JP7403270B2 - 巻上機、巻上機システム、吊荷質量推定装置及び吊荷質量推定方法 - Google Patents

Description

本発明は、巻上機に関する。

近年、巻上機の熟練作業者の高齢化や、巻上機設置台数の増加による人手不足に伴い、巻上機業界では経験の浅い非熟練作業者が増加している。このような中、非熟練作業者でも安全かつ高効率な搬送を実現できる巻上機が求められている。巻上機では、吊荷質量を操作者に通知し運搬操作を支援するだけでなく、過負荷防止、寿命予測、吊荷が地面から離れる地切りの検出、などを行うためにも、吊荷質量を検出できることが望ましい。

吊荷質量を検出するためには、例えば、ロードセルなどの計測センサを追加することで可能となるが、この方法では、センサ追加のためのコストが増えてしまう。そこで、追加センサ不要で吊荷質量を推定する方法が望まれる。

このような要求を実現するために、例えば、特許文献１がある。特許文献１には、「出力トルク推定部１５１は、電動機１３に入力される電流値を電力変換器１４から取得し、取得した電流値から電動機１３の出力トルクの推定値である出力トルク推定値を算出する。荷重推定部１５２は、出力トルク推定部１５１により算出された出力トルク推定値と、減速機１２の減速比と、ウインチドラムの有効半径と、本数設定部１５３により設定された掛け本数とに基づいて、吊荷１７の荷重値を推定する」巻上機の荷重検出方法が開示されている（要約参照）。

特開２０１８－２４７７号公報

特許文献１に記載の技術では、モータモデルに基づきモータの電流値から出力トルクを算出し、巻上機のモデルに基づき出力トルクから吊荷質量を推定している。しかし、このようなモデルベースによる推定方法は、現実世界の挙動を完全にモデル化できないことによるモデル誤差が原因で推定値の精度が悪いという問題がある。例えば、モータモデルでは、軸受けや減速機の摩擦が検出できないことや、無通電状態でもモータの回転に伴って生じるコギングトルクに起因する誤差の影響で、モータの電流値から出力トルクを正確に推定することは困難である。
本発明は、このような背景に鑑みてなされたもので、その目的は、巻上機の吊荷質量を高精度に推定することにある。

前記した課題を解決するため、本発明は、吊り下げた吊荷を鉛直方向に移動させる巻上機であって、前記巻上機の運転情報を取得する運転情報取得部と、前記運転情報取得部が取得した前記運転情報から前記巻上機の吊荷質量を推定する吊荷質量推定部と、を備え、前記吊荷質量推定部は、前記運転情報と前記吊荷質量が対応付けられたデータを用いて予め学習しておいた吊荷質量推定式に基づいて、前記吊荷質量を推定する。

本発明によれば、モデルベースの手法ではモデル化しきれない現実世界の挙動までも反映した吊荷質量の推定ができるため、巻上機の吊荷質量を高精度に推定することが可能となる。

本発明の巻上機を用いたクレーンの構成を示す図である。 第１実施形態の巻上機、操作端末の構成例を示す図である。 巻上機で吊荷を巻上げ、吊荷が地面から離れる地切りを示す概略図である。 地切り時のトロリに対する吊荷の位置関係を示す概略図である。 第１施形態の巻上機で行われる全体処理の手順を示すフローチャートである。 運転中に吊荷質量を推定する詳細手順を示すフローチャートである。 第２施形態の巻上機、吊荷質量推定装置の構成例を示す図である。 第２施形態の吊荷質量推定装置で行われる全体処理の手順を示すフローチャートである。 第３実施形態の巻上機、操作端末、学習装置の構成例を示す図である。 第３実施形態の巻上機システムで行われる全体処理の手順を示すフローチャートである。 地切り試験での巻上機のデータ収集の詳細手順を示すフローチャートである。 吊荷質量推定式の学習の詳細手順を示すフローチャートである。 巻上機が複数存在するシステムの例を示す図である。 学習装置がクラウドサーバ上に存在するシステムの例を示す図である。

次に、本発明を実施するための形態（「実施形態」という）について、適宜図面を参照しながら詳細に説明する。

［第１実施形態］
図１～図６を参照して、第１実施形態について説明する。
図１は、本実施形態の巻上機を用いたクレーンの構成を示す図である。クレーン５００は建屋（図示せず）の両側の壁に沿って設けられたランウェイ５０１と、ランウェイ５０１の上を移動するガーダ５０２と、ガーダ５０２に沿って移動するトロリ５０３から構成される。トロリ５０３には巻上機１が設けられており、これを用いて吊荷５０４を吊り下げたロープ、チェーンなどを巻上げ、または、巻下げることにより、吊荷５０４を昇降させる。クレーン５００では、ガーダ５０２、トロリ５０３、巻上機１には、それぞれを駆動するモータが設けられ、操作端末２からの操作指令に従い駆動される。なお、吊荷５０４は、クレーンで運搬する対象であり、クレーンの構成要素ではないことに注意されたい。

