JPH07115800A - 誘導電動機制御装置 - Google Patents

Abstract

(57)【要約】 （修正有） 【目的】 自動的にベクトル制御の定数を最適値に選択
する。 【構成】 誘導電動機の各相電流から座標変換回路ＶＥ
Ｃ−１は励磁及びトルク電流ｉｄ，ｉｑを出力し、すべ
り周波数演算器ＳＦは指令値ωｓ^* を出力する。速度制
御回路Ｃ₁ ，Ｇｒ（ｓ）はトルク電流指令値ｉｑ^* を、
トルク電流制御回路Ｃ₂ ，Ｇｑ（ｓ）は１次角周波数指
令値ω₁ ^* を出力する。磁束演算器ＦＣＡＬは検出電
流、電圧に基いて、励磁及びトルク電流演算値ｉｄ＾，
ｉｑ＾を演算する。ニューラルネットワーク手段は、ｉ
ｑ^* ，ｉｑ＾，ｉｄ^* ，ｉｄ＾，ω₁ ^* を入力して、電
圧及び位相角指令値ｖ₁ ^* ，δ^* を出力する。座標変換
回路ＶＥＣ−２は、ｖ₁ ^* ，δ^* に基いて各相出力電圧
指令値を電力変換器ＳＳに出力し、ニューラルネットワ
ーク回路ＮＮＷは、演算用の結合係数Ｗを、バックプロ
パゲーション回路ＢＰからの補正量△Ｗにより調整す
る。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、ベクトル制御を行う誘
導電動機制御装置に関するものである。

【０００２】

【従来の技術】図５は従来の誘導電動機制御装置の構成
を示すブロック図である。図５において、ＩＭは誘導電
動機本体、ＳＳは電力変換器、ＣＴは電流検出器、ＳＦ
はすべり周波数演算器、ＣＡＬは電圧指令値演算器、Ｃ
₁ ，Ｃ₂ は比較器、ＡＤ₁ ，ＡＤ₂ は加減算器、Ｇｒ
（ｓ）は速度制御補償回路、Ｇｑ（ｓ）はトルク電流制
御補償回路、ＶＥＣ−１，ＶＥＣ−２は座標変換器、Ｉ
ＮＴは積分回路、ＲＯＭ１，ＲＯＭ２はメモリテーブル
である。

【０００３】電力変換器ＳＳは、可変電圧可変周波数の
３相交流電力を電動機ＩＭに供給するもので、例えば、
パルス幅変調制御（ＰＷＭ）インバータ等がある。

【０００４】電流検出器ＣＴにより電動機の１次電流ｉ
ｕ，ｉｖ，ｉｗが検出され、座標変換器ＶＥＣ−１に入
力される。座標変換器ＶＥＣ−１により上記電流検出値
ｉｕ，ｉｖ，ｉｗは静止座標から回転座標に変換され、
トルク電流検出値ｉｑと励磁電流検出値ｉｄになる。

【０００５】すべり周波数演算器ＳＦは上記トルク電流
検出値ｉｑと励磁電流検出値ｉｄを用い、次の演算を行
なうことにより、誘導機ＩＭのすべり角周波数ωｓ^* を
推定する。 ωｓ^* ＝（Ｒ₂ ｉｑ）／（Ｌ₂ ｉｄ） ただし、Ｒ₂ およびＬ₂ は誘導機ＩＭの２次抵抗値およ
び２次インダクタンス値である。

【０００６】速度制御回路は比較器Ｃ₁ と制御補償回路
Ｇｒ（ｓ）で構成され、トルク電流の指令値ｉｑ^* を出
力する。すなわち、後で説明する回転速度検出値ωｒと
その指令値ωｒ^* を比較器Ｃ₁ により比較し、その偏差
εｒ＝ωｒ^* −ωｒを制御補償回路Ｇｒ（ｓ）により増
幅し、トルク電流指令値ｉｑ^* を求めている。

【０００７】また、トルク電流制御回路は比較器Ｃ₂ と
制御補償回路Ｇｑ（ｓ）で構成され、誘導機ＩＭの１次
角周波数指令値ω₁ ^* を出力する。すなわち、前記トル
ク電流指令値ｉｑ^* と前記トルク電流検出値ｉｑを比較
器Ｃ₂ により比較し、その偏差εｑ＝ｉｑ^* −ｉｑを制
御補償回路Ｇｑ（ｓ）で増幅して１次角周波数ω₁ ^*を
求めている。

【０００８】加減算器ＡＤ₁ により、当該１次角周波数
指令値ω₁ ^* と前記すべり角周波数指令値ωｓ^* との差
をとり、回転角周波数ωｒ＾＝ω₁ ^* −ωｓ^* を求め、
前記速度制御回路にフィードバックする。

【０００９】また、積分器ＩＮＴにより、前記１次角周
波数ω₁ ^* を積分し、位相角θ^* ＝ω₁ ^* を求めてメモ
リテーブルＲＯＭ１に入力する。当該メモリテーブルＲ
ＯＭ１では入力位相角θ^* に対して、２相の単位正弦波
信号sin θ^* ，cos θ^* を作り、前記座標変換器ＶＥＣ
−１にその信号を与える。

【００１０】座標変換器ＶＥＣ−１では、３相電流ｉ
ｕ，ｉｖ，ｉｗの検出値を、ｄｑ座標（回転座標）の電
流ｉｄ，ｉｑに変換する。すなわち、 ｉｄ＝cos θ・ｉα−sin θ・ｉβ ｉｑ＝sin θ・ｉα＋cos θ・ｉβ ただし、 ｉα＝ｋ・（ｉｕ−ｉｖ／２−ｉｗ／２） ｉβ＝ｋ′・（ｉｖ−ｉｗ） ｋ＝２／３， ｋ′＝１／２ となる。一般に、ｉｄは直軸電流（励磁電流）、ｉｑは
横軸電流（トルク電流）と呼んでいる。

【００１１】一方、演算器ＣＡＬに、誘導機の励磁電流
指令値ｉｄ^* ，前記トルク電流指令値ｉｑ^* および前記
１次角周波数ω₁ ^* を入力し、次の演算を行うことによ
り、誘導機ＩＭの電圧指令値ｖ₁ ^* と位相角δ^* を求め
る。 ｖ₁ ^* ＝ａ｛ｅ＋Ｒ₁ ′ｉｑ^* ＋ω₁ ^* σＬ₂ ｉｄ^* ｝
cos δ^*−ａ｛Ｒ₁ ′ｉｄ^* −ω₁ ^* σＬ₂ ｉｑ^* ｝sin
δ^* δ^* ＝tan ^-1｛（ω₁ ^* σＬ₂ ｉｑ^* −Ｒ₁ ′ｉ
ｄ^* ）／（ｅ＋Ｒ₁ ′ｉｑ^* ＋ω₁ ^* σＬ₂ ｉｄ^* ）｝ ただし、 σ＝（Ｌ₁ Ｌ₂ ／Ｍ−１） ａ＝Ｍ／Ｌ₂ ｅ＝ω₁ ^* Ｌ₂ ｉｄ^* ＝ω₁ ^* φ₂ Ｒ₁ ′＝Ｒ₁ ／ａ² ここで、 Ｒ₁ ，Ｌ₁ ：誘導機の１次抵抗値，１次インダクタンス Ｒ₂ ，Ｌ₂ ：誘導機の２次抵抗値，２次インダクタンス Ｍ：誘導機の相互インダクタンス φ₂ ：誘導機の２次磁束 である。

【００１２】このようにして求められた位相角δ^* は加
減算器ＡＤ₂ に入力され、前記積分器の出力θ^* に加え
られる。メモリテーブルＲＯＭ₂ は当該位相角の和θ^*
＋δ^* を入力とし、３相単位正弦波を作り、第２の座標
変換器ＶＥＣ−２にその信号を与える。

