TW202408130A - 電動機的監視裝置 - Google Patents
電動機的監視裝置 Download PDFInfo
- Publication number
- TW202408130A TW202408130A TW112127894A TW112127894A TW202408130A TW 202408130 A TW202408130 A TW 202408130A TW 112127894 A TW112127894 A TW 112127894A TW 112127894 A TW112127894 A TW 112127894A TW 202408130 A TW202408130 A TW 202408130A
- Authority
- TW
- Taiwan
- Prior art keywords
- model
- temperature
- motor
- electric motor
- unit
- Prior art date
Links
- 238000012806 monitoring device Methods 0.000 title claims abstract description 53
- 238000012546 transfer Methods 0.000 claims abstract description 103
- 230000002159 abnormal effect Effects 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 80
- 238000001816 cooling Methods 0.000 claims description 71
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 38
- 238000011156 evaluation Methods 0.000 claims description 38
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 30
- 229910052802 copper Inorganic materials 0.000 claims description 30
- 239000010949 copper Substances 0.000 claims description 30
- 229910052742 iron Inorganic materials 0.000 claims description 19
- 238000013459 approach Methods 0.000 claims 1
- 238000003860 storage Methods 0.000 abstract description 16
- 230000008859 change Effects 0.000 description 31
- 238000000034 method Methods 0.000 description 22
- 230000006870 function Effects 0.000 description 21
- 239000004020 conductor Substances 0.000 description 14
- 239000000470 constituent Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 6
- 230000006698 induction Effects 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 239000010802 sludge Substances 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000004804 winding Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 2
- 239000000696 magnetic material Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 101150072601 lin-14 gene Proteins 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P29/00—Arrangements for regulating or controlling electric motors, appropriate for both AC and DC motors
- H02P29/60—Controlling or determining the temperature of the motor or of the drive
- H02P29/62—Controlling or determining the temperature of the motor or of the drive for raising the temperature of the motor
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
監視裝置具備:記憶部,記憶電動機的動作狀態正常時的電動機的第1模型;及模型探索部,生成電動機的動作狀態異常時的電動機的第2模型。模型探索部是在溫度檢測器的測定溫度與基於第1模型的溫度檢測器的推定溫度的差脫離判定範圍時生成第2模型,前述第2模型是以基於第2模型的溫度檢測器的推定溫度會與溫度檢測器的測定溫度對應之方式變更了與第1模型的定子芯的模型和外部空氣的模型之間的熱傳遞相關的係數之模型。
Description
本發明是關於一種電動機的監視裝置。
背景技術
在機械中,已知為了使構成構件動作,配置有電動機。電動機驅動時,定子芯、固定在定子芯的線圈、軸承等會發熱,從而電動機的溫度上升。若電動機的溫度變得過高,恐有電動機不能正確地動作、電動機的構成構件損傷或電動機的壽命變短的情況。因此,電動機最好在正在驅動的期間中進行冷卻。電動機可藉由自然的空氣流動來冷卻。或者,可利用冷卻機等供給空氣,來冷卻電動機(例如日本特開2015-167436號公報)。
驅動電動機時的實際溫度可利用安裝在電動機的構成構件的溫度檢測器進行檢測。或者,已知有推定電動機的溫度的模擬(例如日本特開平11-262102號公報)。特別是,已知有為了推定電動機的溫度,使用熱模型的方法(例如國際公開第2022/085543號),該熱模型考慮了電動機的構成構件的熱容量及構成構件彼此之間的熱傳遞。於熱模型中,可於各個構成構件彼此之間設定熱傳遞係數或熱阻,計算構成構件彼此之間的熱傳遞。於熱模型中,可算出各個構成構件的溫度。
先行技術文獻
專利文獻
[專利文獻1]日本特開2015-167436號公報
[專利文獻2]日本特開平11-262102號公報
[專利文獻3]國際公開第2022/085543號
[專利文獻4]日本特開2010-287971號公報
[專利文獻5]日本特開2006-311735號公報
發明概要
發明欲解決之課題
於電動機的運轉期間中,可藉由送風機對電動機供給空氣,來有效地冷卻電動機。於此,可能有因電動機的長期間使用,而冷卻電動機的性能降低。例如有送風機故障、讓空氣流通的空氣孔被灰塵等異物堵塞、或於電動機的表面堆積油泥的情形。若在電動機的冷卻性能已經降低的狀態下持續電動機的運轉,恐怕電動機會變得高溫。
關於檢測出送風機已經故障的方法,可於送風機安裝溫度檢測器、或於送風機的風扇安裝用以檢測風扇的轉數的磁性感測器。關於檢測送風機的空氣孔堵塞的方法,可安裝檢測於送風機內部流動的空氣的流量的流量感測器。
或者,為了發現送風機的故障、送風機的空氣孔堵塞、及油泥的堆積等,作業者可定期地以目視檢查電動機。在送風機異常時,可修理或更換送風機。在異物附著於空氣孔、或油泥堆積時,可實施電動機的清掃。
然而,在採用檢測送風機的風扇的轉數的磁性感測器、溫度感測器或流量感測器等感測器時,有如下問題:為了檢測電動機的冷卻性能的降低,必須於電動機安裝新的感測器。或者,在作業者定期地以目視檢查電動機的方法中,存在如下問題:有必要將包含電動機的裝置進行分解,作業者費時費力。
