WO2022137499A1 - 摩耗量推定装置、摩耗量学習装置、および摩耗量監視システム - Google Patents

摩耗量推定装置、摩耗量学習装置、および摩耗量監視システム Download PDF

Info

Publication number
WO2022137499A1
WO2022137499A1 PCT/JP2020/048687 JP2020048687W WO2022137499A1 WO 2022137499 A1 WO2022137499 A1 WO 2022137499A1 JP 2020048687 W JP2020048687 W JP 2020048687W WO 2022137499 A1 WO2022137499 A1 WO 2022137499A1
Authority
WO
WIPO (PCT)
Prior art keywords
wear amount
information
wear
learning
mover
Prior art date
Application number
PCT/JP2020/048687
Other languages
English (en)
French (fr)
Inventor
貴彦 村上
裕史 若山
伸 酒井
拓馬 中村
Original Assignee
三菱電機株式会社
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
Application filed by 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to CN202080102146.0A priority Critical patent/CN116568990A/zh
Priority to PCT/JP2020/048687 priority patent/WO2022137499A1/ja
Priority to US17/913,437 priority patent/US20230194254A1/en
Priority to JP2021520235A priority patent/JP6918274B1/ja
Priority to DE112020007881.7T priority patent/DE112020007881T5/de
Publication of WO2022137499A1 publication Critical patent/WO2022137499A1/ja

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
    • B65G43/02—Control devices, e.g. for safety, warning or fault-correcting detecting dangerous physical condition of load carriers, e.g. for interrupting the drive in the event of overheating
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G54/00—Non-mechanical conveyors not otherwise provided for
    • B65G54/02—Non-mechanical conveyors not otherwise provided for electrostatic, electric, or magnetic
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G2207/00—Indexing codes relating to constructional details, configuration and additional features of a handling device, e.g. Conveyors
    • B65G2207/48—Wear protection or indication features