【００１３】また、前記電圧値Ｖ₁ ^* はその第２の座標
変換器ＶＥＣ−２により回転座標から静止座標に変換さ
れ、３相交流電圧指令値ｖｕ^* ，ｖｖ^* ，ｖｗ^* が得ら
れる。すなわち、 ｖｕ^* ＝Ｖ₁ ^* ・sin （θ^* ＋δ^* ） ｖｖ^* ＝Ｖ₁ ^* ・sin （θ^* ＋δ^* −２π／３） ｖｗ^* ＝Ｖ₁ ^* ・sin （θ^* ＋δ^* ＋２π／３） となる。

【００１４】前記電力変換器ＳＳは上記電圧指令値に比
例した電圧を発生し、ベクトル制御に必要な電圧を誘導
電動機ＩＭに供給する。

【００１５】図６にこの時の誘導電動機ＩＭの電圧電流
ベクトル図を示す。ここで、ｖ₁ ′＝ｖ₁ ／ａ および
ｉ₁ ′＝ａ・ｉ₁ の関係がある。電動機の発生トル
クは励磁電流ｉｄ（すなわち２次磁束φ₂ ）とトルク電
流ｉｑの積に比例し、そのときの１次電流ベクトルｉ₁
が決定される。また、電動機の内部誘起電圧ｅは前に示
したように励磁電流ｉｄと１次角周波数ω₁ で決定さ
れ、この電圧ｅに１次抵抗ドロップと１次および２次の
洩れインダクタンスによるドロップ分を加えることによ
り、電動機に与えるべき１次電圧ｖ₁ のベクトルが決定
される。この関係を満足するように演算器ＣＡＬが上述
の演算を行っている。

【００１６】このような従来の誘導電動機制御装置によ
り、速度センサ無しでベクトル制御を行うことができ、
直流電動機と同等の特性を出すことが可能となる。

【００１７】

【発明が解決しようとする課題】上記した従来の誘導電
動機制御装置では、演算器ＣＡＬによりベクトル制御に
必要な１次電圧指令値（ｖ₁ ^* とδ^* ）を作っている。
この演算には電動機の定数（Ｒ₁ ，Ｍ，Ｌ₂ ，等）を用
いており、この定数が正確な値であれば、電動機の磁束
とトルク電流は常に直角の位置を維持し、直流電動機と
同等な特性を出すことが可能となる。

【００１８】しかし、上記誘導機の定数は電動機の種類
や出力定格によって異なり、正確な値を知ることが困難
である。通常は設計値を用いて演算しているが、果たし
て正確なベクトル制御が実現されているかどうかは疑問
の残るところである。その対策として、ベテランの調整
員が試験運転を行い、定常特性などを測定しながら上記
電動機定数を最適と思われる値に調整しているのが実情
である。この調整にはかなりの時間と費用を要し、電動
機台数が多い汎用モータでは大まかな調整しかできず、
出力と特性が低下する等の問題が生じていた。

【００１９】また、誘導機の１次抵抗Ｒ₁ は運転中の温
度上昇により変化し、相互インダクタンスＭや２次イン
ダクタンスＬ₂ は鉄心の飽和により変化するので、最初
に正確な定数を入れたとしても運転中に定数が変化し、
前記磁束φ₂ とトルク電流ｉｑのベクトルが直角に保た
れなくなり、電動機発生トルクが低下する等の問題が生
じる。

【００２０】一方、１次角周波数ω₁ ^* は電力変換器Ｓ
Ｓの出力角周波数に一致するので正しい値である。しか
し、演算器ＳＦにより求められたすべり角周波数ωｓ^*
は電動機定数（Ｒ₂ ，Ｌ₂ ）を用いて演算しているた
め、その値がずれていれば誤差が生じる。従って、速度
制御回路にフィードバックされる演算速度ωｒ＾＝ω₁
^* −ωｓ^* も誤差を持ち、正確な速度制御が出来なくな
る。特に、電動機の２次抵抗Ｒ₂ は回転子の温度により
変化し、運転中に電動機速度が設定値よりずれてくる等
の問題があった。

【００２１】本発明は、上記事情に鑑みてなされたもの
で、ベクトル制御演算に使われる電動機定数の無調整化
をはかり、かつ運転中に当該電動機定数が変化した場合
でもそれに対応して上記演算定数を自動的に調整するこ
とが可能な誘導電動機制御装置を提供することを目的と
する。

【００２２】

【課題を解決するための手段】上記課題を解決するため
の手段として、第１の発明は、誘導電動機についての励
磁電流指令値ｉｄ^* ，トルク電流指令値ｉｑ^* ，１次角
周波数指令値ω₁ ^* を用いて電圧指令値ｖ₁ ^* 及び位相
角指令値δ^* を求め、この電圧指令値ｖ₁ ^* 及び位相角
指令値δ^* に基き、誘導電動機に可変電圧可変周波数交
流電力を供給する電力変換器に対して出力電圧指令値ｖ
ｕ^* ，ｖｖ^* ，ｖｗ^* を出力することで誘導電動機に対
するベクトル制御を行う誘導電動機制御装置において、
前記電力変換器からの出力電圧及び出力電流の検出値を
入力し、前記誘導電動機の２次磁束についての演算又は
推定に基いて、励磁電流演算値ｉｄ＾及びトルク電流演
算値ｉｑ＾を出力する磁束演算手段と、前記磁束演算手
段からの励磁電流演算値ｉｄ＾及びトルク電流演算値ｉ
ｑ＾、並びに、前記励磁電流指令値ｉｄ^* ，トルク電流
指令値ｉｑ^* ，１次角周波数指令値ω₁ ^* を入力し、バ
ックプロパゲーション・アルゴリズムに基く学習を行な
いながら、前記電圧指令値ｖ₁ ^* 及び位相角指令値δ^*
を出力するニューラルネットワーク手段と、を備えた構
成としたものである。

【００２３】第２の発明は、第３の発明の構成におい
て、前記電力変換器からの出力電流の検出値を入力し、
この検出値の静止座標系から回転座標系への変換に基い
て、励磁電流検出ｉｄ及びトルク電流検出値ｉｑを出力
する座標変換器と、前記座標変換器からの励磁電流検出
値ｉｄ及びトルク電流検出値ｉｑの入力に基いて、すべ
り周波数指令値ωｓ^* を演算するすべり周波数演算器
と、を備えた構成としたものである。

【００２４】第３の発明は、第２の発明の構成におい
て、前記座標変換器はトルク電流検出値ｉｑのみを出力
するものであり、前記すべり周波数演算器は、前記座標
変換器からのトルク電流検出値ｉｑ、及び予め与えられ
た２次磁束指令値φ₂ ^* の入力に基いて、すべり周波数
指令値ωｓ^* を演算するものである、構成としたもので
ある。

【００２５】第４の発明は、第３の発明の構成におい
て、前記磁束演算手段は、前記励磁電流演算値ｉｄ＾及
びトルク電流演算値ｉｑ＾に加えて、２次磁束演算値φ
₂ ＾を出力するものであり、前記予め与えられた２次磁
束指令値φ₂ ^* 及び２次磁束演算値φ₂ ＾を入力し、バ
ックプロパゲーション・アルゴリズムに基く学習を行な
いながら前記励磁電流指令値ｉｄ^* を出力する他のニュ
ートラルネットワーク手段が前記ニューラルネットワー
ク手段の入力側に接続されており、前記すべり周波数演
算器は、前記他のニューラルネットワーク手段の学習結
果を用いながら、すべり周波数指令値ωｓ^* を演算する
ものである、構成としたものである。

【００２６】第５の発明は、第１乃至第４の発明の構成
において、前記ニューラルネットワーク手段は、前記誘
導電動機の回転速度が所定レベル以上である場合のみ、
前記バックプロパゲーション・アルゴリズムに基く学習
を行うものである、構成としたものである。

