JPWO2017213183A1

JPWO2017213183A1 - 異常診断装置及び異常診断方法

Info

Publication number: JPWO2017213183A1
Application number: JP2018521759A
Authority: JP
Inventors: 前川　清石; 清石前川
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2016-06-07
Filing date: 2017-06-07
Publication date: 2018-11-29
Anticipated expiration: 2037-06-07
Also published as: CN109219738A; US11314241B2; CN109219738B; JP6584662B2; US20190137984A1; WO2017213183A1; DE112017002300T5

Abstract

本発明にかかる異常診断装置において、モータ加速度の予測値であるモデル加速度を算出するモデル加速度算出手段（１）と、モータの位置情報及び速度情報の一方からモータ加速度を算出するモータ加速度算出手段（３）と、モータ加速度とモデル加速度との比較結果に基づき、動力伝達機構（７）の異常を診断する異常判別手段（４）と、を備える。

Description

本発明は、ロボットといったメカニカルシステムの駆動部に使用される減速機、増速機及びボールねじといった動力伝達機構の異常診断装置及び異常診断方法に関する。

従来、多関節型の産業用ロボットでは、各関節のモータの動力を伝達するため動力伝達機構がしばしば使用される。産業用ロボットが長期間使用されていると、動作中に作用する負荷が累積することで動力伝達機構が劣化し、故障に至る場合がある。故障が進み、ロボットが本来の性能を出せなくなったり、産業用ロボットが突然停止したりすることで、作業が継続できなくなると、生産ラインを停止させて改修を行う必要が生じる。そのため、動力伝達機構が劣化したことを診断する技術が求められている。

特許文献１に記載の方法では、動力伝達機構が劣化することで生じる振動パターンと、正常駆動時における振動パターンと、を比較し劣化を診断する技術が開示されている。また、特許文献１に記載の方法では、動力伝達機構に作用する外乱トルクから抽出したスペクトルから劣化を診断する。

特開２００８−３２４７７号公報

上記従来の技術によれば、振動パターン又は抽出したスペクトルに基づいて動力伝達機構の劣化の診断を行うことができる。しかしながら、従来の技術では、動力伝達機構の温度により変動する摩擦トルクの影響を除去することができないという課題があった。

本発明は、上記に鑑みてなされたものであって、摩擦変動の影響を受けにくいモータ加速度を用いることで、動力伝達機構の異常を高精度に診断する異常診断装置を得ることを目的とする。

上述した課題を解決し、目的を達成するために、本発明にかかる異常診断装置は、モータ加速度の予測値であるモデル加速度を算出するモデル加速度算出手段と、モータの位置情報及び速度情報の一方からモータ加速度を算出するモータ加速度算出手段と、モータ加速度とモデル加速度との比較結果に基づき、動力伝達機構の異常を診断する異常判別手段と、を備えることを特徴とする。

本発明によれば、特性変化である摩擦変動の影響を受けにくいモータ加速度を用いることで、動力伝達機構の異常を高精度に診断するという効果を奏する。

実施の形態１の異常診断装置のブロック図実施の形態１に係るモデル加速度算出手段の内部を示すブロック図実施の形態１に係る制御系模擬手段の内部を示すブロック図実施の形態１に係るフィードバック制御手段の内部を示すブロック図実施の形態１に係る異常診断装置における制御用ＣＰＵの実装例を示す図実施の形態１において異常診断装置の範囲の定義を変更した場合の構成図実施の形態１において異常診断装置の範囲の定義を変更した場合の構成図実施の形態３に係る制御系模擬手段の内部を示すブロック図実施の形態４に係る制御系模擬手段の内部を示すブロック図実施の形態５に係るモデル加速度算出手段の内部を示すブロック図実施の形態７に係るモデル加速度算出手段の内部を示すブロック図実施の形態８に係るモデル加速度算出手段の内部を示すブロック図実施の形態９に係る異常診断装置のブロック図実施の形態９に係る制御系模擬手段の内部を示すブロック図実施の形態９に係る制御系模擬手段の内部を示すブロック図実施の形態９に係る制御系模擬手段の内部を示すブロック図実施の形態９に係る異常診断装置の実装例を示す図実施の形態１０に係る異常診断装置のブロック図実施の形態１０に係る異常診断装置の実装例を示す図実施の形態１５に係る異常診断方法のフローチャート実施の形態１６に係る異常診断方法のフローチャート実施の形態１７の異常診断装置の構成を示す図実施の形態１８の異常診断装置の構成を示す図実施の形態１９の異常診断装置の構成を示す図実施の形態１９の制御系模擬手段の内部を示す図実施の形態２０に係る制御系模擬手段の内部を示す図実施の形態１から２０のハードウェア構成図実施の形態１から２０のハードウェア構成図

以下に、本発明の実施の形態にかかる異常診断装置及び異常診断方法を図面に基づいて詳細に説明する。なお、この実施の形態によりこの発明が限定されるものではない。

実施の形態１．
図１は、本発明の実施の形態１にかかる異常診断装置を示すブロック図である。本実施の形態にかかる異常診断装置は、モデル加速度算出手段１、モータ加速度算出手段３、及び異常判別手段４、を備える。モデル加速度算出手段１は、機械装置が有する動力伝達機構７と接続されたモータ６のモデル加速度をモデル加速度として予測値算出処理により算出する。モータ加速度算出手段３は、モータ６の位置情報又は速度情報からモータ加速度を算出する。異常判別手段４は、モータ加速度とモデル加速度との比較結果に基づき、駆動軸の動力伝達機構７の異常を診断する。なお、本実施の形態にかかる動力伝達機構７は、減速機、加速機、又はギアモータとして機能する。

機械装置は産業用ロボット（不図示）、工作機械、成形機、又は搬送機といった産業機械であり、機械装置が有する駆動機構は、１軸又は複数の駆動軸を備える。本実施の形態はいずれの機械装置にも適用できる実施の形態であるが、駆動軸が６軸ある産業用ロボットが制御対象の場合を例に挙げて以下に説明する。駆動軸が６軸ある産業用ロボットの場合、駆動用のモータ６及び、動力伝達機構７もそれぞれ６個存在する。

図１に示した構成例の異常診断装置では、機械装置が有する制御装置内部で各軸を駆動するモータ６の位置指令が生成される。各軸制御系５は、機械装置から与えられた位置指令に従ってモータ６を制御する。

モデル加速度算出手段１は、位置指令が入力され、位置指令に応じて、モータ６のモデル加速度であるモデル加速度を予測値算出処理により算出する。図２は、実施の形態１に係るモデル加速度算出手段１の内部を示すブロック図である。モデル加速度算出手段１では、位置指令が制御系模擬手段９に入力され、制御系模擬手段９の出力である変位推定値に対して、差分手段１０による予測値算出処理で時間差分を２回行いモデル加速度を算出する。

図３は、実施の形態１に係る制御系模擬手段９の内部を示すブロック図である。制御系模擬手段９は、フィードフォワード制御手段１１、フィードバック制御手段１２、及び、各軸簡易モデル１３を備える。フィードフォワード制御手段１１は、１段又は複数段のフィルタ手段で構成され、外部から入力された位置指令に対しフィードフォワード制御し、フィードフォワード制御により決定される制御量を出力する。図４は、実施の形態１に係るフィードバック制御手段１２の内部を示すブロック図である。フィードバック制御手段１２は、機械装置のフィードバック制御に使用される制御系の比例制御手段１６、比例積分制御手段１７、差分処理手段２１を備える。比例制御手段１６は、入力されたフィードフォワード制御における制御量の出力に対し位置比例制御及び速度比例積分制御を行う。