Definitions

  • the present disclosure relates to a wear amount estimation device for estimating a wheel wear amount, a wear amount learning device, and a wear amount monitoring system.
  • the wheel wear detection device described in Patent Document 1 measures the traveling direction distance of an overhead crane by a laser distance meter arranged on both ends in the transverse direction on the machine of the overhead crane, and measures the distance on both ends in the transverse direction. Wheel wear is detected from the difference between the values.
  • Patent Document 1 requires a distance measurement system device in addition to the traveling system device, and has a problem that the device for estimating the amount of wheel wear becomes complicated.
  • the present disclosure has been made in view of the above, and an object of the present disclosure is to obtain a wear amount estimation device capable of estimating the wear amount of a wheel with a simple configuration.
  • the wear amount estimation device of the present disclosure determines the amount of wear on the wheels of a transfer device in which a mover movable by a wheel-type guide mechanism is driven and controlled by a linear motor. It is an estimation device for estimating the amount of wear, and acquires information on the control current flowing through the linear motor to drive and control the mover and information on the position or speed at which the mover is driven and controlled as estimation data. It has a data acquisition unit. Further, the wear amount estimation device of the present disclosure includes a storage unit that stores a wear amount estimation model for estimating the wear amount, and a calculation unit that estimates the wear amount by inputting estimation data into the wear amount estimation model. , Equipped with.
  • the wear amount estimation device has an effect that the wear amount of the wheel can be estimated with a simple configuration.
  • FIG. 1 is a diagram showing a configuration of a wear amount monitoring system including a wear amount estimation device according to an embodiment.
  • the wear amount monitoring system 100A is a system for estimating the wear amount of the movable child wheel 13 included in the linear motor drive type transfer device 50A.
  • the transport device 50A includes a wheel-type guide mechanism and is driven by a linear motor.
  • FIG. 1 two axes in a plane parallel to the upper surface of the transport device 50A and orthogonal to each other are defined as an X axis and a Y axis. Further, the axis orthogonal to the X-axis and the Y-axis is defined as the Z-axis.
  • the Z axis is, for example, an axis parallel to the vertical direction.
  • FIG. 1 shows a case where the transport device 50A moves along the Y-axis direction, but the transport device 50A may move in any direction.
  • the wear amount monitoring system 100A uses information on the control current and speed while the transport device 50A is running and a wear amount estimation model to check the wear state of the mover wheel 13, which is the wheel of the mover 1 while running. Monitor.
  • the wear amount estimation model is a model that estimates the wheel wear amount, which is the wear amount of the movable child wheel 13.
  • the wear amount monitoring system 100A may use the information on the position of the transfer device 50A instead of the information on the speed of the transfer device 50A.
  • the wear amount monitoring system 100A may generate position information from the speed information of the transport device 50A, or may generate speed information from the position information of the transport device 50A. Further, the wear amount monitoring system 100A generates at least one of the information on the position of the transfer device 50A and the information on the speed of the transfer device 50A from the operation program for operating the transfer device 50A.
  • control current information and the position or speed information in the present embodiment may be commands to the transfer device 50A or information used for feedback from the transfer device 50A, respectively.
  • the wear amount monitoring system 100A includes a transport device 50A, a control device 5, and a wear amount estimation device 4.
  • the transport device 50A has a linear motor including a mover 1 and a stator 2.
  • the mover 1 includes a mover housing 11, a linear motor magnet 12, and a plurality of mover wheels 13.
  • the stator 2 includes a stator housing 21, a linear motor armature 22, and a scale head 23.
  • the stator housing 21 is the housing of the stator 2, and the linear motor armature 22 is the armature of the linear motor.
  • the stator housing 21 has a wheel traveling surface that engages with the mover wheel 13 and defines a traveling path.
  • the scale head 23 detects the position information in the moving direction of the mover 1 and feeds back the detected position information to the control device 5. That is, the scale head 23 sends the position information of the mover 1 fed back to the control device 5 to the control device 5 as the scale FB (Feed Back, feedback) information 51.
  • the scale FB information 51 is represented by, for example, Y coordinates.
  • the mover housing 11 is the housing of the mover 1, and the linear motor magnet 12 is a magnet of the linear motor.
  • the mover wheel 13 is a wheel included in the transport device 50A and is attached to the mover housing 11. The mover wheel 13 guides the mover 1 so as to be movable in the thrust direction of the linear motor, and keeps the distance between the mover housing 11 and the stator housing 21 at a specific distance.
  • the transport device 50A generates a traveling magnetic field by passing an alternating current through the linear motor armature 22, and moves the mover 1 by the electromagnetic force generated between the transfer device 50A and the linear motor magnet 12.
  • the linear motor of the transport device 50A may be a linear induction motor or a linear synchronous motor.
  • the control device 5 is a device that controls the transport device 50A. In FIG. 1, the arrow from the control device 5 to the transfer device 50A is not shown.
  • the control device 5 acquires the position of the mover 1 used for the feedback control of the transfer device 50A from the transfer device 50A as the scale FB information 51.
  • the control device 5 controls the transfer device 50A based on the scale FB information 51 obtained from the scale head 23, so that the mover 1 travels according to an arbitrary operation pattern.
  • control device 5 acquires the information of the control current used for the feedback control of the transfer device 50A from the current output to the linear motor of the transfer device 50A as the current FB information 52.
  • the control current is information on the current output by the control device 5 to the linear motor of the transfer device 50A for the transfer control of the transfer device 50A, and the current FB information 52 is actually used by the transfer device 50A during transfer.
  • the current FB information 52 may be detected by the current detector installed in the transport device 50A and acquired from the transport device 50A, or may be installed at a position in the control device 5 where the control current is output to the linear motor. It may be detected by the current detector and acquired in the control device 5.
  • the current-thrust characteristic is a characteristic showing the correspondence between the current and the thrust.
  • FIG. 2 is a diagram showing an example of the correlation between the current flowing through the linear motor included in the wear amount estimation device according to the embodiment, the thrust generated by the linear motor due to the current, and the wear amount.
  • the horizontal axis represents the current value of the current
  • the vertical axis represents the thrust.
  • the current-thrust characteristic is R1 when the amount of wear without wear is 0.0 mm.
  • the current-thrust characteristic is R2.
  • the thrust is F1 when the current value is I1
  • the thrust is F2 (> F1) when the current value is I1.
  • the current-thrust characteristic is a feature that expresses the current-thrust characteristic by using the current-thrust correlation coefficient, which is the coefficient obtained by dividing the thrust by the current, when the relationship between the current and the thrust can be considered to be proportional within the range of the thrust used. It can be calculated as a quantity. As the amount of wear of the mover wheel 13 increases, the thrust output for the same current becomes larger than before the change, so that the current thrust correlation coefficient becomes larger.
  • the thrust of the linear motor causes the acceleration of the driven mover 1, but the current-thrust characteristics change due to wear, so the acceleration generated for the same current changes. Specifically, as the amount of wear increases, the acceleration generated for the same current increases.
  • the mover 1 is feedback-controlled by the control device 5 based on the scale FB information 51, which is the detected position information, so as to have a speed pattern with acceleration / deceleration determined by a preset operation program.
  • FIG. 3 is a diagram showing an example of the relationship between a speed pattern representing a change in speed and a current flowing through a linear motor when the mover included in the wear amount estimation device according to the embodiment is driven and controlled. ..
  • the horizontal axis of the graph shown in the upper part of FIG. 3 is time, and the vertical axis is speed.
  • the horizontal axis of the graph shown in the lower part of FIG. 3 is time, and the vertical axis is current.
  • the speed shown in FIG. 3 is a speed command, and the current is the current FB information 52.
  • the speed pattern is, for example, an acceleration period in which the speed accelerates at a constant acceleration, a constant speed period in which the speed is maintained at a constant speed, and a deceleration in which the speed decelerates at a constant negative acceleration. It has a period and a period of stop when the speed is stopped at zero.
  • the control device 5 performs drive control for controlling the position of the mover 1, and generates a position command that changes so as to have a speed pattern as shown in FIG.
  • the control device 5 controls the linear motor by passing a current through the linear motor so that the scale FB information 51, which is the position of the mover 1 detected by the scale head 23, moves according to the position command.
  • the mover 1 is feedback-controlled so as to have a speed determined by a target speed pattern by the control by the control device 5.
  • the control device 5 adjusts and outputs the current flowing through the linear motor so that the acceleration is the slope of the speed of the speed pattern.
  • the acceleration for the mover 1 to move in the velocity pattern is realized with a small current.
  • a small amount of current is passed through the linear motor by the control by the control device 5.
  • the solid line of the current shown in FIG. 3 represents the current FB information 52 when the wear amount is 0.0 mm, and the broken line of the current represents the current FB information 52 when the wear amount is 0.1 mm.
  • the value of the current FB information 52 when the wear amount is 0.1 mm is smaller than the value of the current FB information 52 when the wear amount is 0.0 mm. ..
  • the control device 5 sends the velocity FB information based on the acquired scale FB information 51 to the wear amount estimation device 4. Further, the control device 5 sends the current FB information 52 as the control current information to the wear amount estimation device 4.
  • the drive control command which is a command for driving and controlling the mover 1, may be a position command that specifies the position of the mover 1, or may be a speed command that specifies the speed of the mover 1.
  • the scale FB information 51 is feedback information corresponding to the drive control command, and includes position FB information or speed FB information.
  • the current FB information 52 is feedback information corresponding to the control current.
  • control device 5 sends the combination of the velocity FB information, which is the feedback information of the velocity of the mover 1, and the current FB information 52 corresponding to the control current, to the wear amount estimation device 4.
  • the wear amount estimation device 4 is a computer that estimates the wheel wear amount, which is the wear amount of the movable child wheel 13.
  • the wear amount estimation device 4 uses as estimation data 53 the current FB information 52, which is information on the control current flowing through the linear motor, and the speed FB information, which is information on the speed at which the mover 1 is driven and controlled. Get from 5.
  • the estimation data 53 is data used when estimating the wheel wear amount, and is state information indicating the state of the transport device 50A.
  • the wear amount estimation device 4 estimates and stores the wheel wear amount using the estimation data 53 and the wear amount estimation model. Further, the wear amount estimation device 4 sends the wheel wear amount, which is the estimation result 61, to the control device 5 in response to the request from the control device 5.
  • the wear amount estimation device 4 includes a data acquisition unit 41, a calculation unit 42, a storage unit 43, and an output unit 44.
  • the data acquisition unit 41 acquires estimation data 53 from the control device 5.
  • the storage unit 43 is a memory or the like that stores a wear amount estimation model.
  • the calculation unit 42 estimates the wheel wear amount based on the estimation data 53 and the wear amount estimation model. Specifically, the calculation unit 42 inputs the estimation data 53 into the wear amount estimation model. As a result, the data output from the wear amount estimation model becomes the wheel wear amount as the estimation result 61. The calculation unit 42 stores the estimated wheel wear amount in the storage unit 43.
  • the output unit 44 When the control device 5 requests the wheel wear amount, the output unit 44 outputs the wheel wear amount stored in the storage unit 43 to the control device 5. The request for the amount of wheel wear from the control device 5 is received by the data acquisition unit 41 and notified to the output unit 44.
  • the wear amount estimation device 4 may be built in the transport device 50A, or may be configured as a device separate from the transport device 50A as shown in FIG. Further, the wear amount estimation device 4 may exist on the cloud server.
  • FIG. 4 is a flowchart showing a procedure for estimating the wheel wear amount by the wear amount estimation device according to the embodiment.
  • the control device 5 controls the transfer device 50A
  • the control device 5 acquires the velocity FB information and the current FB information 52 included in the scale FB information 51 from the transfer device 50A.
  • the control device 5 sends the acquired velocity FB information and current FB information 52 to the wear amount estimation device 4 as velocity information and control current information.
  • the data acquisition unit 41 of the wear amount estimation device 4 acquires the estimation data 53 including the speed FB information as the speed information and the current FB information 52 as the control current information from the control device 5 (step). S10).
  • the calculation unit 42 inputs the estimation data 53 into the wear amount estimation model (step S20). As a result, the calculation unit 42 estimates the amount of wheel wear (step S30). The amount of wheel wear is stored in the storage unit 43.
  • the data acquisition unit 41 receives the wheel wear amount request and notifies the output unit 44.
  • the output unit 44 outputs the wheel wear amount stored in the storage unit 43 to the control device 5 (step S40).
  • the friction amount estimation model used by the wear amount estimation device 4 is a model that stores and holds the correlation between the current and the thrust corresponding to a plurality of wear amounts.
  • the current FB information 52 and the velocity FB information are input to this friction amount estimation model.
  • the friction amount estimation model calculates the acceleration based on the velocity FB information, further calculates the thrust from the acceleration, and calculates the detected value of the correlation coefficient between the current and the thrust from the current FB information 52 and the calculated thrust. ..
  • the friction amount estimation model estimates the wear amount from the detected value of the correlation coefficient and the correlation coefficient between the current and the thrust corresponding to the stored wear amount.
  • FIG. 5 is a flowchart showing a detailed estimation processing procedure of the wheel wear amount by the wear amount estimation device according to the embodiment.
  • the calculation unit 42 calculates the acceleration detection value, which is the acceleration detection value, by differentially processing the velocity FB information acquired as the estimation data 53 (step S31).
  • the calculation unit 42 integrates the mass of the mover 1 stored in advance in the storage unit 43 with the acceleration detection value, and calculates a thrust calculation value which is a calculation value of the thrust output from the linear motor (step S32). ).
  • the calculation unit 42 divides the thrust calculation value by the current FB information 52 acquired as the estimation data 53 to calculate the current thrust correlation detection value (step S33).
  • the calculation unit 42 has a current thrust phase relationship closest to the current thrust correlation detection value from the current thrust correlation coefficient corresponding to a plurality of wear amounts stored in advance in the storage unit 43 and the calculated current thrust correlation detection value.
  • the number of wheel wear amounts is used as an estimated value of the wheel wear amount (step S34).
  • the estimated value of the wheel wear amount is stored in the storage unit 43 (step S35).