【００２７】

【作用】ニューラルネットワーク手段の入力信号とし
て、まず、励磁電流指令値ｉｄ^*とトルク電流指令値ｉ
ｑ^* および１次角周波数指令値ω₁ ^* を用いる。励磁電
流指令値ｉｄ^* は通常一定値で与えられるが、電動機の
回転速度に応じて弱め界磁制御などを行うときにはその
指令値を変化させる。トルク電流指令値ｉｑ^* は直接与
えられることもあるが、一般には速度制御回路からの出
力がトルク電流指令値となる。また、上記１次角周波数
指令値ω₁ ^* はトルク電流制御回路から与えられる。

【００２８】一方、電力変換器からの誘導電動機に供給
される電圧電流を検出し、その検出値を磁束演算手段で
ある磁束演算器に入力し、当該電動機の励磁電流ｉｄ＾
およびトルク電流ｉｑ＾を演算する。なお、磁束演算手
段として、磁束演算器の代わりに磁束オブザーバを使っ
てもよい。当該励磁電流演算値ｉｄ＾およびトルク電流
演算値ｉｄ＾はニューラルネットワーク手段のもう一方
の入力信号となる。

【００２９】ニューラルネットワーク手段の出力信号
は、回転座標で表した電動機の１次電圧Ｖ₁ ^* と位相角
δ^* である。当該１次電圧指令値Ｖ₁ ^* を静止座標（３
相交流電圧指令値）に変換し、電力変換器から当該指令
値に比例した電圧を発生させることにより、誘導電動機
のベクトル制御を行う。

【００３０】すなわち、ニューラルネットワーク手段
は、励磁電流指令値ｉｄ^* およびトルク電流指令値ｉｑ
^* と、電動機の１次電圧指令値ｖ₁ ^* をむすび付けるも
ので、従来の演算器ＣＡＬの役目をする。

【００３１】ニューラルネットワーク手段の結合係数に
ついてはバックプロパゲーション（逆伝播）によって学
習する。すなわち、まず、適当な係合係数を入れて、励
磁電流指令値ｉｄ^* ，トルク電流指令値ｉｑ^* および１
次角周波数指令値ω₁ ^* から１次電圧指令値ｖ₁ ^* と位
相角指令値δ^* を出し、電動機を運転させる。そのとき
の電圧電流から電動機の励磁電流ｉｄ＾およびトルク電
流ｉｑ＾を演算し、その値を保持しておく。次に、当該
励磁電流演算値ｉｄ＾，トルク電流演算値ｉｑ＾および
１次角周波数指令値ω₁ ^* を用いて、ニューラルネット
ワーク手段を介して電圧指令値ｖ₁ ^* および位相角指令
値δ^* ＾を求める。そして、当該電圧指令値ｖ₁ ^* およ
び位相角指令値δ^* ＾と先に求めたｖ₁ ^* とδ^* とのそ
れぞれの差分に応じてニューラルネットワーク手段の結
合係数を変化させ、最終的に当該差分が零になるように
学習を繰り返していく。

【００３２】最終的にはｉｄ^* ＝ｉｄ＾，ｉｑ^* ＝ｉｑ
＾，ｖ₁ ^* ＝ｖ₁ ^* ＾，δ^* ＝δ^*＾となって落ちつ
く。このとき、上記磁束演算器によって求めた励磁電流
演算値ｉｄ＾およびトルク電流演算値ｉｑ＾が十分正確
な値であるとすれば、ニューラルネットワーク手段によ
って求めた電圧指令値ｖ₁ ^* および位相角δ^* も十分正
確な値が期待でき、その結果、直流機と同等の出力特性
を持つベクトル制御が達成できる。

【００３３】一般に、上記磁束演算器による励磁電流演
算値ｉｄ＾およびトルク電流演算値ｉｑ＾の精度は電動
機の回転速度が低いときに悪くなるので、上記ニューラ
ルネットワーク手段の学習は回転速度が高いときに行
い、回転速度が低くなったときには学習を一時停止させ
るのが良い。

【００３４】運転中に回転子の温度上昇した場合等で
も、それに対応して、ニューラルネットワーク手段の結
合係数が更新され、常に最適な状態で、誘導電動機のベ
クトル制御を行うことが可能でとなる。電動機の鉄心が
飽和した場合も同様である。

【００３５】このようにして、本発明の誘導電動機制御
装置によって、ベテランの調整員を必要とせず、自動的
にベクトル制御の定数を最適値に選択し、かつ、温度上
昇等の外乱にも強いベクトル制御を達成することができ
る。

【００３６】次に、上記ニューラルネットワーク手段に
他のニューラルネットワーク手段を付加し、入力信号と
して、２次磁束指令値φ₂ ^* とトルク電流指令値ｉｑ^*
および１次角周波数ω₁ ^* を用いる場合につき説明す
る。２次磁束指令値φ₂ ^* は、通常、一定値で与えられ
るが、電動機の回転速度に応じて弱め界磁制御などを行
うときにはその指令値を変化させる。トルク電流指令値
ｉｑ^* は直接与えられることもあるが、一般には速度制
御回路からの出力がトルク電流指令値となる。また、上
記１次角周波数指令値ω₁ ^* はトルク電流制御回路から
与えられる。

【００３７】一方、電力変換器から誘導電動機に供給さ
れる電圧電流を検出し、その検出値を磁束演算器に入力
し、当該電動機の２次磁束φ₂ ＾，励磁電流ｉｄ＾およ
びトルク電流ｉｑ＾を演算する。なお、磁束演算器の代
わりに磁束オブザーバを使ってもよい。当該２次磁束演
算値φ₂ ＾，励磁電流演算値ｉｄ＾およびトルク電流演
算値ｉｑ＾はニューラルネットワーク手段及び他のニュ
ーラルネットワーク手段のもう一方の入力信号となる。

【００３８】他のニューラルネットワーク手段はニュー
ラルネットワーク手段の入力側に接続されており、２次
磁束指令値φ₂ ^* と２次磁束指令値φ₂ ＾を交互に入力
し、励磁電流指令値ｉｄ^* を出力する。すなわち、前段
側の他のニューラルネットワーク手段は２次磁束指令値
φ₂ ^* と励磁電流指令値ｉｄ^* を結び付けるもので、そ
の結合係数はバックプロパゲーション（逆伝播）によっ
て学習する。

【００３９】後段側のニューラルネットワーク手段は、
前段側の他のニューラルネットワーク手段の出力信号で
ある励磁電流指令値ｉｄ^* とトルク電流指令値ｉｑ^* お
よび１次角周波数ω₁ ^* と、前記励磁電流演算値ｉｄ＾
およびトルク電流演算値ｉｑ＾を交互に入力し、回転座
標で表した電動機の１次電圧指令値ｖ₁ ^* と位相角指令
値δ^* を出力する。すなわち、後段側のニューラルネッ
トワーク手段は励磁電流指令値ｉｄ^* およびトルク電流
指令値ｉｑ^* と、１次電圧指令値ｖ₁ ^* および位相角指
令値δ^* とを結び付けるもので、その結合係数はバック
プロパゲーション（逆伝播）によって学習する。

【００４０】当該１次電圧指令値ｖ₁ ^* を静止座標（３
相交流電圧指令値）に変換し、電力変換器から当該指令
値に比例した電圧を発生させることにより、誘導電動機
のベクトル制御を行う。

【００４１】ニューラルネットワーク手段及び他のニュ
ーラルネットワーク手段の結合係数はバックプロパゲー
ション（逆伝播）によって学習する。

【００４２】まず、励磁電流指令値ｉｄ^* として適当な
値を入れ、後段側のニューラルネットワーク手段の結合
係数を学習させる。すなわち、後段側のニューラルネッ
トワーク手段に適当な結合係数を入れて、励磁電流指令
値ｉｄ^* で，トルク電流指令値ｉｑ^* および１次角周波
数指令値ω₁ ^* から１次電圧指令値ｖ₁ ^* と位相角指令
値δ^* を出し、電動機を運転させる。そのときの電圧電
流から電動機の励磁電流ｉｄ＾およびトルク電流ｉｑ＾
を演算し、その値を保持しておく。

