WO2018220751A1 - 状態監視装置、並びに機器システム - Google Patents

状態監視装置、並びに機器システム Download PDF

Info

Publication number
WO2018220751A1
WO2018220751A1 PCT/JP2017/020280 JP2017020280W WO2018220751A1 WO 2018220751 A1 WO2018220751 A1 WO 2018220751A1 JP 2017020280 W JP2017020280 W JP 2017020280W WO 2018220751 A1 WO2018220751 A1 WO 2018220751A1
Authority
WO
WIPO (PCT)
Prior art keywords
state
motor control
motor
value
state monitoring
Prior art date
Application number
PCT/JP2017/020280
Other languages
English (en)
French (fr)
Inventor
中村　明博
悟士 隅田
岩路　善尚
金子　悟
浩一郎 永田
Original Assignee
株式会社日立製作所
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=64454680&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=WO2018220751(A1) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by 株式会社日立製作所 filed Critical 株式会社日立製作所
Priority to JP2019521603A priority Critical patent/JP6899897B2/ja
Priority to EP17911990.4A priority patent/EP3633851A4/en
Priority to PCT/JP2017/020280 priority patent/WO2018220751A1/ja
Publication of WO2018220751A1 publication Critical patent/WO2018220751A1/ja

Links

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
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • 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
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
    • H02P21/18—Estimation of position or speed
    • 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
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
    • H02P21/20—Estimation of torque
    • 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
    • H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
    • H02P23/0004—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H02P23/0018—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using neural networks
    • 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