  • FIG. 6 is a diagram showing an example of the correlation between the current and the thrust corresponding to a plurality of wear amounts, which is stored in the friction amount estimation model used by the wear amount estimation device according to the embodiment.
  • the correlation between the current and the thrust is the current thrust correlation coefficient, and the information in which the current thrust correlation coefficient and the wear amount are associated with each other is stored in the friction amount estimation model.
  • control device 5 sends the current FB information 52 as the control current information to the wear amount estimation device 4
  • the control device 5 sends the current command information as the control current information. You may send it. That is, the current flowing through the linear motor is controlled by current, and the current command information and the current FB information 52 almost match. Therefore, the control device 5 uses the current command information as the control current information to estimate the amount of wear. You may send it to 4.
  • the control device 5 may send the speed command information to the wear amount estimation device 4 instead of the speed FB information. That is, since the speed of the linear motor is controlled by speed and the speed command information and the speed FB information are substantially the same, the control device 5 may send the speed command information to the wear amount estimation device 4.
  • the calculation unit 42 of the wear amount estimation device 4 calculates the acceleration by differentiating the velocity command information.
  • the control device 5 sends position command information or position FB information (scale FB information 51) to the wear amount estimation device 4, and the calculation unit 42 of the wear amount estimation device 4 transmits the position command information or position FB information twice. Acceleration may be calculated by differential processing.
  • the position FB information is the position information of the mover 1 that feeds back to the control device 5.
  • a graph of the correlation between the current and the thrust corresponding to a plurality of wear amounts may be stored in the storage unit 43 by dividing the current and the thrust at regular value intervals.
  • the calculation unit 42 searches for a graph of the correlation between the current and the thrust, which is the closest to the relationship between the current FB information 52 and the thrust in the transport device 50A, and estimates the amount of wear.
  • the current-thrust characteristics change when the coil temperature of the linear motor changes significantly.
  • the coil temperature changes on average depending on the frequency of operating the linear motor in a speed pattern and the like, and the balance between heat generation due to the current flowing through the linear motor and heat dissipation from the linear motor. Therefore, the data acquisition unit 41 may acquire the coil temperature, which is the temperature of the coil of the linear motor.
  • the calculation unit 42 calls a correction coefficient close to the acquired coil temperature based on the acquired coil temperature from a plurality of correction coefficients corresponding to the plurality of coil temperatures stored in the storage unit 43 in advance.
  • the calculation unit 42 multiplies the control current information data, the position or velocity information data, or the acceleration data calculated from the position or velocity information by a correction coefficient to correct the amount of wear. presume. By correcting the data used for estimating the wear amount with the correction coefficient corresponding to the coil temperature, the calculation unit 42 can estimate the wheel wear amount more accurately than when the correction is not performed.
  • the arithmetic unit 42 may calculate the effective load factor through a first-order lag filter that squares the acquired current information and averages it with a thermal time constant.
  • the calculation unit 42 calls and uses the current-thrust characteristics close to the calculated effective load factor from the storage unit 43 that stores a plurality of current-thrust characteristics corresponding to the plurality of effective load factors in advance. The current-thrust characteristics are corrected.
  • the wear amount estimation device 4 has a simple configuration that does not require the coil temperature to be acquired by a sensor or the like during operation, and can estimate the wheel wear amount more accurately than in the case of no correction.
  • the calculation unit 42 does not need to perform correction by the coil temperature when the change in the coil temperature is small or when it can be considered that the change in the current-thrust characteristic due to the change in the coil temperature is small.
  • the wear amount learning device of the present embodiment can estimate a minute wear amount with the wear amount estimation device 4 having a simple structure without making the transport device 50A expensive.
  • FIG. 7 is a diagram showing a configuration of a wear amount monitoring system including a wear amount learning device according to an embodiment.
  • components that achieve the same functions as the wear amount monitoring system 100A shown in FIG. 1 are designated by the same reference numerals, and duplicate description will be omitted.
  • the wear amount monitoring system 100B is a system that machine-learns the wheel wear amount and generates a wear amount estimation model used for estimating the wheel wear amount.
  • the transfer device 50B is the same device as the transfer device 50A.
  • FIG. 7 two axes in a plane parallel to the upper surface of the transport device 50B and orthogonal to each other are defined as an X axis and a Y axis. Further, the axis orthogonal to the X-axis and the Y-axis is defined as the Z-axis.
  • the Z axis is, for example, an axis parallel to the vertical direction.
  • FIG. 7 shows a case where the transport device 50B moves along the Y-axis direction, but the transport device 50B may move in any direction.
  • the wear amount monitoring system 100B includes a transport device 50B, a control device 5, and a wear amount learning device 3B.
  • the transport device 50B includes at least one distance sensor 24 in addition to the components of the transport device 50A.
  • the distance sensor 24 is arranged on the stator 2.
  • the control device 5 included in the wear amount monitoring system 100B may be a device different from the control device 5 included in the wear amount monitoring system 100A.
  • the distance sensor 24 is a sensor that detects the distance between the mover 1 and the stator 2.
  • the distance sensor 24 sends the detected distance as the distance information 54 to the wear amount learning device 3B.
  • the distance information 54 is information corresponding to the amount of wheel wear.
  • the control device 5 acquires the position FB information, the velocity FB information, and the current FB information 52 included in the scale FB information 51 from the transfer device 50B.
  • the control device 5 uses the acquired position FB information and speed FB information, the position command information which is the position command information of the mover 1, and the speed command information which is a differentiation of the position command information, and obtains the position information and the speed. It is sent to the wear amount learning device 3B as the information of. Further, the control device 5 sends the current FB information 52 to the wear amount learning device 3B.
  • the current FB information 52 is information on the control current.
  • control device 5 includes the position command information and the speed command information, the position FB information and the speed FB information obtained from the scale FB information 51, and the current FB information 52 that detects the control current passed through the linear motor. The combination is sent to the wear amount learning device 3B.
  • the wear amount learning device 3B is a computer that generates a wear amount estimation model that estimates the wheel wear amount, which is the wear amount of the mover wheel 13.
  • the wear amount learning device 3B transfers the current FB information 52, which is information on the control current, and the position command information, the speed command information, the position FB information, and the speed FB information, which are the position and speed information of the mover 1. It is acquired from the control device 5 as the state information 60 indicating the state of 50B.
  • the wear amount learning device 3B acquires the distance information 54 as teacher data from the transport device 50B. That is, the wear amount learning device 3B acquires the learning data 55B including the state information 60 and the distance information 54 from the control device 5 and the transport device 50B.
  • the training data 55B is data used when generating a wear amount estimation model.
  • the wear amount learning device 3B learns the wheel wear amount using the learning data 55B and generates a wear amount estimation model.
  • the wear amount learning device 3B generates a wear amount estimation model capable of calculating an accurate wheel wear amount.
  • the wear amount learning device 3B stores the wheel wear amount and sends the wear amount estimation model to the wear amount estimation device 4 in response to the request from the wear amount estimation device 4.
  • the wear amount learning device 3B includes a data acquisition unit 31, a machine learning unit 32B, a storage unit 33, and an output unit 34.
  • the data acquisition unit 31 acquires the state information 60 from the control device 5 and the distance information 54 from the transfer device 50B. That is, the data acquisition unit 31 acquires the state information 60 and the distance information 54 corresponding to the state information 60 as learning data 55B.
  • the machine learning unit 32B generates a wear amount estimation model based on the learning data 55B. Specifically, the machine learning unit 32B acquires the learning data 55B, which is a data set created by the combination of the state information 60 and the distance information 54, from the data acquisition unit 31, and wheel wear based on the learning data 55B. Learn the amount. The method of machine learning of the amount of wheel wear will be described later.
  • the wear amount learning device 3B stores the wear amount estimation model obtained as a result of machine learning in the storage unit 33.
  • the storage unit 33 is a memory or the like that stores a wear amount estimation model that is a learned model.
  • the output unit 34 outputs the wear amount estimation model stored in the storage unit 33 to the wear amount estimation device 4.
  • the request of the wear amount estimation model from the wear amount estimation device 4 is received by the data acquisition unit 31 and notified to the output unit 34.
  • FIG. 8 is a flowchart showing a procedure for generating a wear amount estimation model by the wear amount learning device according to the embodiment.
  • the control device 5 controls the transfer device 50B
  • the control device 5 acquires the scale FB information 51 and the current FB information 52 from the transfer device 50B.
  • the control device 5 sends the position FB information, the velocity FB information, and the current FB information 52 obtained from the acquired scale FB information 51 to the wear amount learning device 3B.
  • the control device 5 sends the position command information, which is the information of the position command of the mover 1, to the wear amount learning device 3B.
  • the data acquisition unit 31 of the wear amount learning device 3B includes position command information, position FB information, speed command information, and speed FB information, which are position and speed information, and current FB information 52, which is control current information.
  • Data state information 60 is acquired from the control device 5. Further, the data acquisition unit 31 acquires the distance information 54 from the transfer device 50B. That is, the wear amount learning device 3B acquires the learning data 55B including the state information 60 and the distance information 54 from the control device 5 and the transport device 50B (step S110).
  • the machine learning unit 32B learns the wheel wear amount using the learning data 55B (step S120). As a result, the machine learning unit 32B generates a wear amount estimation model.
  • the storage unit 33 stores the wear amount estimation model (step S130).
  • the data acquisition unit 31 receives the request of the wear amount estimation model and notifies the output unit 34.
  • the output unit 34 outputs the wear amount estimation model stored in the storage unit 33 to the wear amount estimation device 4.
  • the data acquisition unit 41 of the wear amount estimation device 4 receives the wear amount estimation model and stores it in the storage unit 43.
  • the wear amount learning device 3B learns to estimate the wheel wear amount based on such a change in the operation of the feedback with respect to the position or speed command.
  • the wear amount learning device 3B may calculate the acceleration from the position or speed information and include it in the learning data 55B. In this case, the wear amount learning device 3B learns the wheel wear amount based on the change in the acceleration of the transport device 50B caused by the change in the drive current according to the speed feedback of the mover 1, and generates a wear amount estimation model. Further, the wear amount estimation device 4 calculates the acceleration from the position or speed information, includes it in the estimation data 53, inputs it to the wear amount estimation model, and causes a change in the drive current according to the speed feedback of the mover 1. The amount of wheel wear may be estimated based on the change in the acceleration of the transport device 50B.
  • the wear amount monitoring system may include a wear amount learning device 3B and a wear amount estimation device 4.
  • FIG. 9 is a diagram showing a configuration of a wear amount monitoring system including a wear amount learning device and a wear amount estimation device according to an embodiment.
  • FIG. 9 shows the configuration of a wear amount monitoring system 100X including a wear amount learning device 3B and a wear amount estimation device 4.
  • the wear amount monitoring system 100X includes transfer devices 50A and 50B, two control devices 5, a wear amount learning device 3B, and a wear amount estimation device 4.
  • the first control device 5 is the control device 5 described with reference to FIG. 1, and is connected to the transfer device 50A and the wear amount estimation device 4.
  • the second control device 5 is the control device 5 described with reference to FIG. 7, and is connected to the transfer device 50B and the wear amount learning device 3B. Then, the wear amount estimation device 4 and the wear amount learning device 3B are connected.
  • the wear amount learning device 3B acquires the learning data 55B by acquiring the data from the second control device 5 and the transport device 50B, and generates a wear amount estimation model.
  • the wear amount estimation device 4 acquires a wear amount estimation model from the wear amount learning device 3B.
  • the wear amount estimation device 4 may acquire a wear amount estimation model from the wear amount learning device 3B by communication, or may acquire a wear amount estimation model from the wear amount learning device 3B via a portable storage medium. good.
  • the wear amount estimation device 4 acquires the estimation data 53 by acquiring the data from the first control device 5 and the transfer device 50A.
  • the wear amount estimation device 4 estimates the wear amount of the movable child wheel 13 of the transfer device 50A based on the wear amount estimation model and the estimation data 53.
  • the data acquisition unit 31 of the wear amount learning device 3B is the first data acquisition unit
  • the data acquisition unit 41 of the wear amount estimation device 4 is the second data acquisition unit.
  • the first control device 5 and the second control device 5 may be combined into one control device 5.
  • one control device 5 controls the transfer devices 50A and 50B.
  • FIG. 10 is a diagram showing another configuration of a wear amount monitoring system including a wear amount learning device according to an embodiment.
  • components that achieve the same functions as the wear amount monitoring systems 100A and 100B are designated by the same reference numerals, and duplicate description will be omitted.
  • the wear amount monitoring system 100C is a system that generates a wear amount estimation model like the wear amount monitoring system 100B.
  • the transfer device 50C is the same device as the transfer devices 50A and 50B.
  • FIG. 10 two axes in a plane parallel to the upper surface of the transport device 50C and orthogonal to each other are defined as an X axis and a Y axis. Further, the axis orthogonal to the X-axis and the Y-axis is defined as the Z-axis.
  • the Z axis is, for example, an axis parallel to the vertical direction.
  • FIG. 10 shows a case where the transport device 50C moves along the Y-axis direction, but the transport device 50C may move in any direction.
  • the wear amount monitoring system 100C includes a transport device 50C, a control device 5, and a wear amount learning device 3C.
  • the transfer device 50C includes a temperature sensor 25 in addition to the components of the transfer device 50B.
  • the temperature sensor 25 is arranged on the stator 2.
  • the temperature sensor 25 is a sensor that detects the temperature of the coil included in the linear motor armature 22, and is arranged in the vicinity of the linear motor armature 22.
  • the temperature sensor 25 sends the detected temperature as coil temperature information 72 to the wear amount learning device 3C. Further, the distance sensor 24 sends the distance information 54 to the wear amount learning device 3C.