図２は、本実施形態による巻上機に関連するシステムの構成図である。本巻上機システムは、巻上機１と、操作端末２から構成される。
巻上機１は、モータ１０１と、モータ運転情報取得部１３１と、モータ制御部１３２と、吊荷質量推定部１３３と、を有する。なお、この巻上機１は、ＣＰＵ等の演算装置、半導体メモリ等の主記憶装置、ハードディスク等の補助記憶装置、及び、通信装置などのハードウェアを備えたものである。そして、操作端末２で入力された操作指令を通信装置を介して受信し、主記憶装置に記憶されたプログラムを演算装置が実行することで、モータ運転情報取得部１３１やモータ制御部１３２等の各機能を実現する。以下、巻上機１の各々の詳細を具体的に説明する。

モータ１０１は、巻上機１を巻上または巻下駆動する。また、モータ１０１は、１台以上のモータから構成されており、それぞれのモータは、例えば三相の電動モータで構成される。

モータ制御部１３２は、操作端末２の操作入力部２０２で入力された巻上機１の操作指令を入力とし、操作指令に従ってモータを動かすためのモータ制御指令に変換し、モータ１０１へ出力する。

モータ運転情報取得部１３１は、吊荷質量推定部１３３に入力するモータ運転情報を取得する。モータ運転情報は、吊荷質量推定に利用するモータの運転に関する情報で、例えば、モータ駆動時の印加電流値や、エンコーダのセンサ値から算出されるモータ回転数や、モータへの指令値である運転周波数、などである。

吊荷質量推定部１３３は、モータ運転情報取得部１３１が取得したモータ運転情報から、吊荷質量推定式を用いて吊荷質量を算出する。本実施形態では、巻上機の出荷前工程に、モータ運転情報と吊荷質量のデータを収集し、モータ特性の個体差等を考慮した、高精度な吊荷質量推定式の学習が行われる（以下、収集したモータ運転情報と吊荷質量のデータセットを学習データと呼称）。したがって、本実施形態の巻上機は、運用工程では、モータ運転情報と、事前に学習した吊荷質量推定式と、を用いた吊荷質量の推定のみを行う。

なお、学習データの吊荷質量は、吊荷質量推定式を学習するために設定された数値で、例えば人手によって設定されてもよいし、自動で設定してもよい。なお、このように学習用に設定された数値を参照値と呼称し、吊荷質量推定式を用いて推定された吊荷質量の数値（以下、推定値と呼称）と区別する。

吊荷質量推定式は、モータ運転情報を入力として、吊荷質量を出力する式である。入力とするモータ運転情報は、現在のサンプルのみでもよいし、過去から現在までの一定数サンプル分の時系列データでもよい。吊荷質量推定式の一例として、式（１）がある。
ｕ＝Ｗｘ＋ｂ ・・・ （１）
ここで、xはモータ運転情報を連結させたベクトル（以下、モータ運転情報ベクトルと呼称）である。uは吊荷質量を表すスカラーであり、例えば、吊荷質量の推定値や、製品の定格荷重に対する吊荷質量の推定値の割合でもよい（後者の場合、定格荷重１tの製品でu=０．５であれば、吊荷質量の推定値は５００kgとなる）。Ｗはモータ運転情報ベクトルxのそれぞれの要素に対する重みを表す係数行列であり、ｂはバイアスを表す係数である。

なお、吊荷質量推定部１３３には、後処理として、移動平均フィルタなどのローパスフィルタを用いて算出される吊荷質量の時系列ノイズを除去してもよい。また、算出された吊荷質量は、操作端末２の吊荷質量表示部２０１に出力されるようにしてもよく、さらには、過負荷防止や寿命予測に利用したり、地切りを検出するために利用したりしてもよい。

操作端末２は、吊荷質量表示部２０１と、操作入力部２０２と、を有する。なお、この操作端末２は、ＣＰＵ等の演算装置、半導体メモリ等の主記憶装置、ハードディスク等の補助記憶装置、及び、通信装置などのハードウェアを備えたものであり、周知動作は適宜省略して説明を進める。また、操作端末２は、ティーチングペンダントでもよいし、スマートフォンやタブレットＰＣ、ノートＰＣ、デスクトップＰＣといった形態でもよい。操作端末２は専用端末として提供してもよいし、アプリケーションとして提供し、操作者が各自の端末で利用してもよい。また、操作端末２は無線通信で巻上機１と情報をやり取りしているが、有線通信であってもよい。以下、操作端末２の各々の詳細を具体的に説明する。