Definitions

  • the present invention relates to a state monitoring device that estimates the state of a device system that includes a device driven by a motor, and a device system that includes the state monitoring device.
  • the motor control device includes a motor, a real machine unit including a mechanism unit driven by the motor and a motor control unit, and a simulation model unit including a motor model, a mechanism model unit, and a control model unit.
  • a simulation model unit including a motor model, a mechanism model unit, and a control model unit.
  • inertia obtained from the rigid body model is set as an initial value.
  • the actual machine part and the simulation model part operate according to the position command given from the host controller.
  • the position feedback amount detected by the position detector in the actual machine unit is compared with the model position feedback amount in the simulation model unit.
  • the inertia value set in the simulation model unit is changed so that they match.
  • the present invention provides a state monitoring device that can estimate the state of a device system that is difficult to model, and a device system including the state monitoring device.
  • a state monitoring apparatus is a state monitoring apparatus for a device system including a device driven by a motor controlled by a motor control unit, and is a motor that is a state variable in the motor control unit.
  • Motor control internal value creation means for creating a control internal value
  • state estimation means for estimating the state of the device system based on the motor control internal value created by the motor control internal value creation means.
  • an apparatus system is an apparatus system including an apparatus driven by a motor, and includes an actuator operated by a driving force of the motor, and a motor control means for controlling the motor.
  • a motor control internal value creating means for creating a motor control internal value that is a state variable in the motor control means, and a state for estimating the state of the device system based on the motor control internal value created by the motor control internal value creating means
  • An estimation unit and an information transmission unit that displays information related to the state of the device system estimated by the state estimation unit.
  • the present invention it is possible to estimate the state of the device system that is difficult to model by estimating the state of the device system based on the motor control internal value.
  • FIG. 1 shows a configuration of a device system that is a first embodiment of the present invention and includes a state monitoring device. It is a block diagram which shows the structure of a motor control means. It is a block diagram which shows the structure of a motor control internal value preparation means. It is a block diagram which shows the structural example of a state calculation means. It is a block diagram which shows the structural example of a state calculation means. It is a block diagram which shows the structural example of an information transmission means. The structure of an electric current command preparation part is shown. The structure of the equipment system provided with the state monitoring apparatus which is Example 2 of this invention is shown. The structural example of a state estimation means update means is shown.
  • An example of updating the state estimation model is shown.
  • the structure of the apparatus system provided with the state monitoring apparatus which is Example 3 of this invention is shown.
  • the structure of the equipment system provided with the state monitoring apparatus which is Example 4 of this invention is shown.
  • 9 shows a configuration of a machine tool system that is Embodiment 5 of the present invention.
  • the structure of the vehicle equipment system which is Example 6 of this invention is shown.
  • the state of a complicated device system that is difficult to model by a transfer function is estimated using a motor control internal value that is highly relevant to the state of the device system.
  • the equipment system which can reduce the burden of an equipment worker using the estimated state is comprised.
  • the state of the device system is the state of the device itself, for example, whether there is an abnormality in the operating state, the degree of deterioration of the device, etc., and the state of the product manufactured by the device system, such as quality, It is.
  • the state quantity is an index indicating the state of the device system.
  • the state quantity is estimated using a motor control internal value without using special means (such as complicated simulation).
  • FIG. 1 shows an example of a time change (time series data) of a motor characteristic value in the present embodiment.
  • ⁇ m , Im, and Vm are the motor speed, motor current, and motor voltage in the actual machine, respectively.
  • the time change of the square root of the square sum of the q-axis voltage command value Vq and the d-axis voltage command Vd which are motor control internal values is shown.
  • the motor is driven by an inverter and controlled by so-called vector control so that the motor current becomes a constant value.
  • the motor rotation speed ( ⁇ m ) pulsates.
  • the device system includes a current sensor and a voltage sensor, but does not include a motor rotation speed sensor, information (Im, Vm) related to the motor current and the motor voltage can be obtained. It is difficult to detect or estimate the load pulsation from the above information.
  • the square root sum of the q-axis voltage command value Vq and the d-axis voltage command Vd includes information on motor pulsation.
  • the motor current vibrates in the initial stage, but the motor current is constant by pulsating the q-axis voltage command value Vq and the d-axis voltage command Vd by the motor current constant control.
  • the motor current Im
  • Vm motor voltage
  • pulsation information appears in the square sum square root of the q-axis voltage command value Vq and the d-axis voltage command Vd. That is, based on the q-axis voltage command value Vq and the d-axis voltage command Vd that are motor control internal values, the motor load that is one state quantity of the device system can be estimated.
  • FIG. 2 shows a configuration of a device system that is a first embodiment of the present invention and includes a state monitoring device.
  • an arithmetic processing device such as a microcomputer functions as a control device and a state monitoring device by executing a predetermined program (the same applies to other embodiments).
  • the first embodiment includes an inverter 1 and a motor 2 that is rotationally driven by the inverter 1 as a power source. Further, the first embodiment includes an actuator 3 that is driven by a motor 2 to perform a mechanical operation.
  • the inverter 1 is controlled by motor control means 4 to which a so-called vector control method is applied.
  • the motor control means 4 acquires information such as motor current, motor voltage, rotor position information, and rotation speed from the inverter 1 or the motor 2, and based on the information, the motor control means 4 A voltage command value for driving 2 is created. Then, the motor control means 4 gives the created voltage command value to the inverter 1.
  • the external data acquisition means 10 is composed of sensors installed in the device system other than the motor 2 and the inverter 1, and acquires the device temperature, the outside air temperature, the upper command value of the device, and the like.
  • the state estimation means 5 is a motor control internal value creation means 6 that creates a motor control internal value, and a state calculation that calculates the state quantity of the device system based on the motor control internal value created by the motor control internal value creation means 6. Means 7 are provided.
  • the motor control internal value creation means 6 includes time-series data acquired by a current sensor, a voltage sensor and a position sensor, which are installed separately from the motor control means 4 in the input part or output part of the motor 2, Based on the data acquired by the external data acquisition means 10, a motor control internal value that is a state variable in the motor control means 4 and is related to the state of the device system is created.
  • the state calculation means 7 has a state estimation model, and based on the motor control internal value created by the motor control internal value creation means 6 using the state estimation model, the state of the device system, that is, the state of the device itself, A state quantity indicating the state (quality, etc.) of the product manufactured by the device is calculated.
  • the state estimation means 5 inputs the data acquired by each of the aforementioned sensors and the external data acquisition means 10, creates a motor control internal value created from the input data, and creates the motor control internal value created Or information on the state of the device system indicated by the state quantity (hereinafter referred to as “estimated state”) is output.
  • the estimated state output from the state estimation unit 5 is transmitted to the information transmission unit 8 and the motor control unit update unit 9 described later.
  • the information transmitting unit 8 displays information on the state of the device system, for example, information on the state of the device itself and its change, or information on the quality of the product and its change. It notifies the worker who uses the device system and the administrator of the device system by voice, lamp, etc. Thereby, it is possible to reduce the work load in grasping the maintenance time of the equipment, grasping the situation at the time of quality change and equipment adjustment work.
  • the motor control means update means 9 changes the motor control means 4, that is, the control command, control parameter, or control software based on the estimated state output from the state estimation means 5. For example, when the quality of the product has changed, the motor control means updating means 9 changes the motor control means 4 so as to suppress the change in quality. As a result, the adjustment work of the device system can be automated, so that the workload is reduced.
  • FIG. 3 is a block diagram showing the configuration of the motor control means 4.
  • the command from the host controller is the position command ⁇ *, but it may be a speed (rotation speed) command ⁇ * or a torque command Trq *.
  • the block diagram of the motor control means 4 is a block diagram and a boundary on the right side of the boundary line A in FIG. It is a block diagram on the right side of the line B.
  • the speed command creating unit 101 calculates the position feedback value ⁇ m measured by the sensor and the position command value ⁇ *. Based on the difference, a speed command ⁇ * is created and output.
  • the torque command creating unit 102 creates and outputs a torque command Trq * based on the difference between the speed (rotation speed) feedback value ⁇ m actually measured by the sensor and the speed command ⁇ *. To do.
  • the current command creation unit 103 creates a current command on the dq axis in the rotating coordinate system, that is, a d-axis current command Id * and a q-axis current command Iq * based on the torque command Trq *. And output.
  • the voltage command generation unit 104 receives the difference between the d-axis current feedback value Id and the d-axis current command Id *, and the q-axis current feedback values Iq and q Based on the difference from the shaft current command Iq *, a voltage command on the dq axis, that is, a d-axis voltage command Vd * and a q-axis voltage command Vq * is generated and output.
  • the d-axis current feedback value Id and the q-axis current feedback value Iq are obtained by measuring the U-phase current feedback value Iu, the V-phase current feedback value Iv, and the W-phase current feedback value Iw of the motor that are actually measured by the sensor. It is obtained by three-phase to two-phase conversion by the two-phase conversion unit 106.
  • the two-phase / three-phase converter 105 receives the d-axis voltage command Vd * and the q-axis voltage command Vq *, the d-axis voltage command Vd * and the q-axis voltage command Vq * are converted into the U-phase voltage command Vu *, V Phase voltage command Vv * and W phase voltage command Vw * are converted, and these voltage commands are output to inverter 1.
  • the state estimation unit 5 includes the motor control internal value creation unit 6 and the state calculation unit 7. Therefore, first, the motor control internal value creation means 6 will be described, and then the state calculation means 7 will be described.
  • FIG. 4 is a block diagram showing the configuration of the motor control internal value creating means 6.
  • the motor control internal value creating means 6 is, in other words, an inverse model of the motor control means 4 shown in FIG. That is, the motor control internal value creating means 6 is the speed command creating section 101, torque command creating section 102, current command creating section 103, voltage command creating section 104, 2 phase / 3 phase in the motor control means 4 (see FIG. 3).
  • the speed command creation unit inverse model 111, the torque command creation unit inverse model 112, the current command creation unit inverse model 113, and the voltage command creation unit inverse model 114 respectively.
  • a three-phase / two-phase converter 115 and a three-phase / two-phase converter 116 are provided.
  • the command from the host controller to the motor control means 4 is the position command ⁇ *, but it may be a torque command Trq * or a speed command ⁇ *.
  • the block diagram of the motor control internal value creating means 6 is shown by the boundary line C in FIG. A block diagram on the right side, a block diagram on the right side of the boundary line D, and a block diagram on the right side of the boundary line E are shown.
  • the motor control internal value creation means 6 is acquired by a current sensor, a voltage sensor, and a position sensor that are installed separately from the motor control means 4 in the input part or output part of the motor 2. Or three or more of the motor three-phase voltage feedback values Vu, Vv, and Vw, the motor three-phase current feedback values Iu, Iv, and Iw, the speed feedback value ⁇ m, and the position feedback value ⁇ m.
  • the state variables of the motor control means 4 are ⁇ *, ⁇ m, ⁇ *, ⁇ m, Trq *, Id *, Iq *, Id, Iq, Vd *, Vq *, Vu *. , Vv *, Vw *, Vu, Vv, Vw, Iu, Iv, Iw, the difference between the command value and the actually measured value, the output value of the proportionalizer, integrator, and differentiator constituting the controller is the motor control internal value. It is. That is, one or more of these motor control internal values in the motor control means 4 are created by the motor control internal value creation means 6.
  • the motor control internal value creating means 6 shown in FIG. 4 creates and uses the state variable of the motor control means 4 during the process of the motor control means 4.
  • the state variables for example, Id *, Iq *, Id, Iq, Vd *, Vq *
  • the first embodiment can be applied to various state estimations of a wide variety of device systems.
  • 5 and 6 are block diagrams showing an example of the configuration of the state calculation means 7.
  • the state calculation means 7 (see FIG. 2) is based on at least one motor control internal value created by the motor control internal value creation means 6, and thus the state of the device system, that is, the state of the device itself and the device.
  • the state quantity indicating the state (quality, etc.) of the product manufactured by is calculated.
  • the state calculation means 7 may calculate the state quantity based on the data (such as the temperature of the device) acquired by the external data acquisition means 10 (see FIG. 2) in addition to the motor control internal value. 5 and 6, the motor control internal values (X1 to Xn) and the data (Z1 to Zn) acquired by the external data acquisition unit 10 are input to the state calculation unit 7.
  • X1 to Xn represent motor control internal values
  • Z1 to Zn represent information acquired by the external data acquisition means 10.
  • At least one motor control internal value is input to the state calculation means 7. Further, the presence / absence and the number of inputs of information acquired by the external data acquisition unit 10 to the state calculation unit 7 are arbitrary.
  • the type and number of information acquired by the motor control internal value and the external data acquisition unit 10 input to the state calculation unit 7 are set according to the configuration of the state calculation unit (for example, a statistical model described later). .
  • Xn, Zn, and Cn are set to the same “n” for convenience, but this “n” can be any number of Xn, Zn, and Cn. This does not mean that the number of Xn, Zn and Cn is the same.
  • the state calculation means 7 has a regression equation as a statistical model used for state quantity calculation.
  • the state calculation unit 7 includes a feature amount calculation unit 121 that sets a feature amount that serves as an explanatory variable of the regression equation, and a state amount based on the regression equation based on the feature amount set by the feature amount calculation unit 121.
  • Computation means 122 for calculating (object variable) is provided.
  • the feature quantity calculation means 121 inputs Xn and Zn, and calculates a feature quantity (explanatory variable) Cn to be input to the calculation means 122 based on the input Xn and Zn.
  • the feature quantity calculation means 121 outputs the Xn or Zn instantaneous data as it is without processing it as the feature quantity Cn, or results of frequency analysis of the Xn or Zn instantaneous data in a predetermined time interval (amplitude, phase, etc.), An effective value, average value, standard deviation, maximum value or minimum value in a predetermined time interval, an overshoot amount or a peak value in a predetermined time interval are output.
  • the number of feature quantities Cn may be singular or plural depending on the regression equation.
  • the feature amount calculation means 121 outputs a predetermined amount calculated from the motor control internal value, for example, active power, reactive power, square root sum square of Vq and Vd as shown in FIG. Also good. Further, a disturbance torque estimated by a so-called observer may be used as the feature amount. Note that these feature amounts may be output after further frequency analysis, statistical calculation (average), or the like.
  • the calculation means 122 receives the feature quantities C1 to Cn output from the feature quantity calculation means 121, and calculates state quantity estimated values (Ya, Yb) based on the feature quantities C1 to Cn.
  • a one-dimensional regression equation is used in which the feature quantity C1 is an explanatory variable and the state quantity Y indicating the state of the device and the quality of the product is an objective variable.
  • the calculation means 122 outputs the calculated value Ya of the regression equation for Ca as the current state quantity (estimated value).
  • the computing means 122 outputs the standard deviation Yb of the state quantity with respect to Ca as the state quantity (estimated value).
  • the regression equation an average state quantity can be estimated, and a variation amount of the state quantity can also be estimated. Therefore, it is possible to estimate the state of the device or product and to estimate the occurrence rate of the state.
  • the state estimation means 5 may output the calculated state quantity (estimated value) as the estimated state, or information on the state of the equipment system indicated by the state quantity (for example, the operating state of the equipment and the quality of the product) May be output as the estimated state.
  • the regression equation in the calculation means 122 is obtained in advance by statistical modeling or the like using motor control internal value data acquired in the past, device state monitoring data when the data is acquired, and product inspection results. Desired.