用以解決課題之手段
本揭示之態樣之電動機的監視裝置具備狀態取得部,前述狀態取得部取得電動機的動作狀態,前述電動機的動作狀態包含由安裝在電動機的溫度檢測器所檢測的測定溫度。監視裝置具備溫度推定部,前述溫度推定部基於電動機的模型來算出溫度檢測器的推定溫度。監視裝置具備記憶部,前述記憶部記憶電動機的動作狀態正常時的電動機的第1模型。監視裝置具備模型探索部,前述模型探索部生成電動機的動作狀態異常時的電動機的第2模型。監視裝置具備性能推定部,前述性能推定部推定電動機的冷卻性能。電動機的模型包含含有定子芯的電動機的構成部分的模型、以及外部空氣的模型。於至少一個構成部分的模型設定有熱容量。於電動機的構成部分的模型彼此之間及定子芯的模型與外部空氣的模型之間,設定有與熱傳遞相關的係數。模型探索部是在溫度檢測器的測定溫度與基於第1模型的溫度檢測器的推定溫度的差脫離預先決定的判定範圍時生成第2模型,前述第2模型是以基於第2模型的溫度檢測器的推定溫度會與測定溫度對應之方式變更了與第1模型的定子芯的模型和外部空氣的模型之間的熱傳遞相關的係數之模型。性能推定部是基於第1模型中之與定子芯的模型和外部空氣的模型之間的熱傳遞相關的係數、第2模型中之與定子芯的模型和外部空氣的模型之間的熱傳遞相關的係數,算出與電動機的冷卻性能相關的變數。
發明效果
根據本揭示之態樣之電動機的監視裝置,可提供與電動機的冷卻性能相關的資訊。
用以實施發明之形態
參照圖1至圖9,就實施形態中之電動機的監視裝置進行說明。本實施形態之電動機的監視裝置具有使用電動機的熱模型來推定電動機的預先決定的構成部分的溫度的功能。
於本實施形態中,將由溫度檢測器實際測定的溫度稱為測定溫度。又,將使用電動機的模型推定的構成部分的溫度稱為推定溫度。於本實施形態中,說明推定電動機的構成部分之中、安裝在定子的線圈的溫度檢測器的溫度的例子。本實施形態之電動機的監視裝置算出與冷卻電動機的冷卻性能相關的變數。然後,監視裝置將與電動機的冷卻性能相關的資訊顯示在顯示部或通知給其他裝置。
圖1是本實施形態中之機械與電動機的監視裝置的方塊圖。本實施形態之機械1具備:電動機10,驅動機械1的構成構件;及機械控制裝置41,控制機械1。本實施形態之機械控制裝置41具備運算處理裝置(電腦)。機械控制裝置41包含作為處理器的CPU(Central Processing Unit,中央處理單元)。機械控制裝置41具有經由匯流排與CPU連接的RAM(Random Access Memory,隨機存取記憶體)及ROM(Read Only Memory,唯讀記憶體)等。
本實施形態之機械1是數值控制式的機械。機械1基於預先製作的動作程式45所記載的指令句進行驅動。機械控制裝置41包含:記憶部42,記憶動作程式45;及動作控制部43,基於動作程式45生成電動機10的動作指令。機械1包含驅動裝置44,前述驅動裝置44包含基於由動作控制部43生成之動作指令對電動機10供電的電路。電動機10藉由驅動裝置44供電而驅動。
記憶部42可由能夠記憶資訊的非暫時性的記憶媒體構成。例如記憶部42可由揮發性記憶體、非揮發性記憶體、磁性記憶媒體或光記憶媒體等記憶媒體構成。動作控制部43相當於按照動作程式45驅動的處理器。藉由處理器讀取動作程式45,實施動作程式45所決定的控制,而作為動作控制部43發揮功能。
作為如此的機械1,可採用具備電動機10的任意機械。例如,關於機械1可例示加工工件的工具機。關於電動機10,可例示:使工具旋轉的主軸馬達、或用以使工作台或主軸頭沿著預先決定的座標軸移動的進給軸馬達。
圖2是本實施形態之第1電動機的剖面圖。參照圖1及圖2,第1電動機10為轉子11具有磁鐵18的同步電動機。電動機10具備轉子11與定子12。定子12包含:定子芯20,由具有磁性的材質形成;線圈16,被固定在定子芯20。定子芯20例如由沿軸13的軸向積層的複數個磁性鋼板形成。線圈16例如包含捲繞於定子芯20的繞線與固定繞線的樹脂部。
轉子11被固定在形成棒狀的軸13。轉子11包含:轉子芯17,固定在軸13的外周面且由具有磁性的材質形成;及複數個磁鐵18,被固定在轉子芯17。本實施形態之磁鐵18為永久磁鐵。
軸13與其他構件連結,以傳遞旋轉力。軸13繞旋轉軸RA旋轉。軸13由作為軸承的培林(bearing)14,15支撐。於本實施形態中,將電動機10中,軸13與其他構件連結之側稱為前側。又,將與前側為相反之側稱為後側。於圖2所示之例中,箭頭91表示電動機10的前側。
電動機10包含前側的殼體21及後側的殼體22。定子12的定子芯20由殼體21,22支撐。殼體21支撐培林14。於殼體22中固定有支撐培林15的培林支撐構件24。殼體21,22經由培林14,15以可旋轉之方式支撐軸13。於殼體22的後側的端部,固定有封閉殼體22的內部空間的後蓋23。
於軸13的後側的端部配置有旋轉位置檢測器32,前述旋轉位置檢測器32用以檢測軸13的旋轉位置或旋轉速度。本實施形態的旋轉位置檢測器32由編碼器構成。於定子12的線圈16固定有溫度檢測器31,前述溫度檢測器31檢測線圈16的溫度。本實施形態的溫度檢測器31由熱敏電阻構成。溫度檢測器31及旋轉位置檢測器32的輸出被輸入至機械控制裝置41。
關於電動機10的構成部分,可例示:轉子11、轉子芯17、磁鐵18、定子12、定子芯20、線圈16、殼體21,22、軸13、後蓋23、培林支撐構件24、培林14,15、溫度檢測器31及旋轉位置檢測器32等。關於電動機10的構成部分不限於上述形態,可採用構成電動機10的任意部分。例如關於電動機10的構成部分,亦可採用覆蓋定子的外殼。
本實施形態的電動機10具備冷卻電動機的本體的冷卻機。本實施形態的冷卻機包含供給冷卻空氣的送風機29。本實施形態的送風機29經由筒狀構件25固定在定子芯20。筒狀構件25被固定在定子芯20。筒狀構件25的內部構成空氣的流路。
送風機29包含:冷卻風扇27、外殼28、及使冷卻風扇27旋轉的電動機。本實施形態的送風機29以冷卻風扇27的旋轉軸與軸13的旋轉軸RA一致的方式配置。即,轉子11與冷卻風扇27同軸狀地配置。冷卻風扇27不限於上述形態,可以向電動機的本體吹送空氣之方式配置在任意位置。
本實施形態的定子芯20具有用以流通冷卻空氣的貫通孔26a。貫通孔26a沿著轉子11的軸向,從定子芯20之一端面貫通至另一端面。殼體21具有用以流通空氣的貫通孔26b。貫通孔26b與貫通孔26a連通。又,於送風機29的外殼28形成有供空氣流通的空氣孔28a。
若驅動送風機29,則冷卻風扇27進行旋轉,從而空氣沿箭頭91所示的方向流動。冷卻空氣從外殼28的空氣孔28a流入外殼28的內部。冷卻空氣流通於外殼28的內部及筒狀構件25的內部。冷卻空氣流通於殼體22與筒狀構件25之間的空氣流路。冷卻空氣如箭頭92所示,流通於定子芯20的貫通孔26a及殼體21的貫通孔26b。冷卻空氣將後側的殼體22、定子芯20及前側的殼體21冷卻。冷卻空氣的流動不限於上述形態,冷卻空氣亦可以沿與箭頭91相反的方向流動。
冷卻本實施形態的電動機的本體的冷卻機,雖然由送風機構成,但不限於上述形態。冷卻機可採用冷卻電動機的本體的任意裝置。例如可採用藉由冷卻水冷卻電動機的冷卻機、或包含珀耳帖元件等的電子冷卻機。
本實施形態的電動機的監視裝置2是算出推定溫度,前述推定溫度是推定配置在電動機10的溫度檢測器31所輸出的溫度。於本實施形態中,推定配置在定子12的線圈16的溫度檢測器31所輸出的溫度。特別是,電動機的監視裝置2推定溫度檢測器31的溫度隨著時間經過的變化。
電動機的監視裝置2具備包含作為處理器的CPU的運算處理裝置(電腦)。監視裝置2包含記憶部51,前述記憶部51記憶與電動機10的監視相關的資訊。記憶部51可由可記憶資訊且非暫時性的記憶媒體構成。例如記憶部51可由揮發性記憶體、非揮發性記憶體、磁性記憶媒體或光記憶媒體等記憶媒體構成。監視裝置2包含顯示部52,前述顯示部52顯示與電動機10相關的資訊。顯示部52可由液晶顯示面板或有機EL(Electro Luminescence,電致發光)顯示面板等任意的顯示面板構成。
監視裝置2包含溫度推定部53,前述溫度推定部53算出溫度檢測器31的推定溫度。溫度推定部53包含損失算出部54,前述損失算出部54基於電動機10的動作指令算出線圈16之一次銅損產生的發熱量及定子芯20之鐵損產生的發熱量。溫度推定部53包含溫度算出部55,前述溫度算出部55藉由電動機的模型(熱模型)推定溫度檢測器31的溫度。溫度算出部55是基於一次銅損及鐵損產生的發熱量、各個構成部分的模型的熱容量、及與構成部分的模型彼此之間的熱傳遞相關的係數算出溫度檢測器31的推定溫度。