吊荷質量表示部２０１は、巻上機１の吊荷質量推定部１３３で算出された吊荷質量を表示する。また、本実施形態では、吊荷質量表示部２０１及び操作入力部２０２は操作端末２に実装されるが、巻上機１に実装してもよく、例えば吊荷質量表示部２０１は、巻上機１に搭載の基板に表示してもよい。

操作入力部２０２は、ボタンやレバーやハンドルやジョイスティックなどにより操作者が巻上機１に操作指令を入力するためのインターフェースである。操作入力部２０２は、ディスプレイとタッチパネルを組み合わせたものであっても、スマートフォンなどのデバイス上でソフトウェアにより実現されたインターフェースであってもよい。キーボードやマウスによって移動量あるいは目的地の座標あるいは場所の名称を入力してもよい。工場内に設置された巻上機などを管理する運用管理システムや生産管理システムとリンクして、その情報をもとに操作指令を入力するようにしてもよい。さらには、事前にプログラムされた操作指令を自動で入力する自動運転機能を備えてもよい。

本実施形態の巻上機の運用手順について、図３～図６を用いて説明する。巻上機での吊荷質量の推定は、搬送時に最初に行う吊荷が地面から離れる地切り時に適用するのがよい。また、地切り時のモータ運転情報と運転条件を学習に用いるのがよい。これは、地切り時は主に巻上機のみが駆動するため、他の外部要因の影響を受けにくいからである。図３は地切り動作を説明する図である。地切りは、図３（ａ）に示される吊荷５０４が地面に置かれた状態から、図３（ｂ）に示される吊荷５０４が地面から離れた状態まで巻上機１を駆動する。図４は地切り時の吊荷とトロリの位置関係を説明する図である。地切り時はトロリが吊荷の重心の直上に配置されるのが望ましいが、図４に示すようにトロリが吊荷の重心からずれた位置に配置される可能性もある。以下、地切り時を例に本実施形態の巻上機の運用手順を説明するが、地下げの際にも同様の構成と手順で実現できる。

モータ運転情報取得部１３１は、地切り時のモータ運転情報を取得する。精度よく吊荷質量を推定するためにモータ運転情報の時系列データを取得することが望ましい。なぜならば、吊荷質量推定式への入力に、吊荷質量を推測する時点でのモータ運転情報だけでなく、過去のモータ運転情報まで利用できれば、吊荷質量推定式の表現力が向上し、例えば、モータのヒステリシスなども考慮した吊荷質量推定式を学習によって獲得できるからである。ＣＰＵの演算性能や記憶装置の容量などの制約によりデータ容量が制限される場合には、少なくとも地切り後のデータが取得されていればよい。

学習データ条件は、トロリ５０３に対する吊荷５０４の位置ずれ（図４のd）や、荷揚げの際の楊重のパターンを含んでもよい。なお、楊重のパターンとは、高速あるいは低速巻上げモードなどの巻上げモードや、巻上速度のことである。収集される学習データは、巻上機１の運用上想定される地切りのパターンをより満遍なく網羅されることが望ましく、その結果、より高精度に吊荷質量を推定可能になる。例えば、吊荷質量のパターンは、０kgから過負荷となる重さ（巻上機１の定格荷重を超える重さ）までを徐々にかつ均等な幅で吊荷質量を変えながら学習データを収集することが望ましい。また、モータ運転情報には、逆起電力や、モータ温度を含んでもよい。これにより、モータの損失を考慮することができ、より的確に吊荷質量を推定可能になる。

図５は、本実施形態の巻上機の処理手順を示すフローチャートである。図５のフローチャートに基づく動作は以下の通りである。
処理は、出荷前工程でのステップＳ１～３と、運用工程でのステップＳ１１から構成される。

ステップＳ１：機種ごとに、吊荷質量や、トロリに対する吊荷の位置ずれや、楊重のパターンにバリエーションを持たせた条件下で、地切り試験を行った際の学習データ（ラインナップ学習データ）を収集する。

ステップＳ２：ステップＳ１で収集したラインナップ学習データを用いて、機種ごとに標準の吊荷質量推定式を学習する。

ステップＳ３：製品出荷テスト時の地切り試験で学習データ（個体別学習データ）を収集し、新たに収集したデータで製品ごとに吊荷質量推定式を再学習し、モータ特性の個体差を反映させる。その結果、製品ごとに高精度に吊荷質量を推定することができるようになる。なお、製品ごとの個体差が少ない場合には、このステップは必須ではない。