【００４３】次に、当該励磁電流演算値ｉｄ＾，トルク
電流演算値ｉｑ＾および１次角周波ω₁ ^* を用いて、後
段側のニューラルネットワーク手段を介して電圧指令値
ｖ₁ ^* ＾および位相角指令値δ^* ＾を求める。そして、
当該電圧指令値ｖ₁ ^* および位相角指令値δ^* ＾と先に
求めたｖ₁ ^* とδ^* とのそれぞれの差分に応じて後段側
のニューラルネットワーク手段の係合係数を変化させ、
最終的に当該差分が零になるように学習を繰り返してい
く。

【００４４】最終的には、ｉｄ^* ＝ｉｄ＾，ｉｑ^* ＝ｉ
ｑ＾，ｖ₁ ^* ＝ｖ₁ ^* ＾，δ^* ＝δ^* ＾となって落ちつ
く。

【００４５】次に、前段側の他のニューラルネットワー
ク手段の結合係数を学習させる。すなわち、前段側の他
のニューラルネットワーク手段に適当な結合係数を入れ
て、２次磁束指令値φ₂ ^* から励磁電流指令値ｉｄ^* を
出力し、後段側のニューラルネットワーク手段を介して
１次電圧指令値ｖ₁ ^* と位相角指令値δ^* を出し、電動
機を運転させる。そのときの電圧電流から電動機の２次
磁束φ₂ ＾を演算し、その値を保持しておく。次に、当
該２次磁束演算値φ₂ ＾を用いて励磁電流指令値ｉｄ^*
＾を求める。そして、当該励磁電流指令値ｉｄ^* ＾と先
に求めた励磁電流指令値ｉｄ^* との差分に応じて前段側
の他のニューラルネットワーク手段の結合係数を変化さ
せ、最終的に当該差分が零になるように学習を繰り返し
ていく。最終的には、φ₂ ^* ＝φ₂ ＾，ｉｄ^* ＝ｉｄ＾
となって落ちつく。

【００４６】このようにして、前段側の他のニューラル
ネットワーク手段および後段側のニューラルネットワー
ク手段の結合係数がすべて学習され、磁束演算器によっ
て求めた２次磁束演算値φ₂ ＾，励磁電流演算値ｉｄ＾
およびトルク電流演算値ｉｑ＾が十分正確な値であると
すれば、ニューラルネットワーク手段によって求めた電
圧指令値ｖ₁ ^* および位相角指令値δ^* も十分正確な値
が期待でき、その結果、直流機と同等の出力特性を持つ
ベクトル制御が達成できる。

【００４７】運転中に、回転子の温度が上昇した場合等
でも、それに対応して、他のニューラルネットワーク手
段の結合係数が更新され、常に最適な状態で、誘導電動
機のベクトル制御を行うことが可能となる。電動機の鉄
心が飽和した場合も同様である。

【００４８】この前段側のニューラルネットワーク手段
で学習した係合係数は電動機の２次抵抗に関係し、前記
すべり周波数演算の演算定数として反映させることがで
きる。通常、すべり周波数演算には２次抵抗値Ｒ₂ 等を
使用するが、回転子の温度が上昇した場合、Ｒ₂ が変化
し、正しいすべり周波数が求められなくなる。従って、
そのすべり周波数を用いて電動機の回転速度を推定する
速度センサレス・ベクトル制御では正確な速度制御は望
めなくなる。そこで、前段側の他のニューラルネットワ
ーク手段で学習した結合係数をすべり周波数演算器に代
入し、演算を行う。その結果、運転中の温度上昇に対応
して電動機定数が学習され、正確な速度制御を行うこと
が可能となる。

【００４９】このように、本発明の誘導電動機制御装置
によれば、ベテランの調整員を必要とせず、自動的にベ
クトル制御の定数を最適値に選択し、かつ、温度上昇等
の外乱にも強いベクトル制御を行うことができる。

【００５０】

【実施例】以下、本発明の実施例を図１乃至図４に基き
説明する。図１は第１実施例の構成を示すブロック図で
ある。

【００５１】図１において、ＩＭは誘導電動機本体、Ｓ
Ｓは電力変換器、ＣＴは電流検出器、ＰＴは電圧検出
器、ＦＣＡＬは磁束演算手段としての磁束演算器、
Ｃ₁ ，Ｃ₂は比較器、Ｇｒ（ｓ）は速度制御補償回路、
Ｇｑ（ｓ）はトルク電流制御補償回路、ＶＥＣ−１，Ｖ
ＥＣ−２は座標変換回路、ＳＦはすべり周波数演算器、
ＡＤ₁ ，ＡＤ₂ は加算器、ＩＮＴは積分回路、ＲＯＭ
１，ＲＯＭ２はメモリテーブル、ＮＮＷはニューラルネ
ットワーク回路、ＢＰはバックプロパゲーション（逆伝
播）回路、ＮＣＡＬは外部演算器である。

【００５２】そして、ニューラルネットワーク手段は、
ニューラルネットワーク回路ＮＮＷ，バックプロパゲー
ション回路ＢＰ，外部演算器ＮＣＡＬにより構成されて
いる。

【００５３】電力変換器ＳＳは、可変電圧可変周波数の
３相交流電力を電動機ＩＭに供給するもので、例えば、
パルス幅変調制御（ＰＷＭ）インバータ，サイクロコン
バータなどがある。

【００５４】ニューラルネットワークＮＮＷの入力信号
として、励磁電流指令値ｉｄ^* とトルク電流指令値ｉｑ
^* および１次角周波数指令値ω₁ ^* を用いる。

【００５５】励磁電流指令値ｉｄ^* は通常一定値で与え
られるが、電動機の回転速度に応じて弱め界磁制御など
を行うときにはその指令値を変化させる。

【００５６】トルク電流指令値ｉｑ^* は直接与えられる
こともあるが、一般には速度制御回路からの出力がトル
ク電流指令値となる。

【００５７】速度制御回路は比較器Ｃ₁ と制御補償回路
Ｇｒ（Ｓ）で構成され、トルク電流の指令値ｉｑ^* を出
力する。すなわち、演算によって求められた速度検出値
ωｒ＾とその指令値ωｒ^* を比較器Ｃ₁ により比較し、
その偏差εｒ＝ωｒ^* −ωｒを制御補償回路Ｇｒ（Ｓ）
により増幅し、トルク電流指令値ｉｑ^* をニューラルネ
ットワーク回路ＮＮＷに与える。

【００５８】トルク電流制御回路は比較器Ｃ₂ と制御補
償回路Ｇｑ（Ｓ）で構成され、１次角周波数指令値ω₁
^* を出力する。当該ω₁ ^* は前記ニューラルネットワー
クＮＮＷに与えられると共に、積分器ＩＮＴに入力さ
れ、座標変換のための位相角信号θ^* ＝ω₁ ^* ・ｔを作
る。メモリテーブルＲＯＭ１は当該位相角信号θ^* から
２相単位正弦波sin θ^* ・cos θ^* を作り、座標変換器
ＶＥＣ−１に与える。

【００５９】一方、電力変換器ＳＳから誘導電動機ＩＭ
に供給される電流ｉｕ，ｉｖ，ｉｗを電流検出器ＣＴに
より検出し、前記座標変換器ＶＥＣ−１に入力する。

【００６０】座標器ＶＥＣ−１では、３相電流ｉｕ，ｉ
ｖ，ｉｗの検出値を、ｄｑ座標（回転座標）の電流ｉ
ｄ，ｉｑに変換する。すなわち、 ｉｄ＝cos θ^* ・ｉα−sin θ^* ・ｉβ ｉｑ＝sin θ^* ・ｉα−cos θ^* ・ｉβ ただし、 ｉα＝ｋ・（ｉｕ−ｉｖ／２−ｉｗ／２） ｉβ＝ｋ′・（ｉｖ−ｉｗ） ｋ＝２／３，ｋ′＝１／２ となる。一般に、ｉｄは直軸電流（励磁電流）、ｉｑは
横軸電流（トルク電流）と呼んでいる。