各軸簡易モデル１３は各軸からみた制御対象を慣性と摩擦の１慣性系とみなした近似モデルである。制御系模擬手段９における各軸簡易モデル１３が出力する変位推定値は、フィードフォワード制御及びフィードバック制御の特性を考慮したモータ変位の推定値となっている。なお、本実施の形態では、モデル加速度算出手段１における制御系模擬手段９は、加速度推定値及び速度推定値をそれぞれ演算する。具体的には、制御系模擬手段９では、最初に加速度推定値を演算し、演算した加速度推定値を時間積分することで速度推定値を演算し、さらに速度推定値を時間積分することで変位推定値を算出することができる。

また、モデル加速度算出手段１における制御系模擬手段９は、速度推定値を出力し、出力した速度推定値に１段の時間差分を行ってからモデル加速度として出力してもよい。制御系模擬手段９での制御は、６軸の産業用ロボット向けでは、６軸のそれぞれに関して行われる。なお、本実施の形態では、制御系模擬手段９として制御対象の特性も含むモデルを採用したが、制御系模擬手段９の簡単なモデルとしてはフィードフォワード制御手段１１を制御系模擬手段９として用いることも可能である。

各軸簡易モデル１３に含まれる摩擦モデルは、モデル補正手段２で算出する摩擦パラメータを用いて摩擦トルクの算出を行う。ロボットの第ｉ軸の摩擦力ｆｉが、以下の式（１）でモデル化できるとする。
ｆｉ＝ｋ１ｉ＊ｓｇｎ（ｖｉ）＋ｋ２ｉ＊ｖｉ・・・（１）

ここで、ｖｉは第ｉ軸の速度であり、ｓｇｎ（）は正の場合に１、負の場合に−１、０の場合に０を出力する関数である。本実施の形態では、各軸の摩擦力を移動方向に依存するクーロン摩擦と、速度に比例する粘性摩擦の和で表現した。ここで、粘性摩擦は、必ずしも速度の１乗に比例しているわけではなく、速度の１／２乗に比例するとみなすなど１乗以外に比例すると仮定してもよい。ここでは、粘性摩擦が、速度の１乗に比例するとみなす場合を例に挙げて説明する。モデル加速度算出手段１では、式（１）のパラメータｋ１ｉ，ｋ２ｉを逐次同定処理により算出する。

本実施の形態では、モデル加速度算出手段１において、モータ電流測定値にトルク定数を乗じて算出したモータトルクτｍを用いるか、又はトルクセンサから検出したモータトルクτｍを用いる。ここで、モータ変位ｐｍは、エンコーダといったモータ変位測定手段により測定される。モデル補正手段２は、測定されたモータ変位ｐｍの時間差分ｖｍと、時間差分ｖｍの時間差分ａｍとを算出する。次にモータ変位ｐｍ、時間差分ｖｍ及び時間差分ａｍから摩擦力以外の駆動トルクτｌを以下の式（２）で算出する。なお、本実施の形態にかかる異常診断装置において、各軸制御系５は、モータ電流測定手段を備える。モータ電流測定手段は、測定したモータ電流にトルク定数を乗じてモータトルクτｍを算出することができる。
τｌ＝Ｍ（ｐｍ）ａｍ＋ｈ（ｐｍ，ｖｍ）＋ｇ（ｐｍ）・・・（２）

駆動トルクτｌ、モータトルクτｍ及び時間差分ｖｍの第ｉ軸成分をそれぞれτｌｉ，τｍｉ及びｖｍｉとし、第ｋ番目の同定周期の値を［ｋ］で表現することとし、以下の式（３）から（５）でｙｉ、Ｒｉ及びｒｉを算出し、式（６）でｋｐｉ［ｋ］を算出する。ｙｉ［ｋ］＝［ｓｇｎ（ｖｍｉ［ｋ］），ｖｍｉ［ｋ］］・・・（３）
Ｒｉ［ｋ］＝Ｒｉ［ｋ−１］＋ｓｔ＊（−ｓｉ＊Ｒｉ［ｋ−１］＋ｙｉ［ｋ］^Ｔｙｉ［ｋ］）・・・（４）
ｒｉ［ｋ］＝ｒｉ［ｋ−１］＋ｓｔ＊（−ｓｉ＊ｒｉ［ｋ−１］＋（τｍｉ［ｋ］−τｌｉ［ｋ］）＊ｙｉ［ｋ］^Ｔ）・・・（５）
ｋｐｉ［ｋ］＝ｋｐｉ［ｋ−１］−ｓｔ＊Ｇｉ（Ｒｉ［ｋ］ｋｐｉ［ｋ−１］−ｒｉ［ｋ］）・・・（６）

このときｋｐｉ［ｋ］の第１要素が、第ｋ番目の同定周期におけるｋ１ｉの同定値ｋ１ｉ［ｋ］であり、ｋｐｉ［ｋ］の第２要素が、第ｋ番目の同定周期におけるｋ２ｉの同定値であるｋ２ｉ［ｋ］である。具体的には、式（６）で算出したｋｐｉは、２行１列のベクトルとして算出される。ｋｐｉの第１行１列は、第１要素を示す。ｋｐｉの第２行１列は、第２要素を示す。ここで、ｓｔは逐次同定を行う周期、ｓｉ及びＧｉは予め設定されたゲインである。モデル補正手段２は、各軸の同定結果である摩擦パラメータ同定値ｋ１ｉ［ｋ］とｋ２ｉ［ｋ］とを摩擦パラメータ同定結果として、モデル加速度算出手段１内部の制御対象模擬手段１８へ出力する。制御対象模擬手段１８は、各軸からみた制御対象のモデルである。なお、同定されたゲインは、定数及び定数から構成される行列である。制御対象模擬手段１８の内部では、式（１）に基づいて摩擦力を算出する。本実施の形態１では、制御対象模擬手段１８が各軸簡易モデル１３として機能してもよい。ここで、制御対象模擬手段１８は、産業用ロボットにおける各軸方向に対応する摩擦推定値を、モデル補正手段２で算出した摩擦パラメータ同定値に応じて修正してもよい。

モータ加速度算出手段３では、エンコーダといった変位測定手段で測定したモータ６の、位置情報を示すモータ変位、又はモータ６の速度を示す速度情報が入力される。モータ加速度算出手段３では、入力されたモータ変位に対し時間差分を２回行い、又は速度情報に対し時間差分を１回行い、モータ加速度を算出する。ここで、モータ変位は、モータ角度を示す。モータ加速度算出手段３は、モデル加速度算出手段１で算出したモデル加速度から、モータ加速度算出手段３で算出したモータ加速度を減算する。減算された結果は異常判別手段４に入力される。本実施の形態では、モデル加速度及びモータ加速度を算出してから減算したが、モデル補正手段２は、モデル加速度算出手段１の内部の変位推定値からモータ変位を減算し、変位推定値に対し時間差分を２回行ってもよい。また、モデル補正手段２は、モデル加速度算出手段１の内部での変位推定値に対し時間差分を１回としてモデル速度を出力し、出力したモデル速度からモータ速度を減算してから時間差分を１回実施してもよい。また、２回の時間差分の代わりに同様の特性をもつハイパスフィルタでの処理を行ってもよい。ハイパスフィルタは、予め設定した周波数よりも高周波数の信号成分だけを通過させる特性を有する。ここで、異常判別手段４は、ハイパスフィルタを通過した信号成分に基づいて、動力伝達機構７の異常を診断することができる。

異常判別手段４では、モータ加速度及びモデル加速度の比較結果に基づき、駆動軸の動力伝達機構７の異常を診断する。具体的には、異常判別手段４は、モデル加速度からモータ加速度を減算した結果の絶対値の最大値を算出する。算出した絶対値の最大値が基準値以上の場合は異常と診断する。図５は、実施の形態１に係る異常診断装置１０１における制御用ＣＰＵの実装例である。図５に示す例では、異常診断装置１０１において、対象機械制御装置２８は、制御用ＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）が実装される。制御用ＣＰＵは、各軸制御装置２５又は制御対象機械２７を制御対象としモデル加速度算出手段１、モデル補正手段２、モータ加速度算出手段３、指令生成手段２９及び異常判別手段４が有する機能をそれぞれ実行する。なお、制御用ＣＰＵは、外部ＰＣ（ＰｅｒｓｏｎａｌＣｏｍｐｕｔｅｒ）（不図示）に実装され、各軸制御装置２５又は制御対象機械２７を制御してもよい。