ステップＳ１１：操作者が巻上機１を運転する際、運転時のモータ運転情報から吊荷質量を推定する。本実施形態の運用工程では、出荷前工程で学習した吊荷質量推定式を用いて、運転中に吊荷質量を推定するのみとなる。

図６は、運転中に吊荷質量を推定するステップ（Ｓ１１）の詳細手順を示すフローチャートである。

ステップＳ３０１:操作者が巻上機１に吊荷をセットする。

ステップＳ３０２:操作者が操作入力部２０２から地切り操作を行う。

ステップＳ３０３:モータ運転情報取得部１３１でモータ運転情報を取得する。

ステップＳ３０４:吊荷質量推定部１３３で吊荷質量推定式に基づいて、吊荷質量を推定する。

ステップＳ３０５: ステップＳ３０４で推定された吊荷質量を、吊荷質量表示部２０１に表示する。

以上のように、巻上機１は、ステップＳ３０４で吊荷質量推定式に基づいて吊荷質量を推定し、吊荷質量表示部２０１から操作者に吊荷質量の推定値を通知する。また、ここで推定された吊荷質量は、過負荷防止や寿命予測、地切り検出に利用してもよい。

本実施形態では、運用工程での再学習を行わないので、出荷後は学習装置が不要であり、操作端末２の構成も少なくて済むので、簡易なシステムとなり安価な巻上機を提供できる。なお、本実施形態はステップＳ３で製品出荷テスト時の地切り試験データを記録し、製品ごとに再学習を行っている例を示しているが、ステップＳ３はなくてもよい。ステップＳ３を行うことで製品ごとの特性を反映して高精度に吊荷質量を推定することができる。

［第２実施形態］
本実施形態では、既に設置済み、あるいは購入済みの巻上機に対して、吊荷質量推定装置を取り付ける場合について説明する。

図７は、本実施形態による巻上機、吊荷質量推定装置の構成図である。巻上機１は、モータ１０１から構成される。吊荷質量推定装置４は、モータ運転情報取得部１３１と吊荷質量表示部２０１と学習データ条件入力部２０３と吊荷質量推定部１３３と学習データ設定部２３１と学習計算部３３１と学習データ蓄積部３７１と学習結果蓄積部３７２から構成される。なお、この吊荷質量推定装置４は、ＣＰＵ等の演算装置、半導体メモリ等の主記憶装置、ハードディスク等の補助記憶装置、及び、通信装置などのハードウェアを備えたものであり、周知動作は適宜省略して説明を進める。以下、吊荷質量推定装置４の各々の詳細を具体的に説明する。

モータ運転情報取得部１３１は、巻上機１のモータ運転情報を取得する。吊荷質量推定部１３３は、モータ運転情報取得部１３１が取得したモータ運転情報から、吊荷質量推定式を用いて吊荷質量を算出する。吊荷質量表示部２０１は、吊荷質量推定部１３３で算出された吊荷質量を表示する。

学習データ条件入力部２０３は、学習データの条件を入力するためのインターフェースであり、タッチパネルやキーボードやマウスなどの形態をとる。学習データ条件は、モータ運転情報取得部１３１で取得されるモータ運転情報に対応した巻上機の運転条件であり、少なくとも吊荷質量の参照値を含んでいる。また、学習データ条件は、巻上機１の機種名や、個体識別番号などの情報を含んでもよい。学習データ条件入力部２０３で入力された学習データ条件は、学習データ設定部２３１に出力される。

学習データ設定部２３１は、学習データ条件入力部２０３から入力された学習データ条件と、モータ運転情報取得部１３１から入力されたモータ運転情報を対応付けて１セットの学習データとして設定し、学習データ蓄積部３７１に蓄積する。学習データ蓄積部３７１は、操作端末２の学習データ設定部２３１で設定された学習データを蓄積する。学習計算部３３１は、学習データ蓄積部３７１から学習データを読み込み、吊荷質量推定式の学習計算を行う。

学習結果蓄積部３７２は、学習計算部３３１で出力された吊荷質量推定式が保存されている。そして、適宜、吊荷質量推定式が更新されたタイミングなどで巻上機１の吊荷質量推定部１３３に吊荷質量推定式を転送する。

次に、本実施形態における吊荷質量推定装置で行われる全体処理の手順について説明する。図８は、本実施形態の処理手順を示すフローチャートである。まずは、吊荷質量推定装置４を巻上機１に取り付ける（ステップＳ２０）。次に、モータ運転情報と地切り情報からなる学習データを収集する。学習データ収集は、例えば、地切り試験などによって行われる（ステップＳ１）。次に学習計算部３３１で吊荷質量推定式を学習する（ステップＳ２）。そして吊荷質量を推定する（ステップＳ１１）。ステップＳ１とステップＳ２とステップＳ１１は、第１実施形態と同様である。

