JP3896991B2 - Motor abnormality detection device and method - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は、モータの異常検出方法及び装置に関し、特にＤＣモータの異常を検出し、故障を予知する方法及び装置に関する。
【０００２】
【従来の技術】
モータ特に制御用モータとして、ブラシレスＤＣモータは効率が高く、安定であることからよく使用されている。従来、ブラシレスモータ等のＤＣモータの異常を検出するためには、モータの回転数や駆動電圧又は駆動電流を監視し、それらが設定値を超えて正常運転の範囲を外れると警報を発するようにしていた。また、ブラシレスモータの起動前に電流を流して、正常運転可能かどうかを判断する従来例もある（特許文献１参照）。
【０００３】
【特許文献１】
特開昭９−３２２５８９号公報
【０００４】
【発明が解決しようとする課題】
しかしながら、回転数や駆動電流について、単に設定された閾値との比較による異常判定では、モータ運転中に異常を検出しても、それが致命的な故障であれば手遅れになる場合があった。また、短時間での電流変動やモータの内部や外部で発生するノイズにより、誤検出や検出漏れが発生する場合もあった。特に２４時間稼働の工場や携帯電話基地局など無人設備で使用されるモータの場合、異常が発生し、致命的なシステム故障に至った場合、エンドユーザに多大な迷惑が及ぶことになる。さらに、モータの起動前に正常運転をチェックするものにあっては、運転中の故障には対応できない。
【０００５】
本発明は、このような問題に鑑み、モータ運転中にモータの異常を確実に検出し、モータの交換やメンテナンスを促し、システム全体の致命的な故障を防ぐことができる異常検出方法及び装置を提供することを目的とする。
【０００６】
【課題を解決するための手段】
本発明は、前記目的を達成するために、モータ運転時に検出される検出電流データと基準電流データとから算出される相関値及び検出電流データ取得時の時刻とに基づいて差分演算の始点を決定し、検出電流データと基準電流データとの差分を算出することにより、モータ異常を予測するモータ異常検出装置及び方法を提供する。
【０００７】
前記基準電流データは、加速パターン、定速パターン及び減速パターンとして記憶されているものでもよい。
【０００８】
本発明は、予め基準データを時系列に従って保持し、この基準データと検出データとの演算を行うことで、確実なモータ異常の検出ができ、さらに故障の予知が可能となった。
【０００９】
【発明の実施の形態】
以下、図を参照して、本発明の実施の形態を説明する。
図１は、本発明のモータ異常検出装置の１実施形態の概要である。
モータ１が、マイクロプロセッサ５の指令値出力回路５５から回転数の指令値を与えられて回転を始めると、電流センサ２が、モータ電流を検知して、その電流値に対応するセンサ信号を出力する。このセンサ信号（本実施形態では電圧信号）は、ＯＰアンプからなる増幅器３により増幅され、Ａ／Ｄ変換器４に入力される。該Ａ／Ｄ変換器４では、ＭＰＵ５のクロッククロック発生回路５４から入力されるサンプリングクロックでセンサ信号をサンプリングする。ここでのサンプリングクロックは変更可能であり、リアルタイムクロックとしてもい。
【００１０】
このようにセンサ信号から生成されたサンプリングデータは、マイクロプロセッサ５に入力する。マイクロプロセッサ５では、サンプリングデータを補間処理した後、記憶装置６のサンプリングデータ記憶部６１に格納する。所定数のデータの格納が終了すると、これらはサンプリングデータ記憶部６１から読み出されて、演算部５２に入力する。同時に、記憶装置６２の基準データ記憶部６２に予め記憶された基準データ（テンプレート）も演算部５２に入力する。基準データはモータの正常運転時に前記サンプリングデータを得た方法と同様にして得られたものである。演算部５２では、サンプリングデータと基準データとで相関演算を行う。演算結果は、逐次記憶装置６２の演算結果記憶部６３に格納される。所定数のデータポイントでの相関演算の結果が格納されると、その値に基づいてＭＰＵ５の判定部５３でモータ異常の有無や故障の予知を行う。異常等があれば報知信号を出力する。
【００１１】
本発明の特徴の一つは、モータ駆動電流の正常時の電流値を時系列で基準データすなわちテンプレートデータとして保持していることである。該基準データのセットは、予めモータの正常運転時に得られたデータセットであり、モータの制御態様に応じて複数のデータセットが記憶されることができる。