  • the control device 5 acquires position FB information, speed FB information, and current FB information 52 obtained from the scale FB information 51 from the transfer device 50C, and wear amount learning device 3C as position and speed information and control current information. Send to. Further, the control device 5 sends the position command information which is the command of the position of the mover 1 and the speed command information which is the derivative thereof to the wear amount learning device 3C. Further, the control device 5 sends information on the mounted mass of the mover 1 as mass information 71 to the wear amount learning device 3C.
  • the mass information 71 is information on the mass obtained by adding the mass of the mover 1 itself and the mass of the load mounted on the mover 1. That is, the mass information 71 is information on the weight applied to the movable child wheel 13.
  • the wear amount learning device 3C is a computer that generates a wear amount estimation model that estimates the wheel wear amount, which is the wear amount of the mover wheel 13.
  • the wear amount learning device 3C transfers the current FB information 52, which is the control current information, and the position command information, the position FB information, the speed command information, and the speed FB information, which are the position and speed information, into the state of the transport device 50C. Is acquired from the control device 5 as the state information 60 indicating the above. Further, the wear amount learning device 3C acquires the mass information 71 from the control device 5.
  • the wear amount learning device 3C acquires the distance information 54 and the coil temperature information 72 from the transfer device 50C.
  • the mass information 71 and the coil temperature information 72 may be used as the learning data 55C, or may be used for correcting the feedback information.
  • a case where the mass information 71 and the coil temperature information 72 are used as the learning data 55C will be described.
  • the wear amount learning device 3C acquires learning data 55C including state information 60, mass information 71, distance information 54, and coil temperature information 72 from the control device 5 and the transfer device 50C.
  • the wear amount learning device 3C includes a data acquisition unit 31, a machine learning unit 32C, a storage unit 33, and an output unit 34.
  • the machine learning unit 32C learns the wheel wear amount based on the learning data 55C and generates a wear amount estimation model.
  • a case where the machine learning unit 32C uses the mass information 71 and the coil temperature information 72 for correcting the feedback information will be described.
  • the current FB information 52 which is the feedback value of the control current to the transfer device 50C, fluctuates depending on the mounted mass of the mover 1 and the temperature of the coil included in the linear motor armature 22. Therefore, the machine learning unit 32C corrects the scale FB information 51 and the current FB information 52 based on the mass information 71 and the coil temperature information 72 measured in at least one velocity pattern. That is, the machine learning unit 32C uses the scale FB information 51 and the current FB information 52 for preprocessing of learning data in the previous stage of the machine learning process. The machine learning unit 32C machine-learns the wheel wear amount using the corrected scale FB information 51 and the current FB information 52, and generates a wear amount estimation model.
  • the machine learning unit 32C generates a wear amount estimation model corresponding to a change in the coil temperature without using the coil temperature information 72 as the learning data 55C and without using the feedback information for correction. ..
  • the control device 5 When the control device 5 continuously operates the transport device 50C to operate, for example, the control device 5 operates in an operation pattern that repeats a speed pattern with acceleration / deceleration shown in FIG. A current flows during the acceleration period, the constant speed period, and the deceleration period, and the linear motor generates heat and the temperature rises. During the stop period, almost no current flows, the linear motor dissipates heat and the temperature drops. When these processes are repeated frequently and the linear motor operates continuously, the temperature of the linear motor converges to a certain average temperature in which heat generation and heat dissipation are balanced. This temperature is referred to as a high frequency temperature.
  • the transport device 50C is continuously used. When operated in, it converges to a low frequency temperature that is lower than the high frequency temperature.
  • the wear amount learning device 3C can identify in what operation pattern the transport device 50C is operated by the information of the position or the speed. Therefore, the wear amount learning device 3C may acquire learning data 55C including position or velocity information in a plurality of operation patterns in which the coil temperature has a different value. As a result, the wear amount learning device 3C can identify the wheel wear amount according to the operating conditions such as the wheel wear amount in the operation where the coil temperature is high and the wheel wear amount in the operation where the coil temperature is low, and the coil temperature can be determined. You can learn a wear amount estimation model that can estimate the wheel wear amount corresponding to the difference.
  • the data acquisition unit 31 has information on the control current, information on the position or speed, and information on the distance between the mover 1 and the stator 2 in a plurality of operation patterns in which the coil temperature has different values. 54 and are acquired as learning data 55C.
  • the machine learning unit 32C uses the control current information, the position or speed information, and the wear amount estimation model for estimating the wheel wear amount from the learning data in a plurality of operation patterns in which the coil temperature has a different value. Generated based on 55C.
  • the wear amount learning device 3C is a wear amount estimation model that estimates the wheel wear amount according to the change in the coil temperature due to the operation of the transfer device 50C from the position or speed information without inputting the coil temperature information. Can be generated. Further, by using this wear amount estimation model, the wear amount learning device 3C uses this wear amount estimation model to obtain the wear amount corresponding to the change in the coil temperature due to the operation of the transfer device 50C from the position or speed information without inputting the coil temperature information. Can be estimated. Therefore, the wear amount learning device 3C has a simple configuration without the temperature sensor 25, and can accurately estimate the wheel wear amount in response to changes in the coil temperature.
  • the mass information 71 which is the mass information of the mover 1
  • the same conveyed object is often repeatedly conveyed, so that the same conveyed object is repeatedly conveyed with the mover 1 before the operation is started.
  • the total mass with the object is measured.
  • the wear amount learning device 3C stores the measured total mass as mass information 71 in the storage unit 33.
  • the wear amount estimation device 4 may call the mass information 71 of the storage unit 33 and use it for correction of the estimation data 53.
  • the total mass of the mover 1 and the conveyed object is measured by moving the mover 1 on which the conveyed object is placed in a speed pattern with acceleration / deceleration in a state where the wheel wear amount is known and the current-thrust characteristic is known. Will be executed.
  • the wear amount learning device 3C acquires the control current information and the position feedback information, calculates the thrust from the control current information, and calculates the acceleration by differentiating the position information twice.
  • the wear amount learning device 3C calculates the mass information 71 by dividing the calculated thrust by the calculated acceleration.
  • the wear amount learning device 3C can accurately estimate the wheel wear amount with a simple configuration that does not require the mass information 71 to be acquired by a sensor or the like during operation.
  • the mass information 71 may be calculated by a device other than the wear amount learning device 3C.
  • the wear amount learning device 3B may be built in the transport device 50B, or may be configured as a device separate from the transport device 50B as shown in FIG. 7.
  • the wear amount learning device 3C may be built in the transport device 50C, or may be configured as a device separate from the transport device 50C as shown in FIG. Further, the wear amount learning devices 3B and 3C may exist on the cloud server.
  • the wear amount learning device 3C Since the wear amount learning device 3C generates a wear amount estimation model by the same processing procedure as the wear amount learning device 3B, the description thereof will be omitted.
  • the machine learning process by the machine learning units 32B and 32C will be described. Since the machine learning process by the machine learning unit 32B and the machine learning process by the machine learning unit 32C are the same process, the machine learning process by the machine learning unit 32B will be described here.
  • the machine learning unit 32B learns the amount of wheel wear by, for example, supervised learning according to a neural network model.
  • supervised learning refers to a model in which a large number of sets of data of a certain input and a result (label) are given to a learning device to learn the features in those data sets and estimate the result from the input.
  • a neural network is composed of an input layer consisting of a plurality of neurons, an intermediate layer (hidden layer) consisting of a plurality of neurons, and an output layer consisting of a plurality of neurons.
  • the intermediate layer may be one layer or two or more layers.
  • FIG. 11 is a diagram showing a configuration of a neural network used by the wear amount learning device according to the embodiment.
  • a three-layer neural network as shown in FIG. 11, when a plurality of inputs are input to the input layers X1 to X3, the values are multiplied by the weights w11 to w16 and input to the intermediate layers Y1 and Y2. , The result is further multiplied by the weights w21 to w26 and output from the output layers Z1 to Z3. This output result varies depending on the values of the weights w11 to w16 and the weights w21 to w26.
  • the neural network of the embodiment learns the wheel wear amount by so-called supervised learning according to the data set created based on the combination of the state information 60 and the distance information 54. That is, when the neural network inputs the current FB information 52, which is the control current information, to the input layers X1 to X3, the position command information, the position FB information, the speed command information, and the speed FB information of the mover 1.
  • the weights w11 to w16 and the weights w21 to w26 are adjusted so that the results output from the output layers Z1 to Z3 approach the distance information 54 corresponding to the amount of wheel wear.
  • the machine learning unit 32B stores the neural network adjusted with the weights w11 to w16 and w21 to w26 in the storage unit 33.
  • the neural network generated by the machine learning unit 32B is a wear amount estimation model.
  • the neural network can also learn the amount of wheel wear by so-called unsupervised learning.
  • Unsupervised learning is to learn how the input data is distributed by giving a large amount of input data to the wear amount learning device 3B, and to input data without giving the corresponding teacher output data.
  • it is a method of learning a device that performs compression, classification, shaping, and the like.
  • unsupervised learning the features in those datasets can be clustered among similar people.
  • this result can be used to predict the output by setting some criteria and allocating the output to optimize it.
  • Semi-supervised learning is a learning method in which only a part of the input and output data sets exist, and the other parts are input-only data.
  • the machine learning unit 32B may learn the wheel wear amount according to the data sets created for the plurality of transport devices 50B.
  • the machine learning unit 32B may acquire a data set from separate transport devices 50B used at the same site, or may collect data sets from a plurality of transfer devices 50B operating independently at different sites.
  • the data set may be used to learn the amount of wheel wear.
  • the wear amount learning device 3B can add the transport device 50B for collecting the data set to the target on the way, or conversely, remove it from the target.
  • a wear amount learning device 3B that has learned the wheel wear amount for a certain transport device is attached to another transport device, and the attached wear amount learning device 3B re-does the wheel wear amount for the other transport device. You may want to learn and update.
  • machine learning unit 32B As a learning algorithm used in the machine learning unit 32B, deep learning (deep learning) that learns the extraction of the feature amount itself can also be used, and the machine learning unit 32B can be used in other known methods. For example, machine learning may be performed according to genetic programming, functional logic programming, support vector machines, and the like.
  • the hardware configurations of the wear amount estimation device 4 and the wear amount learning devices 3B and 3C will be described. Since the wear amount estimation device 4 and the wear amount learning devices 3B and 3C have the same hardware configuration, the hardware configuration of the wear amount estimation device 4 will be described here.
  • FIG. 12 is a diagram showing a hardware configuration example that realizes the wear amount estimation device according to the embodiment.
  • the wear amount estimation device 4 can be realized by an input device 300, a processor 10, a memory 200, and an output device 400.
  • An example of the processor 10 is a CPU (Central Processing Unit, central processing unit, processing unit, arithmetic unit, microprocessor, microcomputer, DSP (Digital Signal Processor)) or system LSI (Large Scale Integration).
  • Examples of the memory 200 are RAM (Random Access Memory) and ROM (Read Only Memory).
  • the wear amount estimation device 4 is realized by the processor 10 reading and executing a computer-executable wear amount estimation program for executing the operation of the wear amount estimation device 4 stored in the memory 200.
  • the wear amount estimation program which is a program for executing the operation of the wear amount estimation device 4, causes the computer to execute the procedure or method of the wear amount estimation device 4.
  • the wear amount estimation program executed by the wear amount estimation device 4 has a modular configuration including a data acquisition unit 41 and a calculation unit 42, which are loaded on the main storage device and generated on the main storage device. Will be done.
  • the input device 300 receives the estimation data 53 and the wear amount estimation model 80 and sends them to the data acquisition unit 41.
  • the wear amount estimation model 80 is a wear amount estimation model generated by the wear amount learning device 3B described with reference to FIG. 7.
  • the memory 200 is used as a temporary memory when the processor 10 executes various processes. Further, the memory 200 stores the estimation data 53, the wear amount estimation model 80, and the wheel wear amount 81.
  • the wheel wear amount 81 is a wheel wear amount calculated by the calculation unit 42 using the estimation data 53 and the wear amount estimation model 80.
  • the output device 400 outputs the wheel wear amount 81 to the control device 5.
  • the wear amount estimation program is a file in an installable format or an executable format, and may be stored in a computer-readable storage medium and provided as a computer program product. Further, the wear amount estimation program may be provided to the wear amount estimation device 4 via a network such as the Internet. It should be noted that some of the functions of the wear amount estimation device 4 may be realized by dedicated hardware such as a dedicated circuit, and some may be realized by software or firmware.
  • the wear amount estimation device 4 of the embodiment has information on the control current flowing through the linear motor for driving and controlling the mover 1 of the transfer device 50A, and the position or speed of the drive controlled position or speed of the mover 1.
  • the information and the data are acquired as the estimation data 53.
  • the wear amount estimation device 4 estimates the wear amount by inputting the estimation data 53 into the wear amount estimation model 80 for estimating the wear amount of the movable child wheel 13.
  • the wear amount estimation device 4 can estimate the wear amount of the movable child wheel 13 with a simple configuration.
  • the wear amount learning device 3B of the embodiment has information on the control current flowing through the linear motor for driving and controlling the mover 1 of the transfer device 50B, and information on the position or speed at which the mover 1 is driven and controlled. And the distance information 54 indicating the distance between the mover 1 and the stator 2 included in the linear motor are acquired as learning data 55B. Then, the wear amount learning device 3B generates a wear amount estimation model for estimating the wear amount of the mover wheel 13 based on the learning data 55B. As a result, the wear amount learning device 3B can generate a wear amount estimation model that can estimate the wear amount of the movable child wheel 13 with a simple configuration.
  • the configuration shown in the above embodiment is an example, and can be combined with another known technique, or a part of the configuration may be omitted or changed without departing from the gist. It is possible.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Linear Motors (AREA)
  • Control Of Electric Motors In General (AREA)