【００６１】トルク電流検出値ｉｑは前記トルク電流制
御回路の比較器Ｃ₂ にフィードバックされる。

【００６２】また、トルク電流検出値ｉｑおよび励磁電
流検出値ｉｄはすべり周波数演算器ＳＦに入力され、次
の演算を行うことにより、すべり角周波数ω_s ^* が求め
られる。 ω_s ^* ＝（Ｒ₂ ・ｉｑ）／（Ｌ₂ ・ｉｄ） また、電動機の端子電圧Ｖｕ，Ｖｖ，Ｖｗを電圧検出器
ＰＴで検出し、前記３相電流検出値ｉｕ，ｉｖ，ｉｗと
共に磁束演算器ＦＣＡＬに入力する。磁束演算器ＦＣＡ
Ｌは当該電圧電流を使って、電動機の２次磁束φ₂ ＾，
励磁電流ｉｄ＾およびトルク電流ｉｑ＾を演算する。

【００６３】まず、検出された３相（Ｕ，Ｖ，Ｗ相）の
電圧電流を２相（α，β相）の電圧電流に座標変換す
る。すなわち、 ｉα＝ｋ・（ｉｕ−ｉｖ／２−ｉｗ／２） ｉβ＝ｋ′・（ｉｖ−ｉｗ） および ｅα＝ｋ・（Ｖｕ−Ｖｖ／２−Ｖｗ／２） ｅβ＝ｋ′・（Ｖｖ−Ｖｗ） となる。ただし、 ｋ＝２／３， ｋ′＝１／２ である。

【００６４】このβ座標系の２次磁束φ₂ α，φ₂ βは
次の演算を行うことにより求められる。 φ₂ α＝（Ｌ₂ ／Ｍ）（ｅα−Ｒ₁ ・ｉα）ｄｔ−σ・
Ｌ₁ ・（Ｌ₂ ／Ｍ）・ｉα φ₂ β＝（Ｌ₂ ／Ｍ）（ｅβ−Ｒ₁ ・ｉβ）ｄｔ−σ・
Ｌ₁ ・（Ｌ₂ ／Ｍ）・ｉβ だたし、Ｒ₁ ，Ｒ₂ は１次、２次抵抗、Ｌ₁ ，Ｌ₂ は１
次、２次インダクタンス、Ｍは相互インダクタンス、σ
＝１−Ｍ² ／（Ｌ₁ ・Ｌ₂ ）は洩れ係数である。

【００６５】上記αβ座標系の２次磁束φ₂ α，φ₂ β
をｄｑ座標系へ変換するには、次の計算を行う。 φ_2d＝cos ψ・φ₂ α＋sin ψ・φ₂ β φ_2q＝−sin ψ・φ₂ α＋cos ψ・φ₂ β ここで、 cos ψ＝φ₂ α／（φ₂ α² ＋φ₂ β² ） sin ψ＝φ₂ β／（φ₂ α² ＋φ₂ β² ） が成り立ち、 φ_2d＝（φ₂ α² ＋φ₂ β² ） φ_2q＝０ となる。φ_2dが２次磁束の演算値φ₂ ＾となる。

【００６６】また、ｄｑ座標系の電流演算値ｉｄ＾，ｉ
ｑ＾は上記cos ψ，sin ψを用いて、次のように求めら
れる。 ｉｄ＾＝cos ψ・ｉα＋sin ψ・ｉβ ｉｑ＾＝−sin ψ・ｉα＋cos ψ・ｉβ すなわち、ｉｄ＾は励磁電流演算値、ｉｑ＾はトルク電
流演算値となる。当該励磁電流演算値ｉｄ＾およびトル
ク電流演算付帯ｉｑ＾はニューラルネットワークＮＮＷ
のもう一方の入力信号となる。

【００６７】ニューラルネットワークＮＮＷの出力信号
として、電力変換器ＳＳの出力電圧指令値Ｖ₁ ^* と位相
角指令値δ^* を求めるための信号Ａ^* ，Ｂ^* を選ぶ。外
部演算器ＮＣＡＬは、次の演算を行うことにより、当該
信号Ａ^* ，Ｂ^* から電圧指令値Ｖ₁ ^* を選ぶ。外部演算
器ＮＣＡＬは、次の演算を行うことにより、当該信号Ａ
^* ，Ｂ^* から電圧指令値Ｖ₁ ^* および位相角指令値δ^*
を求める。 δ^* ＝tan ^-1（Ｂ^* ／Ａ^* ） Ｖ₁ ^* ＝Ａ^* ・cos δ^* −Ｂ^* ・sin δ^* 当該位相角δ^* は加算器ＡＤ₂ に入力され、前記積分器
ＩＮＴの出力信号θ^*に加えられる。当該位相角信号
（θ^* ＋δ^* ）はメモリテーブルＲＯＭ２に入力され、
３相単位正弦波 sin （θ^* ＋δ^* ） sin （θ^* ＋δ^* −２π／３） sin （θ^* ＋δ^* ＋２π／３） を作る。

【００６８】当該座標変換器ＶＥＣ−２により、前記電
圧指令値Ｖ1 ^* を３相交流電圧指令値Ｖｕ^* ，Ｖｖ^* ，
Ｖｗ^* に変換し、電力変換器ＳＳに与える。 Ｖｕ^* ＝Ｖ₁ ^* ・sin （θ＋δ^* ） Ｖｖ^* ＝Ｖ₁ ^* ・sin （θ＋δ^* −２π／３） Ｖｗ^* ＝Ｖ₁ ^* ・sin （θ＋δ^* ＋２π／３） 電力変換器ＳＳは当該電圧指令値Ｖｕ^* ，Ｖｖ^* ，Ｖｗ
^* に比例した電圧を発生し、誘導電動機ＩＭを駆動制御
する。

【００６９】図２はニューラルネットワーク回路ＮＮＷ
の構成を示すブロック図である。図２において、ＳＷ₁
〜ＳＷ₄ はスイッチ回路、ML1 ，ML2 は乗算器、Ｘ₁ 〜
Ｘ₄入力要素、Ｙ₁ ，Ｙ₂ は出力要素（加算要素）、Ｗ
₁₁〜Ｗ₄₂は結合係数である。

【００７０】入力Ｘ₁ 〜Ｘ₄ は、スイッチ回路ＳＷ₁ 、
ＳＷ₂ がａ側に接続されたとき、Ｘ₁ ＝ｉｑ^* ，Ｘ₂ ＝
ｉｄ^* ，Ｘ₃ ＝ω₁ ^* ・ｉｄ^* ，Ｘ₄ ＝ω₁ ^＊・ｉｑ^*
となり、ｂ側に接続されたとき、Ｘ₁ ＝ｉｑ＾，Ｘ₂ ＝
ｉｄ＾，Ｘ₃ ＝ω₁ ^* ・ｉｄ＾，Ｘ₄ ＝ω₁ ^* ・ｉｑ＾
となる。

【００７１】また、結合係数Ｗ₁₁〜Ｗ₄₂は（４×２）＝
８個考えられるが、ここでは必要最小限の４個を記載し
ている。

【００７２】次に、このニューラルネットワーク回路Ｎ
ＮＷの学習機能の動作について説明する。まず、スイッ
チ回路ＳＷ₁ 〜ＳＷ₄ をａ側に接続し、ニューラルネッ
トワーク回路NNW に適当な結合係数Ｗ₁₁〜Ｗ₄₂を入れ
て、励磁電流指令値ｉｄ^* ，トルク電流指令値ｉｑ^* お
よび１次角周波数指令値ω₁ ^* から出力信号Ａ^* ，Ｂ^*
を出し、外部演算器NCALを介して電圧指令値Ｖ₁ ^* と移
相角δ^* を求め、電動機ＩＭを運転させる。