  • FIG. 6 shows a configuration example of other state calculation means 7.
  • the state calculation means 7 has a clustering result as a statistical model used for state quantity calculation.
  • the state calculation unit 7 is based on the feature amount calculation unit 123 having the same function as the feature amount calculation unit 121 in FIG. 5 described above and the feature amount set by the feature amount calculation unit 121.
  • a classification unit 124 that calculates a state quantity based on a clustering result related to the product state.
  • the classification unit 124 obtains a range in which a device or a product shows a predetermined state (for example, a normal state) in a feature amount space (two-dimensional (C1, C2 in FIG. 6)) obtained in advance by clustering, and a feature amount.
  • the feature amounts C1 to Cn set by the calculation means 121 that is, the distances from the spatial points in the feature amount space are calculated. Then, based on the calculated distance, it is determined whether or not the state of the device or the product is a predetermined state. Then, the classification unit 124 outputs a state quantity (estimated value) Y3 according to the determination result.
  • the classification unit 124 when the input feature values C1 and C2 are Ca and Cb, respectively, , Cb) and the product quality normal range (cluster) in the same space.
  • the classification unit 124 outputs the calculated distance or a predetermined amount corresponding thereto as a state quantity (estimated value) Y3.
  • the calculated distance for example, Euclidean distance or Mahalanobis distance can be used.
  • the state estimation unit 5 may output the calculated state quantity (estimated value) as an estimated state, or information on the state of the equipment system indicated by the state quantity (for example, whether there is an abnormality in equipment or product quality). May be output as the estimated state.
  • the state of the device or the product is a predetermined state (for example, a normal state).
  • the feature amount space is not limited to a two-dimensional space, and may be a three-dimensional or more multi-dimensional space. Further, a plurality of ranges (clusters) of predetermined state quantities for determining the distance may be used. Thereby, it can be determined whether the state of the device or the product is a plurality of predetermined states.
  • the clustering results used by the classification unit 124 are machine learning and artificial intelligence using motor control internal values acquired in the past, device state monitoring data when the data is acquired, and product inspection results. Or the like in advance.
  • the information transmission unit 8 displays the estimated state output from the state estimation unit 5 by an image, sound, or the like. Moreover, you may display the feature-value used in the state estimation means 5 with an estimated state. Further, the temporal transition of the estimated state may be displayed. Such a display allows the operator to accurately grasp the current state of the device or product. Note that the reference value and threshold value of the state quantity, the meaning indicated by the data (for example, information regarding the necessity of adjustment of the device), and the like may be displayed at the same time. Thereby, the worker can accurately determine whether the state of the device or the product is good or not.
  • the information display means includes image display means such as a display, sound display means such as an alarm device, and lighting display means such as a rotation warning light (so-called patrol lamp).
  • image display means such as a display
  • sound display means such as an alarm device
  • lighting display means such as a rotation warning light (so-called patrol lamp).
  • the information transmission means 8 compares the state quantity estimated value Ya with a predetermined threshold value, and if it is equal to or greater than the threshold value, activates the alarm device or the rotation warning light.
  • FIG. 7 is a block diagram showing a configuration example of the information transmission means 8.
  • This configuration example displays data on state quantities (estimated values) and feature quantities, and processes these data to create information related to the state of devices and products, and an information processing section A display for displaying information created by 125 is provided.
  • the amount of change ⁇ C of the feature amount C1 is calculated.
  • the worker since the index relating to the adjustment work is displayed, the worker can adjust the equipment accurately and the burden on the worker in the equipment adjustment work is reduced.
  • the motor control means update means 9 updates the motor control command value and control parameter in the motor control means according to the estimated state output from the state estimation means 5. For example, the motor control means updating means 9 compares the state quantity (estimated value) with a predetermined threshold value, and increases or decreases preset motor control command values and control parameters according to the comparison result.
  • the motor control means updating means 9 may change the motor control command value and the control parameter using a predetermined function instead of the threshold value. Furthermore, when there are a plurality of input state quantities (estimated values), the motor control means updating means 9 searches for a motor control command value and a motor control parameter to be changed using device learning, and searches for the motor control searched. The command value and the motor control parameter may be changed according to the plurality of state quantities (estimated values).
  • the device learning for example, reinforcement learning such as Q learning can be applied.
  • the motor control software itself may be changed without being limited to the motor control command value and the motor control parameter.
  • the equipment can be automatically adjusted according to the state of the equipment or the product. Thereby, the work burden of the worker can be reduced.
  • the motor control internal value that affects the state of the device system is estimated from the sensor information or the information acquired by the external data acquisition unit. Then, by estimating the state of the device system based on the estimated motor control internal value, it is possible to estimate the state of the device system that is difficult to model using a transfer function or the like.
  • the motor control internal value creating unit 6 creates the motor control internal value based on data acquired by a sensor installed separately from the motor control unit 4. You may create based on the sensor for this.
  • the device system can be provided with a state monitoring function without increasing the number of sensors.
  • a state monitoring device including the state estimating means 5 in FIG. 2 is installed in an equipment system by providing a sensor independently for state monitoring, the wiring of the sensor for the motor control means 4 is changed or the characteristics are readjusted. Do not need. Therefore, the state monitoring device can be easily installed in the equipment system. In particular, a state monitoring device can be easily provided for an existing device system. Further, since the state monitoring device does not affect the operation of the motor control unit, readjustment of the motor control unit becomes unnecessary, and control of the motor can be maintained regardless of the operation of the state control device.
  • FIG. 9 shows a configuration of a device system that is a second embodiment of the present invention and includes a state monitoring device.
  • FIG. 9 shows a configuration of a device system that is a second embodiment of the present invention and includes a state monitoring device.
  • the regression equation and the clustering result used by the state calculation unit 17 are updated according to the state of the device system. For this reason, as shown in FIG. 9, a state quantity acquisition unit 20 and a state estimation unit update unit 21 are added to the device system of the first embodiment.
  • the state quantity acquisition means 20 extracts the data used in the state estimation means update means 21, that is, the recorded actual state quantity, from a record (not shown) of the actual state of the device system.
  • a record is, for example, a past maintenance record related to a device or a past quality inspection record related to a product.
  • the contents of the maintenance record include, for example, the failure location of the equipment, the failure status (for example, the failure status (folding, chipping) of the machining tool of the machine tool), the operation time until failure, the occurrence location of an abnormality that does not lead to failure, This is the operating time until a state or abnormality occurs.
  • the contents of the quality inspection record are, for example, the surface roughness of the cut material processed by the cutting device, the viscosity of the kneaded material kneaded by the kneader, and the presence or absence of burrs and warpage in the product by the injection molding machine. These records are often converted into electronic data and databased. Therefore, the state quantity acquisition means 20 may be configured using software that can handle SQL (Structured Query Query Language) that can execute database operations.
  • SQL Structured Query Query Language
  • the state estimation means update means 21 inputs data extracted by the state quantity acquisition means 20, at least one motor control internal value associated with this data, and information output by the state calculation means 17, and inputs these information. Based on this, the regression equation and clustering result used in the state calculation means 17 are updated.
  • the data of the motor control internal value inputted by the state estimating means updating means 21 is data when the data (equipment maintenance result, product inspection result, etc.) inputted from the state quantity obtaining means 20 is obtained. Yes, it is recorded in association with the recording of the status of the device system. Accordingly, the corresponding motor control internal value is input to the state estimating means updating means 21 in accordance with the extraction of the data (recorded actual state quantities) by the state quantity obtaining means 20.
  • information from the external data acquisition unit 22 is also input to the state estimation unit update unit 21, but the specification of the information from the external data acquisition unit 22 is arbitrary. Note that the state calculation means can be updated with high accuracy by using the information from the external data acquisition means 22 together.
  • FIG. 10 shows a configuration example of the state estimation means update means 21.
  • motor control internal values, device and product state quantities, and external data input to the state estimation means update means 21 are accumulated in the data storage means 201 for a certain period of time in the past.
  • the acquisition period of the data to be stored, the timing to store, and the amount of data are set in advance.
  • the data stored in the data storage unit 201 is input to the feature amount calculation unit 202.
  • the function of the feature amount calculating unit 202 is the same as that of the feature amount calculating units 121 and 123 (FIGS. 5 and 6) in the first embodiment.
  • the feature amount of the motor control internal value calculated by the feature amount calculation unit 202 is input to the model creation unit 203.
  • the model creation unit 203 constructs a regression equation by statistical modeling or device learning based on the input feature amount and the state amount read from the data storage unit 201, or performs clustering by device learning or artificial intelligence. When the regression equation is constructed and clustered, modeling is executed using the state quantity and the feature quantity as the objective variable and the explanatory variable, respectively.
  • the model change determination unit 204 includes a state estimation model (regression equation, clustering result, etc.) created by the model creation unit 203 and a state estimation model currently used for state estimation (a regression equation set in the state calculation unit). And the clustering result) are determined to determine whether it is necessary to change the parameters of the currently used state estimation model or to determine whether it is necessary to change the model itself.
  • the model change determination unit 204 outputs the determination result as change information. Based on this change information, the state estimation unit 15 updates the state estimation model set in the state calculation unit 17.
  • the update of the state estimation model may be performed every predetermined period or irregularly. Further, when the regression equation is output from the model creating unit 203, if the currently used regression equation and the regression equation output from the model creating unit 203 are in the same form (for example, both are linear), only the parameters are updated, If the form of the expression has changed, it is preferable to update the entire expression. When the classing result is output from the model creating unit 203, it is preferable to update the currently used clustering result to the result output from the model creating unit 203.
  • FIG. 11 shows an example of updating the state estimation model when the state estimation model is represented by a regression equation.
  • the form of the regression equation changes with time, and the entire equation is updated.
  • the state estimation model is updated by the state estimation unit updating unit 21, even if the state of the device or the product changes with time, the state estimation accuracy is improved. Can be secured.
  • FIG. 12 shows the configuration of a device system that is a third embodiment of the present invention and includes a state monitoring device.
  • the motor control means 34 creates a voltage command value to be given to the inverter 31 as in the first embodiment, and also has a function as the motor control internal value creation means 6 in the first embodiment.
  • the configuration of the motor control unit 34 is the same as that of the first embodiment (see FIG. 3), but the motor control unit 34 is configured to generate motor control internal values (Id, Iq, Vd *, Vq *, Trq *, ⁇ *, etc.) are output to the state calculating means 37.
  • the equipment system since the motor control means also serves as the motor control internal value creation means, and the sensor for motor control is also used for creating the motor control internal value, the equipment system can be simplified.
  • FIG. 13 shows the configuration of a device system that is a fourth embodiment of the present invention and includes a state monitoring device.
  • a state quantity acquisition unit 50 and a state estimation unit update unit 51 are added to the device system of the third embodiment. That is, in the third embodiment, as in the above-described second embodiment (FIG. 9), the regression formula and clustering result used by the state calculation unit 47 are updated according to the state of the device system.
  • the device system can be simplified and the accuracy of state estimation can be ensured even if the state of the device or the product changes with time.
  • FIG. 14 shows a configuration of a machine tool system including a milling machine, which is Embodiment 5 of the present invention.
  • This device system includes a state monitoring unit similar to that in the fourth embodiment (see FIG. 13).
  • the actuator driven by the motor is an end mill 403 which is a milling machine processing tool.
  • the motor control means 408 controls the inverter 405 to drive the motor 404 and the end mill 403.
  • External data acquisition means 406 acquires information such as the cutting feed rate and cutting position from the milling machine controller. Further, the state quantity acquisition means 407 acquires the inspection result of the surface roughness of the plate material cut by the milling machine from the quality inspection database 401. These acquired data and the motor control internal value output by the motor control unit 408 are input to the state estimation unit update unit 410 to create and update a regression equation used in the state estimation unit 409. The state estimation means 409 estimates the quality of the cut object during cutting using the regression equation.
  • the information transmission means 411 mills the quality estimation result of the cutting object calculated by the state estimation means 409, the explanatory variable (feature value of the motor control internal value) used for estimating the quality, and their changes. Display on a nearby display.
  • the configuration of the first embodiment or the second embodiment may be applied to the configuration of the state estimation unit of the fifth embodiment.
  • the quality of the cut object can be quantitatively confirmed in real time. Thereby, when an operator grasps
  • the system configuration of the fifth embodiment is not limited to a machine tool system including a milling machine, but can be applied to other machine tool systems including a drilling machine using a drill blade as a processing tool.
  • FIG. 15 shows the configuration of a vehicle equipment system that is Embodiment 6 of the present invention.
  • This device system includes a state monitoring unit similar to that in the fourth embodiment (see FIG. 13).
  • the vehicle is, for example, an electric railway vehicle or an electric vehicle.
  • the actuator driven by the motor is a wheel 303.
  • the motor control means 308 controls the inverter 305 to drive the motor 304 and the wheels 303.
  • External data acquisition means 306 acquires information such as weather and temperature.
  • the state quantity acquisition unit 307 acquires the replacement timing and failure factor of the wheel 303 from the maintenance database 301.
  • the acquired data and the motor control internal value output by the motor control unit 308 are input to the state estimation unit update unit 310 to create and update the clustering result used in the state estimation unit 309.
  • the state estimation means 309 estimates the wheel replacement time and failure time using the clustering result.
  • the information acquired by the external data acquisition unit 306 and the state quantity acquisition unit 307, and the motor control internal value may be acquired from another vehicle in addition to the own vehicle.
  • the information transmission means 311 includes estimation results of the wheel replacement time and failure time estimated by the state estimation means 309, and explanatory variables (features of motor control internal values) used for estimating the wheel replacement time and failure time. Change) is displayed on a display installed in the driver's seat 302.
  • the motor control means updating means 312 performs an output limiting operation for extending the life of the equipment when the replacement time or failure time is close to the motor or wheel replacement time or failure time estimated by the state estimation means 309. As described above, the control command value and the control parameter of the motor control means 308 are changed. As a result, the state of the wheel and the like can be quantitatively confirmed in real time, thereby reducing the work load related to grasping the state of the wheel and analyzing the cause of failure performed by the inspector. Furthermore, since life-extending operation can be performed automatically, sudden stoppage of operation can be prevented.
  • the sixth embodiment it is possible to grasp the wheel replacement time and failure time with high accuracy. Thereby, the frequency of maintenance is reduced, the work load is reduced, and the maintenance cost is reduced. In addition, since the equipment is maintained at an appropriate time and failure can be prevented, the reliability of the equipment is improved.