図６及び図７は、実施の形態１において異常診断装置の範囲の定義を変更した場合の構成図である。図６に示す異常診断装置では、モータ６の情報を用いて異常を診断するため、モータ、動力伝達機構、負荷手段８等の制御対象機械２７も含めて異常診断装置とみなしたが、図６に示す異常診断装置のように、各軸制御系と制御対象機械２７を除外し、モデル加速度算出手段１、モデル補正手段２、モータ加速度算出手段３及び異常判別手段４から異常診断装置が構成されるとみなしてもよい。また、上記の異常診断装置は、図７に示すように、外部のコンピュータに実装されてもよい。

減速機が劣化すると減速機に起因する振動が徐々に大きくなる場合があることが知られている。減速機に起因する振動の大きさに基づいて異常を診断するには、振動以外のトルク成分の小さい動作のデータを活用することで診断の精度が向上することが期待できる。また減速機に起因する振動は回転数と相関があるため、回転数が一定の区間のデータで判別する方が解析も容易になる。

減速機が劣化した場合の特性として、減速機に起因する振動が増大するだけでなく、別の特性変化がみられる場合もある。例えば波動歯車減速機が劣化して摩耗が進むと、減速機の剛性が低下する。また予圧をかけているボールねじ機構ではボールねじ機構の摩耗が進行すると予圧が抜け、ボールねじ機構の剛性が低下する。このように、減速機の剛性が低下すると加減速中に振動が励起されたり、停止直後に振動が励起されたりするようになる。そのため剛性が低下したことを電流またはトルクから判別するためには、加減速を行っている区間の電流もしくは停止直後の電流に基づいて判別を行う必要がある。電流波形から剛性低下に基づく振動を抽出するには差分などのハイパスフィルタを用いることが有効であるが、加減速を行うことによって元々含まれる加減速トルク、摩擦トルクの影響を除去する必要があった。加減速トルクに関しては制御対象のロボットなどの機械装置の質量、重心位置などのパラメータが既知であれば計算で影響を取り除くことも可能である。しかし、摩擦トルクは、同一の機械であっても関節部の温度により変動するためあらかじめ除去することができず、機械の剛性が変動したことを高精度に判別できない課題があった。

本実施の形態にかかる異常診断装置では、特性変化である摩擦変動の影響を低減することで、動力伝達機構７の異常を高精度に診断を行うことができる。

実施の形態２．
実施の形態２は、モデル補正手段２の内部と異常判別手段４の内部が実施の形態１と異なっている。実施の形態１では、モデル補正手段２が摩擦パラメータを逐次同定し、摩擦パラメータを算出した。本実施の形態では、モデル補正手段２は、異常判別を行う周期の区間、又は異常判別を行う時間を示す期間が予め定められ、異常判別を行う区間又は期間における駆動トルク、モータ変位、モータ速度及びモータ加速度から、最小２乗法を用いて摩擦パラメータの同定処理を行う。本実施の形態では、モデル加速度算出手段１において、モータ電流測定値にトルク定数を乗じて算出したモータトルクτｍを用いるか、又はトルクセンサから検出したモータトルクτｍを用いる。ここで、エンコーダといったモータ変位測定手段により測定したモータ変位をｐｍとする。ここで、モデル補正手段２は、第ｉ軸のモータトルクτｍと、駆動トルクτｌとの差τｄｉを以下の式（７）を用いて算出する。なお、駆動トルクτｌは、モータ変位ｐｍの時間差分ｖｍ、及び時間差分ｖｍの時間差分ａｍを式（２）に与えることで算出される。
τｄｉ＝τｍｉ−τｌｉ・・・（７）

このとき、同定周期の第１周期から第ｎ周期までのデータで摩擦力を同定するとき、第ｍ行の要素をτｄｉ［ｍ］とするｎ行のベクトルをＹｔｉとし、第ｍ行１列の要素をｓｇｎ（ｖｍｉ［ｍ］）、第ｍ行２列の要素をｖｍｉ［ｍ］とするｎ行２列の行列をＡｉとし、Ａｉの疑似逆行列をＡｉ^＋とするとき、以下の式（８）で算出されるＰの第１要素がクーロン摩擦係数ｋ１ｉの推定値であり、Ｐの第２要素が粘性摩擦係数ｋ２ｉの推定値である。ここで、ｎは、各周期ごとのデータのサンプル数を示す。ｍは、Ｙｔｉ及びＡｉの各行を示す。ｎ及びｍは、1≦ｍ≦ｎの範囲の自然数である。
Ｐ＝Ａｉ^＋Ｙｔｉ・・・（８）

同定又は推定した摩擦パラメータは、異常判別区間毎に固定の値である。モデル加速度算出手段１内部の制御対象模擬手段１８は、同定又は推定した摩擦パラメータを用いて摩擦トルクの演算を行う。異常判別手段４は、異常判別を行う区間におけるモデル加速度からモータ加速度を減算した結果の絶対値の最大値を算出する。異常判別手段４は、算出した絶対値の最大値が基準値以上の場合は異常と診断する。

本実施の形態にかかる異常診断装置では、特性変化である摩擦変動の影響を低減することで、動力伝達機構７の異常を高精度に診断することができる。

実施の形態３．
実施の形態３は、制御系模擬手段９の内部が実施の形態１と異なっている。そのため、制御系模擬手段９の内部のみ説明する。図８は、実施の形態３に係る制御系模擬手段９の内部を示すブロック図である。実施の形態１では、制御系模擬手段９の内部の制御対象模擬手段１８として各軸簡易モデル１３を用いた。図８は、実施の形態３に係る制御系模擬手段９を示す。図８に示す剛体モデル１４は、以下の式（９）で加速度ａを算出し、加速度ａの時間積分で速度ｖを算出し、速度ｖの時間積分で変位ｐを算出する。式（９）のτはフィードバック制御手段１２の出力、式（９）のａ，ｖ及びｐは、それぞれ剛体モデル１４によって算出される加速度、速度及び変位である。
ａ＝Ｍ（ｐ）^−１（τ−ｈ（ｐ，ｖ）−ｇ（ｐ）−ｆ（ｖ））・・・（９）

Ｍ（ｐ）^−１は、Ｍ（ｐ）の逆行列である。Ｍ（ｐ）は慣性行列である。ｈ（ｐ，ｖ）は遠心力及びコリオリ力であり、ｇ（ｐ）は重力であり、ｆ（ｖ）は摩擦力である。制御系模擬手段９は、算出した変位ｐを変位推定値として運動方程式算出手段に出力する。また、式（９）の摩擦力ｆ（ｖ）の算出には、モデル加速度算出手段１によって同定されたパラメータが用いられる。剛体モデル１４によって算出された変位ｐは、変位推定値としてフィードバック制御手段１２に入力される。

なお、本実施の形態では、制御系模擬手段９の出力を変位推定値としたが、制御系模擬手段９の内部では、加速度推定値及び速度推定値をそれぞれ演算している。このため、制御系模擬手段９内部の加速度推定値をモデル加速度算出手段１の出力としても構わない。また、モデル加速度算出手段１における制御系模擬手段９は、演算された速度推定値を出力し、出力した速度推定値に１段の時間差分を行ってからモデル加速度として出力しても構わない。