【００７３】すなわち、出力要素Ｙ₁ の信号Ａ^* および
出力要素Ｙ₂ の信号Ｂ^* は次のようになる。 Ａ^* ＝ｉｑ^* ・Ｗ₁₁＋ω₁ ^* ・ｉｄ^* ・Ｗ₃₁ Ｂ^* ＝ｉｄ^* ・Ｗ₂₂＋ω₁ ^* ・ｉｑ^* ・Ｗ₄₂ この値はバックプロバケーション回路ＢＰにＵ₁ ＝
Ａ^* ，Ｕ₂ ＝Ｂ^* として保持される。また、電圧指令値
Ｖ₁ ^* および移相角指令値δ^* は次式のように計算され
る。 δ^* ＝tan ^-1（Ｂ^* ／Ａ^* ） Ｖ₁ ^* ＝Ａ^* ・cos δ^* −Ｂ^* ・sin δ^* この電圧指令値Ｖ₁ ^* および移相角指令値δ^* を使用し
て電動機ＩＭを運転したときの電圧Ｖa ，Ｖb ，Ｖc お
よび電流ｉａ，ｉｂ，ｉｃを励束演算器FCALに入力し、
前述の方法により電動機の励磁電流ｉｄ＾およびトルク
電流ｉｑ＾を演算し、その値をニューラルネットワーク
NMW の入力として保持しておく。

【００７４】次に、スイッチ回路ＳＷ₁ 〜ＳＷ₄ をｂ側
に接続し、上記励磁電流演算値ｉｄ＾およびトルク電流
演算値ｉｑ＾を用いて、ニューラルネットワーク回路NM
W を介して出力信号Ａ^* ＾，Ｂ^* ＾を求める。 Ａ^* ＾＝ｉｑ＾・Ｗ₁₁＋ω₁ ^* ・ｉｄ＾・Ｗ₃₁ Ｂ^* ＾＝ｉｄ＾・Ｗ₂₂＋ω₁ ^* ・ｉｑ＾・Ｗ₄₂ この値はバックプロバゲーション回路ＢＰに、Ｖ₁ ＝Ａ
^* ＾およびＶ₂ ＝Ｂ^*＾として入力される。そして、当
該Ａ^* ＾およびＢ^* ＾と先に求めたＡ^* およびＢ^* との
それぞれの差分に応じてニューラルネットワークの結合
係数Ｗ₁₁〜Ｗ₄₂を変化させ、最終的に当該差分が零にな
るように学習を繰り返していく。すなわち、差分δ₁ ，
δ₂ を δ₁ ＝Ｕ₁ −Ｖ₁ ＝Ａ^* −Ａ^* ＾ δ₂ ＝Ｕ₂ −Ｖ₂ ＝Ｂ^* −Ｂ^* ＾ とした場合、結合係数Ｗ₁₁〜Ｗ₄₂の補正量△Ｗ₁₁〜Ｗ₄₂
の補正量△Ｗ₄₂を、 △Ｗ₁₁＝Ｋ₁ ・δ₁ ・Ｘ₁ △Ｗ₂₂＝Ｋ₂ ・δ₂ ・Ｘ₂ △Ｗ₃₁＝Ｋ₁ ・δ₁ ・Ｘ₃ △Ｗ₄₂＝Ｋ₂ ・δ₂ ・Ｘ₄ とする。ただし、Ｋ₁ ，Ｋ₂ は学習ゲイン、 Ｘ₁ ＝ｉｑ＾（ｎ）：サンプル時のｉｑ＾ Ｘ₂ ＝ｉｄ＾（ｎ）：サンプルの時ｉｄ＾ Ｘ₃ ＝ω₁ ^* ・ｉｄ＾（ｎ）：サンプル時のω₁ ^* ・ｉ
ｄ＾ Ｘ₄ ＝ω₁ ^* ・ｉｑ＾（ｎ）：サンプル時のω₁ ^* ・ｉ
ｑ＾ である。従って、結合係数Ｗ₁₁〜Ｗ₄₂は、 Ｗ₁₁（ｋ＋１）＝Ｗ₁₁（ｋ）＋△Ｗ₁₁ Ｗ₂₂（ｋ＋１）＝Ｗ₂₂（ｋ）＋△Ｗ₂₂ Ｗ₃₁（ｋ＋１）＝Ｗ₃₁（ｋ）＋△Ｗ₃₁ Ｗ₄₂（ｋ＋１）＝Ｗ₄₂（ｋ）＋△Ｗ₄₂ のように補正される。

【００７５】例えば、Ａ^* ＞Ａ^* ＾で、δ₁ が正になっ
た場合、結合係数Ｗ₁₁，Ｗ₃₁が減少し、実際の運転に使
われる信号Ａ^* を減らす。その結果、Ａ^* ＝Ａ^* ＾とな
るように学習される。

【００７６】また、Ｂ^* ＞Ｂ^* ＾で、δ₂ が正になった
場合、結合係数Ｗ₂₂，Ｗ₄₂が減少し、実際の運転に使わ
れる信号Ｂ^* を減らす。その結果、Ｂ^* ＝Ｂ^* ＾となる
ように学習される。

【００７７】最終的には、ｉｄ^* ＝ｉｄ＾，ｉｑ^* ＝ｉ
ｑ＾，Ａ^* ＝Ａ^* ＾，Ｂ^* ＝Ｂ^* ＾となって落ちつく。
このとき、上記磁束演算器FCALによって求めた励磁電流
演算値ｉｄ＾およびトルク電流演算値ｉｑ＾が十分正確
な値であるとすれば、ニューラルネットワーク回路ＮＮ
Ｗによって求めた信号Ａ^* ，Ｂ^* 、すなわち、電圧指令
値Ｖ₁ ^* ，移相角指令値δ^* も十分正確な値が期待で
き、その結果、直流機と同等の出力特性を持つベクトル
制御が達成できる。

【００７８】しかし、一般に上記磁束演算器FCALによる
励磁電流演算値ｉｄ＾およびトルク電流演算値ｉｑ＾の
精度は電動機の回転速度が低いときに悪くなるので、上
記ニューラルネットワークの学習は回転速度が高いとき
に行い、回転速度が低くなったときには学習を一時停止
させるのが良い。

【００７９】運転中に、回転子の温度が上昇し、１次抵
抗値Ｒ₁ が変化した場合でも、それに対応して、ニュー
ラルネットワークの結合係数が更新される。電動機の鉄
心が飽和し、相互インダクタンスＭが変わった場合も同
様にニューラルネットワークの結合係数が自動的に更新
され、常に最適な状態で、誘導電動機のベクトル制御を
行うことが可能となる。

【００８０】次に、本発明の第２実施例を図３及び図４
に基いて説明する。図３において、ＩＭは誘導電動機本
体、ＳＳは電力変換器、ＣＴは電流検出器、ＰＴは電圧
検出器、FCALは磁束演算器、Ｃ₁ ，Ｃ₂ は比較器、Ｇｒ
（Ｓ）は速度制御補償回路、Ｇｑ（Ｓ）はトルク電流制
御保証回路、ＶＥＣ−１，ＶＥＣ−２は座標変換回路、
ＳＦＮはすべり周波数演算器、ＡＤ₁ ，ＡＤ₂ は加算
器、ＩＮＴは積分回路、ＲＯＭ1 ，ＲＯＭ2 はメモリテ
ーブル、ＮＮ１，ＮＮ２はニューラルネットワーク回
路、ＢＰ１，ＢＰ２はバックプロパゲーション（逆伝
播）回路、ＮＣＡＬは外部演算回路である。