本實施形態中之監視裝置2具有算出電動機模型所包含的參數的功能。參數包含設定於電動機10的構成部分的模型的熱容量、以及與構成部分的模型彼此之間的熱傳遞相關的係數。監視裝置2包含參數算出部63,前述參數算出部63算出電動機的動作狀態正常時的電動機的第1模型所包含的參數。
監視裝置2包含狀態取得部62,前述狀態取得部62取得實際驅動電動機10時的電動機10的動作狀態。於電動機10的動作狀態中,包含由安裝在電動機10的溫度檢測器31檢測出的測定溫度。於電動機10的動作狀態中,包含實際驅動電動機10而生成的電動機10的動作指令、與從旋轉位置檢測器32輸出的旋轉速度。電動機10的動作指令可從動作控制部43取得。又,狀態取得部62可從外部空氣溫度檢測器33取得外部空氣的溫度,前述外部空氣溫度檢測器33檢測配置有機械1的環境的溫度。外部空氣溫度檢測器33例如配置成檢測機械1周圍的溫度。
本實施形態的參數算出部63以藉由電動機模型算出的溫度檢測器的推定溫度的變化與實際的測定溫度的變化對應的方式算出參數。本實施形態的參數算出部63可藉由機械學習來設定電動機模型的參數。
溫度推定部53的損失算出部54基於動作控制部43生成的動作指令與由旋轉位置檢測器32檢測出的旋轉速度,算出線圈16及定子芯20的發熱量。進而,溫度算出部55基於線圈16及定子芯20的發熱量,算出溫度檢測器的推定溫度。
參數算出部63藉由使用溫度推定部53算出溫度檢測器31的推定溫度。參數算出部63包含評價部66,前述評價部66藉由將溫度檢測器31的推定溫度與藉由狀態取得部62取得的溫度檢測器31的測定溫度進行比較,來評價溫度檢測器的推定溫度。參數算出部63包含參數變更部67,前述參數變更部67基於評價部66的評價結果來變更參數的值。
上述的溫度推定部53、損失算出部54及溫度算出部55各個單元相當於按照程式驅動的處理器。狀態取得部62、參數算出部63、評價部66及參數變更部67各個單元相當於按照程式驅動的處理器。藉由處理器實施程式中所決定的控制,而作為各個單元發揮功能。
於圖3顯示將本實施形態中之第1電動機之熱移動模型化而成的第1模型。電動機的第1模型是模擬電動機的正常的動作狀態的熱模型。於電動機的熱模型中包含複數個構成部分的模型。於熱模型中包含構成部分的熱容量、及與構成部分彼此之間的熱傳遞相關的係數等的參數。於本實施形態的電動機的第1模型10a中,包含構成第1電動機10的主要的構成部分的模型。電動機的模型10a包含轉子的模型11a、定子芯的模型20a、及捲繞於定子芯的線圈的模型16a。又,電動機的模型10a包含用以檢測線圈16的溫度的溫度檢測器的模型31a。
參照圖2,於轉子11與定子芯20之間介存有空氣層。進而,於轉子11與線圈16之間介存有空氣層。本實施形態中之電動機之模型10a包含空氣層的模型35a。又,電動機的模型10a包含外部空氣的模型36a,作為電動機10周圍的空氣的模型。如此,於本實施形態的電動機的模型中,空氣層及外部空氣作為電動機的構成部分的模型而生成。
由溫度檢測器31檢測出的溫度與線圈16的溫度幾乎相等。然而,在預定的條件下,由於溫度檢測器31的熱容量較小,故由溫度檢測器31檢測出的溫度可能與線圈16的溫度不同。因此,於本實施形態中,關於溫度檢測器31亦生成溫度檢測器的模型31a,作為構成部分的一個模型。再者,溫度檢測器31的熱容量可以設定為零,且假設溫度檢測器的模型的溫度與安裝溫度檢測器的構成部分的模型的溫度為相同來進行計算。
於電動機的模型10a中,設定有包含熱容量及與熱傳遞相關的係數的複數個參數。於至少一個構成部分的模型中設定有熱容量。於線圈的模型16a、定子芯的模型20a、空氣層的模型35a、轉子的模型11a及溫度檢測器的模型31a各個模型中,設定有作為變數的溫度T
1,T
2,T
3,T
4,T
5及作為常數的熱容量C
1,C
2,C
3,C
4,C
5。又,於外部空氣的模型36a中設定有作為變數的溫度T
r。
電動機10的一個構成部分的熱傳遞至其他的構成部分。於電動機10的各個構成部分的模型彼此之間,設定有與熱傳遞相關的係數。關於與熱傳遞相關的係數,可採用熱傳遞係數、或熱傳遞係數乘上構成部分彼此的接觸面積所得的係數等。此處之例子中,決定採用熱傳遞係數乘上接觸面積所得的係數。
於定子芯的模型20a與線圈的模型16a之間設定有與熱傳遞相關的係數ha。於空氣層的模型35a與線圈的模型16a之間設定有與熱傳遞相關的係數hc1。於空氣層的模型35a與定子芯的模型20a之間設定有與熱傳遞相關的係數hc2。於空氣層的模型35a與轉子的模型11a之間設定有與熱傳遞相關的係數hc3。於線圈的模型16a與溫度檢測器的模型31a之間設定有與熱傳遞相關的係數hd。進而,為了模擬熱從定子芯20朝外部空氣釋出,於定子芯的模型20a與外部空氣的模型36a之間設定有與熱傳遞相關的係數hb。
於本實施形態中之電動機的模型10a中,關於構成部分產生的熱,考慮由定子12的線圈16產生的一次銅損P
c1。於線圈的模型16a被輸入來自於一次銅損的發熱量。又,考慮藉由轉子11的磁鐵18的磁力產生的定子芯20的鐵損P
i。於定子芯的模型20a被輸入來自於鐵損的發熱量。
於線圈及定子芯等的各個構成部分彼此之間,熱的移動取決於與熱傳遞相關的係數的大小。又,各個構成部分的溫度基於入熱量與出熱量的差上升或下降。圖3所示的第1電動機的第1模型10a的各個構成部分的溫度變化率可用下式(1)至式(5)表示。於各個構成部分中,可藉由將入熱量與出熱量的差除以熱容量,來算出溫度變化率。
[數式1]
構成部分的熱容量C
1,C
2,C
3,C
4,C
5為常數,可預先決定。與熱傳遞相關的係數ha,hb,hc1,hc2,hc3,hd為熱傳遞係數乘以接觸面積而得的係數。係數ha,hb,hc1,hc2,hc3,hd為常數,可預先決定。溫度推定部53的損失算出部54如後所述地算出線圈16中之一次銅損P
c1與定子芯中之鐵損P
i。溫度推定部53的溫度算出部55可基於上述式(1)至(5)之公式算出微小時間dt中之溫度之變化量。
接著,就式(1)及式(2)所含的一次銅損P
c1及鐵損P
i的算出方法進行說明。電動機10之旋轉速度及電動機10之負載率(相對於最大負載的比率)可由作業者因應機械進行的作業預先設定。溫度推定部53的損失算出部54算出一次銅損P
c1與鐵損P
i。表1中顯示用以算出損失的損失表。
[表1]
於表1中顯示相對於電動機10的旋轉速度(轉數)的最大輸出時的損失、無負載時的損失、最大輸出時的電流。最大輸出時的損失P
m為電動機的負載率為100%時的損失,為由電動機的旋轉速度決定的值。無負載時的損失P
n為電動機的負載率為零時的損失,取決於電動機的旋轉速度。最大輸出時的電流I
m為於各個旋轉速度中負載率為100%時的電流值。表1所示的損失表可實際驅動電動機而製作。該損失表例如可預先記憶在監視裝置2的記憶部51。
損失算出部54算出包含一次銅損P
c1與鐵損P
i的總損失P
t。總損失P
t可藉由下式(6)及式(7)算出。
[數式2]
總損失P
t可藉由最大輸出時的損失P
m、無負載時的損失P
n、及電動機的負載率LF算出。由於電動機的旋轉速度及負載率已經決定,因此從表1算出最大輸出時的損失P
m及無負載時的損失P
n。常數k1,k2可由作業者預先決定。接著,一次銅損P
c1可藉由下式(8)及式(9)算出。
[數式3]
一次銅損P
c1相當於在線圈16流動的電流的焦耳熱。又,於線圈16流動的電流I可藉由最大輸出時的電流I
m乘以電動機的負載率LF來算出。最大輸出時的電流I
m可從表1取得。此處,線圈16的一次電阻r1是預先測定的。接著,鐵損P
i可藉由下式(10)算出。鐵損P
i可藉由從總損失P
t減去一次銅損P
c1而算出。
[數式4]
溫度推定部53從狀態取得部62取得包含用以驅動機械1的旋轉速度及負載率的電動機的動作模式。溫度推定部53的溫度算出部55首先可將各個構成部分的溫度T
1~T
5設定為任意溫度。例如溫度算出部55將構成部分的溫度T
1~T
5設定為一般外部空氣的溫度T
r。外部空氣的溫度T
r可根據配置機械1的場所而預先決定。