Abstract

車輪式のガイド機構により移動可能な可動子（１）がリニアモータによって駆動制御される搬送装置（５０Ａ）の可動子車輪（１３）の摩耗量を推定する摩耗量推定装置（４）であって、可動子を駆動制御するためにリニアモータに流される制御電流の情報と、可動子の駆動制御される位置または速度の情報と、を推定用データ（５３）として取得するデータ取得部（４１）と、摩耗量を推定するための摩耗量推定モデルを記憶する記憶部（４３）と、推定用データを摩耗量推定モデルに入力することによって摩耗量を推定する演算部（４２）と、を備える。

Description

摩耗量推定装置、摩耗量学習装置、および摩耗量監視システム
　本開示は、車輪の摩耗量を推定する摩耗量推定装置、摩耗量学習装置、および摩耗量監視システムに関する。
　リニアモータを用いた搬送装置が備える車輪は、摩耗すると搬送装置を駆動する電流と搬送装置の推力との関係が変化するので、搬送装置を正確に制御することが困難になる。このため、搬送装置が備える車輪の摩耗量を正確に推定し、摩耗量に基づいて、所望の搬送制御を実行することが望まれる。
　特許文献１に記載の車輪摩耗検知装置は、天井クレーンの機上で横行方向の両端側に配置されたレーザー距離計によって、天井クレーンの走行方向距離を測定し、横行方向の両端側での測定値同士の差分から車輪の磨耗を検知している。
特開２０１７－１４６２２７号公報
　しかしながら、上記特許文献１の技術では、走行系の装置とは別に距離計測系の装置が必要となり、車輪の摩耗量を推定する装置が複雑化するという問題があった。
　本開示は、上記に鑑みてなされたものであって、簡易な構成で車輪の摩耗量を推定することができる摩耗量推定装置を得ることを目的とする。
　上述した課題を解決し、目的を達成するために、本開示の摩耗量推定装置は、車輪式のガイド機構により移動可能な可動子がリニアモータによって駆動制御される搬送装置の車輪の摩耗量を推定する摩耗量推定装置であって、可動子を駆動制御するためにリニアモータに流される制御電流の情報と、可動子の駆動制御される位置または速度の情報と、を推定用データとして取得するデータ取得部を備える。また、本開示の摩耗量推定装置は、摩耗量を推定するための摩耗量推定モデルを記憶する記憶部と、推定用データを摩耗量推定モデルに入力することによって摩耗量を推定する演算部と、を備える。
　本開示にかかる摩耗量推定装置は、簡易な構成で車輪の摩耗量を推定することができるという効果を奏する。
実施の形態にかかる摩耗量推定装置を備えた摩耗量監視システムの構成を示す図 実施の形態にかかる摩耗量推定装置が備えるリニアモータに流される電流と、電流によってリニアモータが生じさせる推力と、摩耗量との相関関係の一例を示す図 実施の形態にかかる摩耗量推定装置が備える可動子が駆動制御される際の、速度の変化を表す速度パターンと、リニアモータに流される電流との関係の一例を示す図 実施の形態にかかる摩耗量推定装置による車輪摩耗量の推定処理手順を示すフローチャート 実施の形態にかかる摩耗量推定装置による車輪摩耗量の詳細な推定処理手順を示すフローチャート 実施の形態にかかる摩耗量推定装置が用いる摩擦量推定モデルが記憶する、複数の摩耗量に対応した電流と推力との相関関係の一例を示す図 実施の形態にかかる摩耗量学習装置を備えた摩耗量監視システムの構成を示す図 実施の形態にかかる摩耗量学習装置による摩耗量推定モデルの生成処理手順を示すフローチャート 実施の形態にかかる摩耗量学習装置および摩耗量推定装置を備えた摩耗量監視システムの構成を示す図 実施の形態にかかる摩耗量学習装置を備えた摩耗量監視システムの別構成を示す図 実施の形態にかかる摩耗量学習装置が用いるニューラルネットワークの構成を示す図 実施の形態にかかる摩耗量推定装置を実現するハードウェア構成例を示す図
　以下に、本開示の実施の形態にかかる摩耗量推定装置、摩耗量学習装置、および摩耗量監視システムを図面に基づいて詳細に説明する。
実施の形態．
　図１は、実施の形態にかかる摩耗量推定装置を備えた摩耗量監視システムの構成を示す図である。摩耗量監視システム１００Ａは、リニアモータ駆動型の搬送装置５０Ａが備える可動子車輪１３の摩耗量を推定するシステムである。搬送装置５０Ａは、車輪式のガイド機構を備え、リニアモータによって駆動される。
　図１では、搬送装置５０Ａの上面と平行な面内の２つの軸であって互いに直交する２つの軸をＸ軸およびＹ軸とする。また、Ｘ軸およびＹ軸に直交する軸をＺ軸とする。Ｚ軸は、例えば、鉛直方向に平行な軸である。図１では、搬送装置５０ＡがＹ軸方向に沿って移動する場合を示しているが、搬送装置５０Ａは、何れの方向に移動してもよい。
　摩耗量監視システム１００Ａは、搬送装置５０Ａが走行中の、制御電流および速度の情報と、摩耗量推定モデルとを用いて、走行中の可動子１の車輪である可動子車輪１３の摩耗状態を監視する。摩耗量推定モデルは、可動子車輪１３の摩耗量である車輪摩耗量を推定するモデルである。摩耗量監視システム１００Ａは、搬送装置５０Ａの速度の情報の代わりに、搬送装置５０Ａの位置の情報を用いてもよい。摩耗量監視システム１００Ａは、搬送装置５０Ａの速度の情報から位置の情報を生成してもよいし、搬送装置５０Ａの位置の情報から速度の情報を生成してもよい。また、摩耗量監視システム１００Ａは、搬送装置５０Ａを運転するための運転プログラムから搬送装置５０Ａの位置の情報、および搬送装置５０Ａの速度の情報の少なくとも一方を生成する。
　なお、本実施の形態における制御電流の情報、位置または速度の情報は、それぞれ搬送装置５０Ａへの指令であってもよいし、搬送装置５０Ａからのフィードバックに用いられる情報であってもよい。
　摩耗量監視システム１００Ａは、搬送装置５０Ａと、制御装置５と、摩耗量推定装置４とを備えている。搬送装置５０Ａは、可動子１と、固定子２とを具備したリニアモータを有している。可動子１は、可動子筐体１１と、リニアモータ磁石１２と、複数の可動子車輪１３とを備えている。固定子２は、固定子筐体２１と、リニアモータ電機子２２と、スケールヘッド２３とを備えている。
　固定子筐体２１は、固定子２の筐体であり、リニアモータ電機子２２は、リニアモータの電機子である。固定子筐体２１は、可動子車輪１３と係合し走行経路を規定する車輪走行面を備えている。スケールヘッド２３は、可動子１の移動方向の位置情報を検出し、検出した位置情報を制御装置５にフィードバックする。すなわち、スケールヘッド２３は、制御装置５にフィードバックする可動子１の位置情報を、スケールＦＢ（Feed　Back、フィードバック）情報５１として、制御装置５に送る。スケールＦＢ情報５１は、例えば、Ｙ座標で表される。
　可動子筐体１１は、可動子１の筐体であり、リニアモータ磁石１２は、リニアモータの磁石である。可動子車輪１３は、搬送装置５０Ａが備える車輪であり、可動子筐体１１に取り付けられている。可動子車輪１３は、可動子１をリニアモータの推力方向へ移動可能に案内するとともに、可動子筐体１１と固定子筐体２１との距離を特定の距離に保つ。
　搬送装置５０Ａは、リニアモータ電機子２２に交流電流を流すことで進行磁界を発生させ、リニアモータ磁石１２との間で発生する電磁力で可動子１を移動させる。なお、搬送装置５０Ａのリニアモータは、リニア誘導モータであってもよいし、リニア同期モータであってもよい。
　制御装置５は、搬送装置５０Ａを制御する装置である。なお、図１では、制御装置５から搬送装置５０Ａへの矢印の図示を省略している。制御装置５は、搬送装置５０Ａのフィードバック制御に用いる可動子１の位置を、スケールＦＢ情報５１として搬送装置５０Ａから取得する。制御装置５は、スケールヘッド２３から得たスケールＦＢ情報５１に基づいて、搬送装置５０Ａを制御することで、任意の動作パターンに従って可動子１を走行させる。
　また、制御装置５は、搬送装置５０Ａのフィードバック制御に用いる制御電流の情報を、電流ＦＢ情報５２として搬送装置５０Ａのリニアモータに出力する電流から取得する。制御電流は、搬送装置５０Ａの搬送制御のために制御装置５が搬送装置５０Ａのリニアモータに出力する電流の情報であり、電流ＦＢ情報５２は、搬送装置５０Ａが搬送の際に実際に用いた電流の情報である。電流ＦＢ情報５２は、搬送装置５０Ａに設置された電流検出器で検出して搬送装置５０Ａから取得してもよいし、制御装置５の中で制御電流をリニアモータへ出力する箇所に設置された電流検出器で検出して制御装置５の中で取得してもよい。
　この場合において、可動子１の総走行距離の増大に伴い、可動子車輪１３の転動面で摩耗が進行する。可動子車輪１３の摩耗の進行に伴い可動子筐体１１と固定子筐体２１との距離は変化し、リニアモータ磁石１２とリニアモータ電機子２２との距離も同じく変化するので、リニアモータの電流－推力特性が変化する。電流－推力特性は、電流と推力との対応関係を示す特性である。
　図２は、実施の形態にかかる摩耗量推定装置が備えるリニアモータに流される電流と、電流によってリニアモータが生じさせる推力と、摩耗量との相関関係の一例を示す図である。
　図２において、横軸は電流の電流値、縦軸は推力を表している。摩耗が進行して摩耗量が増加すると、より具体的には、リニアモータ磁石１２とリニアモータ電機子２２との距離が小さくなると、リニアモータの電流－推力特性が変化して、図２のように同じ電流に対して出力される推力は変化する前より大きくなる。
　図２において、摩耗が発生していない摩耗量が０．０ｍｍのときの電流－推力特性がＲ１である。摩耗が発生し、例えば摩耗量が０．１ｍｍのときの電流－推力特性がＲ２である。電流－推力特性がＲ１の場合、電流値がＩ１であれば推力はＦ１であり、電流－推力特性がＲ２の場合、電流値がＩ１であれば推力はＦ２（＞Ｆ１）である。
　電流－推力特性は、使用する推力の範囲で電流と推力との関係が比例しているとみなせる場合、推力を電流で割り算した係数である電流推力相関係数を、電流－推力特性を表す特徴量として計算することができる。可動子車輪１３の摩耗量が増加すると、同じ電流に対して出力される推力は変化する前より大きくなるので、電流推力相関係数が大きくなることになる。
　リニアモータの推力により、駆動される可動子１の加速度が発生するが、摩耗により電流－推力特性が変化することで、同じ電流に対して発生する加速度が変化する。具体的には、摩耗量が増加することで同じ電流に対して発生する加速度が増加する。
　可動子１は、制御装置５により、あらかじめ設定された運転プログラムにより決められた加減速のある速度パターンとなるように、検出された位置情報であるスケールＦＢ情報５１に基づきフィードバック制御される。
　図３は、実施の形態にかかる摩耗量推定装置が備える可動子が駆動制御される際の、速度の変化を表す速度パターンと、リニアモータに流される電流との関係の一例を示す図である。図３の上段に示すグラフの横軸は時間であり、縦軸は速度である。図３の下段に示すグラフの横軸は時間であり、縦軸は電流である。図３に示す速度は速度指令であり、電流は電流ＦＢ情報５２である。
　速度パターンは、例えば、図３に示すように、一定の加速度で速度が加速する加速の期間と、一定の速度を維持する一定速の期間と、一定の負の加速度で速度が減速する減速の期間と、速度が０で停止している停止の期間とを有する。本実施の形態では、制御装置５は可動子１の位置を制御する駆動制御を行っており、図３に示したような速度パターンとなるように変化する位置指令を生成する。制御装置５は、スケールヘッド２３で検出される可動子１の位置であるスケールＦＢ情報５１が位置指令に従って動くようにリニアモータに電流を流すことで、リニアモータを制御する。
　可動子１は、制御装置５による制御によって、目標となる速度パターンで決められた速度となるようにフィードバック制御される。制御装置５は、可動子１を制御する際に、速度パターンの速度の傾きである加速度となるように、リニアモータに流される電流を調整して出力する。この場合において、リニアモータの電流－推力特性の変化により、同じ電流に対して出力される推力が増加すると、可動子１が速度パターンで動くための加速度は少ない電流で実現される。その結果、制御装置５による制御によって、リニアモータへは、少ない電流が流されることになる。
　図３に示す電流の実線は、摩耗量が０．０ｍｍのときの電流ＦＢ情報５２を表し、電流の破線は摩耗量が０．１ｍｍのときの電流ＦＢ情報５２を表している。速度パターンにおける加速の期間の同じ加速度に対し、摩耗量０．０ｍｍのときの電流ＦＢ情報５２の値よりも、摩耗量０．１ｍｍのときの電流ＦＢ情報５２の値の方が小さくなっている。
　制御装置５は、取得したスケールＦＢ情報５１に基づいた速度ＦＢ情報を、摩耗量推定装置４に送る。また、制御装置５は、制御電流の情報として電流ＦＢ情報５２を摩耗量推定装置４に送る。可動子１を駆動制御するための指令である駆動制御指令は、可動子１の位置を指定した位置指令であってもよいし、可動子１の速度を指定した速度指令であってもよい。スケールＦＢ情報５１は、駆動制御指令に対応するフィードバック情報であり、位置ＦＢ情報または速度ＦＢ情報を含む。電流ＦＢ情報５２は、制御電流に対応するフィードバック情報である。
　このように、制御装置５は、可動子１の速度のフィードバック情報である速度ＦＢ情報と、制御電流に対応する電流ＦＢ情報５２との組み合わせとを、摩耗量推定装置４に送る。
　摩耗量推定装置４は、可動子車輪１３の摩耗量である車輪摩耗量を推定するコンピュータである。摩耗量推定装置４は、リニアモータに流される制御電流の情報である電流ＦＢ情報５２と、可動子１の駆動制御される速度の情報である速度ＦＢ情報とを、推定用データ５３として制御装置５から取得する。推定用データ５３は、車輪摩耗量を推定する際に用いられるデータであり、搬送装置５０Ａの状態を示す状態情報である。
　摩耗量推定装置４は、推定用データ５３と、摩耗量推定モデルとを用いて、車輪摩耗量を推定し記憶する。また、摩耗量推定装置４は、制御装置５からの要求に応じて、推定結果６１である車輪摩耗量を制御装置５へ送る。
　摩耗量推定装置４は、データ取得部４１と、演算部４２と、記憶部４３と、出力部４４とを備えている。データ取得部４１は、制御装置５から推定用データ５３を取得する。記憶部４３は、摩耗量推定モデルを記憶しておくメモリなどである。
　演算部４２は、推定用データ５３および摩耗量推定モデルに基づいて、車輪摩耗量を推定する。具体的には、演算部４２は、摩耗量推定モデルに推定用データ５３を入力する。これにより、摩耗量推定モデルから出力されるデータが、推定結果６１としての車輪摩耗量となる。演算部４２は、推定した車輪摩耗量を記憶部４３に格納する。
　出力部４４は、制御装置５から車輪摩耗量の要求があると、記憶部４３に格納されている車輪摩耗量を制御装置５に出力する。制御装置５からの車輪摩耗量の要求は、データ取得部４１が受け付けて出力部４４に通知する。
　摩耗量推定装置４は、搬送装置５０Ａに内蔵されていてもよく、図１に示したように搬送装置５０Ａと別個の装置として構成されてもよい。また、摩耗量推定装置４は、クラウドサーバ上に存在していてもよい。
　図４は、実施の形態にかかる摩耗量推定装置による車輪摩耗量の推定処理手順を示すフローチャートである。制御装置５は、搬送装置５０Ａを制御する際に、搬送装置５０ＡからスケールＦＢ情報５１に含まれる速度ＦＢ情報および電流ＦＢ情報５２を取得する。制御装置５は、取得した速度ＦＢ情報および電流ＦＢ情報５２を、速度の情報および制御電流の情報として摩耗量推定装置４に送る。
　摩耗量推定装置４のデータ取得部４１は、速度の情報としての速度ＦＢ情報と、制御電流の情報としての電流ＦＢ情報５２とを含んだ推定用データ５３を、制御装置５から取得する（ステップＳ１０）。
　演算部４２は、摩耗量推定モデルに推定用データ５３を入力する（ステップＳ２０）。これにより、演算部４２は、車輪摩耗量を推定する（ステップＳ３０）。この車輪摩耗量は、記憶部４３で記憶される。
　制御装置５が車輪摩耗量の要求を摩耗量推定装置４に送ると、データ取得部４１が、車輪摩耗量の要求を受け付けて出力部４４に通知する。これにより、出力部４４は、記憶部４３に格納されている車輪摩耗量を制御装置５に出力する（ステップＳ４０）。
　ここで、摩耗量推定装置４が用いる摩擦量推定モデルによる車輪摩耗量の詳細な推定処理手順について説明する。摩耗量推定装置４が用いる摩擦量推定モデルは、複数の摩耗量に対応した電流と推力との相関関係を記憶して保持するモデルである。この摩擦量推定モデルへは、電流ＦＢ情報５２と速度ＦＢ情報とが入力される。摩擦量推定モデルは、速度ＦＢ情報に基づいて加速度を計算し、さらに加速度から推力を計算し、電流ＦＢ情報５２と計算された推力とから電流と推力との相関係数の検出値を計算する。摩擦量推定モデルは、相関係数の検出値、および記憶している摩耗量に対応した電流と推力の相関係数から、摩耗量を推定する。