【００８１】そして、ニューラルネットワーク回路ＮＮ
２，バックプロパゲーション回路ＢＰ２，外部演算回路
ＮＣＡＬは後段側のニューラルネットワーク手段を構成
し、このニューラルネットワーク手段の入力側すなわち
前段側に接続されているニューラルネットワーク回路Ｎ
Ｎ１、バックプロパゲーション回路ＢＰ１は、「他のニ
ューラルネットワーク手段」を構成している。

【００８２】この第２実施例では、第１実施例と異なる
部分についてのみ説明する。磁束演算器ＦＣＡＬは励磁
電流演算値ｉｄ＾およびトルク電流演算値ｉｑ＾の他
に、２次磁束演算値φ₂ ＾を出力する。この２次磁束φ
₂ ＾は励磁電流ｉｄ＾およびトルク電流ｉｑ＾を演算す
るときに求められることは前述した。

【００８３】なお、ニューラルネットワーク回路ＮＮ２
は、図１におけるニューラルネットワークＮＮＷと同じ
である。また、バックプロパゲーション回路ＢＰ２は図
１におけるバックプロパゲーション回路ＢＰと同じであ
る。

【００８４】図４は、前段側の他のネットワーク手段、
及び後段側のネットワーク手段を合わせて示したブロッ
ク図である。図４において、ＮＮ１は前段側のニューラ
ルネットワーク回路、ＢＰ１は前段側のバックプロパゲ
ーション回路、ＢＰ２は後段側のバックプロパゲーショ
ン回路、ＳＷ₁ 〜ＳＷ₆ はスイッチ回路、ｘ₁ ，ｘ₂及
びＸ₁ 〜Ｘ₄ は入力要素、ｙ₁ およびＹ₁ ，Ｙ₂ は出力
要素（加算要素）、ｗ₁₁，ｗ₂₁およびＷ₁₁〜Ｗ₄₂は結合
係数、Ｓは微分要素、ＭＬ1 ，ＭＬ2 は乗算器である。

【００８５】後段側のニューラルネットワーク回路ＮＮ
２は図１におけるニューラルネットワーク回路ＮＮＷと
同じなので説明を省略する。

【００８６】次に、前段側のニューラルネットワーク回
路ＮＮ１の学習動作を説明する。ただし、ここでは便宜
上、後段側のニューラルネットワーク回路ＮＮ２の学習
が終了し、結合係数Ｗ₁₁〜Ｗ₄₂は最適値に収束している
ものとして説明する。

【００８７】前段側のニューラルネットワーク回路ＮＮ
１は、２次磁束指令値φ₂ ^* と２次磁束演算値φ₂ ＾を
入力とし、励磁電流指令値ｉｄ^* を出力とする。当該励
磁電流指令値ｉｄ^* は後段側のニューラルネットワーク
回路ＮＮ２の入力信号の１つになる。

【００８８】入力要素ｘ₁ およびｘ₂ はスイッチ回路Ｓ
Ｗ₅ がａ側に接続されているときは、ｘ₁ ＝φ₂ ^* ，ｘ
₂ ＝△φ₂ ^* ／△ｔとなり、ｂ側に接続されているとき
は、Ｘ₁ ＝φ₂ ＾，Ｘ₂ ＝△φ₂ ＾／△ｔとなる。

【００８９】まず、ＮＮ１の結合係数ｗ₁₁およびｗ₂₁に
適当な値を入れ、スイッチ回路ＳＷ₅ およびＳＷ₆ をａ
側に接続する。このとき、出力ｙ₁ は次式のように与え
られる。 ｙ₁ ＝ｘ₁ ・ｗ₁₁＋ｘ₂ ・ｗ₂₁ ＝φ₂ ^* ・ｗ₁₁＋（△φ₂ ^* ／△ｔ）・ｗ₂₁ となる。この出力ｙ₁ は、ｕ₁ ＝ｙ₁ としてバックプロ
パゲーション回路ＢＰ１に保持されるとともに、後段側
のニューラルネットワーク回路ＮＮ２の入力信号の１つ
である励磁電流指令値ｉｄ^* となる。ここで、後段側の
ニューラルネットワーク回路ＮＮ２の学習が既に完了し
ているものとすれば、ｉｑ^* ＝ｉｑ＾，ｉｄ^* ＝ｉｄ
＾，Ｕ₁ ＝Ｖ₁ ，Ｕ₂ ＝Ｖ₂ となっている。この状態で
電動機ＩＭを駆動し、磁束演算器FCALから２次磁束演算
値φ₂ ＾を得る。この値φ₂ ＾を前段側のニューラルネ
ットワーク回路ＮＮ１に入力する。

【００９０】次に、スイッチ回路ＳＷ₅ およびＳＷ₆ を
ｂ側に接続すると、出力ｙ₁ は次式のように与えられ
る。すなわち、 ｙ₁ ＾＝ｘ₁ ・ｗ₁₁＋ｘ₂ ・ｗ₂₁ ＝φ₂ ＾・ｗ₁₁＋（△φ₂ ＾／△ｔ）・ｗ₂₁ となる。この出力ｖ₁ ＝ｙ₁ ＾は前記バックプロパゲー
ション回路ＢＰ１に入力され、前記ｕ₁ との差分δ₁₁＝
ｕ₁ −ｖ₁ か求められる。このとき、結合係数ｗ₁₁とｗ
₂₁の補正量△ｗ₁₁，△ｗ₂₁を、 △ｗ₁₁＝ｋ₁ ・δ₁₁・ｘ₁ △ｗ₂₁＝ｋ₁ ・δ₁₁・ｘ₂ とする。ただし、ｋ₁ は学習ゲイン、 ｘ₁ ＝φ₂ ＾（ｎ）：サンプル時のφ₂ ＾ ｘ₂ ＝△φ₂ ＾（ｎ）／△ｔ：サンプル時のφ₂ ＾の微
分値 Ｘ3 ＝ω₁ ^* ・ｉｄ＾（ｎ）：サンプル時のω₁ ^* ・ｉ
ｄ＾ である。したがって、結合係数ｗ₁₁，ｗ₂₁は、 ｗ₁₁（ｋ＋１）＝ｗ₁₁（ｋ）＋△ｗ₁₁ ｗ₂₁（ｋ＋１）＝ｗ₂₁（ｋ）＋△ｗ₂₁ のように補正される。

【００９１】例えば、ｕ₁ ＞ｖ₁ で、δ₁₁が正になった
場合、結合係数ｗ₁₁，ｗ₂₁が減少し、実際の運転に使わ
れる信号ｕ₁ を減らす。その結果、ｕ₁ ＝ｖ₁ となるよ
うに学習される。

【００９２】最終的には、φ₂ ^* ＝φ₂ ＾，ｕ₁ ＝ｖ₁
となって落ちつく。このとき、上記磁束演算器FCALによ
って求めた２次磁束演算値φ₂ ＾が十分正確な値である
とすれば、ニューラルネットワーク回路ＮＮ１によって
求められた信号ｙ＝ｉｄ^* も十分正確な値が期待でき
る。その結果、この励磁電流指令値ｉｄ^* を用いて後段
側のニューラルネットワーク回路ＮＮ２を介して誘導電
動機ＩＭをベクトル制御すれば、直流機直流機と同等の
出力特性を得ることができるようになる。

【００９３】以上は前段側のニューラルネットワーク回
路ＮＮ１の学習に際し、後段側のニューラルネットワー
ク回路ＮＮ２の学習が先に完了していると仮定して説明
したが、前段側および後段側のニューラルネットワーク
回路ＮＮ１，ＮＮ２が同時に学習を行うことも可能であ
る。

【００９４】学習が完了し、理論通りにベクトル制御が
動作している場合、２次磁束指令値φ₂ ^* と励磁電流指
令値ｉｄ^* との関係は次式のように表される。 ｉｄ^* ＝φ₂ ^* ・（１／Ｍ）＋（ｄφ₂ ^* ／ｄｔ）・
（Ｌ₂ ／（Ｒ₂ ・Ｍ）） すなわち、ＮＮ１の結合係数ｗ₁₁，ｗ₂₁は次の値に収束
している。 ｗ₁₁＝（１／Ｍ） ｗ₂₁＝（Ｌ₂ ／（Ｒ₂ ・Ｍ）） ただし、Ｍは励磁インダクタンス、Ｌ₂ ，Ｒ₂ は２次イ
ンダクタンスおよび２次抵抗である。