【００１２】
次に、基準データの取得から説明する。なお、基準データを取得する方法は、モータの異常を検出するためのサンプリングデータを得る方法と同じ方法である。
【００１３】
ブラシレスＤＣモータの正常運転時の電流波形の一例を図２(ａ)に示す。縦軸は電流値で、横軸は時間である。本例では、ＰＷＭ駆動を行っている。モータが回転を始めてから、図２（ａ）に示すような加速期間（Ａ）、定速期間（Ｂ）及び減速期間（Ｃ）を経て停止する。これは一例であって、モータに与える指令値によって各種のモータ制御が可能である。Ａ／Ｄ変換器におけるサンプリングは、図２（ｂ）に○で示す。本例では、モータをＰＷＭ駆動を行っている関係上、サンプリングのポイントによっては、電流波形に忠実にサンプリングされない場合がある。したがって、図３（ａ）に示すように、２次関数による補間処理を行って、加速・定速・減速をなめらかにつなぐようにする。また、基準データは、加速期間（Ａ）、定速期間（Ｂ）及び減速期間（Ｃ）に切り分けて、それぞれのパターンを切り出して、記憶装置に格納しておくほうがよい。一例として、切り出した加速期間（Ａ）のパターンを図３（ｂ）に示す。このようにデータの切り出しを行った場合には、基準データ記憶部には、加速・定速・減速のパターンごとの基準データすなわちテンプレートデータをもつことになる。
【００１４】
このように補間処理した後、得られた基準データは、例えば、図４に示すような、モータ毎にサンプリング回数、サンプリング時間、モータ指令値、電流値のセットとして、記憶装置の基準データ記憶部に格納される。なお、図４では、加速・定速・減速のパターンごとの切り出しは行われていないが、切り出しを行うことは容易である。
【００１５】
次に、図５、６を参照して、本実施形態におけるモータ運転時のモータ異常検出動作を説明する。図５は、モータ異常検出の全体を示すフローである。ステップＳ１〜Ｓ４は、入力されるサンプリング信号を記憶装置のサンプリングデータ記憶部６１に書き込むまでのステップを示す。ステップＳ５は、演算処理のステップであり、図６に演算処理ステップのフローが示されている。ステップＳ６〜Ｓ９は、異常警報を出力するまでのステップである。
【００１６】
異常検出動作にあたって、基準データは先に説明したように予め記憶装置に記憶されている。まず、モータＭを駆動するために指令値が入力され、指令値に基づいて電流が流れ、モータＭが回転を始める。これにより、電流センサ１が電源電流を感知し、電源電流に対応する信号が出力される。
【００１７】
ステップＳ１では、増幅器３により増幅された電流センサの出力信号がＡ／Ｄ変換器４に入力し、所定のサンプリングパルスによりサンプリングされ、ディジタル値であるサンプリングデータに変換される。
【００１８】
ステップＳ２では、ＭＰＵ５の補間処理部５１に入力したサンプリングデータについて、２次関数によるデータの補間処理を行い、サンプリングした値をなめらかにつなぐようにする。
【００１９】
ステップＳ３では、補間を行ったデータを記憶装置６のサンプリングデータ記憶部６１に書き込む。記憶装置は、半導体メモリ、ハードディスク等データを記憶できるものであればよいが、高速な記憶装置が望ましい。
【００２０】
ステップＳ４では、所定数のデータの書き込みが終了したかを確認する。まだ所定数のデータの書き込みが終了していなければ、ステップＳ１に戻って、この処理を繰返す。次のステップの演算に必要な所定数のデータが揃っていれば、次のステップＳ５に進み所定の演算を実行することになる。
【００２１】
図６に、本実施形態の相関演算のフローが示されている。
ステップＳ５０１では、相関演算を始めるに当って、演算の初期位置を示す初期ポインタをセットする。本実施形態では、加速、定速、減速の時間波形に沿った電流値を、加速パターン、定速パターン及び減速パターンとして切り出した基準データを保持しているから、この３つのパターンで相関演算を行うことができる。入力データであるサンプリングデータに対しても、電流指令値によって入力データが加速、定速、減速どの段階にあるかを知り、パターンに分けることができるので、効率的な相関演算を行うことができる。
【００２２】
ステップＳ５０２では、先のステップでサンプリングデータ記憶部６１に書き込まれた所定数のサンプリングデータを読み出して、このサンプリングデータの自己相関をとり、記憶装置にその結果を書き込む。相関演算自体は公知であるので説明は省略する。
【００２３】