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Control Of Electric Motors In General (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Control Of Ac Motors In General (AREA)

Abstract

本発明は、モデル化が難しい機器システムの状態を推定することができる状態監視装置、並びにこれを備える機器システムを提供する。モータ制御手段４によって制御されるモータ２によって駆動される機器を備える機器システムの状態監視装置が、モータ制御手段４における状態変数であるモータ制御内部値を作成するモータ制御内部値作成手段６と、モータ制御内部値作成手段６によって作成されるモータ制御内部値に基づいて、機器システムの状態を推定する状態推定手段５と、を備える。

Description

状態監視装置、並びに機器システム
　本発明は、モータによって駆動される機器を備える機器システムの状態を推定する状態監視装置、並びに状態監視装置を搭載する機器システムに関する。
　工場などで使用される工作機械システムにおいては、生産性向上や製造物の品質安定化のために、機器の稼動状態や機器によって製造される製造物の状態を詳細に監視することが要求される。また、鉄道や自動車などの車両機器システムにおいても、故障を事前に予知するために、機器システムの稼動状態を監視することが要求される。
　このような状態監視においては、一般的に、センサを用いて、直接、状態量が取得される。しかし、機器システムによっては、センサの設置が物理的、コスト的に難しい場合がある。これに対し、例えば、特許文献１に記載の従来技術が知られている。
　本従来技術によるモータ制御装置は、モータ、モータによって駆動される機構部およびモータ制御部からなる実機部と、モータモデル、機構モデル部および制御モデル部からなるシミュレーションモデル部と、を備える。シミュレーションモデル部には、剛体モデルから求められるイナーシャが初期値として設定される。
　実機部およびシミュレーションモデル部は、上位コントローラから与えられる位置指令に応じて動作する。このとき、実機部において位置検出器によって検出される位置フィードバック量と、シミュレーションモデル部におけるモデル位置フィードバック量とが比較される。そして、比較結果に応じて、両者が一致するように、シミュレーションモデル部に設定されるイナーシャの値が変更される。
　このように、本従来技術によれば、ロボットなどの機器システムにおいて、機器システムの状態に応じて変動するイナーシャを、簡単に推定することができる。
特開２００４－２６０８９１号公報
　しかしながら、上記従来技術では、伝達関数によってモデル化することが難しい複雑な機器システムに対しては、機器の状態を推定することが難しい。例えば、射出成形機で加工される製造物の品質（例えば、バリの有無）や加工に用いる金型の劣化度合いについては、物理的な知見や理論に基づいて、伝達関数によってモデル化することは困難である。
　そこで、本発明は、モデル化が難しい機器システムの状態を推定することができる状態監視装置、並びにこれを備える機器システムを提供する。
　上記課題を解決するために、本発明による状態監視装置は、モータ制御手段によって制御されるモータによって駆動される機器を備える機器システムの状態監視装置であって、モータ制御手段における状態変数であるモータ制御内部値を作成するモータ制御内部値作成手段と、モータ制御内部値作成手段によって作成されるモータ制御内部値に基づいて、機器システムの状態を推定する状態推定手段と、を備える。
　また、上記課題を解決するために、本発明による機器システムは、モータによって駆動される機器を備える機器システムであって、モータの駆動力によって操作されるアクチュエータと、モータを制御するモータ制御手段と、モータ制御手段における状態変数であるモータ制御内部値を作成するモータ制御内部値作成手段と、モータ制御内部値作成手段によって作成されるモータ制御内部値に基づいて、機器システムの状態を推定する状態推定手段と、状態推定手段によって推定される機器システムの状態に関わる情報を表示する情報伝達手段と、を備える。
　本発明によれば、モータ制御内部値に基づいて、機器システムの状態を推定することにより、モデル化が難しい機器システムの状態を推定することができる。
　上記した以外の課題、構成および効果は、以下の実施形態の説明により明らかにされる。
本実施形態における、モータ特性値の時間変化の一例を示す。 本発明の実施例１である、状態監視装置を備える機器システムの構成を示す。 モータ制御手段の構成を示すブロック図である。 モータ制御内部値作成手段の構成を示すブロック図である。 状態算出手段の構成例を示すブロック図である。 状態算出手段の構成例を示すブロック図である。 情報伝達手段の構成例を示すブロック図である。 電流指令作成部の構成を示す。 本発明の実施例２である、状態監視装置を備える機器システムの構成を示す。 状態推定手段更新手段の構成例を示す。 状態推定モデルの更新例を示す。 本発明の実施例３である、状態監視装置を備える機器システムの構成を示す。 本発明の実施例４である、状態監視装置を備える機器システムの構成を示す。 本発明の実施例５である、工作機械システムの構成を示す。 本発明の実施例６である、車両機器システムの構成を示す。
　本発明の実施形態では、機器システムの状態に関連性の高いモータ制御内部値を用いて、伝達関数によるモデル化が難しい複雑な機器システムの状態が推定される。また、推定された状態を用いて、機器作業員の負担を軽減できる機器システムが構成される。
　ここで、機器システムの状態とは、機器自体の状態、例えば、動作状態の異常の有無や、機器の劣化の度合いなど、並びに、機器システムによって製造される製造物の状態、例えば、品質など、である。また、状態量は、機器システムの状態を示す指標であり、本実施形態では、モータ制御内部値を用いて、特殊な手段（複雑なシミュレーションなど）を用いることなく推定される。
　まず、モータ制御内部値を用いる機器システム状態の推定メカニズムについて、図１を用いて説明する。
　図１は、本実施形態における、モータ特性値の時間変化（時系列データ）の一例を示す。図中、ωｍ、Ｉｍ、Ｖｍは、それぞれ、実機におけるモータ回転数、モータ電流およびモータ電圧である。また、図中、モータ制御内部値であるｑ軸電圧指令値Ｖｑとｄ軸電圧指令Ｖｄの二乗和平方根の時間変化を示す。
　なお、モータは、インバータによって駆動され、かつ、いわゆるベクトル制御によって、モータ電流が一定値となるように制御される。
　図１に示すように、負荷脈動が発生しているため、モータ回転数（ωｍ）が脈動している。ここで、機器システムが、電流センサおよび電圧センサは備えているが、モータ回転数センサを備えていない場合、モータ電流やモータ電圧に係る情報（Ｉｍ，Ｖｍ）を得ることはできても、これらの情報から負荷の脈動を検出あるいは推定することは難しい。
　一方で、図１に示すように、ｑ軸電圧指令値Ｖｑとｄ軸電圧指令Ｖｄの二乗和平方根には、モータ脈動の情報が含まれている。モータ回転数が負荷脈動に応じて変動する時、初期段階ではモータ電流が振動するが、モータ電流一定制御により、ｑ軸電圧指令値Ｖｑとｄ軸電圧指令Ｖｄを脈動させて、モータ電流が一定に保たれる。その結果、モータ電流（Ｉｍ）やモータ電圧（Ｖｍ）には脈動の情報が現れないが、ｑ軸電圧指令値Ｖｑとｄ軸電圧指令Ｖｄの二乗和平方根には脈動の情報が現れる。すなわち、モータ制御内部値であるｑ軸電圧指令値Ｖｑとｄ軸電圧指令Ｖｄに基づいて、機器システムの一状態量であるモータの負荷を推定することができる。
　以下、本発明の実施形態について、実施例１～６により、図面を参照しながら詳細に説明する。なお、各図において、名称あるいは参照番号が同一のものは、同一の構成要件あるいは類似の機能を備えた構成要件を示している。
　図２は、本発明の実施例１である、状態監視装置を備える機器システムの構成を示す。なお、本実施例１においては、マイクロコンピュータなどの演算処理装置が、所定のプログラムを実行することにより、制御装置や状態監視装置として機能する（他の実施例も同様）。
　本実施例１は、動力源として、インバータ１と、インバータ１によって回転駆動されるモータ２を備える。さらに、本実施例１は、モータ２により駆動されて、機械的動作を行うアクチュエータ３を備える。
　インバータ１は、いわゆるベクトル制御方式が適用されるモータ制御手段４により制御される。モータ制御手段４は、インバータ１あるいはモータ２からモータ電流、モータ電圧、回転子の位置情報、回転数などの情報を取得し、それらの情報を基に、上位コントローラからの指令に応じて、モータ２を駆動するための電圧指令値を作成する。そして、モータ制御手段４は、作成した電圧指令値をインバータ１に与える。
　外部データ取得手段１０は、機器システムにおいてモータ２やインバータ１以外に設置されるセンサなどから構成され、機器の温度や外気温、機器の上位指令値などを取得する。
　状態推定手段５は、モータ制御内部値を作成するモータ制御内部値作成手段６と、モータ制御内部値作成手段６によって作成されるモータ制御内部値に基づいて機器システムの状態量を算出する状態算出手段７を備える。
　モータ制御内部値作成手段６は、モータ２の入力部あるいは出力部に、モータ制御手段４用とは別に、独立に設置される電流センサ、電圧センサおよび位置センサによって取得される時系列データと、外部データ取得手段１０によって取得されるデータとに基づいて、モータ制御手段４における状態変数であって機器システムの状態に関連するモータ制御内部値を作成する。
　状態算出手段７は、状態推定モデルを有し、状態推定モデルを用いて、モータ制御内部値作成手段６によって作成されるモータ制御内部値に基づいて、機器システムの状態、すなわち機器自体の状態や機器によって製造される製造物の状態（品質など）示す状態量を算出する。
　すなわち、状態推定手段５は、前述の各センサや外部データ取得手段１０によって取得されるデータを入力して、入力するデータから作成されるモータ制御内部値を作成し、作成されるモータ制御内部値に基づいて算出される状態量もしくはこの状態量が示す機器システムの状態に関する情報（以下、「推定状態」と記す）を出力する。状態推定手段５から出力される推定状態は、後述する情報伝達手段８およびモータ制御手段更新手段９に伝送される。
　情報伝達手段８は、状態推定手段５から出力される推定状態に応じて、機器システムの状態に関する情報、例えば、機器自体の状態やその変化、あるいは製造物の品質やその変化に関する情報を、ディスプレイ、音声、ランプなどにより、機器システムを用いる作業員や機器システムの管理者に通知する。これにより、機器のメンテナンス時期の把握や、品質変化時の状況把握および機器調整作業などにおける、作業負荷が軽減できる。
　モータ制御手段更新手段９は、状態推定手段５から出力される推定状態に基づいて、モータ制御手段４、すなわち制御指令や制御パラメータもしくは制御ソフトを変更する。例えば、製造物の品質が変化してきた場合、モータ制御手段更新手段９は、品質の変化を抑制するようにモータ制御手段４を変更する。これにより、機器システムの調整作業が自動化できるので、作業負荷が軽減される。
　次に、モータ制御手段４、状態推定手段５について、さらに詳細を説明する。
　図３は、モータ制御手段４の構成を示すブロック図である。
　図３では、上位コントローラからの指令が、位置指令θ＊であるが、速度（回転数）指令ω＊やトルク指令Ｔｒｑ＊でもよい。なお、上位コントローラからの指令が速度（回転数）指令ω＊およびトルク指令Ｔｒｑ＊である場合、モータ制御手段４のブロック図は、それぞれ、図３中の境界線Ａより右側のブロック図および境界線Ｂより右側のブロック図となる。
　図３に示すように、位置指令θ＊が上位コントローラからモータ制御手段４に入力されると、速度指令作成部１０１は、センサにより実測される位置フィードバック値θｍと位置指令値θ＊との差分に基づいて、速度指令ω＊を作成して出力する。
　トルク指令作成部１０２は、速度指令ω＊を入力すると、センサにより実測される速度（回転数）フィードバック値ωｍと速度指令ω＊との差分に基づいて、トルク指令Ｔｒｑ＊を作成して出力する。
　電流指令作成部１０３は、トルク指令Ｔｒｑ＊を入力すると、トルク指令Ｔｒｑ＊に基づいて、回転座標系におけるｄｑ軸上の電流指令、すなわちｄ軸電流指令Ｉｄ＊とｑ軸電流指令Ｉｑ＊を作成して出力する。
　電圧指令作成部１０４は、ｄ軸電流指令Ｉｄ＊とｑ軸電流指令Ｉｑ＊を入力すると、ｄ軸電流フィードバック値Ｉｄとｄ軸電流指令Ｉｄ＊との差分、およびｑ軸電流フィードバック値Ｉｑとｑ軸電流指令Ｉｑ＊との差分に基づいて、ｄｑ軸上の電圧指令、すなわちｄ軸電圧指令Ｖｄ＊とｑ軸電圧指令Ｖｑ＊を作成して出力する。
　ここで、ｄ軸電流フィードバック値Ｉｄとｑ軸電流フィードバック値Ｉｑは、センサにより実測されるモータのＵ相電流フィードバック値Ｉｕ、Ｖ相電流フィードバック値ＩｖおよびＷ相電流フィードバック値Ｉｗを、３相／２相変換部１０６によって３相２相変換して得られる。
　２相／３相変換部１０５は、ｄ軸電圧指令Ｖｄ＊とｑ軸電圧指令Ｖｑ＊を入力すると、ｄ軸電圧指令Ｖｄ＊およびｑ軸電圧指令Ｖｑ＊を、Ｕ相電圧指令Ｖｕ＊、Ｖ相電圧指令Ｖｖ＊およびＷ相電圧指令Ｖｗ＊に変換し、これら電圧指令をインバータ１へ出力する。
　次に、状態推定手段５について説明する。
　前述のように（図２参照）、状態推定手段５は、モータ制御内部値作成手段６および状態算出手段７を備える。そこで、まず、モータ制御内部値作成手段６を説明し、次に、状態算出手段７について説明する。
　図４は、モータ制御内部値作成手段６の構成を示すブロック図である。