溫度推定部53的損失算出部54基於動作模式中之旋轉速度及電動機的負載率,算出一次銅損及鐵損。接著,溫度算出部55可藉由求解上述式(1)~(5)而算出微小時間dt中之溫度檢測器31之溫度T
5之變化量。如此,作業者可決定電動機的運轉模式,推定以運轉模式運轉電動機時的溫度檢測器的溫度伴隨著時間經過的變化。
另外,於本實施形態的電動機的模型10a中,只要可高精度地推定電動機之複數個構成部分中的一個構成部分的溫度即可。一個構成部分以外的構成部分的溫度即使遠離實際溫度亦可。於此處的例子中,只要可高精度地推定溫度檢測器的模型31a的溫度T
5即可。線圈的模型16a的溫度T
1、定子芯的模型20a的溫度T
2、空氣層的模型35a的溫度T
3、及轉子的模型11a的溫度T
4即使遠離實際溫度亦可。
進而,設定於電動機的模型10a的熱容量C
1~C
5、和與構成部分彼此之間所設定的熱傳遞相關的係數ha,hb,hc1,hc2,hc3,hd取決於構成部分的材質、形狀及配置等,存在固有的值。然而,於本實施形態中之電動機之模型10a中,複數個熱容量及複數個與熱傳遞相關的係數中之至少一部分的參數,即使設定為遠離實際的熱容量或與實際的熱傳遞相關的係數的值亦可。
各個參數設定為溫度檢測器的模型31a的溫度T
5的變化對應於實際的溫度的變化。例如即使線圈及定子芯等的溫度遠離實際的溫度,亦可以溫度檢測器的溫度顯示接近實際的溫度的值的方式設定電動機的模型的參數。再者,關於算出熱容量及與熱傳遞相關的係數的結果,構成部分的全部的熱容量及全部的與熱傳遞相關的係數亦可與實際的熱容量及與實際的熱傳遞相關的係數高精度地對應。然後,在溫度推定部推定構成部分的溫度時,所有構成部分的溫度亦可以高精度地對應於實際的構成部分的溫度。
本實施形態的電動機的監視裝置2形成為可切換實施正常模型製作模式及異常模型製作模式,前述正常模型製作模式是算出電動機的動作狀態正常時的電動機的第1模型的參數,前述異常模型製作模式是生成電動機的動作狀態異常時的電動機的第2模型。於正常模型製作模式中,於電動機的第1模型10a中設定包含與熱傳遞相關的係數及構成部分的熱容量的參數。
參照圖1,本實施形態的參數算出部63於正常模型製作模式生成電動機的第1模型。參數算出部63設定電動機的模型10a包含的熱容量、與熱傳遞相關的係數、及式(6),(7)中的常數k1,k2。作業者按照預先決定的運轉模式實際地驅動電動機10。狀態取得部62取得電動機10的負載率、電動機10的旋轉速度、及自溫度檢測器31輸出的溫度作為電動機10的狀態。進而,狀態取得部62從外部空氣溫度檢測器33取得外部空氣的溫度。
圖4是顯示用以設定本實施形態之電動機之第1模型所包含的參數,驅動電動機時的運轉模式的圖。於圖4中顯示無負載時的運轉模式。於此運轉模式中,在不對電動機10施加負載之下,電動機10的旋轉速度逐漸上升。藉由每隔預先決定的時間間隔使電動機的負載率暫時性地上升,而使電動機10的旋轉速度增加。
由溫度檢測器31檢測出的溫度緩緩增加。於時刻t1~t7中,藉由暫時地使電動機10的負載率上升,而使電動機10的旋轉速度上升。狀態取得部62在緩慢地使電動機10的旋轉速度上升的期間中,取得電動機10的動作狀態及從溫度檢測器31輸出的溫度。更詳細而言,狀態取得部62每隔預先決定的微小時間就取得電動機10的負載率、電動機10的旋轉速度、及從溫度檢測器31輸出的溫度,並記憶在記憶部51。於本實施形態中採用固定的外部空氣的溫度,但並不限於此形態。狀態取得部62亦可每隔微小時間就從外部空氣溫度檢測器33取得外部空氣的溫度。
參照圖1,狀態取得部62取得轉矩指令,前述轉矩指令被包含在由機械控制裝置41的動作控制部43生成的動作指令中。由於轉矩指令與電動機10的負載率對應,狀態取得部62可從轉矩指令算出負載率。
參數算出部63基於由狀態取得部62取得的變數,算出電動機的模型10a的參數。本實施形態的參數算出部63基於線圈16及定子芯20中之發熱量、由溫度檢測器31檢測出的溫度,算出包含熱容量C
1,C
2,C
3,C
4,C
5及與熱傳遞相關的係數ha,hb,hc1,hc2,hc3,hd的參數。又,參數算出部63算出式(6)及式(7)中之常數k1,k2作為參數。參數算出部63是以進行模擬時的溫度檢測器的模型31a的推定溫度的變化接近實際的測定溫度的變化的方式算出參數。
參數算出部63設定各個參數的初始值。參數的初始值可由任意方法設定。參數算出部63使用損失算出部54算出線圈16之一次銅損產生的發熱量及定子芯20之鐵損產生的發熱量。損失算出部54基於由狀態取得部62取得的電動機10的旋轉速度及電動機10的負載率,使用表1及式(6)至式(10)算出一次銅損P
c1及鐵損P
i。
在算出一次銅損P
c1及鐵損P
i的式(6)及式(7)中包含常數k1,k2。進而,損失算出部54算出預先決定的微小時間dt中的損失、即微小時間中的發熱量。如此,損失算出部54基於包含電動機的動作指令(負載率)及旋轉位置檢測器32的輸出的實測值,算出式(1)及式(2)中的一次銅損P
c1及鐵損P
i。
參數算出部63使用溫度算出部55推定構成部分的溫度。溫度算出部55使用各個參數及由損失算出部54算出的損失,基於電動機的第1模型10a算出溫度檢測器31的推定溫度。即,藉由模擬推定溫度檢測器的模型31a的溫度。
溫度算出部55可基於暫時設定的參數,算出開始電動機10的驅動後,由溫度檢測器31檢測出的推定溫度伴隨時間經過的變化。電動機10的各個構成部分的模型的溫度可使用上述式(1)至式(5)的微分方程式算出。各個構成部分的模型的溫度的初始值,例如可設定為開始驅動電動機10時的外部空氣的溫度、即室溫。
參數算出部63的評價部66藉由將由溫度算出部55算出的溫度檢測器的模型31a的溫度(推定溫度)與由溫度檢測器31實際測量的測定溫度進行比較,來進行電動機的第1模型10a中暫時設定的參數的評價。於此處的例子中,評價部66不評價溫度檢測器的模型31a的溫度以外的變數,僅評價溫度檢測器的模型31a的溫度。只要溫度檢測器的模型31a的溫度變化接近實際的溫度變化即可,並不評價其他構成部分的溫度中至少一部分的溫度。
接著,參數算出部63的參數變更部67基於評價部66的評價結果來變更參數。然後,基於變更後的參數,藉由與上述相同的計算,重複損失算出部54的損失算出、藉由溫度算出部55算出溫度檢測器的模型的推定溫度、評價部66的評價、及參數變更部67的參數變更。可在藉由評價部的評價滿足預先決定的條件時,決定為最後的參數。
此處,電動機的模型10a中的複數個參數的組合的個數非常多。複數個參數可藉由機械學習的方法來決定。例如複數個參數可藉由貝氏最佳化的方法來設定。於貝氏最佳化中,對於包含輸入的參數的說明變數,生成成為評價對象的目標函數。然後,探索預測目標函數成為最小或最大的參數後進行設定。藉由反覆上述參數的探索,可設定參數的最佳值。又,各個參數設定的範圍可預先決定。
於此處的例子中,將關於溫度檢測器31的溫度,即藉由電動機的第1模型10a推定出的溫度檢測器的模型31a的溫度(推定溫度)與由實際的溫度檢測器31檢測出的測定溫度的差分,設定為目標函數。即,目標函數可使用關於溫度檢測器31的溫度,亦即使用基於暫時設定的參數從式(1)至式(5)算出的預測值與實際由溫度檢測器31檢測出的實測值的差。關於目標函數,例如可採用微小時間內的差的平均值等。然後,參數變更部67以目標函數變小的方式探索下一個參數。
於貝氏最佳化中,可反覆參數的探索及參數的評價。若目標函數在預先決定的判定範圍內,評價部66可採用當時的參數值。另一方面,在目標函數脫離預先決定的判定範圍時,可進行下一個參數的探索。在貝氏最佳化的方法中,由於一面預測存在解的區域,一面進行探索,故可抑制計算的處理量。
電動機的模型10a所包含的參數除了藉由貝氏最佳化來設定參數外,亦可以任意方法進行設定。例如可預先決定各個參數設定的範圍。參數算出部63的參數變更部67在參數的範圍內隨機地設定複數個參數。溫度算出部55基於所設定的參數推定溫度檢測器的模型31a的溫度。評價部66可基於從溫度檢測器31取得的溫度的實測值,評價所設定的參數。如此的參數的設定方法被稱為隨機搜尋法。
或者,參數變更部67可在參數設定的範圍的內部,每隔預先決定的間隔就設定參數。溫度算出部55使用所設定的參數推定溫度檢測器的模型31a的溫度。評價部66就離散地設定的參數的所有組合進行評價。此方法被稱為格點搜尋法。