実施の形態４．
実施の形態４は制御系模擬手段９の内部が実施の形態３と異なっている。そのため、制御系模擬手段９の内部のみ説明する。図９は、実施の形態４に係る制御系模擬手段９の内部を示すブロック図である。実施の形態３では、制御対象模擬手段１８のモデルとして剛体モデル１４を使用していたが、実施の形態４では図９に示すように、関節部弾性考慮モデル１５を使用する。モータ６と動力伝達機構７との間には、リンク機構で連結された関節部が設けられ、ばね定数が一定である線形ばねの特性を有する関節部の弾性を考慮したモデルが使用される。関節部弾性考慮モデル１５は、負荷手段側変位とモータ側変位と、の差にばね定数を乗じた値が、負荷手段８側を駆動するモデルとなっている。

関節部弾性考慮モデル１５では、各軸のモータ加速度のベクトルを示すａｍ、モータ速度のベクトルを示すｖｍ、及びモータ変位のベクトルを示すｐｍが、負荷手段８側を駆動するためのモデルに用いられる。関節部弾性考慮モデル１５では、動力伝達機構７の出力軸である負荷手段８側における加速度のベクトルを示すａｌ、速度のベクトルを示すｖｌ、及び変位のベクトルを示すｐｌ、モータトルクのベクトルを示すτｍ、動力伝達機構７の出力トルクのベクトルを示すτｌが、負荷手段８側を駆動するためのモデルに用いられる。また、関節部弾性考慮モデル１５では、モータ慣性モーメントから構成される対角行列を示すＩｍ、摩擦トルクから構成されるベクトルを示すｆ、慣性行列を示すＭ、遠心力及びコリオリ力から構成されるベクトルを示すｈ、重力から構成されるベクトルを示すｇ、及び各軸の関節部のバネ定数から構成される対角行列を示すＫｂが、以下の式（１０）から（１２）に与えられ、モータ加速度ａｍ、動力伝達機構７の出力トルクτｌ、及び負荷手段８側の加速度ａｌを算出することができる。
ａｍ＝Ｉｍ^−１（τｍ−τｌ−ｆ（ｖｍ））・・・（１０）
τｌ＝Ｋｂ（ｐｌ−ｐｍ）・・・（１１）
ａｌ＝Ｍ（ｐｌ）^−１（τｌ−ｈ（ｐｌ，ｖｌ）−ｇ（ｐｌ））・・・（１２）

モータ速度ｖｍはモータ加速度ａｍの各要素を時間積分することにより算出される。モータ変位ｐｍはモータ速度ｖｍの各要素を時間積分することにより算出される。負荷手段８側の速度ｖｌは負荷手段８側の加速度ａｌの各要素を時間積分することにより算出される。負荷手段８側の変位ｐｌは負荷手段８側の速度ｖｌの各要素を時間積分することにより算出される。駆動軸がｎ軸ある機械装置において、モータ加速度ａｍ、モータ速度ｖｍ、加速度ａｌ、及び速度ｖｌは、ｎ行１列のベクトルとして表せられる。具体的には、各要素のうち、１行１列の成分は、第１要素を示す。２行１列の成分は、第２要素を示す。３行１列の成分は、第３要素を示す。つまり、ｎ行１列の成分は、第ｎ要素を示す。なお、Ｉｍ^−１，Ｍ（ｐｌ）^−１はそれぞれＩｍ，Ｍ（ｐｌ）の逆行列である。本実施の形態では、制御系模擬手段９の出力をモータ変位推定値としたが、制御系模擬手段９の内部でモータ加速度推定値及びモータ速度推定値もそれぞれ演算しているため、制御系模擬手段９の内部のモータ加速度推定値をモデル加速度算出手段１の出力としても構わない。また、モデル加速度算出手段１における制御系模擬手段９からモータ速度推定値を出力し、出力したモータ速度推定値に１段の時間差分を行ってからモデル加速度として出力しても構わない。

実施の形態５．
実施の形態５は、モデル補正手段２の内部及びモデル加速度算出手段１の内部が実施の形態１と異なっている。そのため、モデル補正手段２の内部及びモデル加速度算出手段１の内部についてのみ説明する。モデル補正手段２の内部では、実施の形態１と同一の手段で摩擦パラメータの逐次同定を行う。さらに、モデル加速度算出手段１における制御系模擬手段９は、フィードフォワード制御手段１１、フィードバック制御手段１２、制御対象模擬手段１８、及び２段の差分手段を備える。モデル補正手段２は、逐次同定が行われる摩擦パラメータ値を用いて、モデル加速度を算出する。また、モデル補正手段２は、エンコーダによって測定されたモータ変位からモータ加速度の算出も行う。モデル補正手段２では、モータ加速度ａｍからモデル加速度ａを減算した結果をｅａとし、ｅａができるだけ小さくなるよう補正関数のパラメータを同定する。

実施の形態５では、上記補正関数の入力を、位置指令の差分で得られる速度指令値ｖｄと、さらに差分を行って得られる加速度指令値ａｄとの２つとし、位置パラメータ値である加速度指令値と速度指令値とを含む多項式で補正関数が表現できるとする。具体的には、加速度指令値の１乗及び２乗と、速度指令値の１乗及び２乗と、の重み付き和で以下の式（１３）として表現できる。また、モデル補正手段２は、この重み係数ｋａ１ｉ、ｋａ２ｉ、ｋａ３ｉ、ｋａ４ｉを下記手順で同定する。すなわち、ｅａｉを以下の式（１３）として算出する。添え字ｉは第ｉ軸での値を示す。
ｅａｉ＝ｋａ１ｉ＊ａｄｉ＋ｋａ２ｉ＊ａｄｉ^２＋ｋａ３ｉ＊ｖｄｉ＋ｋａ４ｉ＊ｖｄｉ ^２・・・（１３）

このとき、以下の式（１４）から（１６）でｙａｉ、Ｒａｉ及びｒａｉをそれぞれ算出し、式（１７）でｋｐａｉ［ｋ］を算出する。ここで、ｋは、第ｋ周期の同定周期での値であることを示す。
ｙａｉ［ｋ］＝［ａｄｉ［ｋ］，ａｄｉ［ｋ］^２，ｖｄｉ［ｋ］，ｖｄｉ［ｋ］^２］・・・（１４）
Ｒａｉ［ｋ］＝Ｒａｉ［ｋ−１］＋ｓｔ＊（−ｓｉ＊Ｒａｉ［ｋ−１］＋ｙａｉ［ｋ］^Ｔｙａｉ［ｋ］）・・・（１５）
ｒａｉ［ｋ］＝ｒａｉ［ｋ−１］＋ｓｔ＊（−ｓｉ＊ｒａｉ［ｋ−１］＋（ａｍｉ［ｋ］―ａｉ［ｋ］）＊ｙａｉ［ｋ］^Ｔ）・・・（１６）
ｋｐａｉ［ｋ］＝ｋｐａｉ［ｋ−１］−ｓｔ＊Ｇｉ（Ｒａｉ［ｋ］ｋｐａｉ［ｋ−１］−ｒａｉ［ｋ］）・・・（１７）

モデル補正手段２は、算出した同定値をモデル加速度算出手段１に送信する。モデル加速度算出手段１に送信する同定値は、ｋｐａｉ［ｋ］の第１要素が第ｋ番目の同定周期におけるｋａ１ｉの同定値ｋａ１ｉ［ｋ］であり、ｋｐａｉ［ｋ］の第２要素が第ｋ番目の同定周期におけるｋａ２ｉの同定値ｋａ２ｉ［ｋ］であり、ｋｐａｉ［ｋ］の第３要素が第ｋ番目の同定周期におけるｋａ３ｉの同定値ｋａ３ｉ［ｋ］であり、ｋｐａｉ［ｋ］の第４要素が第ｋ番目の同定周期におけるｋａ４ｉの同定値ｋａ４ｉ［ｋ］である。具体的には、式（１７）で算出したｋｐａｉは、４行１列のベクトルとして算出される。ｋｐａｉの第１行１列は、第１要素を示す。ｋｐａｉの第２行１列は、第２要素を示す。ｋｐａｉの第３行１列は、第３要素を示す。ｋｐａｉの第４行１列は、第４要素を示す。モデル補正手段２は、ｋｐａｉ［ｋ］の値もモデル加速度算出手段１に送信する。