　図４に示すように、モータ制御内部値作成手段６は、いわば、図３に示すモータ制御手段４の逆モデルになっている。すなわち、モータ制御内部値作成手段６は、モータ制御手段４（図３参照）における速度指令作成部１０１、トルク指令作成部１０２、電流指令作成部１０３、電圧指令作成部１０４、２相／３相変換部１０５および３相／２相変換部１０６に対応して、それぞれ、速度指令作成部逆モデル１１１、トルク指令作成部逆モデル１１２、電流指令作成部逆モデル１１３、電圧指令作成部逆モデル１１４、３相／２相変換部１１５および３相／２相変換部１１６を備えている。
　図４では、上位コントローラからモータ制御手段４への指令が、位置指令θ＊であるが、トルク指令Ｔｒｑ＊や速度指令ω＊でもよい。なお、上位コントローラからの指令が、トルク指令Ｔｒｑ＊、速度指令ω＊および、位置指令θ＊である場合、モータ制御内部値作成手段６のブロック図は、それぞれ、図４中の境界線Ｃより右側のブロック図、境界線Ｄより右側のブロック図および境界線Ｅより右側のブロック図となる。
　図４に示す構成により、モータ制御内部値作成手段６は、モータ２の入力部あるいは出力部に、モータ制御手段４用とは別に、独立に設置される電流センサ、電圧センサおよび位置センサによって取得される時系列データである、モータ３相電圧フィードバック値Ｖｕ，Ｖｖ，Ｖｗと、モータ３相電流フィードバック値Ｉｕ，Ｉｖ，Ｉｗと、速度フィードバック値ωｍと、位置フィードバック値θｍのいずれかあるいは複数に基づいて、ｄ軸電流フィードバック値Ｉｄとｑ軸電流フィードバック値Ｉｑ、ｄ軸電圧指令Ｖｄ＊とｑ軸電圧指令Ｖｑ＊、ｄ軸電流指令Ｉｄ＊とｑ軸電流指令Ｉｑ＊、トルク指令Ｔｒｑ＊、速度指令ω＊、位置指令θ＊を算出する。
　なお、本実施例１においては、モータ制御手段４の状態変数である、θ＊，θｍ，ω＊，ωｍ，Ｔｒｑ＊，Ｉｄ＊，Ｉｑ＊，Ｉｄ，Ｉｑ，Ｖｄ＊，Ｖｑ＊，Ｖｕ＊，Ｖｖ＊，Ｖｗ＊，Ｖｕ，Ｖｖ，Ｖｗ，Ｉｕ，Ｉｖ，Ｉｗ、指令値と実測値との差分、制御器を構成する比例器、積分器、微分器の出力値が、モータ制御内部値である。すなわち、モータ制御手段４におけるこれらのモータ制御内部値のいずれかあるいは複数が、モータ制御内部値作成手段６によって作成される。
　なお、本実施例１においては、図４に示すモータ制御内部値作成手段６により、モータ制御手段４の状態変数の内、モータ制御手段４による処理の過程で作成されて用いられ、モータ制御手段４からは出力されない状態変数（例えば、Ｉｄ＊，Ｉｑ＊，Ｉｄ，Ｉｑ，Ｖｄ＊，Ｖｑ＊）も作成することができる。これにより、本実施例１は、多種多様な機器システムの様々な状態の推定に適用することができる。
　図５および図６は、状態算出手段７の構成例を示すブロック図である。
　上述のように、状態算出手段７（図２参照）は、モータ制御内部値作成手段６によって作成される少なくとも一つのモータ制御内部値に基づいて、機器システムの状態、すなわち機器自体の状態や機器によって製造される製造物の状態（品質など）を示す状態量を算出する。なお、状態算出手段７は、モータ制御内部値に加えて、外部データ取得手段１０（図２参照）で取得したデータ（機器の温度など）に基づいて状態量を算出しても良い。そこで、図５および図６では、モータ制御内部値（Ｘ１～Ｘｎ）および外部データ取得手段１０で取得されるデータ（Ｚ１～Ｚｎ）が状態算出手段７へ入力されている。
　図５，６中のＸ１～Ｘｎはモータ制御内部値を示し、Ｚ１～Ｚｎは外部データ取得手段１０で取得される情報を示す。状態算出手段７には、少なくとも一つのモータ制御内部値が入力される。また、状態算出手段７への外部データ取得手段１０で取得される情報の入力の有無および入力数は任意である。
　状態算出手段７に入力される、モータ制御内部値および外部データ取得手段１０で取得される情報の種類や個数は、状態算出手段の構成（例えば、後述する統計的モデル）に応じて設定される。
　なお、図５，６中、Ｘｎ，Ｚｎ，Ｃｎ（後述）の添え字を、便宜上、同じ「ｎ」にしているが、この「ｎ」は、Ｘｎ，Ｚｎ，Ｃｎの各個数が任意であることを示しており、Ｘｎ，Ｚｎ，Ｃｎの個数が同数であることを意味するものではない。
　図５の構成例では、状態算出手段７は、状態量算出に用いる統計的モデルとして、回帰式を有する。本構成例において、状態算出手段７は、回帰式の説明変数となる特徴量を設定する特徴量算出手段１２１と、特徴量算出手段１２１によって設定される特徴量に基づいて、回帰式により状態量（目的変数）を算出する演算手段１２２を備える。
　特徴量算出手段１２１は、ＸｎおよびＺｎを入力し、入力したＸｎおよびＺｎに基づいて、演算手段１２２の入力とする特徴量（説明変数）Ｃｎを算出する。特徴量算出手段１２１は、ＸｎやＺｎの瞬時データを加工せずにそのまま特徴量Ｃｎとして出力したり、所定の時間区間においてＸｎやＺｎの瞬時データを周波数分析した結果（振幅、位相など）、所定の時間区間における実効値、平均値、標準偏差、最大値もしくは最小値、所定の時間区間におけるオーバーシュート量やピーク値を出力したりする。特徴量Ｃｎの個数は、回帰式に応じて、単数でも良いし、複数でも良い。
　また、特徴量算出手段１２１は、モータ制御内部値から演算される所定量、例えば、有効電力、無効電力、図１に示すようなＶｑとＶｄの二乗和平方根などを、特徴量として出力しても良い。また、いわゆるオブザーバにより推定される外乱トルクなどを特徴量としても良い。なお、これらの特徴量は、さらに周波数分析や統計的計算（平均）などを施してから出力されても良い。
　演算手段１２２は、特徴量算出手段１２１から出力される特徴量Ｃ１～Ｃｎを入力し、特徴量Ｃ１～Ｃｎに基づいて状態量推定値（Ｙａ，Ｙｂ）を算出する。
　図５の構成例においては、図中のグラフが示すように、特徴量Ｃ１を説明変数とし、機器の状態や製造物の品質を示す状態量Ｙを目的変数とする一次元の回帰式が適用される。ここで、演算手段１２２は、入力する特徴量Ｃ１の値がＣａである場合、Ｃａに対する回帰式の計算値Ｙａを現時点の状態量（推定値）として出力する。また、演算手段１２２は、Ｃａに対する状態量の標準偏差Ｙｂを状態量（推定値）として出力する。このように、回帰式を用いると、平均的な状態量を推定できるとともに、状態量のばらつき量も推定できる。従って、機器や製造物の状態を推定できると共に、その状態の発生割合を推定することできる。
　状態推定手段５は、算出される状態量（推定値）を推定状態として出力しても良いし、この状態量が示す機器システムの状態に関する情報（例えば、機器の稼動状態や製造物の品質の良否など）を推定状態として出力しても良い。
　なお、演算手段１２２における回帰式は、過去に取得したモータ制御内部値のデータと、そのデータを取得した際における機器状態の監視データや、製造物の検査結果を用いて、統計モデリングなどにより予め求められる。
　その他の状態算出手段７の構成例を図６に示す。
　図６の構成例では、状態算出手段７は、状態量算出に用いる統計的モデルとして、クラスタリング結果を有する。本構成例において、状態算出手段７は、前述の図５における特徴量算出手段１２１と同じ機能を有する特徴量算出手段１２３と、特徴量算出手段１２１によって設定される特徴量に基づいて、機器状態や製造物状態に関するクラスタリング結果により状態量を算出する分類部１２４を備える。
　なお、図６中、Ｘ１～Ｘｎ、Ｚ１～Ｚｎ、Ｃ１～Ｃｎについては、図５で説明したとおりである。
　分類部１２４は、予めクラスタリングによって求められる、特徴量空間（図６では二次元（Ｃ１，Ｃ２））内で、機器や製造物が所定の状態（例えば、正常状態）を示す範囲と、特徴量算出手段１２１によって設定される特徴量Ｃ１～Ｃｎ、すなわち特徴量空間内における空間点との距離を演算する。し、演算される距離に基づいて、機器や製造物の状態が所定の状態であるか否かを判定する。そして、分類部１２４は、判定結果に応じた状態量（推定値）Ｙ３を出力する。
　図６の構成例においては、図中のクラスタリング結果例が示すように、分類部１２４は、入力される特徴量Ｃ１およびＣ２がそれぞれＣａおよびＣｂである場合、二次元特徴量空間における点（Ｃａ，Ｃｂ）と、同空間内における製造物品質正常範囲（クラスタ）との距離を算出する。分類部１２４は、算出される距離あるいはこれに対応する所定量を状態量（推定値）Ｙ３として出力する。ここで、算出される距離としては、例えば、ユークリッド距離やマハラノビス距離などを用いることができる。
　状態推定手段５は、算出される状態量（推定値）を推定状態として出力しても良いし、この状態量が示す機器システムの状態に関する情報（例えば、機器や製造物品質の異常の有無）を推定状態として出力しても良い。
　このように、クラスタリングの結果を用いることにより、機器や製造物の状態が所定の状態（例えば、正常状態）であるか否かを高精度に推定できる。
　特徴量空間は、２次元空間に限らず、３次元以上の多次元空間でも良い。また、距離を判定する所定状態量の範囲（クラスタ）は、複数でも良い。これにより、機器や製造物の状態が、複数の所定状態のいずれであるかが判定できる。
　なお、分類部１２４が使用するクラスタリング結果は、過去に取得したモータ制御内部値と、そのデータを取得した際における機器状態の監視データや、製造物の検査結果を用いて、機械学習や人工知能によりなどにより予め求められる。
　なお、状態量の算出に統計的モデルを用いることにより、機器の劣化や製造物の品質など、伝達関数によるモデル化や、物理モデルの構築が難しい場合でも、機器システムの状態を高精度に推定できる。
　次に、情報伝達手段８について、さらに詳細を説明する。
　情報伝達手段８（図２参照）は、状態推定手段５から出力される推定状態を画像や音声などにより表示する。また、推定状態とともに、状態推定手段５において用いられる特徴量を表示しても良い。さらに、推定状態の時間的推移を表示しても良い。このような表示により、作業者が現在の機器や製造物の状態を精度良く把握することができる。なお、状態量の基準値や閾値、データが示す意味（例えば、機器の調整の必要性に関する情報）などを同時に表示しても良い。これにより、作業者は、機器や製造物の状態の良否や適否を、的確に判断することができる。
　なお、情報の表示手段としては、ディスプレイのような画像表示手段、警報機のような音声表示手段、回転警告灯（いわゆるパトランプ）などのような点灯表示手段などがある。例えば、警報機や回転警告灯を用いる場合、情報伝達手段８は、状態量推定値Ｙａを所定の閾値と比較し、閾値以上であれば、警報機や回転警告灯を作動させる。
　図７は、情報伝達手段８の構成例を示すブロック図である。本構成例は、状態量（推定値）や特徴量のデータを表示するととともに、これらのデータを加工して、機器や製造物の状態に関わる情報を作成する情報処理部１２５と、情報処理部１２５が作成する情報を表示するディスプレイを備える。情報処理部１２５が作成する情報は、例えば、製造物の品質を示す状態量（推定値）Ｙ１（＝Ｙａ）が仕様値（Ｙｔ）を越えている場合に、状態量ＹをＹｔ以下にするための機器の調整に関する指標である。
　図７の構成例においては、状態推定手段５（図２）が出力する状態量（推定値）Ｙａすなわち推定状態が、情報処理部１２５における回帰式逆モデル部１２７に入力される。回帰式逆モデル部１２７は、前述の演算手段１２２（図５）の逆モデルであり、入力するＹａに応じて、品質を示す状態量Ｙ（＝Ｙ１＝Ｙａ）を仕様値Ｙｔ以下にするための特徴量Ｃ１の変化量ΔＣを算出する。
　情報処理部１２５における変換部１２８は、回帰式逆モデル部１２７によって算出される特徴量の変化量ΔＣに応じて、機器の調整に関する指標を作成する。例えば、変換部１２８は、モータ制御手段４（図２）における制御ゲインの変更値Ｋ’（＝Ｋ＊（Ｃａ－ΔＣ）／Ｃａ（Ｋ：現時点での制御ゲイン））を算出する。さらに、変換部１２８は、制御ゲインの変更値Ｋ’に応じて、制御ゲインの調整に関する指標（例えば、現状から上げるか、あるいは下げるか）をディスプレイ１２６に画像表示する。なお、Ｋ’の値を表示しても良い。
　ここで、特徴量Ｃ１がｑ軸電流指令Ｉｑ＊である場合、モータ制御手段４（図２）における電流指令作成部１０３（図３）の制御ゲイン（Ｋ）の調整指標が表示される。なお、この場合における、電流指令作成部１０３の構成を図８に示す。なお、図８の構成は、公知技術によるものであるため、構成の説明は省略する。
　図７に示す情報伝達手段によれば、調整作業に関する指標が表示されるので、作業員が的確に機器の調整を行えるとともに、機器調整作業における作業員の負担が軽減される。
　次に、モータ制御手段更新手段９について、さらに詳細を説明する。
　モータ制御手段更新手段９（図２）は、状態推定手段５から出力される推定状態に応じて、モータ制御手段におけるモータ制御指令値や制御パラメータを更新する。例えば、モータ制御手段更新手段９は、状態量（推定値）を所定閾値と比較し、比較結果に応じて、予め設定されているモータ制御の指令値、制御パラメータを増減する。
　モータ制御手段更新手段９は、閾値に代えて、所定の関数を用いて、モータ制御指令値や制御パラメータを変更しても良い。さらに、モータ制御手段更新手段９は、入力される状態量（推定値）が複数ある場合、機器学習を用いて、変更するモータ制御指令値やモータ制御パラメータを探索するとともに、探索されたモータ制御指令値やモータ制御パラメータを、これら複数の状態量（推定値）に応じて変更しても良い。機器学習としては、例えば、Ｑ学習などの強化学習が適用できる。
　なお、モータ制御指令値やモータ制御パラメータに限らず、モータ制御用ソフトウェア自体を変更しても良い。
　上述のようなモータ制御手段更新手段９によれば、機器や製造物の状態に応じて、機器を自動で調整できる。これにより、作業員の作業負担を軽減できる。
　上述のように、本実施例１によれば、センサ情報や外部データ取得手段によって取得される情報から、機器システムの状態すなわち機器自体の状態や製造物の状態に影響するモータ制御内部値を推定し、推定されるモータ制御内部値に基づいて機器システムの状態を推定することにより、伝達関数などによってモデル化することが難しい機器システムの状態を推定することができる。