　図５は、実施の形態にかかる摩耗量推定装置による車輪摩耗量の詳細な推定処理手順を示すフローチャートである。
　演算部４２は、推定用データ５３として取得した速度ＦＢ情報を微分処理することで加速度の検出値である加速度検出値を計算する（ステップＳ３１）。
　演算部４２は、加速度検出値に、記憶部４３であらかじめ記憶している可動子１の質量を積算して、リニアモータから出力された推力の計算値である推力計算値を計算する（ステップＳ３２）。
　演算部４２は、推力計算値を、推定用データ５３として取得した電流ＦＢ情報５２で割り算して電流推力相関検出値を計算する（ステップＳ３３）。
　演算部４２は、記憶部４３にあらかじめ記憶している複数の摩耗量に対応した電流推力相関係数と、計算した電流推力相関検出値とから、電流推力相関検出値に最も近い電流推力相関係数の車輪摩耗量を、車輪摩耗量の推定値とする（ステップＳ３４）。この車輪摩耗量の推定値は、記憶部４３で記憶される（ステップＳ３５）。
　図６は、実施の形態にかかる摩耗量推定装置が用いる摩擦量推定モデルが記憶する、複数の摩耗量に対応した電流と推力との相関関係の一例を示す図である。電流と推力との相関関係が、電流推力相関係数であり、電流推力相関係数と摩耗量とが、対応付けされた情報が、摩擦量推定モデルで記憶される。
　なお、本実施の形態では、制御装置５が、摩耗量推定装置４へ制御電流の情報として電流ＦＢ情報５２を送る例を説明したが、制御装置５は、制御電流の情報として電流指令情報を送ってもよい。すなわち、リニアモータへ流す電流は、電流制御が行われて電流指令情報と電流ＦＢ情報５２とがほぼ一致しているので、制御装置５は、制御電流の情報として電流指令情報を摩耗量推定装置４に送ってもよい。
　また、制御装置５が、摩耗量推定装置４へ速度ＦＢ情報を送る例を説明したが、制御装置５は、摩耗量推定装置４へ速度ＦＢ情報の代わりに速度指令情報を送ってもよい。すなわち、リニアモータの速度は、速度制御が行われて速度指令情報と速度ＦＢ情報とがほぼ一致しているので、制御装置５は、摩耗量推定装置４へ速度指令情報を送ってもよい。この場合、摩耗量推定装置４の演算部４２は、速度指令情報を微分処理することで加速度を計算する。或いは、制御装置５は、摩耗量推定装置４へ位置指令情報または位置ＦＢ情報（スケールＦＢ情報５１）を送り、摩耗量推定装置４の演算部４２が、位置指令情報または位置ＦＢ情報を２回微分処理することで加速度を計算してもよい。位置ＦＢ情報は、制御装置５にフィードバックする可動子１の位置情報である。
　また、本実施の形態では、電流と推力との相関関係が比例関係とし、電流推力相関係数を記憶する例を説明したが、電流推力相関係数以外のデータを記憶しておいてもよい。例えば、複数の摩耗量に対応した電流と推力との相関関係のグラフを、電流および推力を一定値間隔で区切って記憶部４３に記憶しておいてもよい。この場合、演算部４２は、搬送装置５０Ａでの電流ＦＢ情報５２と推力との関係に最も近い電流と推力との相関関係のグラフを検索して摩耗量を推定する。
　電流－推力特性は、リニアモータのコイル温度の変化が大きいと変化する。コイル温度は、リニアモータを速度パターンで動作させる頻度等により、リニアモータに流される電流による発熱とリニアモータからの放熱とのバランスなどで、平均的に収束する温度が変わってくる。このため、データ取得部４１は、リニアモータが有するコイルの温度であるコイル温度を取得してもよい。この場合、演算部４２は、あらかじめ記憶部４３に記憶しておいた複数のコイル温度に対応した複数の補正係数から、取得したコイル温度に基づいて取得したコイル温度に近い補正係数を呼び出す。そして、演算部４２は、制御電流の情報のデータ、あるいは位置または速度の情報のデータ、あるいは位置または速度の情報から計算された加速度のデータに、補正係数を掛けて補正して、摩耗量を推定する。演算部４２は、摩耗量を推定する際に用いるデータを、コイル温度に対応する補正係数で補正することで、補正をしない場合よりも精度良く車輪摩耗量を推定できる。
　また、コイル温度に関する別の補正方法もある。リニアモータに流れる電流による発熱は、電流の２乗に比例して発熱するので、取得した電流の情報を２乗して、熱的な時定数で平均化した実効負荷率がリニアモータの温度の目安となる。このため演算部４２は、取得した電流の情報を２乗し、熱的な時定数で平均化する一次遅れフィルタを通して、実効負荷率を計算してもよい。この場合、演算部４２は、あらかじめ複数の実効負荷率に対応した複数の電流－推力特性を記憶しておいた記憶部４３から、計算した実効負荷率に近い電流－推力特性を呼び出して利用するといった、電流－推力特性の補正を行う。これにより、摩耗量推定装置４は、運転時にコイル温度をセンサなどで取得する必要が無い簡易な構成で、補正をしない場合よりも精度良く車輪摩耗量を推定できる。
　演算部４２は、コイル温度の変化が少なかった場合、またはコイル温度の変化による電流－推力特性の変化が少ないとみなせる場合には、コイル温度による補正を行わなくてもよい。
　ところで、搬送装置が備える可動子車輪の摩耗量を測定する方法として、可動子車輪の摩耗量の計測系を搬送装置に配置する方法がある。この方法の場合、可動子車輪の摩耗量の計測系が必要になるので測定装置の構成が複雑になる。また、微小な摩耗量を検出するためには高精度な計測系が必要とされ、搬送装置が高価になる。本実施の形態の摩耗量学習装置は、摩耗量推定モデルを用いることで、搬送装置５０Ａを高価にすることなく簡易な構成の摩耗量推定装置４で微小な摩耗量を推定することができる。
　つぎに、摩耗量推定モデルの生成処理について説明する。図７は、実施の形態にかかる摩耗量学習装置を備えた摩耗量監視システムの構成を示す図である。図７の各構成要素のうち図１に示す摩耗量監視システム１００Ａと同一機能を達成する構成要素については同一符号を付しており、重複する説明は省略する。
　摩耗量監視システム１００Ｂは、車輪摩耗量を機械学習し車輪摩耗量の推定に用いられる摩耗量推定モデルを生成するシステムである。搬送装置５０Ｂは、搬送装置５０Ａと同様の装置である。
　図７では、搬送装置５０Ｂの上面と平行な面内の２つの軸であって互いに直交する２つの軸をＸ軸およびＹ軸とする。また、Ｘ軸およびＹ軸に直交する軸をＺ軸とする。Ｚ軸は、例えば、鉛直方向に平行な軸である。図７では、搬送装置５０ＢがＹ軸方向に沿って移動する場合を示しているが、搬送装置５０Ｂは、何れの方向に移動してもよい。
　摩耗量監視システム１００Ｂは、搬送装置５０Ｂと、制御装置５と、摩耗量学習装置３Ｂとを備えている。搬送装置５０Ｂは、搬送装置５０Ａが有する構成要素に加えて、少なくとも１つの距離センサ２４を備えている。距離センサ２４は、固定子２に配置されている。なお、摩耗量監視システム１００Ｂが備える制御装置５は、摩耗量監視システム１００Ａが備える制御装置５とは異なる装置であってもよい。
　距離センサ２４は、可動子１と固定子２との間の距離を検出するセンサである。距離センサ２４は、検出した距離を距離情報５４として摩耗量学習装置３Ｂに送る。距離情報５４は、車輪摩耗量に対応する情報である。
　制御装置５は、搬送装置５０ＢからスケールＦＢ情報５１に含まれる位置ＦＢ情報と速度ＦＢ情報、および電流ＦＢ情報５２を取得する。制御装置５は、取得した位置ＦＢ情報および速度ＦＢ情報と、可動子１の位置の指令の情報である位置指令情報と、位置指令情報の微分である速度指令情報とを、位置の情報および速度の情報として摩耗量学習装置３Ｂに送る。また、制御装置５は、電流ＦＢ情報５２を摩耗量学習装置３Ｂに送る。この電流ＦＢ情報５２は、制御電流の情報である。
　このように、制御装置５は、位置指令情報および速度指令情報と、スケールＦＢ情報５１から得られる位置ＦＢ情報および速度ＦＢ情報と、リニアモータに流した制御電流を検出した電流ＦＢ情報５２との組み合わせとを、摩耗量学習装置３Ｂに送る。
　摩耗量学習装置３Ｂは、可動子車輪１３の摩耗量である車輪摩耗量を推定する摩耗量推定モデルを生成するコンピュータである。摩耗量学習装置３Ｂは、制御電流の情報である電流ＦＢ情報５２と、可動子１の位置および速度の情報である位置指令情報、速度指令情報、位置ＦＢ情報および速度ＦＢ情報とを、搬送装置５０Ｂの状態を示す状態情報６０として制御装置５から取得する。
　また、摩耗量学習装置３Ｂは、距離情報５４を教師データとして搬送装置５０Ｂから取得する。すなわち、摩耗量学習装置３Ｂは、状態情報６０および距離情報５４を含んだ学習用データ５５Ｂを、制御装置５および搬送装置５０Ｂから取得する。学習用データ５５Ｂは、摩耗量推定モデルを生成する際に用いられるデータである。
　摩耗量学習装置３Ｂは、学習用データ５５Ｂを用いて、車輪摩耗量を学習し、摩耗量推定モデルを生成する。摩耗量学習装置３Ｂは、正確な車輪摩耗量を算出することができる摩耗量推定モデルを生成する。摩耗量学習装置３Ｂは、車輪摩耗量を記憶しておき、摩耗量推定装置４からの要求に応じて、摩耗量推定モデルを摩耗量推定装置４へ送る。
　摩耗量学習装置３Ｂは、データ取得部３１と、機械学習部３２Ｂと、記憶部３３と、出力部３４とを備えている。データ取得部３１は、状態情報６０を制御装置５から取得し、距離情報５４を搬送装置５０Ｂから取得する。すなわち、データ取得部３１は、状態情報６０と、この状態情報６０に対応する距離情報５４とを学習用データ５５Ｂとして取得する。
　機械学習部３２Ｂは、学習用データ５５Ｂに基づいて、摩耗量推定モデルを生成する。具体的には、機械学習部３２Ｂは、状態情報６０および距離情報５４の組み合わせによって作成されるデータセットである学習用データ５５Ｂをデータ取得部３１から取得し、学習用データ５５Ｂに基づいて車輪摩耗量を学習する。車輪摩耗量の機械学習の方法については、後述する。摩耗量学習装置３Ｂは、機械学習の結果として得た摩耗量推定モデルを記憶部３３に格納する。
　記憶部３３は、学習済モデルである摩耗量推定モデルを記憶しておくメモリなどである。出力部３４は、摩耗量推定装置４から摩耗量推定モデルの要求があると、記憶部３３に格納されている摩耗量推定モデルを摩耗量推定装置４に出力する。摩耗量推定装置４からの摩耗量推定モデルの要求は、データ取得部３１が受け付けて出力部３４に通知する。
　図８は、実施の形態にかかる摩耗量学習装置による摩耗量推定モデルの生成処理手順を示すフローチャートである。制御装置５は、搬送装置５０Ｂを制御する際に、搬送装置５０ＢからスケールＦＢ情報５１および電流ＦＢ情報５２を取得する。制御装置５は、取得したスケールＦＢ情報５１から得られる位置ＦＢ情報と速度ＦＢ情報、および電流ＦＢ情報５２を、摩耗量学習装置３Ｂに送る。また、制御装置５は、可動子１の位置の指令の情報である位置指令情報を摩耗量学習装置３Ｂに送る。
　摩耗量学習装置３Ｂのデータ取得部３１は、位置および速度の情報である位置指令情報、位置ＦＢ情報、速度指令情報、および速度ＦＢ情報と、制御電流の情報である電流ＦＢ情報５２とを含んだ状態情報６０を、制御装置５から取得する。また、データ取得部３１は、距離情報５４を搬送装置５０Ｂから取得する。すなわち、摩耗量学習装置３Ｂは、状態情報６０および距離情報５４を含んだ学習用データ５５Ｂを制御装置５および搬送装置５０Ｂから取得する（ステップＳ１１０）。
　機械学習部３２Ｂは、学習用データ５５Ｂを用いて車輪摩耗量を学習する（ステップＳ１２０）。これにより、機械学習部３２Ｂは、摩耗量推定モデルを生成する。記憶部３３は、摩耗量推定モデルを記憶しておく（ステップＳ１３０）。
　摩耗量推定装置４が摩耗量推定モデルの要求を摩耗量学習装置３Ｂに送ると、データ取得部３１が、摩耗量推定モデルの要求を受け付けて出力部３４に通知する。これにより、出力部３４は、記憶部３３に格納されている摩耗量推定モデルを摩耗量推定装置４に出力する。摩耗量推定装置４のデータ取得部４１は、摩耗量推定モデルを受付けて記憶部４３に格納する。
　車輪摩耗量の増加によって電流－推力特性が変化して同じ電流に対して出力される推力が増えると、同じ制御装置５の出力に対して搬送装置５０Ｂからのフィードバックの応答変化が大きくなることになり、制御の出力からフィードバックまでのゲインが大きくなる。このことから、加速時の位置または速度の指令と、フィードバックとの差が小さくなること、または加速から一定速になったときの位置または速度の指令の波形の角に対してフィードバックがなだらかに丸まる度合いが小さくなることがある。摩耗量学習装置３Ｂは、このような、位置または速度の指令に対するフィードバックの動作の変化に基づいて、車輪摩耗量を推定するように学習する。
　また、車輪摩耗量の増加によって電流－推力特性が変化して同じ電流に対して出力される推力が増えると、同じ電流に対して発生する加速度が変化する。このことから、効果的に車輪摩耗量を学習させるため、摩耗量学習装置３Ｂは、位置または速度の情報から加速度を計算して学習用データ５５Ｂに含めてもよい。この場合、摩耗量学習装置３Ｂは、可動子１の速度フィードバックに応じた駆動電流の変化によって生じる搬送装置５０Ｂの加速度の変化に基づいて車輪摩耗量を学習し、摩耗量推定モデルを生成する。また、摩耗量推定装置４は、位置または速度の情報から加速度を計算して推定用データ５３に含めて摩耗量推定モデルに入力し、可動子１の速度フィードバックに応じた駆動電流の変化によって生じる搬送装置５０Ｂの加速度の変化に基づいて車輪摩耗量を推定してもよい。
　また、摩耗量監視システムは、摩耗量学習装置３Ｂおよび摩耗量推定装置４を備えていてもよい。図９は、実施の形態にかかる摩耗量学習装置および摩耗量推定装置を備えた摩耗量監視システムの構成を示す図である。図９では、摩耗量学習装置３Ｂおよび摩耗量推定装置４を備えた摩耗量監視システム１００Ｘの構成を示している。
　摩耗量監視システム１００Ｘは、搬送装置５０Ａ，５０Ｂと、２つの制御装置５と、摩耗量学習装置３Ｂと、摩耗量推定装置４とを備えている。１つ目の制御装置５は、図１で説明した制御装置５であり、搬送装置５０Ａおよび摩耗量推定装置４に接続されている。２つ目の制御装置５は、図７で説明した制御装置５であり、搬送装置５０Ｂおよび摩耗量学習装置３Ｂに接続されている。そして、摩耗量推定装置４と摩耗量学習装置３Ｂとが接続されている。
　摩耗量学習装置３Ｂは、２つ目の制御装置５および搬送装置５０Ｂからデータを取得することで学習用データ５５Ｂを取得し、摩耗量推定モデルを生成する。摩耗量推定装置４は、摩耗量学習装置３Ｂから摩耗量推定モデルを取得する。摩耗量推定装置４は、通信によって摩耗量学習装置３Ｂから摩耗量推定モデルを取得してもよいし、可搬性の記憶媒体を介して摩耗量学習装置３Ｂから摩耗量推定モデルを取得してもよい。
　摩耗量推定装置４は、１つ目の制御装置５および搬送装置５０Ａからデータを取得することで推定用データ５３を取得する。摩耗量推定装置４は、摩耗量推定モデルおよび推定用データ５３に基づいて、搬送装置５０Ａの可動子車輪１３の摩耗量を推定する。
　摩耗量監視システム１００Ｘでは、摩耗量学習装置３Ｂのデータ取得部３１が第１のデータ取得部であり、摩耗量推定装置４のデータ取得部４１が第２のデータ取得部である。
　なお、摩耗量監視システム１００Ｘにおいて、１つ目の制御装置５と２つ目の制御装置５とをまとめて１つの制御装置５としてもよい。この場合、１つの制御装置５で、搬送装置５０Ａ，５０Ｂを制御する。
　図１０は、実施の形態にかかる摩耗量学習装置を備えた摩耗量監視システムの別構成を示す図である。図１０の各構成要素のうち摩耗量監視システム１００Ａ，１００Ｂと同一機能を達成する構成要素については同一符号を付しており、重複する説明は省略する。
　摩耗量監視システム１００Ｃは、摩耗量監視システム１００Ｂと同様に摩耗量推定モデルを生成するシステムである。搬送装置５０Ｃは、搬送装置５０Ａ，５０Ｂと同様の装置である。
　図１０では、搬送装置５０Ｃの上面と平行な面内の２つの軸であって互いに直交する２つの軸をＸ軸およびＹ軸とする。また、Ｘ軸およびＹ軸に直交する軸をＺ軸とする。Ｚ軸は、例えば、鉛直方向に平行な軸である。図１０では、搬送装置５０ＣがＹ軸方向に沿って移動する場合を示しているが、搬送装置５０Ｃは、何れの方向に移動してもよい。
　摩耗量監視システム１００Ｃは、搬送装置５０Ｃと、制御装置５と、摩耗量学習装置３Ｃとを備えている。搬送装置５０Ｃは、搬送装置５０Ｂが有する構成要素に加えて、温度センサ２５を備えている。温度センサ２５は、固定子２に配置されている。