無論是隨機搜尋法或格點搜尋法,都與貝氏最佳化的方法相同地,評價部66可將溫度檢測器31的溫度作為評價對象。若目標函數在預先決定的判定範圍內,評價部66可採用當時的參數值。或者,評價部66可採用目標函數最優異的參數。評價部66可將溫度檢測器31的推定溫度與由實際的溫度檢測器31檢測出的測定溫度良好地一致的參數決定為電動機的模型10a中的參數。
於本實施形態中,可將參數設定為可高精度地推定由溫度檢測器31檢測的溫度的變化。於本實施形態中,由於溫度檢測器31以外的構成部分的溫度可遠離實際的溫度,故在參數的評價中可僅評價檢測線圈的溫度的溫度檢測器的溫度。因此,可以較少的計算量短時間地設定參數。記憶部51可預先記憶已經生成的電動機的第1模型10a。
於上述實施形態中,為設定電動機的第1模型10a的參數,顯示無負載時的運轉作為驅動電動機10的運轉模式,但並不限於此形態。在決定電動機的第1模型10a的參數時,宜以各種運轉模式使電動機10運轉,取得電動機10的動作狀態。例如可採用反覆電動機10的負載率的上升及下降的運轉模式。可使電動機10的負載率大幅變化,而使電動機的旋轉速度變化。由溫度檢測器31檢測出的溫度會急劇上升或下降。如此,可採用包含電動機的急速的溫度變化的運轉模式。
於上述實施形態中,取包含繞線的線圈作為用以推定溫度的電動機的構成部分為例子進行說明,但並不限於此形態。關於算出推定溫度的構成部分,可採用電動機的任意的構成部分。然後,可於算出推定溫度的構成部分安裝溫度檢測器。
於上述實施形態中,就轉子具有永久磁鐵的同步電動機進行說明,但並不限於此形態。可應用本實施形態中之監視裝置在任意的電動機。例如轉子不具有永久磁鐵的感應電動機亦可應用本實施形態中之電動機的模型。
圖5顯示本實施形態中之第2電動機的模型。圖5是第2電動機的動作狀態正常時的第1模型30a。此處,第2電動機為感應電動機。感應電動機的轉子包含由不鏽鋼或銅等形成的籠型導體。籠型導體被固定在軸,與軸一體地旋轉。於感應電動機中,藉由由定子的線圈生成的磁力而於籠型導體的內部流動感應電流。於籠型導體的周圍產生磁場,使轉子旋轉。
於感應電動機中,由於電流流動於轉子的籠型導體,故產生作為二次損失的二次銅損P
c2。二次損失相當於在籠型導體流動的電流所產生的焦耳熱。於第2電動機的模型30a中,於轉子產生二次銅損所引起的發熱。第2電動機的構成部分中的熱容量及與構成部分彼此之間的熱傳遞相關的係數,與第1電動機的第1模型10a相同。
關於第2電動機的模型30a中的構成部分的溫度變化的微分方程式,算出轉子的溫度變化的微分方程式與第1電動機的第1模型10a不同。表現轉子的溫度變化的微分方程式為下式(11)。
[數式5]
於式(11)中,在第1電動機的轉子的模型11a的式(4)中加上二次銅損P
c2的發熱量。其他的表示線圈、定子芯、空氣層、溫度檢測器的溫度變化的微分方程式,與第1電動機的熱模型中的微分方程式相同。
損失算出部54算出轉子的導體產生的二次銅損所產生的發熱量。損失算出部54推定於籠型導體流動的電流。損失算出部54可藉由於導體流動的電流、導體的二次電阻、導體的電感、及導體與定子與線圈的相互電感,算出二次銅損。導體的電感、相互電感及導體的二次電阻可預先決定。
感應電動機中之總損失P
t及一次銅損P
c1可與同步電動機中之總損失及一次銅損相同地算出。然後,鐵損P
i可考慮二次銅損P
c2由下式(12)算出。
[數式6]
如此,於第2電動機的第1模型30a中算出一次銅損、鐵損、及二次銅損。參數算出部63於第2電動機的第1模型30a中亦可藉由與第1電動機的第1模型10a相同的控制,算出電動機的動作狀態正常時的第2電動機的第1模型30a包含的參數。然後,溫度推定部53可使用第2電動機的第1模型30a算出電動機的動作狀態正常時的構成部分的推定溫度。
圖6中顯示使用由本實施形態的參數算出部算出的參數,由溫度推定部推定出的溫度檢測器的推定溫度的圖。此處,顯示第2電動機的例子。圖6中顯示利用值相互不同的參數群A及參數群B實施模擬時的圖。參數群A及參數群B由參數算出部63算出。將參數群A及參數群B包含的參數顯示於表2。
[表2]
參數群A及參數群B藉由以相互不同的運轉模式驅動第2電動機而獲得。表2中顯示與熱傳遞相關的係數,前述熱傳遞是電動機的各個構成部分彼此之間的熱傳遞係數乘以接觸面積。又,熱容量是各個構成部分的材料的比熱乘上質量來算出。因為各個材料的比熱可預先決定,故於表2中顯示用以算出熱容量的構成部分的質量m。若比較參數群A與參數群B,可知與熱傳遞相關的係數hc2,hd及轉子的質量m
4等的一部分的參數,在二個參數群A,B之間值大為不同。
另一方面,若參照圖6,可知使用參數群B算出的溫度檢測器的推定溫度與使用參數群A算出的溫度檢測器的推定溫度良好地一致。尤其是,在溫度上升的期間中及溫度在預定的範圍內變動的期間中兩者,溫度的變化良好地一致。進而,由溫度推定部53推定出的圖6所示的溫度變化,與實際驅動電動機10時由溫度檢測器31檢測出的溫度變化良好地一致。
於參數群A與參數群B之間存在值大為不同的參數。因此,可知參數群A及參數群B中的至少一個參數群,值與實際的電動機中的參數群不同。尤其是,已知複數個熱容量及複數個與熱傳遞相關的係數中之至少一部分的參數,設定為與實際的熱容量或與實際的熱傳遞相關的係數不同的值。例如已知參數群A的係數hc2及參數群B的係數hc2之中,至少一者的與熱傳遞相關的係數遠離與實際的熱傳遞相關的係數。
如此,在本實施形態之電動機的監視裝置中,即使複數個參數中之至少一部分的參數與實際的值不同,亦可高精度地推定溫度檢測器的溫度。又,本實施形態的參數算出部可設定如此的電動機的模型的參數。
再者,於本實施形態中,於電動機安裝有1個溫度檢測器,但並不限於此形態。亦可對電動機的複數個構成部分安裝複數個溫度檢測器。參數算出部的評價部可將複數個溫度檢測器的測定溫度與利用模擬算出的推定溫度進行比較。參數變更部可以複數個構成部分的推定溫度接近由實際的溫度檢測器檢測出的測定溫度的方式,設定電動機的第1模型的參數。
於電動機安裝越多的溫度檢測器,可使電動機的第1模型的複數個參數的各個值越接近實際的值。又,可使各個電動機的構成部分的推定溫度接近實際的測定溫度。安裝複數個溫度檢測器的結果為,全部的熱容量及全部的與熱傳遞相關的係數可以與實際的熱容量及與實際的熱傳遞相關的係數幾乎相同。此時,在由溫度推定部推定出構成部分的溫度時,全部的構成部分的溫度與實際的構成部分的溫度高精度地對應。
接著,就生成電動機的動作狀態異常時的電動機的第2模型的異常模型製作模式進行說明。本實施形態的電動機的監視裝置2製作電動機的冷卻性能變化時的第2模型。監視裝置2基於電動機的第2模型,將與電動機的冷卻性能相關的資訊提供給作業者或其他裝置。又,監視裝置2判定電動機的冷卻狀態是否降低。
於異常模型製作模式的說明中,雖然舉圖2所示的第1電動機10及圖3所示的第1電動機的第1模型10a為例,但並不限於此形態。就第2電動機及圖5所示的第2電動機的模型30a亦可實施與第1電動機相同的控制。又,與正常模型製造模式相同,舉由安裝在線圈16的溫度檢測器31檢測的溫度為例進行說明。
參照圖1,本實施形態的電動機的監視裝置2包含模型探索部71,前述模型探索部71生成電動機的動作狀態為異常時的電動機的第2模型。模型探索部71包含溫度判定部72,前述溫度判定部72判定溫度檢測器31的測定溫度與基於第1模型10a的溫度檢測器31的推定溫度的差是否在預先決定的判定範圍內。
模型探索部71包含設定部73,前述設定部73在溫度檢測器31的測定溫度與基於第1模型10a的溫度檢測器31的推定溫度的差脫離預先決定的判定範圍時,基於第1模型10a製作第2模型10b。設定部73在溫度檢測器的推定溫度與測定溫度的差較大時,變更第1模型10a之一部分的與熱傳遞相關的係數,生成推定溫度與測定溫度高精度地對應的第2模型10b。於本實施形態中,設定部73生成第2模型10b,前述第2模型10b是以基於第2模型10b的溫度檢測器31的推定溫度會與測定溫度對應之方式變更了與第1模型10a的定子芯的模型20a與外部空氣的模型36a之間的熱傳遞相關的係數之模型。
本實施形態中之監視裝置2包含性能推定部74,前述性能推定部74推定冷卻電動機10的冷卻性能。性能推定部74基於第1模型10a中之與定子芯的模型20a與外部空氣的模型36a之間的熱傳遞相關的係數hb、第2模型10b中之與定子芯的模型20a與外部空氣的模型36a之間的熱傳遞相關的係數hbx,算出與電動機的冷卻性能相關的變數CA。