【００９５】一方、図３のすべり周波数演算器SFは、ト
ルク電流検出値ｉｑと２次磁束指令値φ₂ ^* を入力し、
次の演算式を用いてすべり角周波数ω_s ^* を演算してい
る。

【００９６】 ω_s ^* ＝（Ｍ・Ｒ₂ ／Ｌ₂ ）・（ｉｑ／φ₂ ^* ） ここで用いている電動機定数（Ｍ・Ｒ₂ ／Ｌ₂ ）はニュ
ーラルネットワーク回路ＮＮ１の学習によって求めた結
合係数ｗ₂₁の逆数になっている。そこで、ニューラルネ
ットワーク回路ＮＮ１の学習結果をすべり周波数演算器
ＳＦＮの演算定数に反映させ、次のようにしてすべり角
周波数指令値ω_s ^* を演算する。 ω_s ^* ＝（１／ｗ₂₁）・（ｉｑ／φ₂ ^* ） この結果、温度上昇などにより電動機の２次抵抗値Ｒ₂
等が変化した場合でも、それに対応して学習がなされ、
常に正確な値ですべり周波数を演算することが可能とな
る。言い換えると、電動機ＩＭの速度推定値ωr ＾＝ω
₁ ^* −ω_s ^* は常に正確な値が得られ、通常の機械的な
速度検出器無しで、精度の良い速度制御が可能となる。

【００９７】以上は、２次磁束φ₂ ＾あるいは励磁電流
ｉｄ＾およびトルク電流ｉｑ＾を求めるために、磁束演
算器FCALを用いたが、それの代わりに、磁束オブザーバ
を用いても同様に達成できることは言うまでもない。ま
た、上記のニューラルネットワーク回路は２層線形モデ
ルを例にとって説明したが、３層以上のモデルを用いて
もよく、例えば、外部演算器ＮＣＡＬをネットワークの
中に組み込み、電圧指令値ｖ₁ ^＊および位相角指令値δ
^* を直接出力するようにしてもよい。

【００９８】

【発明の効果】以上のように、本発明によれば、ベテラ
ンの調整員を必要とせず、自動的にベクトル制御の定数
を最適値に選択し、かつ、温度上昇等の外乱にも強いベ
クトル制御を行うことができる。また、速度検出器を用
いることなく精度の良い速度制御を行うことも可能とな
る。

【図面の簡単な説明】

【図１】本発明の第１実施例の構成を示すブロック図。

【図２】図１におけるニューラルネットワーク回路の詳
細を示すブロック図。

【図３】本発明の第２実施例の構成を示すブロック図。

【図４】図３におけるニューラルネットワーク回路の詳
細を示すブロック図。

【図５】従来装置の構成を示すブロック図。

【図６】図５の動作を説明するための電圧電流ベクトル
図。

【符号の説明】

ＩＭ 誘導電動機 ＳＳ 電力変換器 ＣＴ 電流検出器 ＰＴ 電圧検出器 ＦＣＡＬ 磁束演算器 Ｃ₁ ，Ｃ₂ 比較器 Ｇｒ（Ｓ） 速度制御補償回路 Ｇｑ（Ｓ） トルク電流制御補償回路 ＶＥＣ−１，ＶＥＣ−２ 座標変換回路 ＡＤ１，ＡＤ２ 加算器 ＩＮＴ 積分回路 ＲＯＭ１，ＲＯＭ２ メモリテーブル ＳＦ，ＳＦＮ すべり周波数演算器 ＮＮＷ，ＮＮ１，ＮＮ２ ニューラルネットワーク回路 ＳＷ₁ 〜ＳＷ₆ スイッチ回路 ＢＰ，ＢＰ１，ＢＰ２ バックプロパゲーション（逆伝
播）回路 ＮＣＡＬ 外部演算器

Claims (5)

【特許請求の範囲】
1. 【請求項１】誘導電動機についての励磁電流指令値ｉｄ
   ^* ，トルク電流指令値ｉｑ^* ，１次角周波数指令値ω₁
   ^* を用いて電圧指令値ｖ₁ ^* 及び位相角指令値δ^* を求
   め、この電圧指令値ｖ₁ ^* 及び位相角指令値δ^* に基
   き、誘導電動機に可変電圧可変周波数交流電力を供給す
   る電力変換器に対して出力電圧指令値ｖｕ^* ，ｖｖ^* ，
   ｖｗ^* を出力することで誘導電動機に対するベクトル制
   御を行う誘導電動機制御装置において、 前記電力変換器からの出力電圧及び出力電流の検出値を
   入力し、前記誘導電動機の２次磁束についての演算又は
   推定に基いて、励磁電流演算値ｉｄ＾及びトルク電流演
   算値ｉｑ＾を出力する磁束演算手段と、 前記磁束演算手段からの励磁電流演算値ｉｄ＾及びトル
   ク電流演算値ｉｑ＾、並びに、前記励磁電流指令値ｉｄ
   ^* ，トルク電流指令値ｉｑ^* ，１次角周波数指令値ω₁
   ^* を入力し、バックプロパゲーション・アルゴリズムに
   基く学習を行ないながら、前記電圧指令値ｖ₁ ^* 及び位
   相角指令値δ^* を出力するニューラルネットワーク手段
   と、 を備えたことを特徴とする誘導電動機制御装置。
2. 【請求項２】請求項１記載の誘導電動機制御装置におい
   て、 前記電力変換器からの出力電流の検出値を入力し、この
   検出値の静止座標系から回転座標系への変換に基いて、
   励磁電流検出ｉｄ及びトルク電流検出値ｉｑを出力する
   座標変換器と、 前記座標変換器からの励磁電流検出値ｉｄ及びトルク電
   流検出値ｉｑの入力に基いて、すべり周波数指令値ωｓ
   ^* を演算するすべり周波数演算器と、 を備えたことを特徴とする誘導電動機制御装置。
3. 【請求項３】請求項２記載の誘導電動機制御装置におい
   て、 前記座標変換器はトルク電流検出値ｉｑのみを出力する
   ものであり、 前記すべり周波数演算器は、前記座標変換器からのトル
   ク電流検出値ｉｑ、及び予め与えられた２次磁束指令値
   φ₂ ^* の入力に基いて、すべり周波数指令値ωｓ^* を演
   算するものである、 ことを特徴とする誘導電動機制御装置。
4. 【請求項４】請求項３記載の誘導電動機制御装置におい
   て、 前記磁束演算手段は、前記励磁電流演算値ｉｄ＾及びト
   ルク電流演算値ｉｑ＾に加えて、２次磁束演算値φ₂ ＾
   を出力するものであり、 前記予め与えられた２次磁束指令値φ₂ ^* 及び２次磁束
   演算値φ₂ ＾を入力し、バックプロパゲーション・アル
   ゴリズムに基く学習を行ないながら前記励磁電流指令値
   ｉｄ^* を出力する他のニュートラルネットワーク手段が
   前記ニューラルネットワーク手段の入力側に接続されて
   おり、 前記すべり周波数演算器は、前記他のニューラルネット
   ワーク手段の学習結果を用いながら、すべり周波数指令
   値ωｓ^* を演算するものである、 ことを特徴とする誘導電動機制御装置。
5. 【請求項５】請求項１乃至４記載の誘導電動機制御装置
   において、 前記ニューラルネットワーク手段は、前記誘導電動機の
   回転速度が所定レベル以上である場合のみ、前記バック
   プロパゲーション・アルゴリズムに基く学習を行うもの
   である。ことを特徴とする誘導電動機制御装置。