本実施形態は、吊荷質量推定装置を取り付けることで、吊荷質量推定機能が搭載されていない巻上機でも、後から吊荷質量推定が可能となる。

［第３実施形態］
図９は、本実施形態による巻上機に関連するシステムの構成図である。本巻上機システムは、巻上機１と、操作端末２と、学習装置３から構成される。これらの間での情報のやり取りは、有線通信であっても無線通信であってもよい。

巻上機１は、第１実施形態と同様に、モータ１０１と、モータ運転情報取得部１３１と、モータ制御部１３２と、吊荷質量推定部１３３と、を有する。しかし、本実施形態の巻上機システムでは、運用工程において、モータ運転情報を用いて吊荷質量の推定が行われるだけでなく、モータ運転情報と吊荷質量のデータを収集して学習が行われる。

本実施形態のモータ運転情報取得部１３１は、吊荷質量の推定時は、吊荷質量を推定する吊荷質量推定部１３３にモータ運転情報を出力し、学習時は、学習データを設定するために操作端末２の学習データ設定部２３１にモータ運転情報を出力する。

吊荷質量推定部１３３は、モータ運転情報取得部１３１が取得したモータ運転情報から、吊荷質量推定式を用いて吊荷質量を算出する。ここで、吊荷質量推定式は、学習装置３の学習結果蓄積部３７２から学習済みの吊荷質量推定式として転送されるものである。

本実施形態の操作端末２は、吊荷質量表示部２０１と、操作入力部２０２の他に、学習データ条件入力部２０３と、学習データ設定部２３１と、を有する。

吊荷質量表示部２０１は、巻上機１の吊荷質量推定部１３３で算出された吊荷質量を表示する。また、吊荷質量推定部１３３が誤った吊荷質量の推定値を出力した場合、操作者が正しい吊荷質量の参照値を入力し、そのデータを用いて再学習を行うかの確認画面を表示してもよい。再学習については後述する。

操作入力部２０２は、操作者が巻上機１に操作指令を入力するためのインターフェースである。また、学習データ条件入力部２０３は、学習データの条件を入力するためのインターフェースである。学習データ条件入力部２０３のインターフェースは、操作入力部２０２のインターフェースと共通で利用しても、別のインターフェースとして実装されてもよい。

学習データ設定部２３１は、学習データ条件入力部２０３から入力された学習データ条件と、モータ運転情報取得部１３１から入力されたモータ運転情報を対応付けて１セットの学習データとして設定し、学習装置３の学習データ蓄積部３７１に転送する。

なお、本実施形態では吊荷質量表示部２０１、操作入力部２０２、学習データ条件入力部２０３、学習データ設定部２３１は操作端末２に実装されるが、巻上機１に実装してもよく、例えば吊荷質量表示部２０１は、巻上機１に搭載の基板に表示してもよい。

学習装置３は、学習計算部３３１と、学習データ蓄積部３７１と、学習結果蓄積部３７２と、を有する。なお、この学習装置３は、ＣＰＵ等の演算装置、半導体メモリ等の主記憶装置、ハードディスク等の補助記憶装置、及び、通信装置などのハードウェアを備えたものであり、周知動作は適宜省略して説明を進める。以下、学習装置３の各々の詳細を具体的に説明する。

学習データ蓄積部３７１は、操作端末２の学習データ設定部２３１で設定された学習データを蓄積する。蓄積されるデータは３種類に分類される。１つ目は、ラインナップ学習データと呼び、事前に機種ごとに学習データ条件にバリエーションを持たせて収集した学習データであり、出荷前工程での機種標準の吊荷質量推定式の学習に用いられる。２つ目は、個体別学習データと呼び、製品出荷テスト時の品質保証のテスト試験で収集した製品ごとの学習データであり、出荷前工程でのモータ特性の個体差を反映した再学習に用いられる。３つ目は、運用環境下での学習データと呼び、製品出荷後に操作者が吊荷質量推定部１３３で算出された吊荷質量の推定値を修正したデータであり、運用工程での運用環境の特性を反映した再学習に用いられる。

学習計算部３３１は、学習データ蓄積部３７１から学習データを読み込み、吊荷質量推定式の学習計算を行う。入力する学習データは、出荷前工程での機種標準の吊荷質量推定式の学習ではラインナップ学習データを、出荷前工程でのモータ特性の個体差を反映した再学習では個体別学習データを追加した学習データを、運用工程での再学習では運用環境下での学習データを追加した学習データを用いる。入力された学習データは、学習計算の前処理として、学習データを構成するデータのうちモータ運転情報の時系列データにガウス分布に基づくノイズ付加を行うことで、データのバリエーションを増やしてもよい。