監視裝置2包含通知部75,前述通知部75將與電動機的冷卻性能相關的資訊通知給其他裝置。通知部75將與第2模型10b相關的資訊通知給其他裝置。又,本實施形態的通知部75將與電動機的冷卻性能的降低相關的資訊通知給其他裝置。
上述的模型探索部71、溫度判定部72、及設定部73各個單元相當於按照預先製作好的程式驅動的處理器。又,性能推定部74及通知部75各個單元相當於按照預先製作好的程式驅動的處理器。藉由處理器讀取程式,實施程式中決定的控制,而作為各個單元發揮功能。
若冷卻電動機的性能產生異常,電動機的溫度可能上升。例如有如下情況:送風機29故障、讓空氣流通的空氣孔28a被灰塵等異物堵塞、或於電動機10的表面堆積油泥。於本實施形態中,在安裝於電動機的溫度檢測器31的測定溫度脫離基於電動機的動作狀態正常時的推定溫度的預先決定的判定範圍時,判定為冷卻電動機的冷卻性能為異常。即,判定電動機的動作狀態為異常。
於圖7顯示第1電動機的動作狀態正常時的溫度變化的圖。參照圖1、圖3、及圖7,圖中的縱軸為安裝於線圈16的溫度檢測器31的溫度。橫軸為經過時間。以實線表示由溫度檢測器31實際檢測出的測定溫度。即,表示由狀態取得部62取得的測定溫度。
於此處的運轉例中,於時刻t0開始通電,電動機10的負載急速地增加。隨著電流增加,溫度檢測器31的溫度急速地上升。於時刻t1,減少供給至電動機10的電流。電動機10的轉數於無負載下維持幾乎固定的轉數。於時刻t1以後,溫度檢測器31的溫度隨著時間緩慢降低。
圖7中以虛線表示使用第1電動機的第1模型10a推定出的溫度檢測器31的推定溫度。電動機的第1模型10a在正常模型製作模式下預先生成。在電動機的動作狀態正常時,可知使用電動機的第1模型10a推定出的溫度檢測器31的推定溫度高精度地對應由溫度檢測器31檢測出的測定溫度。
於圖8顯示第1電動機的冷卻性能降低時的溫度變化的圖。圖8的運轉條件與圖7的運轉條件相同。參照圖1、圖3、及圖8,從時刻t0到時刻t1,負載上升。於時刻t1,將負載設為零。在時刻t0到時刻t2的區間,冷卻電動機的冷卻性能為正常。即,電動機的動作狀態為正常。由溫度檢測器31檢測出的測定溫度與由電動機的第1模型10a算出的推定溫度高精度地對應。
然而,於時刻t2以後,電動機10的冷卻狀態產生異常,測定溫度上升。於此,顯示送風機29故障,冷卻風扇27已經停止的例子。送風機29故障的結果為,定子芯20及殼體21,22的除熱變得不足,電動機10整體的溫度上升。安裝於線圈16的溫度檢測器31的溫度亦上升。
監視裝置2的模型探索部71於時刻t2檢測出於電動機10的動作狀態產生了異常。模型探索部71設定於電動機10產生異常的區間EP。模型探索部71以區間EP中的推定溫度會與測定溫度高精度地對應之方式探索係數hbx,前述係數hbx是變更了與第1模型10a中之定子芯的模型20a和外部空氣的模型36a之間的熱傳遞相關的係數hb。即,模型探索部71生成包含與熱傳遞相關的係數hbx的第2模型10b。
監視裝置2的性能推定部74基於第1模型10a中之與熱傳遞相關的係數hb和第2模型10b中之與熱傳遞相關的係數hbx,算出與電動機的冷卻性能相關的變數CA。監視裝置2將與電動機10的冷卻性能相關的資訊顯示在顯示部52,通知作業者。或者,監視裝置2的通知部75將與電動機的冷卻性能相關的資訊通知給其他裝置。以下,詳細地說明各個工序。
在電動機10正在驅動的期間中,監視裝置2的狀態取得部62每隔預先決定的時間間隔就取得電動機的動作狀態,前述電動機的動作狀態包含電動機10的動作指令、與從旋轉位置檢測器32輸出的旋轉速度。溫度推定部53基於由狀態取得部62取得的動作狀態及電動機的第1模型10a,算出電動機各個構成部分的推定溫度。尤其是,於本實施形態中,溫度推定部53每隔預先決定的時間間隔就使用第1模型10a算出溫度檢測器31的推定溫度。
又,狀態取得部62每隔預先決定的時間間隔就取得從溫度檢測器31輸出的測定溫度。記憶部51於時刻記憶由第1模型10a算出的溫度檢測器31的推定溫度及溫度檢測器31的測定溫度。如此的動作狀態的取樣可例如每隔1秒的間隔就實施。
溫度判定部72判定溫度檢測器31的推定溫度與溫度檢測器31的測定溫度的差是否脫離預先決定的判定範圍。例如溫度判定部72可算出測定溫度與推定溫度的差的移動平均。溫度判定部72例如可算出過去1分鐘內的移動平均。然後,在移動平均脫離預先決定的判定範圍時,可判定測定溫度與判定溫度的差脫離判定範圍。溫度判定部72可在移動平均的區間的中央時刻,判定電動機的動作狀態產生異常。此處,在測定溫度實質上比推定溫度高的時刻t2,判定電動機產生異常。
溫度判定部判定測定溫度的控制並不限於此形態,可利用任意的控制判定測定溫度與推定溫度的差是否脫離判定範圍。例如溫度判定部判定測定溫度與推定溫度的差的絕對值是否大於預先決定的判定值。在該絕對值大於預先決定的判定值時,可判定測定溫度與實測溫度的差脫離判定範圍。
參照圖8,溫度判定部72自產生異常的時刻t2開始,設定預先決定的時間長度的區間EP,以由第1模型10a及溫度檢測器31的測定溫度製作第2模型10b。本實施形態的區間EP為電動機的冷卻不充分的區間。於區間EP中,測定溫度與推定溫度的差脫離判定範圍。
於圖9顯示本實施形態中之電動機之第2模型。於第2模型10b中,與定子芯的模型20a和外部空氣的模型36a之間的熱傳遞相關的係數hbx是從第1模型10a中之與定子芯的模型20a和外部空氣的模型36a之間的熱傳遞相關的係數hb變更的。第2模型10b的其他參數與第1模型10a相同。
參照圖1、圖3、圖8、及圖9,模型探索部71生成圖9所示的第1電動機的第2模型10b。模型探索部71的設定部73在區間EP,以第2模型10b的溫度檢測器的模型31a的推定溫度會與溫度檢測器31的測定溫度對應之方式,設定第2模型10b中之與熱傳遞相關的係數hbx。於本實施形態中,僅變更與熱傳遞相關的係數hbx。其他在第1模型10a已決定的構成部分的參數不變更地使用。於本實施形態中,預先決定與熱傳遞相關的係數hbx的數值範圍。
與定子芯的模型20a和外部空氣的模型36a之間的熱傳遞相關的係數hbx的初始值可採用任意的值。例如可使用從第1模型中使用的與熱傳遞相關的係數hb減去預定的相對值而得的初始值。溫度推定部53的損失算出部54從記憶部51取得區間EP的電動機的動作狀態,算出損失。溫度推定部53的溫度算出部55使用第2模型10b每隔預定的時間間隔就算出區間EP中之溫度檢測器的模型31a的推定溫度。
設定部73可藉由與第1模型10a的參數設定相同的方法探索與熱傳遞相關的係數hbx。本實施形態的設定部73使用參數算出部63的評價部66與參數變更部67算出與熱傳遞相關的係數hbx。設定部73可與第1模型10a的複數個參數的設定相同地,藉由機械學習的方法設定與熱傳遞相關的係數hbx。
評價部66從記憶部51取得區間EP中之溫度檢測器31的測定溫度。評價部66算出區間EP中之溫度檢測器31的測定溫度與推定溫度的差。評價部66可每隔取樣的時間間隔就算出溫度檢測器31的測定溫度與基於第2模型10b的推定溫度的差。記憶部51記憶與第2模型10b的熱傳遞相關的係數hbx、及區間EP中之溫度檢測器31的測定溫度與推定溫度的差。
第2模型10b中的與熱傳遞相關的係數hbx可藉由貝氏最佳化的方法來設定。將藉由電動機的第2模型10b推定出的溫度檢測器的模型31a的溫度(推定溫度)與由實際的溫度檢測器31檢測出的測定溫度的差分設定為目標函數。評價部66進行電動機的第2模型10b中暫時設定的與熱傳遞相關的係數hbx的評價。參數變更部67以目標函數變小的方式探索下一個參數。在評價部66的評價滿足預先決定的條件時,可決定為最後的參數。
或者,參數變更部67亦可在與定子芯的模型20a和外部空氣的模型36a之間的熱傳遞相關的係數hbx的範圍內,實施每隔預先決定間隔就變更與熱傳遞相關的係數hbx的格點搜尋法。
參數變更部67生成在預先決定的範圍中,將與熱傳遞相關的係數hbx設定為一個值的第2模型10b。溫度推定部53基於第2模型10b,算出區間EP中之每隔預定的時間間隔的溫度檢測器的模型31a的推定溫度。然後,評價部66於區間EP中算出每隔預定的時間間隔的溫度檢測器的測定溫度與推定溫度的差。記憶部51記憶與熱傳遞相關的係數hbx、及測定溫度與實測溫度的差。