　温度センサ２５は、リニアモータ電機子２２が備えるコイルの温度を検出するセンサであり、リニアモータ電機子２２の近傍に配置されている。温度センサ２５は、検出した温度をコイル温度情報７２として摩耗量学習装置３Ｃに送る。また、距離センサ２４は、距離情報５４を摩耗量学習装置３Ｃに送る。
　制御装置５は、搬送装置５０Ｃから、スケールＦＢ情報５１から得られる位置ＦＢ情報と速度ＦＢ情報、および電流ＦＢ情報５２を取得し、位置および速度の情報、制御電流の情報として摩耗量学習装置３Ｃに送る。また、制御装置５は、可動子１の位置の指令である位置指令情報とその微分である速度指令情報とを摩耗量学習装置３Ｃに送る。さらに、制御装置５は、可動子１の搭載質量の情報を質量情報７１として摩耗量学習装置３Ｃに送る。質量情報７１は、可動子１自体の質量と、可動子１に搭載される搭載物の質量とを足した質量の情報である。すなわち、質量情報７１は、可動子車輪１３にかかる重さの情報である。
　摩耗量学習装置３Ｃは、可動子車輪１３の摩耗量である車輪摩耗量を推定する摩耗量推定モデルを生成するコンピュータである。摩耗量学習装置３Ｃは、制御電流の情報である電流ＦＢ情報５２と、位置および速度の情報である位置指令情報、位置ＦＢ情報、速度指令情報、および速度ＦＢ情報とを、搬送装置５０Ｃの状態を示す状態情報６０として制御装置５から取得する。また、摩耗量学習装置３Ｃは、質量情報７１を制御装置５から取得する。
　また、摩耗量学習装置３Ｃは、距離情報５４およびコイル温度情報７２を搬送装置５０Ｃから取得する。質量情報７１およびコイル温度情報７２は、学習用データ５５Ｃとして用いられてもよいし、フィードバック情報の補正に用いられてもよい。ここでは、質量情報７１およびコイル温度情報７２が学習用データ５５Ｃとして用いられる場合について説明する。
　摩耗量学習装置３Ｃは、状態情報６０、質量情報７１、距離情報５４、およびコイル温度情報７２を含んだ学習用データ５５Ｃを制御装置５および搬送装置５０Ｃから取得する。摩耗量学習装置３Ｃは、データ取得部３１と、機械学習部３２Ｃと、記憶部３３と、出力部３４とを備えている。
　機械学習部３２Ｃは、学習用データ５５Ｃに基づいて車輪摩耗量を学習し、摩耗量推定モデルを生成する。ここで、機械学習部３２Ｃが、質量情報７１およびコイル温度情報７２を、フィードバック情報の補正に用いる場合について説明する。
　搬送装置５０Ｃへの制御電流のフィードバック値である電流ＦＢ情報５２は、可動子１の搭載質量およびリニアモータ電機子２２が備えるコイルの温度によって変動する。したがって、機械学習部３２Ｃは、スケールＦＢ情報５１および電流ＦＢ情報５２を、少なくとも１つの速度パターンで計測された質量情報７１およびコイル温度情報７２に基づいて補正する。すなわち、機械学習部３２Ｃは、スケールＦＢ情報５１および電流ＦＢ情報５２を、機械学習プロセスの前段において学習データの前処理に使用する。機械学習部３２Ｃは、補正後のスケールＦＢ情報５１および電流ＦＢ情報５２を用いて、車輪摩耗量を機械学習し、摩耗量推定モデルを生成する。
　ここで、機械学習部３２Ｃが、コイル温度情報７２を学習用データ５５Ｃとして用いず、フィードバック情報の補正にも用いずに、コイル温度の変化に対応した摩耗量推定モデルを生成する場合について説明する。
　制御装置５が、搬送装置５０Ｃを連続的に動作させて運転する場合には、例えば図３に示した加減速のある速度パターンを繰り返す動作パターンで運転を行う。加速の期間と、一定速の期間と、減速の期間とでは電流が流れ、リニアモータは発熱して温度が上がる。停止の期間では、電流がほとんど流れず、リニアモータは放熱して温度が下がる。これらの処理が高頻度で繰り返されてリニアモータが連続して動作すると、リニアモータの温度は発熱と放熱とがバランスするある平均的な温度に収束する。この温度を高頻度温度とする。
　ここで、動作パターンが、加速の期間と、一定速の期間と、減速の期間とが同じ長さであり、停止の期間が長い低頻度の動作パターンであった場合、搬送装置５０Ｃを連続的に運転すると、高頻度温度よりも低い温度の低頻度温度に収束する。
　リニアモータの温度が異なると電流－推力特性が変化し、車輪摩耗量の推定にも影響する。ここで、摩耗量学習装置３Ｃは、搬送装置５０Ｃがどのような動作パターンで運転されるかは、位置または速度の情報で識別できる。このため、摩耗量学習装置３Ｃは、コイル温度が異なる値となる複数の動作パターンで位置または速度の情報を含む学習用データ５５Ｃを取得すればよい。これにより、摩耗量学習装置３Ｃは、コイル温度が高くなる運転での車輪摩耗量、コイル温度が低くなる運転での車輪摩耗量、といった運転状況に応じた車輪摩耗量を識別でき、コイル温度の違いに対応した車輪摩耗量を推定できる摩耗量推定モデルを学習できる。
　このように、データ取得部３１は、コイル温度が異なる値となる複数の動作パターンでの、制御電流の情報と、位置または速度の情報と、可動子１と固定子２との間の距離情報５４と、を学習用データ５５Ｃとして取得する。機械学習部３２Ｃは、制御電流の情報と、位置または速度の情報と、から車輪摩耗量を推定するための摩耗量推定モデルを、コイル温度が異なる値となる複数の動作パターンでの学習用データ５５Ｃに基づいて生成する。
　これにより、摩耗量学習装置３Ｃは、コイル温度の情報を入力しなくても、位置または速度の情報から搬送装置５０Ｃの運転によるコイル温度の変化に応じて車輪摩耗量を推定する摩耗量推定モデルを生成することができる。また、摩耗量学習装置３Ｃは、この摩耗量推定モデルを用いることで、コイル温度の情報を入力しなくても位置または速度の情報から搬送装置５０Ｃの運転によるコイル温度の変化に対応した摩耗量を推定することができる。したがって、摩耗量学習装置３Ｃは、温度センサ２５の無い簡易な構成で、車輪摩耗量をコイル温度の変化にも対応して精度良く推定することができる。
　また、可動子１の質量の情報である質量情報７１については、搬送装置５０Ｃの定常的な運転では、同じ搬送物を繰り返し搬送することが多いので、運転を開始する前に可動子１と搬送物との合計の質量が計測される。摩耗量学習装置３Ｃは、計測された合計の質量を質量情報７１として記憶部３３で記憶しておく。摩耗量推定装置４は、記憶部３３の質量情報７１を呼び出して、推定用データ５３の補正に利用してもよい。
　可動子１と搬送物との合計の質量の計測は、車輪摩耗量が既知で且つ電流－推力特性が既知の状態で、加減速のある速度パターンで搬送物を載せた可動子１を動かして実行される。この場合において、摩耗量学習装置３Ｃは、制御電流の情報と位置フィードバックの情報とを取得し、制御電流の情報から推力を計算し、位置の情報を２回微分することで加速度を計算する。摩耗量学習装置３Ｃは、計算した推力を計算された加速度で割り算することで質量情報７１を計算する。
　これにより、摩耗量学習装置３Ｃは、運転時に質量情報７１をセンサなどで取得する必要の無い簡易な構成で、車輪摩耗量を精度良く推定することができる。なお、質量情報７１は、摩耗量学習装置３Ｃ以外の装置が計算してもよい。
　摩耗量学習装置３Ｂは、搬送装置５０Ｂに内蔵されていてもよく、図７に示したように搬送装置５０Ｂと別個の装置として構成されてもよい。同様に、摩耗量学習装置３Ｃは、搬送装置５０Ｃに内蔵されていてもよく、図１０に示したように搬送装置５０Ｃと別個の装置として構成されてもよい。また、摩耗量学習装置３Ｂ，３Ｃは、クラウドサーバ上に存在していてもよい。
　なお、摩耗量学習装置３Ｃは、摩耗量学習装置３Ｂと同様の処理手順によって摩耗量推定モデルを生成するので、その説明は省略する。ここで、機械学習部３２Ｂ，３２Ｃによる機械学習処理について説明する。なお、機械学習部３２Ｂによる機械学習処理と、機械学習部３２Ｃによる機械学習処理とは同様の処理なので、ここでは機械学習部３２Ｂによる機械学習処理について説明する。
　機械学習部３２Ｂは、例えば、ニューラルネットワークモデルに従っていわゆる教師あり学習により、車輪摩耗量を学習する。ここで教師あり学習とは、ある入力と結果（ラベル）のデータの組を大量に学習装置に与えることで、それらのデータセットにある特徴を学習し、入力から結果を推定するモデルをいう。
　ニューラルネットワークは、複数のニューロンからなる入力層、複数のニューロンからなる中間層（隠れ層）、および複数のニューロンからなる出力層で構成される。中間層は、１層、または２層以上でもよい。
　図１１は、実施の形態にかかる摩耗量学習装置が用いるニューラルネットワークの構成を示す図である。例えば、図１１に示すような３層のニューラルネットワークであれば、複数の入力が入力層Ｘ１～Ｘ３に入力されると、その値に重みｗ１１～ｗ１６を掛けて中間層Ｙ１，Ｙ２に入力され、その結果にさらに重みｗ２１～ｗ２６を掛けて出力層Ｚ１～Ｚ３から出力される。この出力結果は、重みｗ１１～ｗ１６および重みｗ２１～ｗ２６の値によって変わる。
　実施の形態のニューラルネットワークは、状態情報６０および距離情報５４の組合せに基づいて作成されたデータセットに従って、いわゆる教師あり学習により、車輪摩耗量を学習する。すなわち、ニューラルネットワークは、入力層Ｘ１～Ｘ３に制御電流の情報である電流ＦＢ情報５２と、可動子１の位置指令情報、位置ＦＢ情報、速度指令情報、および速度ＦＢ情報とを入力したときに出力層Ｚ１～Ｚ３から出力された結果が、車輪摩耗量に対応する距離情報５４に近づくように重みｗ１１～ｗ１６および重みｗ２１～ｗ２６を調整することで学習する。機械学習部３２Ｂは、重みｗ１１～ｗ１６，ｗ２１～ｗ２６を調整したニューラルネットワークを記憶部３３に格納しておく。機械学習部３２Ｂが生成したニューラルネットワークが、摩耗量推定モデルである。
　また、ニューラルネットワークは、いわゆる教師なし学習によって車輪摩耗量を学習することもできる。教師なし学習とは、入力データのみを大量に摩耗量学習装置３Ｂに与えることで、入力データがどのような分布をしているか学習し、対応する教師出力データを与えなくても、入力データに対して圧縮、分類、整形等を行う装置を学習する手法である。教師なし学習では、それらのデータセットにある特徴を似た者どうしにクラスタリングすること等ができる。教師なし学習では、この結果を使って、何らかの基準を設けてそれを最適にするような出力の割り当てを行うことで、出力の予測を実現することができる。また、教師なし学習と教師あり学習との中間的な問題設定として、半教師あり学習と呼ばれるものもある。半教師あり学習は、一部のみ入力と出力のデータの組が存在し、それ以外は入力のみのデータである学習方法である。
　また、機械学習部３２Ｂは、複数の搬送装置５０Ｂに対して作成されるデータセットに従って、車輪摩耗量を学習するようにしてもよい。なお、機械学習部３２Ｂは、同一の現場で使用される別個の搬送装置５０Ｂからデータセットを取得してもよいし、或いは、異なる現場で独立して稼働する複数の搬送装置５０Ｂから収集されるデータセットを利用して車輪摩耗量を学習してもよい。さらに、摩耗量学習装置３Ｂは、データセットを収集する搬送装置５０Ｂを途中で対象に追加し、或いは、逆に対象から除去することも可能である。また、ある搬送装置に関して車輪摩耗量を学習した摩耗量学習装置３Ｂを、これとは別の搬送装置に取り付け、取り付けられた摩耗量学習装置３Ｂが、当該別の搬送装置に関して車輪摩耗量を再学習して更新するようにしてもよい。
　また、機械学習部３２Ｂに用いられる学習アルゴリズムとしては、特徴量そのものの抽出を学習する、深層学習（Deep　Learning：ディープラーニング）を用いることもでき、機械学習部３２Ｂは、他の公知の方法、例えば遺伝的プログラミング、機能論理プログラミング、サポートベクターマシンなどに従って機械学習を実行してもよい。
　ここで、摩耗量推定装置４および摩耗量学習装置３Ｂ，３Ｃのハードウェア構成について説明する。なお、摩耗量推定装置４および摩耗量学習装置３Ｂ，３Ｃは、同様のハードウェア構成を有しているので、ここでは摩耗量推定装置４のハードウェア構成について説明する。
　図１２は、実施の形態にかかる摩耗量推定装置を実現するハードウェア構成例を示す図である。摩耗量推定装置４は、入力装置３００、プロセッサ１０、メモリ２００、および出力装置４００により実現することができる。プロセッサ１０の例は、ＣＰＵ（Central　Processing　Unit、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、ＤＳＰ（Digital　Signal　Processor）ともいう）またはシステムＬＳＩ（Large　Scale　Integration）である。メモリ２００の例は、ＲＡＭ（Random　Access　Memory）、ＲＯＭ（Read　Only　Memory）である。
　摩耗量推定装置４は、プロセッサ１０が、メモリ２００で記憶されている摩耗量推定装置４の動作を実行するための、コンピュータで実行可能な、摩耗量推定プログラムを読み出して実行することにより実現される。摩耗量推定装置４の動作を実行するためのプログラムである摩耗量推定プログラムは、摩耗量推定装置４の手順または方法をコンピュータに実行させるものであるともいえる。
　摩耗量推定装置４で実行される摩耗量推定プログラムは、データ取得部４１および演算部４２を含むモジュール構成となっており、これらが主記憶装置上にロードされ、これらが主記憶装置上に生成される。
　入力装置３００は、推定用データ５３および摩耗量推定モデル８０を受け付けてデータ取得部４１に送る。摩耗量推定モデル８０は、図７で説明した摩耗量学習装置３Ｂによって生成された摩耗量推定モデルである。
　メモリ２００は、プロセッサ１０が各種処理を実行する際の一時メモリに使用される。また、メモリ２００は、推定用データ５３、摩耗量推定モデル８０、および車輪摩耗量８１を記憶する。車輪摩耗量８１は、演算部４２が、推定用データ５３および摩耗量推定モデル８０を用いて算出した車輪摩耗量である。出力装置４００は、車輪摩耗量８１を制御装置５に出力する。
　摩耗量推定プログラムは、インストール可能な形式または実行可能な形式のファイルで、コンピュータが読み取り可能な記憶媒体に記憶されてコンピュータプログラムプロダクトとして提供されてもよい。また、摩耗量推定プログラムは、インターネットなどのネットワーク経由で摩耗量推定装置４に提供されてもよい。なお、摩耗量推定装置４の機能について、一部を専用回路などの専用のハードウェアで実現し、一部をソフトウェアまたはファームウェアで実現するようにしてもよい。
　このように実施の形態の摩耗量推定装置４は、搬送装置５０Ａの可動子１を駆動制御するためにリニアモータに流される制御電流の情報と、可動子１の駆動制御される位置または速度の情報と、を推定用データ５３として取得している。そして、摩耗量推定装置４は、可動子車輪１３の摩耗量を推定するための摩耗量推定モデル８０に推定用データ５３を入力することによって摩耗量を推定している。これにより、摩耗量推定装置４は、簡易な構成で可動子車輪１３の摩耗量を推定することができる。
　また、実施の形態の摩耗量学習装置３Ｂは、搬送装置５０Ｂの可動子１を駆動制御するためにリニアモータに流される制御電流の情報と、可動子１の駆動制御される位置または速度の情報と、リニアモータが備える可動子１と固定子２との間の距離を示す距離情報５４と、を学習用データ５５Ｂとして取得している。そして、摩耗量学習装置３Ｂは、学習用データ５５Ｂに基づいて、可動子車輪１３の摩耗量を推定するための摩耗量推定モデルを生成している。これにより、摩耗量学習装置３Ｂは、簡易な構成で可動子車輪１３の摩耗量を推定することができる摩耗量推定モデルを生成することができる。
　以上の実施の形態に示した構成は、一例を示すものであり、別の公知の技術と組み合わせることも可能であるし、要旨を逸脱しない範囲で、構成の一部を省略、変更することも可能である。
　１　可動子、２　固定子、３Ｂ，３Ｃ　摩耗量学習装置、４　摩耗量推定装置、５　制御装置、１０　プロセッサ、１１　可動子筐体、１２　リニアモータ磁石、１３　可動子車輪、２１　固定子筐体、２２　リニアモータ電機子、２３　スケールヘッド、２４　距離センサ、２５　温度センサ、３１，４１　データ取得部、３２Ｂ，３２Ｃ　機械学習部、３３，４３　記憶部、３４，４４　出力部、４２　演算部、５０Ａ～５０Ｃ　搬送装置、５１　スケールＦＢ情報、５２　電流ＦＢ情報、５３　推定用データ、５４　距離情報、５５Ｂ，５５Ｃ　学習用データ、６０　状態情報、６１　推定結果、７１　質量情報、７２　コイル温度情報、８０　摩耗量推定モデル、８１　車輪摩耗量、１００Ａ～１００Ｃ，１００Ｘ　摩耗量監視システム、２００　メモリ、３００　入力装置、４００　出力装置、Ｘ１～Ｘ３　入力層、Ｙ１，Ｙ２　中間層、Ｚ１～Ｚ３　出力層、ｗ１１～ｗ１６，ｗ２１～ｗ２６　重み。