図１０は、実施の形態５に係るモデル加速度算出手段１の内部を示すブロック図である。実施の形態５に係るフィードフォワード制御手段１１、及びフィードバック制御手段１２での処理は、実施の形態１と同一のため説明は省略し、変位補正手段１９の内部について説明する。変位補正手段１９は、位置指令が入力され、位置指令に対し時間差分を行うことで、速度指令及び加速度指令を算出する。次に、制御対象模擬手段１８は、モデル補正手段２から入力される補正パラメータｋｐａｉ［ｋ］を用いて式（１３）に基づいて加速度補正値ｅａｉを算出する。制御対象模擬手段１８は、算出したｅａｉを２回積分し、変位の補正値として変位推定値に加算して出力する。なお、本実施の形態では、制御系模擬手段９内部で補正を行わず、制御対象模擬手段１８が変位推定値と加速度補正値ｅａｉとを出力し、変位推定値の２段の時間差分から算出した加速度推定値に加速度補正値ｅａｉを加算したものをモデル加速度として出力してもよい。

実施の形態６．
実施の形態６は、モデル補正手段２及び異常判別手段４の内部が実施の形態５と異なっているので、モデル補正手段２及び異常判別手段４のみ説明する。実施の形態６では、実施の形態２と同様に、モデル補正手段２は、異常判別を行う周期の区間、又は異常判別を行う時間を示す期間が予め定められ、異常判別を行う区間又は期間における駆動トルクτｍｉ、モータ変位ｐｍｉ、モータ速度ｖｍｉ、及びモータ加速度ａｍｉから、最小２乗法を用いて摩擦パラメータの同定を行う。次に、モデル補正手段２は、加速度補正値のパラメータを、モータ加速度からモデル加速度を減算した結果であるｅａｉと、加速度指令ａｄｉと、速度指令ｖｄｉとから、式（１３）に示した最小２乗法で同定する。モデル補正手段２は、同定した摩擦パラメータ及び加速度補正値のパラメータを、異常判別を行う区間で同一の値としてモデル加速度算出手段１に出力する。異常判別手段４は、異常判別を行う区間におけるモデル加速度からモータ加速度を減算した結果の絶対値の最大値を算出する。異常判別手段４は、算出した絶対値の最大値が基準値以上の場合は異常と診断する。

実施の形態７．
実施の形態７は、モデル補正手段２及びモデル加速度算出手段１が実施の形態５と異なっているので、モデル補正手段２及びモデル加速度算出手段１についてのみ説明する。実施の形態５では、加速度指令及び速度指令を加速度補正値ｅａの入力としたが、実施の形態７ではフィードフォワード制御手段１１の出力の時間差分及びさらにその時間差分をそれぞれ入力ｖｄ及びａｄとする。モデル補正手段２は、フィードフォワード制御手段１１の出力に対して実施の形態５と同様に式（１４）から（１７）を用いて逐次同定する。

図１１は、実施の形態７に係るモデル加速度算出手段１の内部を示すブロック図である。変位補正手段１９は、フィードフォワード制御手段１１の出力を入力とし、制御系模擬手段９の出力である変位推定値に対して時間差分を２回行い、モデル補正手段２から入力される補正パラメータｋｐａｉ［ｋ］を用いて式（１３）に基づいて加速度補正値ｅａを算出する。制御対象模擬手段１８は、算出したｅａを２回積分し、変位の補正値として変位推定値に加算して出力する。なお、本実施の形態では、制御系模擬手段９内部で補正を行わず、制御対象模擬手段１８が変位推定値と加速度補正値ｅａとを出力し、変位推定値の２段の時間差分から算出した加速度推定値に加速度補正値ｅａを加算したものをモデル加速度として出力してもよい。

実施の形態８．
実施の形態８はモデル補正手段２及びモデル加速度算出手段１が実施の形態５と異なっているので、モデル補正手段２及びモデル加速度算出手段１についてのみ説明する。実施の形態５では、加速度指令及び速度指令を加速度補正値ｅａの入力としたが、実施の形態８では制御対象模擬手段１８の出力であるモータ変位推定値の時間差分及びさらにその時間差分をそれぞれ入力ｖｄ及びａｄとする。モデル補正手段２は、制御対象模擬手段１８の出力に対して実施の形態５と同様に式（１４）から（１７）を用いて逐次同定する。

図１２は、実施の形態８に係るモデル加速度算出手段１の内部を示すブロック図である。変位補正手段１９は制御対象模擬手段１８の出力を入力とし、時間差分を２回行い、モデル補正手段２から入力される補正パラメータｋｐａｉ［ｋ］を用いて式（１３）に基づいて加速度補正値ｅａを算出する。制御対象模擬手段１８は、算出したｅａを２回積分し、変位の補正値として変位推定値に加算して出力する。なお、本実施の形態では、制御系模擬手段９内部で補正を行わず、制御対象模擬手段１８が変位推定値と加速度補正値ｅａとを出力し、変位推定値の２段の時間差分から算出した加速度推定値に加速度補正値ｅａを加算したものをモデル加速度として出力してもよい。

実施の形態９．
図１３は、実施の形態９に係る異常診断装置のブロック図である。実施の形態９は、モデル補正手段２がないことが実施の形態１と異なっている。実施の形態９において、モデル加速度算出手段１内部の制御対象模擬手段１８は、予め定められた固定値を摩擦パラメータとして用いる。図１４は、本実施の形態に係る制御系模擬手段９の内部を示すブロック図である。図１４に示すように、制御系模擬手段９は、制御対象模擬手段１８として各軸簡易モデル１３を用いる。

また、制御対象模擬手段１８として剛体モデル１４を用いる場合の制御系模擬手段９内部のブロック図を図１５、制御対象模擬手段１８として関節部弾性考慮モデル１５を用いる場合の制御系模擬手段９内部のブロック図を図１６に示す。制御系模擬手段９は、フィードフォワード制御手段１１として用いられてもよい。図１７に実施の形態９の異常診断装置の実装例を示す。本実施の形態にかかる異常診断装置では、モデル加速度算出手段１、モータ加速度算出手段３、異常判別手段４及び各軸制御系５をすべて制御対象のモータ６を制御する各軸制御装置２５のＣＰＵに実装している。

実施の形態１０．
実施の形態１０の異常診断装置のブロック図を図１８に示す。実施の形態１０では、繰り返し実行される同一動作のデータから異常を判別する。本実施の形態に係る異常診断装置１０１は、機械装置の正常動作時の動作情報である動作データを記録する記録手段を備える。記録手段は、初期データ記録手段３４として機能する。正常時の動作データとしては、正常時のモータトルク及びモータ変位が挙げられる。初期データ記録手段３４は、記録したデータをモデル加速度算出手段１に入力する。モデル加速度算出手段１は、初期データとして記録した動作データから摩擦パラメータを算出し、算出した摩擦パラメータも初期摩擦パラメータとして初期データ記録手段３４に記録する。モデル補正手段２の内部は、実施の形態２と同様になっており、初期データ記録手段３４に記録した正常時の動作データから一括で摩擦パラメータを同定する。

異常診断時には、初期データ記録手段３４に記録された動作データに対応する動作と同一の動作を行うときに、モデル補正手段２が現時点の摩擦パラメータを算出し、モデル加速度算出手段１に出力する。モデル加速度算出手段１の内部では、初期データ記録手段３４に記録されたモータ変位に対し時間差分を行うことで初期データ記録手段３４に記録された動作データにおけるモータ加速度を時系列データｄａｔａ１として算出する。

