、
   異常を検出した場合には、前駆駆動モータを制御する制御部に、制御コマンドを出力することを特徴とする監視装置。
7. 請求項１に記載の監視装置において、
   前記特徴量演算部は、
   １台または相関関係の有る複数台の前記駆動モータの電流値または回転速度値を、前記特徴量を抽出するトリガーとし、指定区間の前記特徴量を演算することを特徴とする監視装置。
8. 他のサーボポンプからの前記電流情報を入力する請求項１に記載の監視装置を有することを特徴とするサーボアンプ。
9. 複数のサーボアンプもしくはインバータからの前記電流情報を収集する情報収集部と、
   請求項１に記載の監視装置とを有することを特徴とする産業用コントローラ。
10. 複数軸のモータ用のインバータもしくはサーボアンプと、
    請求項１に記載の監視装置とを、その制御部に備えたことを特徴とする工作機械。
11. 請求項４に記載の監視装置において、
    前記状態推定部は、
    加工品を固定するテーブルの回転軸の前記駆動モータと、傾斜角の軸の前記駆動モータの前記特徴量を含めて前記機器状態を算出することを特徴とする監視装置。
12. 複数の駆動モータのそれぞれについて、二相の電流情報を検出し、
    前記電流情報から対応する前記駆動モータのトルク電流または回転速度を演算し、
    複数の前記駆動モータにおける前記トルク電流または前記回転速度についての特徴量を演算し、
    複数の前記駆動モータのうち相関関係にある前記駆動モータの前記特徴量に基づいて機器状態を推定し、
    記録しておいた基準値データと、推定した前記機器状態とに基づいて、異常状態を判定することを特徴とする監視方法。

Images