　なお、本実施例１において、モータ制御内部値作成手段６は、モータ制御手段４用とは別に設置されるセンサによって取得されるデータに基づいてモータ制御内部値を作成するが、モータ制御手段４用のセンサに基づいて作成しても良い。これにより、センサ数を増加することなく、機器システムに状態監視機能を備えることができる。なお、状態監視用に独立にセンサを設けることにより、図２における状態推定手段５を備える状態監視装置を機器システムに搭載する場合、モータ制御手段４用のセンサの配線の変更や特性の再調整を必要としない。従って、状態監視装置を機器システムに容易に搭載することができる。特に、既存の機器システムに対して、容易に状態監視装置を設けることができる。また、状態監視装置がモータ制御手段の動作に影響を及ぼさないので、モータ制御手段の再調整が不要になると共に、状態制御装置の動作に関わりなく、モータの制御を維持できる。
　図９は、本発明の実施例２である、状態監視装置を備える機器システムの構成を示す。以下、主に、実施例１と異なる点について説明する。
　本実施例２においては、状態算出手段１７で用いられる回帰式やクラスタリング結果などが、機器システムの状態に応じて更新される。このため、図９に示すように、実施例１の機器システムに対して、状態量取得手段２０と状態推定手段更新手段２１が追加されている。
　状態量取得手段２０は、機器システムの実際の状態の記録（図示せず）から、状態推定手段更新手段２１において用いられるデータ、すなわち記録されている実際の状態量を抽出する。このような記録は、例えば、機器に関する過去のメンテナンス記録や、製造物に関する過去の品質検査記録である。
　メンテナンス記録の内容は、例えば、機器の故障箇所、故障状態（例えば、工作機械の加工ツールの破損状態（折れ、欠け））、故障するまでの稼働時間、故障に至らない異常の発生箇所、異常状態、異常が発生するまでの稼働時間である。また、品質検査記録の内容は、例えば、切削装置によって加工される切削物の表面粗さ、混練機によって混練される混練物の粘度、射出成形機による製造物におけるバリおよびソリの有無である。これらの記録は電子データ化されてデータベース化されることが多い。従って、状態量取得手段２０は、データベース操作が実行可能なＳＱＬ（Structured Query Language）が扱えるソフトウェアを用いて構成しても良い。
　状態推定手段更新手段２１は、状態量取得手段２０が抽出するデータと、このデータと関連付けられる少なくともひとつのモータ制御内部値と、状態算出手段１７が出力する情報を入力して、これらの情報に基づいて、状態算出手段１７で用いる回帰式やクラスタリング結果などを更新する。ここで、状態推定手段更新手段２１が入力するモータ制御内部値のデータは、状態量取得手段２０から入力するデータ（機器のメンテナンス結果、製造物の検査結果など）が得られた時のデータであり、機器システムの状態の記録に関連づけられて記録されている。従って、状態量取得手段２０によるデータ（記録されている実際の状態量）の抽出に応じて、対応するモータ制御内部値が状態推定手段更新手段２１に入力される。
　図９においては、外部データ取得手段２２からの情報も状態推定手段更新手段２１に入力されているが、外部データ取得手段２２からの情報の仕様は任意である。なお、外部データ取得手段２２からの情報を併用することにより、状態算出手段を高精度に更新することができる。
　図１０は、状態推定手段更新手段２１の構成例を示す。
　上述のように状態推定手段更新手段２１に入力されるモータ制御内部値、機器や製造物の状態量、外部データは、データ保存手段２０１に、現時点から過去一定期間分のデータが蓄積される。なお、保存するデータの取得期間、保存するタイミング、データ量は、あらかじめ設定されていることが好ましい。
　データ保存手段２０１に保存されたデータは、特徴量算出手段２０２に入力される。この特徴量算出手段２０２の機能は、前述の実施例１における特徴量算出手段１２１，１２３（図５，６）と同様である。
　特徴量算出手段２０２で算出されるモータ制御内部値の特徴量は、モデル作成手段２０３に入力される。モデル作成手段２０３は、入力した特徴量およびデータ保存手段２０１から読み出される状態量に基づいて、統計モデリングや機器学習により回帰式を構築したり、機器学習や人工知能などによりクラスタリングを行ったりする。回帰式構築およびクラスタリングの際には、状態量および特徴量をそれぞれ目的変数および説明変数として、モデリングが実行される。
　モデル変更判定手段２０４は、モデル作成手段２０３によって作成される状態推定モデル（回帰式、クラスタリング結果など）と、現在、状態推定に用いている状態推定モデル（状態算出手段に設定されている回帰式やクラスタリング結果など）とを比較し、現在用いている状態推定モデルのパラメータ変更が必要か否かを判定したり、モデル自体の変更が必要か否かを判定したりする。モデル変更判定手段２０４は、判定結果を変更情報として出力する。この変更情報に基づいて、状態推定手段１５は、状態算出手段１７に設定されている状態推定モデルを更新する。
　状態推定モデルの更新は、あらかじめ指定した期間ごとに行っても良いし、不定期に行っても良い。また、モデル作成手段２０３から回帰式が出力される場合、現在用いている回帰式とモデル作成手段２０３から出力された回帰式が同じ形（例えば、ともに線形）であればパラメータのみを更新し、式の形が変わっている場合は、式全体を更新することが好ましい。モデル作成手段２０３からクラスリング結果が出力される場合、現在使用されているクラスタリング結果を、モデル作成手段２０３から出力される結果に更新することが好ましい。
　なお、状態推定モデルが回帰式で表される場合における、状態推定モデルの更新例を図１１に示す。本更新例においては、時間経過とともに、回帰式の形が変わっており、式全体が更新される。
　上述のように、本実施例２によれば、状態推定手段更新手段２１により状態推定モデルを更新するので、時間経過に伴って機器や製造物の状態が変化しても、状態推定の精度を確保することができる。
　図１２は、本発明の実施例３である、状態監視装置を備える機器システムの構成を示す。以下、主に、実施例１と異なる点について説明する。
　本実施例２においては、モータ制御手段３４が、実施例１と同様に、インバータ３１に与える電圧指令値を作成するとともに、実施例１におけるモータ制御内部値作成手段６としての機能を有する。すなわち、モータ制御手段３４の構成は実施例１（図３参照）と同様であるが、モータ制御手段３４は、上位指令に応じて電圧指令を作成する過程で作成するモータ制御内部値（Ｉｄ，Ｉｑ，Ｖｄ＊，Ｖｑ＊，Ｔｒｑ＊，ω＊など）を状態算出手段３７へ出力する。
　本実施例３によれば、モータ制御手段がモータ制御内部値作成手段を兼ねるため、またこれによりモータ制御用のセンサをモータ制御内部値作成に併用するため、機器システムを簡素化できる。
　図１３は、本発明の実施例４である、状態監視装置を備える機器システムの構成を示す。以下、主に、実施例３と異なる点について説明する。
　本実施例４においては、実施例３の機器システムに対して、状態量取得手段５０と状態推定手段更新手段５１が追加されている。すなわち、本実施例３においては、前述の実施例２（図９）と同様に、状態算出手段４７で用いられる回帰式やクラスタリング結果などが、機器システムの状態に応じて更新される。
　本実施例４によれば、機器システムを簡素化できるとともに、時間経過に伴って機器や製造物の状態が変化しても状態推定の精度を確保することができる。
　図１４は、本発明の実施例５である、フライス盤を備える工作機械システムの構成を示す。本機器システムは、実施例４（図１３参照）と同様の状態監視部を備えている。
　図１４に示すように、本実施例５において、モータによって駆動されるアクチュエータは、フライス盤の加工ツールであるエンドミル４０３である。上位コントローラであるフライス盤コントローラ（図示せず）からの切削回転数指令に基づいて、モータ制御手段４０８がインバータ４０５を制御して、モータ４０４とエンドミル４０３が駆動される。
　外部データ取得手段４０６は、切削送り速度や切削位置などの情報をフライス盤コントローラから取得する。また、状態量取得手段４０７は、フライス盤で切削した板材の表面粗さの検査結果を品質検査データベース４０１から取得する。取得されたこれらのデータおよびモータ制御手段４０８が出力するモータ制御内部値は、状態推定手段更新手段４１０に入力され、状態推定手段４０９において用いられる回帰式を作成および更新する。状態推定手段４０９は、回帰式を用いて、切削中に切削物の品質を推定する。
　情報伝達手段４１１は、状態推定手段４０９で算出される切削物の品質の推定結果と、品質を推定するために使用される説明変数（モータ制御内部値の特徴量）、およびそれらの変化をフライス盤近傍に設置されるディスプレイに表示する。
　なお、本実施例５の状態推定部の構成は、実施例１または実施例２の構成を適用しても良い。
　本実施例５によれば、リアルタイムに切削物の品質を定量的に確認することができる。これにより、オペレータが品質状態の把握や品質改善のための機器調整を行う時に、オペレータの作業負荷を軽減できる。また、表面粗さ計のような、切削物の品質を検出する特殊なセンサを設けることなく、切削物の品質を確認することができる。
　なお、本実施例５のシステム構成は、フライス盤を備える工作機械システムに限らず、ドリル刃を加工ツールとするボール盤などを備える他の工作機械システムにも適用できる。
　図１５は、本発明の実施例６である、車両機器システムの構成を示す。本機器システムは、実施例４（図１３参照）と同様の状態監視部を備えている。ここで、車両は、例えば、電気鉄道車両や電気自動車である。
　図１５に示すように、本実施例６において、モータによって駆動されるアクチュエータは、車輪３０３である。上位コントローラである、運転手が操作するアクセルやマスターコントローラ（図示せず）からのトルク指令に基づいて、モータ制御手段３０８が、インバータ３０５を制御して、モータ３０４と車輪３０３が駆動される。
　外部データ取得手段３０６は、天候、気温などの情報を取得する。状態量取得手段３０７は、車輪３０３の交換時期や故障要因をメンテナンスデータベース３０１から取得する。取得されたこれらのデータおよびモータ制御手段３０８が出力するモータ制御内部値は、状態推定手段更新手段３１０に入力され、状態推定手段３０９において用いられるクラスタリング結果を作成および更新する。状態推定手段３０９は、クラスタリング結果を用いて、車輪の交換時期や故障時期を推定する。なお、外部データ取得手段３０６および状態量取得手段３０７によって取得される情報、およびモータ制御内部値は、自車両に加え、他車両から取得しても良い。
　情報伝達手段３１１は、状態推定手段３０９で推定される車輪の交換時期や故障時期の推定結果と、車輪の交換時期や故障時期を推定するために使用される説明変数（モータ制御内部値の特徴量）の変化を運転席３０２に設置されるディスプレイに表示する。
　モータ制御手段更新手段３１２は、状態推定手段３０９によって推定されるモータや車輪の交換時期や故障時期から、交換時期や故障時期が近い場合には、機器を延命するための出力制限運転などを行うように、モータ制御手段３０８の制御指令値や制御パラメータを変更する。これにより、リアルタイムに車輪状態などを定量的に確認することができるため、検査員が実施する車輪状態の把握や故障要因の分析などに関わる作業の負荷を軽減できる。さらに、自動的に延命運転などを実施できるため、突発的な運行停止を防止できる。
　なお、本実施例６の状態推定部の構成は、実施例１または実施例２の構成を適用しても良い。
　本実施例６によれば、車輪の交換時期や故障時期を高精度に把握できる。これにより、メンテナンスの頻度が低減し、作業負担が軽減されたり、メンテナンスコストが低減されたりする。また、的確な時期に機器がメンテナンスされ、故障を未然に防止できるので、機器の信頼性が向上する。
　なお、本発明は前述した実施形態に限定されるものではなく、様々な変形例が含まれる。例えば、前述した実施例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、各実施例の構成の一部について、他の構成の追加・削除・置き換えをすることが可能である。
１，１１，３１，４１，３０５，４０５…インバータ、２，１２，３２，４２，３０４，４０４…モータ、３，１３，３３，４３…アクチュエータ、４，１４，３４，４４，３０８，４０８…モータ制御手段、５，１５，３０９，４０９…状態推定手段、６，１６…モータ内部値作成手段、７，１７，３７，４７…状態算出手段、８，１８，３８，４８，３１１，４１１…情報伝達手段、９，１９，３９，４９，３１２…モータ制御手段更新手段、１０，２２，５２，３０６，４０６…外部データ取得手段、２０，５０，３０７，４０７…状態量取得手段、２１，５１，３１０，４１０…状態推定手段更新手段、１０１…速度指令作成部、１０２…トルク指令作成部、１０３…電流指令作成部、１０４…電圧指令作成部、１０５…２相／３相変換部、１０６，１１５，１１６…３相／２相変換部、１１１…速度指令作成部逆モデル、１１２…トルク指令作成部逆モデル、１１３…電流指令作成部逆モデル、１１４…電圧指令作成部逆モデル、１２１，１２３…特徴量算出手段、１２２…演算手段、１２４…分類部、１２５…情報処理部、１２６…ディスプレイ、１２７…回帰式逆モデル部、１２８…変換部、２０１…データ保存手段、２０２…特徴量算出手段、２０３…モデル作成手段、２０４…モデル変更判定手段、３０１…メンテナンスデータベース、３０２…運転席、３０３…車輪、４０１…品質検査データベース、４０３…エンドミル