次に、モデル加速度算出手段１は、初期データ記録手段３４に記録された摩擦パラメータ及び位置指令が制御系模擬手段９に入力され、制御系模擬手段９の出力を時間差分する。モデル加速度算出手段１は、初期データ記録手段３４に記録された同一の動作データにおいて、初期データ記録時の動作データから算出した摩擦パラメータを含むモデル加速度の時系列データｄａｔａ２を算出する。またモデル加速度算出手段１は、モデル補正手段２から出力された現時点の摩擦パラメータ及び位置指令が制御系模擬手段９に入力され、制御系模擬手段９の出力を時間差分することで、モデル加速度の時系列データｄａｔａ３を算出する。

モデル加速度算出手段１からは、摩擦変動の影響を補正した初期データ記録時のモータ加速度、すなわち、ｄａｔａ１−ｄａｔａ２＋ｄａｔａ３が時系列データとして出力される。モデル加速度算出手段１は、算出されるモデル加速度から同一時刻のモータ加速度を減算した結果を異常判別手段４に入力する。異常判別手段４では、対象としている動作での上記入力の絶対値の最大値、又は絶対値の平均値を算出し、最大値又は平均値が基準値以上の場合は異常と判別する。実施の形態１０の異常診断装置１０１の実装例を図１９に示す。モデル補正手段２、モデル加速度算出手段１、モータ加速度算出手段３、及び異常判別手段４をロボットなどの制御対象を制御する機械制御装置のＣＰＵに実装する。初期データ記録手段３４は上記機械制御装置の制御装置内蔵メモリ３２に実装する。

本実施の形態にかかる異常診断装置では、特性変化である摩擦変動の影響を低減することで、動力伝達機構７の異常を高精度に診断することができる。また、本実施の形態にかかる異常診断装置では、制御対象のモデル化していない要因の影響を低減できるため、高精度に動力伝達機構７の異常診断を行うことができる。

実施の形態１１．
実施の形態１１の異常診断装置は、図１に示されるブロック図と同様の構成である。本実施の形態と実施の形態１とは異常判別手段４の内部が異なっているので、異常判別手段４の内部のみ説明する。実施の形態１１では、異常判別に入力の絶対値の平均値を用いる。平均値は、別途指定された区間の平均値を算出してもよいし、一定周期毎に平均値を算出してもよい。異常判別手段４は、算出した平均値が基準値を超えている場合に異常と判別する。

実施の形態１２．
実施の形態１２の異常診断装置は、図１に示されるブロック図と同様の構成である。本実施の形態と実施の形態１とは異常判別手段４の内部が異なっているので、異常判別手段４の内部のみ説明する。実施の形態１２では、異常判別手段４は、無次元兆候パラメータを算出する無次元兆候パラメータ算出手段を有する。無次元兆候パラメータは、動力伝達機構７の異常判別に用いられる。無次元兆候パラメータとしては、波形率、衝撃指数、波高率、歪度、及び尖り度がある。異常判別手段４は、これらの無次元兆候パラメータの少なくとも１つを別途指定された区間、又は一定周期毎に算出する。異常判別手段４は、予め定めた閾値を有し、算出された無次元兆候パラメータと閾値とを比較することで動力伝達機構７の異常を診断することができる。

波形率、衝撃指数、波高率、歪度、及び尖り度は、実施の形態１０において用いたｎ個の時系列データの平均値、分散及び標準偏差といった統計値を用いて算出され、無次元兆候パラメータとして異常判別に用いられる。ここで、統計値は、モデル加速度算出手段１で算出し取得する。算出した平均値、分散及び標準偏差といった統計値を用いた波形率、衝撃指数、波高率、歪度、及び尖り度の具体的な算出方法を以下に述べる。波形率は、上記で算出した標準偏差を絶対値の平均値で除算することで算出できる。衝撃指数は、ピーク値を上記で算出した標準偏差で除算することで算出できる。なお、ピーク値は、ｎ個の時系列データのうち絶対値の大きい値から１０個までの平均値とする。波高率は、上記で用いたピーク値を絶対値の平均値で除算することで算出できる。歪度（Ｓｋｅｗｎｅｓｓ）は、平均値を中心として動力伝達機構における振動の振動波形の正負のひずみ度合いを示している値で、上記時系列データＸ_ｉの絶対値の平均値をＸ_ａ、及び標準偏差をＸ_ｒｍ _ｓとすると、以下の式（１８）で算出できる。ここで、Ｎは、時系列データのデータ数である。また、尖り度（Ｋｕｒｔｏｓｉｓ）は、波形がいかに衝撃的かを示している値であり、以下の式（１９）で算出できる。

実施の形態１３．
実施の形態１３の異常診断装置は、図１に示されるブロック図と同様の構成である。実施の形態１とは異常判別手段４の内部が異なっているので、異常判別手段４の内部のみ説明する。実施の形態１３では、異常判別に周波数解析を用いる。異常判別手段４は、周波数解析結果のピーク周波数の遷移から異常を診断する。具体的には、１６Ｈｚを基準値として設定した場合、異常判別手段４は、動力伝達機構７の動作開始直後の正常状態で２０Ｈｚにピークがあったのが、ピークの周波数が徐々に低くなり、基準値以下になった際に異常と診断する。

本実施の形態にかかる異常診断装置では、特性変化である摩擦変動の影響を低減することで、動力伝達機構７の異常を高精度に診断することができる。また、本実施の形態にかかる異常診断装置１０１では、動力伝達機構７の剛性変動をより顕著に抽出できるため、高精度に動力伝達機構７の異常診断を行うことができる。

実施の形態１４．
実施の形態１４の異常診断装置は、図１に示されるブロック図と同様の構成である。実施の形態１とは異常判別手段４の内部が異なっているので、異常判別手段４の内部のみ説明する。実施の形態１４では、異常判別にバンドパスフィルタの出力を用いる。バンドパスフィルタは、予め設定した周波数の信号成分だけを通過させる特性を有する。ここで、異常判別手段４は、バンドパスフィルタを通過した信号成分を検出した場合、動力伝達機構７の異常を診断することができる。具体的には、異常判別手段４では、動力伝達機構７の劣化により振動周波数が１６Ｈｚ以下になれば異常と判断する場合であれば、動力伝達機構７の振動周波数が１６Ｈｚのバンドパスフィルタを通過した結果の絶対値の平均値が、基準値以上になった場合に異常と判別する。

本実施の形態にかかる異常診断装置では、特性変化である摩擦変動の影響を低減することで、動力伝達機構７の異常を高精度に診断することができる。また、本実施の形態にかかる異常診断装置では、動力伝達機構７の剛性変動をより顕著に抽出できるため、高精度に動力伝達機構７の異常診断を行うことができる。

実施の形態１５．
実施の形態１５の異常診断方法のフローチャートを図２０に示す。モデル加速度算出手段１は、カウントを初期化、つまりＮを１とし、摩擦パラメータの同定を行う（ステップＳ１及びＳ２）。摩擦パラメータを同定する手段は、実施の形態１のモデル補正手段２と同様である。モデル加速度算出手段１は、モデル加速度を算出する（ステップＳ３）。モデル加速度は、実施の形態１のモデル加速度算出手段１と同一の手段で算出される。モデル加速度算出手段１は、モデル加速度からモータ加速度を減算する（ステップＳ４）。実施の形態１５に係る異常診断方法では、予め定めた基準値に達していなければステップＳ２からＳ４を繰り返す。異常判別手段４は、予め定めた基準値に達するか判定し、達していれば、モデル加速度からモータ加速度を減算した結果の絶対値の最大値を算出する（ステップＳ５及びＳ６）。異常判別手段４は、モデル加速度からモータ加速度を減算した結果の絶対値の最大値が基準値以上か判定し、最大値が基準値以上と判定した場合はアラームを出力し動力伝達機構７の異常と判別する（ステップＳ８）。