接著,參數變更部67以預定間隔變更與熱傳遞相關的係數hbx。然後,溫度推定部53及評價部66重複區間EP中之相同的計算及計算結果的記憶。參數變更部67以預先決定的間隔逐漸地變更與熱傳遞相關的係數hbx。評價部66算出將與熱傳遞相關的係數hbx變更後的測定溫度與推定溫度的差。如此,以所有與熱傳遞相關的係數hbx實施計算。記憶部51記憶關於各個與熱傳遞相關的係數hbx,區間EP中之測定溫度與實測溫度的差。
設定部73選定記憶部51所記憶的複數個計算結果之中溫度檢測器31的測定溫度與推定溫度的差最小的第2模型。例如採用於區間EP中,每隔預定的時間間隔就取得的溫度檢測器31的測定溫度與推定溫度的差的均方為最小的第2模型10b。設定部73取得包含與該第2模型之熱傳遞相關的係數hbx的參數。
於上述的格點搜尋法中,雖然設定每隔預先決定間隔的所有與熱傳遞相關的係數hbx進行計算,但並不限於此形態。例如可預定決定溫度檢測器的推定溫度與測定溫度的差的容許範圍。然後,設定部73在溫度檢測器的推定溫度與測定溫度的差在容許範圍內時,結束第2模型的探索。例如在區間EP中,於每隔預定的時間間隔就取得的推定溫度與測定溫度的差的均方小於預先決定的判定值時,設定部73可判定溫度檢測器的推定溫度與測定溫度的差在容許範圍內。設定部73可採用包含與此時的熱傳遞相關的係數的第2模型。
再者,模型探索部71可生成第2模型,前述第2模型是藉由任意的控制使溫度檢測器的推定溫度高精度地對應測定溫度。例如與定子芯的模型和外部空氣的模型之間的熱傳遞相關的係數,可以推定溫度相對於測定溫度的誤差變小的方式以最小平方法算出。
接著,性能推定部74基於第1模型10a及由模型探索部71所生成的第2模型10b,算出與電動機10的冷卻性能相關的變數。性能推定部74取得第1模型10a中之與熱傳遞相關的係數hb、及第2模型10b中之與熱傳遞相關的係數hbx。性能推定部74自各個與熱傳遞相關的係數hb,hbx算出定子芯的模型20a與外部空氣的模型36a之間的熱傳遞係數。
性能推定部74基於第1模型10a中之熱傳遞係數及第2模型10b中之熱傳遞係數,算出與電動機的冷卻性能相關的變數CA。本實施形態的變數CA是將第2模型10b中之定子芯的模型20a與外部空氣的模型36a之間的熱傳遞係數除以第1模型10a中之定子芯的模型20a與外部空氣的模型36a之間的熱傳遞係數而得的比。即,與冷卻性能相關的變數CA為第2模型10b中之熱傳遞係數對第1模型10a中之熱傳遞係數的比。該比越小,可判定第2模型10b中之冷卻性能越降低。性能推定部74在該熱傳遞係數的比比預先決定的判定值小時,判定電動機的冷卻性能已經降低。
參照圖1,本實施形態的顯示部52顯示與由模型探索部71製作成的第2模型10b相關的資訊。例如顯示部52將溫度檢測器31的推定溫度最佳精度地對應於測定溫度的第2模型10b的資訊顯示在顯示部52。或者,顯示部52顯示與定子芯的模型20a和外部空氣的模型36a之間的熱傳遞相關的係數hbx、熱傳遞係數、或與冷卻性能相關的變數CA。作業者可觀看與第2模型10b相關的資訊,來推定電動機的冷卻性能。例如第2模型10b的熱傳遞係數越小,作業者可推定冷卻性能正在降低。或者,顯示部52亦可顯示藉由性能推定部74所推定的電動機的冷卻性能降低的資訊。
在推定電動機的冷卻性能降低時,作業者可在電動機故障之前進行維護。例如作業者可進行電動機的清掃、修理、或更換。或者,作業者可進行電動機故障之前的對策分析。例如可減少機械的負載,直到更換電動機為止,以延遲電動機故障的時間。
再者,顯示部52亦可顯示電動機為正常的資訊。例如顯示部可在與冷卻性能相關的變數CA為預先決定的判定值以上時,顯示電動機的冷卻性能為充分。顯示部可在每次性能推定部74進行判定時顯示判定結果。
監視裝置2的通知部75可將與電動機的冷卻性能相關的資訊通知給其他裝置。例如通知部75將電動機的冷卻性能已經降低之事發送至機械控制裝置41。機械控制裝置41可基於來自通知部75的通知實施任意的控制。例如機械控制裝置41可變更機械1的動作狀態。機械控制裝置41可使電動機驅動的速度降低或變更速度的上升率及下降率。或者,機械控制裝置41可縮小電動機的旋轉速度的上限值等以限制電動機的動作。
供性能推定部判定冷卻性能的變數可基於與定子芯和外部空氣之間的熱傳遞相關的係數,採用任意的變數。例如可採用從第2模型中之定子芯的模型和外部空氣的模型之間的熱傳遞係數減掉第1模型中之定子芯的模型和外部空氣的模型之間的熱傳遞係數而得的變數。
上述實施形態中之電動機之第1模型雖然藉由線圈的模型、定子芯的模型、溫度檢測器的模型、空氣層的模型、轉子的模型、及外部空氣的模型構成,但並不限於此形態。電動機的第1模型亦可包含其他構成部分的模型。例如電動機的第1模型亦可包含支撐定子及轉子的框體的模型、軸承的模型、及支撐轉子的軸的模型等。或者,電動機的第1模型亦可不包含一部分的模型。例如電動機的模型亦可不包含空氣層的模型。
本實施形態的電動機的監視裝置雖然形成為可切換實施正常模型製作模式及異常模型製作模式,但並不限於此形態。電動機的監視裝置亦可不具備正常模型製作模式的功能。電動機的動作狀態正常時的電動機的第1模型亦可由別的裝置生成。
又,於本實施形態中,電動機的監視裝置雖然由與機械控制裝置不同的運算處理裝置構成,但並不限於此形態。機械控制裝置亦可具有電動機的監視裝置的功能。即,機械控制裝置的處理器亦可作為模型探索部、溫度推定部、及參數算出部等的監視裝置的單元而發揮功能。
於上述各個控制中,可在不變更功能及作用的範圍內適當變更步驟的順序。上述實施形態可適當組合。於上述各圖中,對於相同或相等的部分賦予相同的符號。再者,上述實施形態為例示,並非為限定發明。又,於實施形態中,包含申請專利範圍所示的實施形態的變更。
1:機械
2:監視裝置
10:電動機
10a,10b:電動機的模型
11:轉子
11a:轉子的模型
12:定子
13:軸
14,15:培林
16:線圈
16a:線圈的模型
17:轉子芯
18:磁鐵
20:定子芯
20a:定子芯的模型
21,22:殼體
23:後蓋
24:培林支撐構件
25:筒狀構件
26a,26b:貫通孔
27:冷卻風扇
28:外殼
28a:空氣孔
29:送風機
30a:電動機的模型
31:溫度檢測器
31a:溫度檢測器的模型
32:旋轉位置檢測器
33:外部空氣溫度檢測器
35a:空氣層的模型
36a:外部空氣的模型
41:機械控制裝置
42:記憶部
43:動作控制部
44:驅動裝置
45:動作程式
51:記憶部
52:顯示部
53:溫度推定部
54:損失算出部
55:溫度算出部
62:狀態取得部
63:參數算出部
66:評價部
67:參數變更部
71:模型探索部
72:溫度判定部
73:設定部
74:性能推定部
75:通知部
91,92:箭頭
ha,hb,hbx,hc1,hc2,hc3,hd:與熱傳遞相關的係數
k1,k2:常數
r1:一次電阻
t0,t1,t2,t3,t4,t5,t6,t7:時刻
C
1,C
2,C
3,C
4,C
5:熱容量
CA:變數
EP:區間
I:電流
I
m:最大輸出時的電流
LF:電動機的負載率
N:旋轉速度
P
c1:一次銅損
P
c2:二次銅損
P
i:鐵損
P
t:總損失
P
m:最大輸出時的損失
P
n:無負載時的損失
RA:旋轉軸
T
r,T
1,T
2,T
3,T
4,T
5:溫度
圖1是實施形態中之機械與電動機的監視裝置的方塊圖。
圖2是實施形態中之第1電動機的概略剖面圖。
圖3是實施形態中之第1電動機的第1模型。
圖4是說明用以設定電動機之第1模型中的參數的電動機的運轉模式的圖。
圖5是實施形態中之第2電動機的第1模型。
圖6是使用由參數算出部設定的參數的模擬結果的圖。
圖7是顯示電動機的動作狀態正常時的溫度檢測器的溫度變化的圖。
圖8是顯示電動機的動作狀態異常時的溫度檢測器的溫度變化的圖。
圖9是實施形態中之第1電動機的第2模型。
1:機械
2:監視裝置
10:電動機
31:溫度檢測器
32:旋轉位置檢測器
33:外部空氣溫度檢測器
41:機械控制裝置
42:記憶部
43:動作控制部
44:驅動裝置
45:動作程式
51:記憶部
52:顯示部
53:溫度推定部
54:損失算出部
55:溫度算出部
62:狀態取得部
63:參數算出部
66:評價部
67:參數變更部
71:模型探索部
72:溫度判定部
73:設定部
74:性能推定部
75:通知部
Claims (5)