次に、学習計算部３３１で行われる吊荷質量推定式の学習計算の処理を説明する。学習計算は、例えば、式（１）で与えられる吊荷質量推定式において、モータ運転情報ベクトルxが入力された際に出力される吊荷質量uが、より誤差の少ない推定値を出力するように、係数行列Ｗとバイアスｂを調整する処理である。この学習計算により、巻上機１は高精度な吊荷質量推定が可能となる。

まずは、学習計算部３３１に入力された学習データのうち、ランダムにいくつかのデータを取り出す。そして、例えば、ランダムに決定された係数行列Ｗの初期値と、バイアスｂの初期値を代入した式（１）に対して、取り出された各データのそれぞれのモータ運転情報ベクトルxを入力し、式（１）によって算出されたuと学習データに保存されている吊荷質量の参照値u’の誤差eを計算し、誤差の合計値Eを算出する。そして、誤差の合計値Eがより小さくなるように係数行列Ｗとバイアスｂを微小変化させる。ここでの係数行列Ｗとバイアスｂの微小変化のさせ方としては、例えば勾配降下法などが利用できる。学習計算部３３１に入力された学習データのうち残りのデータに対しても、順次ランダムに同程度の数のデータを取り出し同様の処理を繰り返し、入力された学習データのすべてに対して処理が完了すると、学習処理一サイクルが終了となる。

以上の手順が繰り返されることで、誤差の合計値Eは次第に小さくなっていき、学習終了条件を満たすまで、吊荷質量推定式を更新し続ける。学習終了条件は、吊荷質量推定式の学習が完了したことを示す条件で、例えば、入力された学習データ群に対する学習処理一サイクルを所定の回数繰り返す、あるいは、誤差Eが所定の値以下に達する、などである。こうして得られた吊荷質量推定式によって出力される吊荷質量uが、当該時点で取得されたモータ運転情報ベクトルxに対する最適な吊荷質量の推定値とみなされる。

また、学習済みの吊荷質量推定式の係数行列Ｗaとバイアスｂaを、係数行列Ｗとバイアスｂの初期値として与え、学習処理を行うことを再学習と呼ぶ。学習データに新たにデータを追加して、学習を行うことで、追加の学習データにもフィットした吊荷質量推定式に更新することができる。本実施形態では、個体別学習データを用いて再学習を行うことで、製品のモータ特性の個体差を反映した吊荷質量推定式へと更新することができる。また、運用環境下での学習データを用いて再学習を行うことで、運用環境の特性を反映した吊荷質量推定式へと更新することができる。これによって、製品ごとの特性や、製品が利用される運用環境の特性を反映したより的確な吊荷質量の推定が可能となる。
なお、学習済みの係数行列Ｗ、バイアスｂを含む吊荷質量推定式は、学習結果蓄積部３７２に格納される。

学習結果蓄積部３７２は、学習計算部３３１で出力された吊荷質量推定式が保存されており、適宜、巻上機１の吊荷質量推定部１３３に吊荷質量推定式を転送する。なお、この学習結果蓄積部３７２には、製品の機種ごとに標準の吊荷質量推定式や、個体ごとや異なる運用環境ごとでの吊荷質量推定式を蓄積しておいてもよい。そして、製品の機種名や個体識別環境や運用環境の指定により、これらの吊荷質量推定式を適宜参照できてもよい。これによって、巻上機１の操作者は、簡単に運用環境に合わせて吊荷質量推定式を使い分けることができる。

図１０は、本実施形態の巻上機システムの処理手順を示すフローチャートである。図１０のフローチャートに基づく動作は以下の通りである。
処理は、出荷前工程でのステップＳ１～３と、運用工程でのステップＳ１１～１５から構成される。出荷前工程のステップＳ１～Ｓ３は、第１実施形態と同じであるため、運用工程のステップＳ１１～１５についてのみ説明する。

ステップＳ１１：操作者が巻上機１を運転する際、運転時のモータ運転情報から吊荷質量を推定する。

ステップＳ１２：ステップＳ１１で算出された吊荷質量の推定値が誤っていると操作者が判断した場合、操作者は推定値を修正できる。本ステップでは、操作者に修正の必要があるかを、吊荷質量表示部２０１を介して判断を仰ぐ。操作者が修正する必要があると判断したならばステップＳ１３へ移る。修正する必要がないと判断したならばステップＳ１４へ移る。

ステップＳ１３：操作者が修正した吊荷質量の参照値と、地切りの際のモータ運転情報と運転条件を学習データ設定部２３１で対応付けて再学習用データ（運用条件下での学習データ）として設定する。そして、再学習用データを学習データ蓄積部３７１に転送する。