本実施の形態にかかる異常診断装置では、特性変化である摩擦変動の影響を低減することで、動力伝達機構７の異常を高精度に診断することができる。また、本実施の形態にかかる異常診断装置では、温度などの条件で動力伝達機構７の摩擦が変動しても、高精度に動力伝達機構７の異常診断を行うことができる。

実施の形態１６．
実施の形態１６の異常診断方法のフローチャートを図２１に示す。モデル加速度算出手段１は、カウントを初期化、つまりＮを１とし、摩擦パラメータの同定を行う（ステップＳ１及びＳ２）。摩擦パラメータを同定する手段は、実施の形態１のモデル補正手段２と同様である。モデル加速度算出手段１は、モデル加速度を算出する（ステップＳ３）。モデル加速度は、実施の形態１のモデル加速度算出手段１と同一の手段で算出される。モデル加速度算出手段１は、モデル加速度からモータ加速度を減算する（ステップＳ４）。異常診断方法では、予め定めた基準値に達するか判定し、達していなければステップＳ２からＳ４を繰り返す。異常判別手段４は、予め定めた基準値に達していれば減算結果の尖り度を算出する（ステップＳ５及びＳ６）。異常判別手段４は、算出した尖り度が基準値以上か判定する（ステップＳ８）。また、異常判別手段４は、算出した尖り度が基準値以上と判定した場合はアラームを出力し動力伝達機構７の異常と判別する。

本実施の形態にかかる異常診断方法では、特性変化である摩擦変動の影響を低減することで、動力伝達機構７の異常を高精度に診断することができる。また、本実施の形態にかかる異常診断方法では、温度などの条件で動力伝達機構７の摩擦が変動しても、高精度に動力伝達機構７の異常診断を行うことができる。

実施の形態１７．
図２２は、実施の形態１７の異常診断装置の構成を示す図である。プログラム生成手段３５及び閾値変更手段３６以外は実施の形態１と同一のため説明は省略する。プログラム生成手段３５では、例えば産業用ロボット、工作機械などの制御対象を動作させるためのプログラムを作成する。指令生成手段２９ではプログラム生成手段３５で作成されたプログラムに記載の動作命令に基づいて、制御対象を動作させるための時々刻々の指令、すなわち各軸の位置指令を生成する。時々刻々の指令は各軸制御系５に入力されるとともに、閾値変更手段３６にも入力される。閾値変更手段３６では入力された時々刻々の指令に基づいて閾値を決定する。

例えば、閾値変更手段３６は、内部に２種類の閾値を記憶し、各軸の位置指令から、各軸の速度指令及び加速度指令をそれぞれ算出する。これらの閾値は、異常を判別するための閾値である。閾値変更手段３６は、速度指令及び加速度指令がそれぞれの規定値以下の場合に出力する閾値として小さい方の値を選択し、速度指令及び加速度指令がそれぞれの規定値以下である条件が成立しない場合は、大きい方の値を選択して出力する。

閾値の変更は、２つの値の切替ではなく、３つ以上の値の切替でもよい。閾値は、連続値で変更されてもよい。また、閾値の変更は、速度及び加速度に基づくのではなく、特定の位置近傍かどうかで閾値が切り替えられてもよい。閾値変更手段３６は、異常判別手段４の内部で閾値を変更してもよい。

実施の形態１８．
図２３は、実施の形態１８の異常診断装置の構成を示す図である。プログラム生成手段３５、閾値変更手段３６以外は実施の形態１と同一のため説明は省略する。プログラム生成手段３５では、例えば産業用ロボット、工作機械などの制御対象を動作させるためのプログラムを作成する。プログラム生成手段３５で作成されるプログラムには、例えば産業用ロボット、工作機械などの制御対象を動作させるための動作命令が記載されるとともに、その動作命令で動作する際の異常判別手段４での閾値又は異常判別の感度の設定が記載される。

指令生成手段２９では、プログラム生成手段３５で作成されたプログラムに記載の動作命令に基づいて、制御対象を動作させるための時々刻々の指令、すなわち各軸の位置指令を生成する。時々刻々の指令は、各軸制御系５に入力される。閾値変更手段３６では、プログラム生成手段３５で作成されたプログラムに記載の異常判別の閾値又は感度に基づいて、異常判別手段４が異常の判別に用いる閾値を変更する。プログラムに閾値が記載されている場合は、プログラムから指定された閾値に切り替える。プログラムから感度が指定される場合は、閾値変更手段３６の内部に内蔵している閾値を指定された感度に応じて変更し、異常判別手段４に出力する。閾値変更手段３６は、異常判別手段４の内部で閾値を変更してもよい。

実施の形態１９．
図２４は、実施の形態１９の異常診断装置の構成を示す図である。図２５は、実施の形態１９の制御系模擬手段の内部を示す図である。実施の形態１９の異常診断装置は、実施の形態１と異なり、モデル補正手段を備えない。モデル加速度算出手段１の内部は、図２に示すものと同様である。図２５の制御対象模擬手段１８は、実施の形態１と同様に各軸簡易モデル１３を備えるが、各軸簡易モデル１３で用いる摩擦のパラメータは、モデル補正手段２の出力を用いるのではなく、各軸モデル簡易１３内部にあらかじめ記憶されている摩擦パラメータを用いて算出される。本実施の形態では、モデル加速度には摩擦変動の影響を考慮していないが、モータ加速度は各軸のモータがフィードバック制御されているため、モータトルクと比べて摩擦変動の影響を受けにくくなっており、摩擦変動があっても高精度に異常診断を行える効果がある。

実施の形態２０．
図２６は、実施の形態２０に係る制御系模擬手段の内部を示す図である。実施の形態２０の異常診断装置の構成は、図２４に示す異常診断装置と同様である。実施の形態１９と異なるのは、制御系模擬手段９の内部が図２６に示されるものであることである。本実施の形態では、モデル加速度には摩擦変動の影響を考慮していないが、モータ加速度は各軸のモータがフィードバック制御されているため、モータトルクと比べて摩擦変動の影響を受けにくくなっており、摩擦変動があっても高精度に異常診断を行える効果がある。

上述した各実施の形態にかかる異常診断装置又は異常診断方法による効果を、以下に説明する。各実施の形態にかかる異常診断装置又は異常診断方法では、モータ６と動力伝達機構７との間にリンク機構で連結された関節部の温度変動に起因する摩擦変化の影響が、モータ電流と比べて抑制されるモータ加速度に基づいて異常を診断するため、温度変動に起因する摩擦変化の影響がある場合でも高精度に異常診断を行うことができる。また、各実施の形態にかかる異常診断装置又は異常診断方法では、関節部の温度変動に起因する摩擦変化を同定して補正するため、温度変動に起因する摩擦変化の影響がある場合でも補正しない場合と比べてさらに高精度に異常診断を行うことができる。各実施の形態にかかる異常診断装置又は異常診断方法によれば、正常時の加速度データを摩擦変動の影響を補正して比較するため、制御対象の詳細なモデル化を行わなくても高精度に異常診断を行うことができる。

各実施の形態は、対象機械制御装置２８に制御用ＣＰＵを実装することにより実現される。また、各実施の形態は、対象機械制御装置２８外部の外部ＰＣに、異常診断装置の各部として機能するソフトウェアを実装することで実現されてもよい。ここで、ソフトウェアを実行する外部ＰＣのハードウェア構成について図２７及び２８を用いて説明する。各実施の形態にかかる外部ＰＣは、図２７に示したハードウェア１００、すなわち処理回路１０２で実現できる。すなわち、異常診断装置は、モデル加速度を算出し、モータ６の位置情報又は速度情報からモータ加速度を算出し、算出したモータ加速度とモデル加速度との比較結果に基づき駆動軸の動力伝達機構７の異常を診断するための処理装置を備える。処理回路１０２は、専用のハードウェアであってもメモリに格納されるプログラムを実行するＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、プロセッサ、ＤＳＰ（ＤｉｇｉｔａｌＳｉｇｎａｌＰｒｏｃｅｓｓｏｒ）ともいう）であってもよい。