Claims (15)

  1. 　モータ制御手段によって制御されるモータによって駆動される機器を備える機器システムの状態監視装置において、
    　センサ情報に基づいて、前記モータ制御手段における状態変数であるモータ制御内部値を作成するモータ制御内部値作成手段と、
    　前記モータ制御内部値作成手段によって作成される前記モータ制御内部値に基づいて、前記機器システムの状態を推定する状態推定手段と、
    を備えることを特徴とする状態監視装置。
  2. 　請求項１に記載の状態監視装置において、
    　前記機器システムの前記状態は、前記機器の状態あるいは前記機器による製造物の状態であることを特徴とする状態監視装置。
  3. 　請求項２に記載の状態監視装置において、
    　前記モータ制御内部値は、位置指令、位置フィードバック値、速度指令、速度フィードバック値、トルク指令、ｄ軸電流指令、ｑ軸電流指令、ｄ軸電流フィードバック値、ｑ軸電流フィードバック値、ｄ軸電圧指令、ｑ軸電圧指令、モータ電圧指令、モータ電圧フィードバック値、モータ電流フィードバック値、フィードバック値と指令値との偏差、比例器の出力、積分器の出力、微分器の出力の内のいずれかを含むことを特徴とする状態監視装置。
  4. 　請求項３に記載の状態監視装置において、
    　前記センサ情報は、位置フィードバック値、速度フィードバック値、モータ電圧フィードバック値、モータ電流フィードバック値の内のいずれかを含むことを特徴とする状態監視装置。
  5. 　請求項２に記載の状態監視装置において、
    　前記状態推定手段は、統計的モデルに基づいて前記機器システムの前記状態を推定することを特徴とする状態監視装置。
  6. 　請求項１に記載の状態監視装置において、
    　前記モータ制御内部値作成手段は前記モータ制御手段の逆モデルによって構成されることを特徴とする状態監視装置。
  7. 　請求項１または請求項６に記載の状態監視装置において、
    　前記センサ情報は、前記モータ制御手段あるいは前記モータにおける入力部あるいは出力部に、前記モータ制御手段用とは別に設けられるセンサによって取得されることを特徴とする状態監視装置。
  8. 　請求項１に記載の状態監視装置において、
    　さらに、前記状態推定手段によって推定される前記機器システムの前記状態に関わる情報を表示する情報伝達手段を備えることを特徴とする状態監視装置。
  9. 　請求項１に記載の状態監視装置において、
    　さらに、前記状態推定手段によって推定される前記機器システムの前記状態に応じて、前記モータ制御手段を更新するモータ制御手段更新手段を備えることを特徴とする状態監視装置。
  10. 　請求項１に記載の状態監視装置において、
    　さらに、前記機器システムの状態に関する過去のデータを取得する状態量取得手段と、
    　前記状態量取得手段によって取得される前記データに基づいて、前記状態推定手段を更新する状態推定手段更新手段と、
    を備えることを特徴とする状態監視装置。
  11. 　請求項１０に記載の状態監視装置において、
    　前記データは、前記機器のメンテナンス結果または前記機器による製造物の品質検査結果であることを特徴とする状態監視装置。
  12. 　請求項１に記載の状態監視装置において、
    　前記モータ制御内部値作成手段は、前記モータ制御手段に含まれ、かつ前記モータ制御手段から前記状態変数を出力する手段であることを特徴とする状態監視装置。
  13. 　モータによって駆動される機器を備える機器システムにおいて、
    　前記モータの駆動力によって操作されるアクチュエータと、
    　前記モータを制御するモータ制御手段と、
    　前記モータ制御手段における状態変数であるモータ制御内部値を作成するモータ制御内部値作成手段と、
    　前記モータ制御内部値作成手段によって作成される前記モータ制御内部値に基づいて、前記機器システムの状態を推定する状態推定手段と、
    　前記状態推定手段によって推定される前記機器システムの前記状態に関わる情報を表示する情報伝達手段と、
    を備えることを特徴とする機器システム。
  14. 　請求項１３に記載の機器システムにおいて、
    　前記アクチュエータは工作機械における加工用ツールであり、
    　さらに、前記工作機械による製造物の品質検査結果を取得する状態量取得手段と、
    　前記状態量取得手段によって取得される前記品質検査結果に基づいて、前記状態推定手段を更新する状態推定手段更新手段と、
    を備えることを特徴とする機器システム。
  15. 　請求項１３に記載の機器システムにおいて、
    　前記アクチュエータは車両が備える車輪であり、
    　さらに、前記車両のメンテナンス結果を取得する状態量取得手段と、
    　前記状態量取得手段によって取得される前記メンテナンス結果に基づいて、前記状態推定手段を更新する状態推定手段更新手段と、
    を備えることを特徴とする機器システム。
PCT/JP2017/020280 2017-05-31 2017-05-31 状態監視装置、並びに機器システム WO2018220751A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2019521603A JP6899897B2 (ja) 2017-05-31 2017-05-31 状態監視装置、並びに機器システム
EP17911990.4A EP3633851A4 (en) 2017-05-31 2017-05-31 STATUS MONITORING DEVICE AND DEVICE SYSTEM
PCT/JP2017/020280 WO2018220751A1 (ja) 2017-05-31 2017-05-31 状態監視装置、並びに機器システム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2017/020280 WO2018220751A1 (ja) 2017-05-31 2017-05-31 状態監視装置、並びに機器システム