ステップＳ１４：再学習を行うかチェックする。判断基準は、操作者による指示でもよいし、一定数以上再学習用データが蓄積された場合でもよい。YESならばステップＳ１５へ移る。NOならば処理を終了する。

ステップＳ１５：ステップＳ１３で収集された再学習用データを用いて再学習を行い、運用環境の特性を反映させる。その結果、運用環境の特性を反映して、高精度に吊荷質量を推定することができるようになる。なお、運用環境の特性によるモータ特性の変化が少ない場合には、このステップは必須ではない。

本実施形態は、ステップＳ２、３、１５で収集した学習データを用いて吊荷質量推定式を学習することで、学習データの傾向に従って吊荷質量推定式を更新できる。このため、製品や運用環境の特性までも吊荷質量推定式に反映させることができ、その結果より的確な吊荷質量を推定することができる。また、異なる機種の巻上機に対して、それぞれに対応したモデルを構築しなくても、同じ処理により学習データを収集するだけで、吊荷質量が推定できる。

図１１は、出荷前工程の地切り試験によりモータ運転情報と学習データ条件のデータ収集を行うステップ（Ｓ１とＳ３）での詳細手順を示すフローチャートである。

ステップＳ１０１:製造者が事前に学習データの収集条件を決めておく。学習データの収集条件は、地切り試験における吊荷質量や、トロリに対する吊荷の位置ずれや、楊重のパターンの組み合わせの条件のことであり、巻上機１が運用されるうえで想定される条件を網羅するように満遍なく設定されていることが望ましい。そして、学習データの収集条件に従って、製造者が巻上機１に吊荷をセットする。

ステップＳ１０２:製造者が操作入力部２０２から地切り操作を入力し、地切り時のモータ運転情報の時系列データを記録する。モータ運転情報の時系列データは、地切り開始時から吊荷が安定するまでであることが望ましい。

ステップＳ１０３:製造者が学習データ条件入力部２０３から学習データ条件を入力する。

ステップＳ１０４:学習データ設定部２３１で、ステップＳ１０２で記録されたモータ運転情報の時系列データと、ステップＳ１０３で設定された学習データ条件を対応付けて学習データとして設定する。

ステップＳ１０５: ステップＳ１０４で設定された学習データを学習データ蓄積部３７１に転送する。

以上のように、本実施形態では、地切り試験を複数回行うだけのデータ収集作業で学習でき、吊荷質量を精度良く推定することが可能である。また、この作業は、非属人的で、巻上機のモータ等の製品に対して高度な知識がなくても実施できる利点がある。

図１２は、吊荷質量推定式の学習を行うステップ（Ｓ２とＳ３とＳ１５）の詳細手順を示すフローチャートである。

ステップＳ２０１:学習データ蓄積部３７１から学習データを読み込む。

ステップＳ２０２:学習計算部３３１で吊荷質量推定式を学習する。

ステップＳ２０３:ステップＳ２０２で出力された吊荷質量推定式を学習結果蓄積部３７２に蓄積する。

ステップＳ２０４:学習結果蓄積部３７２から吊荷質量推定部１３３に吊荷質量推定式を転送する。

以上のように、ステップＳ１、３、１３で収集された学習データを反映するように吊荷質量推定式の学習処理を行う。

図１３は、巻上機１が複数存在するシステムの例を示す図である。
図１３の例のように、システムが複数の巻上機１Ａ～１Ｃを有する場合、同一の操作端末２で操作を行い、学習データを設定するようにしてもよい。そして、巻上機１Ａ～１Ｃで収集した学習データを同一の学習装置３に集約して、蓄積する。そして、それらのデータをもとに学習装置３が学習を行う。
以上のようにして、複数の巻上機１Ａ～１Ｃを同一の操作端末２及び学習装置３で扱うことができ、操作者への負担を減らすことができる。

図１４は、学習装置がクラウドサーバ上に存在するシステムの例を示す図である。
図１４のように、学習装置３をクラウドサーバ上に設置してもよい。なお、このクラウドサーバは、巻上機製造者が運用する計算装置でもよい。このクラウドサーバは、図１４のように、一つの巻上機１及び操作端末２と接続されるのではなく、複数の巻上機１及び操作端末２と接続してもよい。さらに、図１３のように、操作端末２に対して、さらに複数の巻上機１が接続していてもよい。
以上のようにすれば、操作者は個々に学習装置を設置及び運用、保守する必要がなくなる。また、複数の操作者からのデータをクラウドサーバに集約すれば、大量のデータで学習を行うことができ、より的確な吊荷質量推定式を提供することができる。