処理回路１０２が専用のハードウェアである場合、処理回路１０２は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ（ＡｐｐｌｉｃａｔｉｏｎＳｐｅｃｉｆｉｃＩｎｔｅｇｒａｔｅｄＣｉｒｃｕｉｔ）、ＦＰＧＡ（ＦｉｅｌｄＰｒｏｇｒａｍｍａｂｌｅＧａｔｅＡｒｒａｙ）、又はこれらを組み合わせたものが該当する。処理回路１０２において、モデル加速度算出手段１、モータ加速度算出手段３及び異常判別手段４は、それぞれを処理回路１０２で実現してもよいし、各部の機能をまとめて１つの処理回路で実現してもよい。

処理回路１０２がＣＰＵの場合、異常診断装置は、図２８に示したハードウェア１００ａ、すなわち異常診断装置と接続された、プロセッサ１０３及びメモリ１０４で実現できる。この場合、モデル加速度算出手段１、モータ加速度算出手段３及び異常判別手段４は、ソフトウェア、ファームウェア、又はソフトウェアとファームウェアとの組み合わせにより実現される。ソフトウェア及びファームウェアはプログラムとして記述され、メモリ１０４に格納される。プロセッサ１０３は、メモリ１０４に記憶されたプログラムを読み出して実行することにより、各部の機能を実現する。すなわち、異常診断装置は、処理回路１０２により実行されるときに、モデル加速度の算出を行うステップ、モータ６の位置情報又は速度情報からモータ加速度を算出するステップ、動力伝達機構７の異常を診断するステップが結果的に実行されることになるプログラムを格納するためのメモリを備える。また、これらのプログラムは、モデル加速度算出手段１、モータ加速度算出手段３及び異常判別手段４の手順及び方法をコンピュータに実行させるものであるともいえる。ここで、メモリとは、例えば、ＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）、ＲＯＭ（ＲｅａｄＯｎｌｙＭｅｍｏｒｙ）、フラッシュメモリー、ＥＰＲＯＭ（ＥｒａｓａｂｌｅＰｒｏｇｒａｍｍａｂｌｅＲｅａｄＯｎｌｙＭｅｍｏｒｙ）、ＥＥＰＲＯＭ（ＥｌｅｃｔｒｉｃａｌｌｙＥｒａｓａｂｌｅＰｒｏｇｒａｍｍａｂｌｅＲｅａｄ−ＯｎｌｙＭｅｍｏｒｙ）等の、不揮発性又は揮発性の半導体メモリ、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、及びＤＶＤ（ＤｉｇｉｔａｌＶｅｒｓａｔｉｌｅＤｉｓｃ）が該当する。

以上の実施の形態に示した構成は、本発明の内容の一例を示すものであり、別の公知の技術と組み合わせることも可能であるし、本発明の要旨を逸脱しない範囲で、構成の一部を省略、変更することも可能である。

１モデル加速度算出手段、２モデル補正手段、３モータ加速度算出手段、４異常判別手段、５各軸制御系、６モータ、７動力伝達機構、８負荷手段、９制御系模擬手段、１０差分手段、１１フィードフォワード制御手段、１２フィードバック制御手段、１３各軸簡易モデル、１４剛体モデル、１５関節部弾性考慮モデル、１６比例制御手段、１７比例積分制御手段、１８制御対象模擬手段、１９変位補正手段、２１差分処理手段、２５各軸制御装置、２７制御対象機械、２８対象機械制御装置、２９指令生成手段、３２制御装置内蔵メモリ、３４初期データ記録手段、３５プログラム生成手段、３６閾値変更手段、１００，１００ａハードウェア、１０２処理回路、１０３プロセッサ、１０４メモリ。

Claims

モータ加速度の予測値であるモデル加速度を算出するモデル加速度算出手段と、
前記モータの位置情報及び速度情報の一方からモータ加速度を算出するモータ加速度算出手段と、
前記モータ加速度と前記モデル加速度との比較結果に基づき、動力伝達機構の異常を診断する異常判別手段と、
を備えることを特徴とする異常診断装置。
前記モデル加速度算出手段は、
各軸制御系に送出される位置指令に応じて前記モデル加速度を算出する制御系模擬手段を備える
ことを特徴とする請求項１に記載の異常診断装置。
前記制御系模擬手段は、
各軸からみた制御対象のモデルである制御対象模擬手段を備える
ことを特徴とする請求項２に記載の異常診断装置。
前記モータの摩擦パラメータ検出値を同定処理により摩擦パラメータ同定値として算出するモデル補正手段をさらに備え、
前記制御対象模擬手段は、
前記モータを駆動させる各軸方向に対応する摩擦推定値を前記モデル補正手段で算出した前記摩擦パラメータ同定値に応じて修正する
ことを特徴とする請求項２又は３に記載の異常診断装置。
前記モデル加速度算出手段は、
前記位置指令に応じて速度指令値と加速度指令値とを位置パラメータ値として算出する変位補正手段をさらに備え、
前記制御対象模擬手段は、
前記位置パラメータ値を前記モデル補正手段で算出した前記摩擦パラメータ同定値に応じて修正する
ことを特徴とする請求項４に記載の異常診断装置。
正常動作時の前記モータの動作情報を記憶する記憶手段と、
前記動作情報を同定処理により初期摩擦パラメータ同定値として算出し、算出した前記初期摩擦パラメータ同定値を前記記憶手段に記憶させるモデル補正手段と、をさらに備え、
前記モデル加速度算出手段は、
前記モデル補正手段で算出した前記初期摩擦パラメータ同定値と、前記記憶手段が記憶した前記動作情報と、に応じて前記動力伝達機構のモデル加速度を予測値算出処理により算出する
ことを特徴とする請求項１から５のいずれか１項に記載の異常診断装置。
前記異常判別手段は、
前記モータ加速度の信号成分のうち、予め設定した周波数よりも高周波数の信号成分を通過させるハイパスフィルタを備え、
前記ハイパスフィルタを通過した信号成分を検出した場合、検出した信号成分に応じて前記動力伝達機構が異常であるか診断する
ことを特徴とする請求項１から６のいずれか１項に記載の異常診断装置。
前記異常判別手段は、
前記動力伝達機構における振動の周波数解析を行う周波数解析手段を備え、
前記周波数解析手段により得られるピーク周波数の遷移に基づき前記動力伝達機構が異常であるか診断する
ことを特徴とする請求項１から６のいずれか１項に記載の異常診断装置。
前記異常判別手段は、
前記モデル加速度算出手段から取得した統計値を用いて無次元兆候パラメータを算出する無次元兆候パラメータ算出手段を備え、
前記無次元兆候パラメータと予め定めた閾値との比較結果に基づき前記動力伝達機構が異常であるか診断する
ことを特徴とする請求項１から６のいずれか１項に記載の異常診断装置。
異常判別手段の内部で異常を判別する閾値を変更する閾値変更手段を備え、指令生成手段で生成される指令に基づいて閾値変更手段が出力する前記閾値を決定する
ことを特徴とする異常診断装置。
異常判別手段の内部で異常を判別する閾値を変更する閾値変更手段を備え、プログラム生成手段で作成されるプログラムから前記閾値を指定する
ことを特徴とする異常診断装置。
モータ加速度の予測値であるモデル加速度を算出するモデル加速度算出ステップと、
前記モータの位置情報及び速度情報の一方からモータ加速度を算出するモータ加速度算出ステップと、
前記モータ加速度と前記モデル加速度との比較結果に基づき、前記動力伝達機構の異常を診断する異常判別ステップと、
を行うことを特徴とする異常診断方法。