Publications (1)

Publication Number Publication Date
WO2018220751A1 true WO2018220751A1 (ja) 2018-12-06

Family

ID=64454680

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/020280 WO2018220751A1 (ja) 2017-05-31 2017-05-31 状態監視装置、並びに機器システム

Country Status (3)

Country Link
EP (1) EP3633851A4 (ja)
JP (1) JP6899897B2 (ja)
WO (1) WO2018220751A1 (ja)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6850458B1 (ja) * 2019-11-22 2021-03-31 ディエスピーテクノロジ株式会社 Ａｉ搭載型モータ状態量推定システムおよびモータモデル用機械学習方法
WO2022004417A1 (ja) 2020-07-01 2022-01-06 株式会社日立産機システム 動力伝達機構の管理装置、動力伝達機構の管理方法
JPWO2022186382A1 (ja) * 2021-03-05 2022-09-09
TWI824444B (zh) * 2021-04-28 2023-12-01 日商Ｓｕｍｃｏ股份有限公司 狀態判定裝置以及狀態判定方法
DE102023125011A1 (de) 2022-10-11 2024-04-11 Sumitomo Heavy Industries, Ltd. Steuervorrichtung, spritzgiessmaschine und steuerverfahren
TWI839828B (zh) * 2021-12-24 2024-04-21 日商日立產機系統股份有限公司 動力傳達機構之管理裝置、動力傳達機構之管理方法及管理系統
JP7574170B2 (ja) 2021-11-12 2024-10-28 株式会社日立製作所 状態分析装置、及び状態推定方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH096432A (ja) * 1995-06-14 1997-01-10 Mitsubishi Electric Corp 制御システムの異常検知装置
JP2004260891A (ja) 2003-02-25 2004-09-16 Yaskawa Electric Corp モータの制御装置及び制御方法
JP2007265361A (ja) * 2006-03-30 2007-10-11 Nisshinbo Ind Inc 製造工程に使用されるツール情報を管理，運用する方法
JP2008116317A (ja) * 2006-11-03 2008-05-22 Toyota Motor Corp ハイブリッド車両の検査システムおよび検査方法
JP2014048929A (ja) * 2012-08-31 2014-03-17 Brother Ind Ltd 制御装置及び画像形成システム
WO2016147360A1 (ja) * 2015-03-18 2016-09-22 三菱電機株式会社 駆動機寿命評価装置及び駆動機寿命評価方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4932636B2 (ja) * 2007-08-10 2012-05-16 ダイキン工業株式会社 圧縮機内部状態推定装置及び空気調和装置
JP5644820B2 (ja) * 2012-08-17 2014-12-24 株式会社安川電機 モータ制御装置
JP6194466B2 (ja) * 2013-04-11 2017-09-13 パナソニックＩｐマネジメント株式会社 モータ駆動装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH096432A (ja) * 1995-06-14 1997-01-10 Mitsubishi Electric Corp 制御システムの異常検知装置
JP2004260891A (ja) 2003-02-25 2004-09-16 Yaskawa Electric Corp モータの制御装置及び制御方法
JP2007265361A (ja) * 2006-03-30 2007-10-11 Nisshinbo Ind Inc 製造工程に使用されるツール情報を管理，運用する方法
JP2008116317A (ja) * 2006-11-03 2008-05-22 Toyota Motor Corp ハイブリッド車両の検査システムおよび検査方法
JP2014048929A (ja) * 2012-08-31 2014-03-17 Brother Ind Ltd 制御装置及び画像形成システム
WO2016147360A1 (ja) * 2015-03-18 2016-09-22 三菱電機株式会社 駆動機寿命評価装置及び駆動機寿命評価方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3633851A4

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6850458B1 (ja) * 2019-11-22 2021-03-31 ディエスピーテクノロジ株式会社 Ａｉ搭載型モータ状態量推定システムおよびモータモデル用機械学習方法
JP7489686B2 (ja) 2019-11-22 2024-05-24 ディエスピーテクノロジ株式会社 Ａｉ搭載型モータ状態量推定システム
WO2022004417A1 (ja) 2020-07-01 2022-01-06 株式会社日立産機システム 動力伝達機構の管理装置、動力伝達機構の管理方法
TWI772085B (zh) * 2020-07-01 2022-07-21 日商日立產機系統股份有限公司 動力傳遞機構之管理裝置及動力傳遞機構之管理方法
JPWO2022186382A1 (ja) * 2021-03-05 2022-09-09
WO2022186382A1 (ja) * 2021-03-05 2022-09-09 株式会社タダノ 故障予兆検出システムおよび作業車
JP7501777B2 (ja) 2021-03-05 2024-06-18 株式会社タダノ 故障予兆検出システムおよび作業車
TWI824444B (zh) * 2021-04-28 2023-12-01 日商Ｓｕｍｃｏ股份有限公司 狀態判定裝置以及狀態判定方法
JP7574170B2 (ja) 2021-11-12 2024-10-28 株式会社日立製作所 状態分析装置、及び状態推定方法
TWI839828B (zh) * 2021-12-24 2024-04-21 日商日立產機系統股份有限公司 動力傳達機構之管理裝置、動力傳達機構之管理方法及管理系統
DE102023125011A1 (de) 2022-10-11 2024-04-11 Sumitomo Heavy Industries, Ltd. Steuervorrichtung, spritzgiessmaschine und steuerverfahren

Also Published As

Publication number Publication date
EP3633851A1 (en) 2020-04-08
JP6899897B2 (ja) 2021-07-07
JPWO2018220751A1 (ja) 2020-04-02
EP3633851A4 (en) 2020-12-23

Similar Documents

Publication Publication Date Title
JP6899897B2 (ja) 状態監視装置、並びに機器システム
JP6867358B2 (ja) 状態判定装置及び状態判定方法
KR101489116B1 (ko) 구동 기계의 부하 특성 추정 장치
CN106020124A (zh) 伺服马达控制装置以及碰撞检测方法
CN110920009B (zh) 状态判定装置以及状态判定方法
JP2020138265A (ja) びびり振動判定装置、機械学習装置及びシステム
JP6764516B1 (ja) 工作機械および表示装置
JP7010861B2 (ja) 状態判定装置及び状態判定方法
Rojas et al. Comments on “Predictive torque control of induction machines based on state-space models”
WO2016185589A1 (ja) 故障診断装置及び故障診断方法
KR20160057305A (ko) 전동 기계 및 표시 방법
Chang et al. Big data analysis of a mini three-axis CNC machine tool based on the tuning operation of controller parameters
TWI772085B (zh) 動力傳遞機構之管理裝置及動力傳遞機構之管理方法
JP6928031B2 (ja) 制御装置及び制御システム
CN110376970A (zh) 参数决定辅助装置和记录有程序的计算机可读介质
JP6867503B2 (ja) 機器制御システム
JP6773740B2 (ja) 状態判定装置及び状態判定方法
US20240028020A1 (en) State determination device and state determination method
US11316452B2 (en) Electronic device and control method thereof
CN115616976A (zh) 数控系统的健康度监控方法及健康度监控系统
US20210183184A1 (en) Motion system health management using multidimensional modeling using motor operational parameters
JP6781845B2 (ja) 工作機械の監視システム
JP7132024B2 (ja) モータ制御装置
US20240385082A1 (en) Management Device for Power Transmission Mechanism, Management Method for Power Transmission Mechanism, and Management System
JP4632171B2 (ja) モータ制御装置および制御方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17911990

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019521603

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2017911990

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2017911990

Country of ref document: EP

Effective date: 20200102