以上のように本実施形態によると、追加センサが不要で、機種、製品、運用環境ごとの地切り時のモータ運転情報と吊荷質量の参照値のデータを収集し学習を行うことで、モータ特性の個体差や運用環境の特性までを考慮可能な高精度な吊荷質量推定方法及びそれが搭載された巻上機を提供することができる。

上述の第１実施形態～第３実施形態は、本発明を分かりやすく説明するために詳細に説明したものであり、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、ある実施形態の構成の一部を他の実施形態の構成に置き換えることも可能であり、また、ある実施形態の構成に他の実施形態の構成を加えることも可能である。また、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることも可能である。

１ １Ａ～１Ｃ 巻上機
２ 操作端末
３ 学習装置
４ 吊荷質量推定装置
１０１ モータ
１３１ モータ運転情報取得部
１３２ モータ制御部
１３３ 吊荷質量推定部
２０１ 吊荷質量表示部
２０２ 操作入力部
２０３ 学習データ条件入力部
２３１ 学習データ設定部
３３１ 学習計算部
３７１ 学習データ蓄積部
３７２ 学習結果蓄積部

Claims (7)

1. 吊り下げた吊荷を鉛直方向に移動させる巻上機であって、
   前記巻上機の運転情報を取得する運転情報取得部と、
   前記運転情報取得部が取得した前記運転情報から前記巻上機の吊荷質量を推定する吊荷質量推定部と、を備え、
   前記吊荷質量推定部は、前記運転情報と前記吊荷質量が対応付けられたデータを用いて予め学習しておいた吊荷質量推定式に基づいて、前記吊荷質量を推定するものであって、
   前記データは、前記吊荷が地面から離れる地切り動作時の運転情報及び吊荷質量を有し、製品ごとに行った地切り試験で収集されたものであることを特徴とする巻上機。
2. 請求項１に記載の巻上機において、
   前記データは、トロリに対する前記吊荷の位置又は楊重パターンが異なる複数の運転情報及び吊荷質量を有することを特徴とする巻上機。
3. 請求項１に記載の巻上機において、
   前記運転情報は、巻上げモータの運転速度、巻上げモータの回転数、巻上げモータへの印加電圧、のうち少なくとも１つを含むことを特徴とする巻上機。
4. 請求項１に記載の巻上機において、
   前記運転情報は、時系列データで構成されていることを特徴とする巻上機。
5. 吊り下げた吊荷を鉛直方向に移動させる巻上機と、前記巻上機を操作する操作端末と、前記吊荷の質量を推定するときに用いる吊荷質量推定式を学習する学習装置と、を備えた巻上機システムであって、
   前記巻上機は、前記巻上機の運転情報を取得する運転情報取得部と、前記運転情報取得部が取得した前記運転情報から前記巻上機の吊荷質量を推定する吊荷質量推定部と、を有し、
   前記操作端末は、前記巻上機の前記吊荷質量推定部で算出された吊荷質量を表示する吊荷質量表示部を有し、
   前記学習装置は、前記吊荷質量推定式の学習に必要な学習データを蓄積する学習データ蓄積部と、前記学習データ蓄積部から前記学習データを読み込んで学習計算する学習計算部と、前記学習計算部で出力された前記吊荷質量推定式を蓄積する学習結果蓄積部と、を有し、
   前記吊荷質量表示部に表示された吊荷質量が誤っていると操作者が判断した場合、前記操作端末により修正された吊荷質量が、前記運転情報と対応付けて再学習用データとして、前記学習データ蓄積部に蓄積されることを特徴とする巻上機システム。
6. 巻上機に吊り下げた吊荷の質量を推定する吊荷質量推定装置であって、
   前記巻上機の運転情報を取得する運転情報取得部と、
   前記運転情報取得部が取得した前記運転情報から吊荷質量推定式に基づいて前記巻上機の吊荷質量を推定する吊荷質量推定部と、
   前記吊荷質量推定式の学習に必要な学習データを蓄積する学習データ蓄積部と、
   前記学習データ蓄積部から前記学習データを読み込んで学習計算する学習計算部と、
   前記学習計算部で出力された前記吊荷質量推定式を蓄積する学習結果蓄積部と、を備え、
   前記学習データは、点検時に行った地切り試験で収集されたものであることを特徴とする吊荷質量推定装置。
7. 巻上機の運転情報と吊荷質量が対応付けられたデータを学習データとして収集する第１のステップと、
   収集した前記学習データを用いて吊荷質量推定式を学習する第２のステップと、
   前記巻上機の前記運転情報を取得する第３のステップと、
   取得した前記運転情報及び学習した前記吊荷質量推定式に基づいて前記吊荷質量を推定する第４のステップと、を備え、
   前記学習データは、出荷時又は点検時に製品ごとに行った地切り試験で収集したデータであることを特徴とする吊荷質量推定方法。

Images