Claims (8)

  1. 　車輪式のガイド機構により移動可能な可動子がリニアモータによって駆動制御される搬送装置の車輪の摩耗量を推定する摩耗量推定装置であって、
    　前記可動子を駆動制御するために前記リニアモータに流される制御電流の情報と、前記可動子の駆動制御される位置または速度の情報と、を推定用データとして取得するデータ取得部と、
    　前記摩耗量を推定するための摩耗量推定モデルを記憶する記憶部と、
    　前記推定用データを前記摩耗量推定モデルに入力することによって前記摩耗量を推定する演算部と、
    　を備えることを特徴とする摩耗量推定装置。
  2. 　前記演算部は、前記制御電流の情報と、前記位置または前記速度の情報から算出した加速度とに基づいて、前記摩耗量を推定することを特徴とする請求項１に記載の摩耗量推定装置。
  3. 　前記摩耗量推定モデルは、前記推定用データに基づいた前記摩耗量の学習によって生成されていることを特徴とする請求項１に記載の摩耗量推定装置。
  4. 　前記演算部は、固定子が有するコイルの温度に関する情報、または駆動制御される前記可動子の質量の情報である質量情報に基づき、前記摩耗量を推定する、
    　ことを特徴とする請求項１に記載の摩耗量推定装置。
  5. 　車輪式のガイド機構により移動可能な可動子がリニアモータによって駆動制御される搬送装置の車輪の摩耗量を推定するための摩耗量推定モデルを生成する摩耗量学習装置であって、
    　前記可動子を駆動制御するために前記リニアモータに流される制御電流の情報と、前記可動子の駆動制御される位置または速度の情報と、前記可動子と固定子との間の距離を示す距離情報と、を学習用データとして取得するデータ取得部と、
    　前記制御電流の情報と、前記位置または前記速度の情報とから前記摩耗量を推定するための摩耗量推定モデルを、前記学習用データに基づいて生成する機械学習部と、
    　を備えることを特徴とする摩耗量学習装置。
  6. 　前記データ取得部は、前記リニアモータが有するコイルの温度であるコイル温度と、駆動制御される前記可動子の質量の情報である質量情報と、をさらに取得し、
    　前記機械学習部は、前記コイル温度および前記質量情報に基づいて、前記制御電流の情報と、前記位置または前記速度の情報とを含んだ学習用データを補正し、補正後の前記学習用データに基づいて、前記摩耗量推定モデルを生成する、
    　ことを特徴とする請求項５に記載の摩耗量学習装置。
  7. 　前記データ取得部は、前記リニアモータが有するコイルの温度であるコイル温度と、駆動制御される前記可動子の質量の情報である質量情報と、をさらに取得し、
    　前記機械学習部は、前記コイル温度および前記質量情報を前記学習用データに含めて、前記摩耗量推定モデルを生成する、
    　ことを特徴とする請求項５に記載の摩耗量学習装置。
  8. 　車輪式のガイド機構により移動可能な可動子がリニアモータによって駆動制御される搬送装置の車輪の摩耗量を推定する摩耗量監視システムであって、
    　前記摩耗量を推定するための摩耗量推定モデルを生成する摩耗量学習装置と、
    　前記摩耗量推定モデルを用いて前記摩耗量を推定する摩耗量推定装置と、
    　を有し、
    　前記摩耗量学習装置は、
    　前記可動子を駆動制御するために前記リニアモータに流される制御電流の情報と、前記可動子の駆動制御される位置または速度の情報と、前記可動子と固定子との間の距離を示す距離情報と、を学習用データとして取得する第１のデータ取得部と、
    　前記制御電流の情報、前記位置または前記速度の情報から前記摩耗量を推定するための摩耗量推定モデルを、前記学習用データに基づいて生成する機械学習部と、
    　を備え、
    　前記摩耗量推定装置は、
    　前記制御電流の情報と、前記位置または前記速度の情報と、を推定用データとして取得する第２のデータ取得部と、
    　前記摩耗量学習装置が生成した前記摩耗量推定モデルを記憶する記憶部と、
    　前記推定用データを前記摩耗量推定モデルに入力することによって前記摩耗量を推定する演算部と、
    　を備えることを特徴とする摩耗量監視システム。
PCT/JP2020/048687 2020-12-25 2020-12-25 摩耗量推定装置、摩耗量学習装置、および摩耗量監視システム WO2022137499A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202080102146.0A CN116568990A (zh) 2020-12-25 2020-12-25 磨损量推定装置、磨损量学习装置及磨损量监视系统
PCT/JP2020/048687 WO2022137499A1 (ja) 2020-12-25 2020-12-25 摩耗量推定装置、摩耗量学習装置、および摩耗量監視システム
US17/913,437 US20230194254A1 (en) 2020-12-25 2020-12-25 Wear amount estimation device, wear amount learning device, and wear amount monitoring system
JP2021520235A JP6918274B1 (ja) 2020-12-25 2020-12-25 摩耗量推定装置、摩耗量学習装置、および摩耗量監視システム
DE112020007881.7T DE112020007881T5 (de) 2020-12-25 2020-12-25 Abnutzungsmenge-Schätzgerät, Abnutzungsmenge-Lerngerät und Abnutzungsmenge-Überwachungssystem

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/048687 WO2022137499A1 (ja) 2020-12-25 2020-12-25 摩耗量推定装置、摩耗量学習装置、および摩耗量監視システム

Publications (1)

Publication Number Publication Date
WO2022137499A1 true WO2022137499A1 (ja) 2022-06-30

Family

ID=77172716

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/048687 WO2022137499A1 (ja) 2020-12-25 2020-12-25 摩耗量推定装置、摩耗量学習装置、および摩耗量監視システム

Country Status (5)

Country Link
US (1) US20230194254A1 (ja)
JP (1) JP6918274B1 (ja)
CN (1) CN116568990A (ja)
DE (1) DE112020007881T5 (ja)
WO (1) WO2022137499A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116026718B (zh) * 2023-01-09 2024-01-02 赤峰吉隆矿业有限责任公司 一种提升机闸瓦磨损监测系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS61258604A (ja) * 1985-05-10 1986-11-17 Hitachi Ltd リニアモ−タ式電気車の周波数制御装置
JP2002206922A (ja) * 2001-01-09 2002-07-26 Daifuku Co Ltd 移動体の車輪摩耗の検査装置
WO2007122696A1 (ja) * 2006-04-17 2007-11-01 Mitsubishi Denki Kabushiki Kaisha 電気車の駆動制御装置
JP2016109441A (ja) * 2014-12-02 2016-06-20 シャープ株式会社 タイヤ摩耗判定装置及び自律移動装置
JP2017187418A (ja) * 2016-04-07 2017-10-12 三菱重工業株式会社 磨耗検査装置及び磨耗検査方法
WO2019142677A1 (ja) * 2018-01-22 2019-07-25 京セラ株式会社 アンテナ、無線通信機器、無線通信システム、車両、自動二輪車、および移動体
CN110435677A (zh) * 2019-08-12 2019-11-12 中车资阳机车有限公司 一种新型列车运输系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017146227A (ja) 2016-02-18 2017-08-24 Ｊｆｅスチール株式会社 車輪磨耗検知方法、車輪磨耗検知装置および天井クレーン

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS61258604A (ja) * 1985-05-10 1986-11-17 Hitachi Ltd リニアモ−タ式電気車の周波数制御装置
JP2002206922A (ja) * 2001-01-09 2002-07-26 Daifuku Co Ltd 移動体の車輪摩耗の検査装置
WO2007122696A1 (ja) * 2006-04-17 2007-11-01 Mitsubishi Denki Kabushiki Kaisha 電気車の駆動制御装置
JP2016109441A (ja) * 2014-12-02 2016-06-20 シャープ株式会社 タイヤ摩耗判定装置及び自律移動装置
JP2017187418A (ja) * 2016-04-07 2017-10-12 三菱重工業株式会社 磨耗検査装置及び磨耗検査方法
WO2019142677A1 (ja) * 2018-01-22 2019-07-25 京セラ株式会社 アンテナ、無線通信機器、無線通信システム、車両、自動二輪車、および移動体
CN110435677A (zh) * 2019-08-12 2019-11-12 中车资阳机车有限公司 一种新型列车运输系统

Also Published As

Publication number Publication date
CN116568990A (zh) 2023-08-08
JP6918274B1 (ja) 2021-08-11
DE112020007881T5 (de) 2023-10-12
US20230194254A1 (en) 2023-06-22
JPWO2022137499A1 (ja) 2022-06-30

Similar Documents

Publication Publication Date Title
US10090791B2 (en) Machine learning apparatus and method for learning correction value in motor current control, correction value computation apparatus including machine learning apparatus and motor driving apparatus
US10305413B2 (en) Machine learning device which learns current command for motor, motor controller, and machine learning method
Phuong et al. Disturbance observer and Kalman filter based motion control realization
JP5294164B2 (ja) 磁気ガイド装置
JP6521887B2 (ja) エレベーターシステム、エレベーターシステムの動作を制御するための方法及び非一時的コンピューター可読媒体
Li et al. An investigation on the design and performance assessment of double-PID and LQR controllers for the inverted pendulum
WO2022137499A1 (ja) 摩耗量推定装置、摩耗量学習装置、および摩耗量監視システム
JP5659727B2 (ja) クレーン振れ角検出方法及び装置、並びにクレーン振れ止め制御方法及び装置
JP4022281B2 (ja) エレベータシステム
CN109039190B (zh) 一种四自由度磁悬浮电机悬浮系统解耦控制方法
JP2016215357A (ja) パラメータ推定装置、パラメータ推定方法、プログラム及び制御装置
KR20180032453A (ko) 인공 신경망을 이용한 pid 제어기 게인 조정 시스템 및 방법
JP5278598B2 (ja) 移動体制御装置、その制御方法及び制御プログラム
CN104158446B (zh) 位置控制器
Afshar et al. Mass estimation and adaptive output feedback control of nonlinear electromagnetic levitation system
CN115657481B (zh) 一种磁悬浮车辆的自抗扰悬浮控制方法
US20210218353A1 (en) Electronic device and control method thereof
Chang et al. Reinforcement learning-based two-wheel robot control
Yamakawa et al. Compensation method and measurement accuracy to floor vibration in electronic balance system
de Souza et al. Comparison among experimental PID auto tuning methods for a self-balancing robot
CN111301178B (zh) 一种基于状态观测器的磁浮列车pid控制方法
JP2019097268A (ja) モータ制御装置およびモータ制御方法
JP2009031989A (ja) サーボ制御装置
Chang et al. Active Disturbance Rejection Control Tuned by Whale Optimization Algorithm for Electric Loading System
Nguyen et al. Model based control of a linear stage using a contactless optical sensor system

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2021520235

Country of ref document: JP

Kind code of ref document: A

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

Ref document number: 20966985

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 202080102146.0

Country of ref document: CN

WWE Wipo information: entry into national phase

Ref document number: 112020007881

Country of ref document: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20966985

Country of ref document: EP

Kind code of ref document: A1