- 一種電動機的監視裝置,其具備: 狀態取得部,取得電動機的動作狀態,前述電動機的動作狀態包含由安裝在電動機的溫度檢測器所檢測的測定溫度; 溫度推定部,基於電動機的模型來算出前述溫度檢測器的推定溫度; 記憶部,記憶電動機的動作狀態正常時的電動機的第1模型; 模型探索部,生成電動機的動作狀態異常時的電動機的第2模型;及 性能推定部,推定電動機的冷卻性能; 電動機的模型包含含有定子芯的電動機的構成部分的模型、以及外部空氣的模型, 於至少一個構成部分的模型設定有熱容量, 於電動機的構成部分的模型彼此之間及定子芯的模型與外部空氣的模型之間,設定有與熱傳遞相關的係數, 前述模型探索部是在前述溫度檢測器的測定溫度與基於第1模型的前述溫度檢測器的推定溫度的差脫離預先決定的判定範圍時生成第2模型,前述第2模型是以基於第2模型的前述溫度檢測器的推定溫度會與測定溫度對應之方式變更了與第1模型的定子芯的模型和外部空氣的模型之間的熱傳遞相關的係數之模型, 前述性能推定部是基於第1模型中之與定子芯的模型和外部空氣的模型之間的熱傳遞相關的係數、第2模型中之與定子芯的模型和外部空氣的模型之間的熱傳遞相關的係數,算出與電動機的冷卻性能相關的變數。
- 如請求項1之電動機的監視裝置,其中與電動機的冷卻性能相關的變數,是將第2模型中之定子芯的模型和外部空氣的模型之間的熱傳遞係數除以第1模型中之定子芯的模型和外部空氣的模型之間的熱傳遞係數而得的比, 前述性能推定部在前述比比預先決定的判定值小時,判定為電動機的冷卻性能已經降低。
- 如請求項1或2之電動機的監視裝置,其具備通知部,前述通知部將與電動機的冷卻性能相關的資訊通知給其他裝置。
- 如請求項1或2之電動機的監視裝置,其具備顯示部,前述顯示部顯示與電動機的冷卻性能相關的資訊。
- 如請求項1或2之電動機的監視裝置,其具備參數算出部,前述參數算出部算出電動機的第1模型的參數, 前述狀態取得部取得實際驅動電動機所生成的電動機的動作指令, 前述參數包含設定於構成部分的模型的熱容量、以及與構成部分的模型彼此之間的熱傳遞相關的係數, 前述溫度推定部包含:損失算出部,基於前述動作指令算出線圈之一次銅損產生的發熱量及定子芯之鐵損產生的發熱量;及溫度算出部,基於線圈的發熱量及定子芯的發熱量,使用電動機的第1模型算出前述溫度檢測器的推定溫度, 前述參數算出部包含:評價部,藉由將前述溫度檢測器的推定溫度與前述溫度檢測器的測定溫度進行比較,以評價前述溫度檢測器的推定溫度;及參數變更部,基於前述評價部的評價結果變更前述參數的值,以使前述溫度檢測器的推定溫度接近測定溫度, 前述電動機的監視裝置形成為可切換利用前述參數算出部算出電動機的第1模型的前述參數的模式、與利用前述模型探索部生成電動機的第2模型的模式。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
WOPCT/JP2022/030493 | 2022-08-09 | ||
PCT/JP2022/030493 WO2024034027A1 (ja) | 2022-08-09 | 2022-08-09 | 電動機の監視装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202408130A true TW202408130A (zh) | 2024-02-16 |
Family
ID=89851274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW112127894A TW202408130A (zh) | 2022-08-09 | 2023-07-26 | 電動機的監視裝置 |
Country Status (2)
Country | Link |
---|---|
TW (1) | TW202408130A (zh) |
WO (1) | WO2024034027A1 (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5877856B2 (ja) * | 2014-03-03 | 2016-03-08 | ファナック株式会社 | 放熱特性推定部を備えた数値制御装置 |
JP2017123701A (ja) * | 2016-01-04 | 2017-07-13 | 東芝三菱電機産業システム株式会社 | モータの保全装置およびモータシステム |
US20240014765A1 (en) * | 2020-10-20 | 2024-01-11 | Fanuc Corporation | Parameter setting device for setting parameter of electric motor model |
-
2022
- 2022-08-09 WO PCT/JP2022/030493 patent/WO2024034027A1/ja unknown
-
2023
- 2023-07-26 TW TW112127894A patent/TW202408130A/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2024034027A1 (ja) | 2024-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10907722B2 (en) | Actuator diagnostics and prognostics | |
US9092030B2 (en) | Method to implement drive diagnostics and prognostics automatically | |
US20150211760A1 (en) | Direct power control for constant airflow control with advanced motor system modeling | |
CN103967871B (zh) | 用于控制用来为流体泵供能的电动马达的方法和设备 | |
EP2613163B1 (en) | Self-diagnostic apparatus and method for electric device | |
CN111684369A (zh) | 用于风扇或风扇总成的优化操作的方法 | |
CN106768909A (zh) | 一种电主轴温度场预测实验系统及方法 | |
JP7492022B2 (ja) | 電動機のモデルのパラメータを設定するパラメータ設定装置 | |
WO2020188650A1 (ja) | 制御装置および制御システム | |
CN115769160A (zh) | 监测电机的方法 | |
JP4858001B2 (ja) | 回転電機および発電システム | |
CN106341073B (zh) | 电动机控制装置以及机械的容许工作循环时间计算方法 | |
JP2017175844A (ja) | 冷媒の温度推定装置及び回転電機の温度推定装置 | |
TW202408130A (zh) | 電動機的監視裝置 | |
JP7044686B2 (ja) | 回転電機の温度監視システムおよび温度監視方法 | |
JPWO2019244599A1 (ja) | 診断システム、診断方法、プログラム | |
US20230366745A1 (en) | Temperature estimation device for estimating temperature of temperature detector of electric motor | |
TW202408129A (zh) | 電動機的監視裝置 | |
JP5893535B2 (ja) | 電動機予防保全装置、電動機予防保全方法および電動機予防保全システム | |
CN107919835B (zh) | 电动机驱动装置以及电动机驱动方法 | |
EP2088410A1 (en) | Rotary electric machine | |
JP6767414B2 (ja) | モータ冷却制御システム | |
KR101763359B1 (ko) | 모터 및 베어링의 이상 상태 모니터링 방법 및 장치 | |
CN117669337B (zh) | 一种超高速永磁磁悬浮电机的设计方法 | |
JP2006221512A (ja) | コントローラ温度診断装置及びモータ温度診断装置 |