ステップＳ５０３では、予め記憶装置に格納されている基準データ（テンプレート）を読み出して、自己相関をとり、記憶装置に書き込む。
【００２４】
ステップＳ５０４では、メモリから入力データと基準データとを読み出して、相互相関をとる。
【００２５】
ステップＳ５０５では、ステップＳ５０２，Ｓ５０３，Ｓ５０３で得られた自己相関値及び相互相関値から正規化相関値を求めて、記憶装置６１の演算結果記憶部６３に書き込む。
【００２６】
次いで、ステップＳ５０６で、ポインタをインクリメントして次のポイントに進める。次にステップＳ５０７で、所定数が終了しているかどうかを判断する。終了ポイントでなければ、ステップＳ５０１にもどり、次のポイントで相関演算を行って、このポイントでの正規化相関値を演算する。終了ポイントであれば、相関演算を終了して次のステップＳ６（図５）に進む。
【００２７】
ステップ６では、記憶装置６の演算結果記憶部６３に記憶されている所定数のポイントでの演算結果が、判定部に読み込まれ、演算結果である正規化相関値が許容範囲内かどうかを判定する。その結果、範囲内であればモータは正常運転と判定され、スタートに戻る。
【００２８】
演算結果が許容範囲を超えていれば、モータに異常が発生しているとして、警報出力を出力する。
【００２９】
図○は、演算結果部に記憶された正規化相関値の分布を示す。最も高い相関値（＝１）を中心に３σの範囲を許容値とした例である。３σを超えた値が異常を示す。
【００３０】
このように、本発明によれば、モータの正常時の電流データを基準データとして保持し、該基準データと相関演算を行って異常を判定しているので、信頼できるデータを生成することができ、誤検出を防ぐことができる。また、運転時間に沿った電流値の変化の傾向を知ることができ、故障の予知も可能である。さらに、加速パターン、定速パターン及び減速パターンに分けて基準データを持つことにより相関演算を効率的に行うことができる。
【００３１】
（第２の実施形態）
第２の実施形態は、本発明が、モータの加速、定速、減速等の時間軸に沿った電流値を基準データとして保持していることをさらに利用するもので、センサ信号をサンプリングする際にサンプリング時点の実時刻を取得する。そして、ＭＰＵ５においては、演算の結果得られた正規化相関値を判定資料として用いるのではなく、該正規化相関値から基準となるスタートポイントを得て、該スタートポイントから逐次入力データと基準データとの差分演算を行って、差分演算結果の分布から将来の故障を予知する。
【００３２】
第２の実施形態は、第１の実施形態のフローの一部を修正してなるので、図５及び６に示したフローに基づいて説明する。
【００３３】
第２の実施形態では、まずステップＳ１〜Ｓ４の、サンプリングデータを得てサンプリングデータ記憶部に格納するまでのステップにおいて、ステップ１のセンサ２からのセンサ信号をＡ／Ｄ変換器４でサンプリングする際に、単なるサンプリングクロックではなく、リアルタイムクロックを用いる。すなわち、サンプリング信号とともにサンプリングの実時刻を取得するようにし、サンプリング信号と共にサンプリング時刻をサンプリングデータ記憶部６１に格納する。
【００３４】
格納されたデータは、例えば、図８に示すような、サンプリングが実行された実時刻が、サンプリング時刻として取り込まれたサンプリングデータのセットとなっている。
【００３５】
次に、ステップ５の演算処理のステップは、図６に示すステップＳ５０７までは同じステップであり、その後図９に示すステップＳ５０８〜Ｓ５１１が追加される。この追加されたステップは、サンプリングデータと基準データとの間で差分をとり、基準データと実際のサンプリングデータとが実際にどの程度隔たっており、その差の傾向はどのようなものかをみるために行われる。
【００３６】
すなわち、正規化相関値を求めるステップがすべて終了した（ステップ５０７（図６））後、ステップＳ５０８（図９）で、算出されたすべての正規化相関値メモリから読み込み、正規化相関値が所定の値以上で最大値となるサンプリングデータを求め、これを差分演算のスタートポイントする。正規化相関値が最大となる点は、基準データと最も類似した点であるから、データ中で最も正常なデータということができ、異常状態へ近づく傾向を有しているかどうかをみるスタートポイントとするのに適当である。
【００３７】
次に、ステップ５１０で、決定されたスタートポイントにおけるサンプリングデータと基準値との間で差分をとり、その演算結果を演算結果記憶部へ書き込む。
【００３８】
次に、ステップ５１０で、演算ポイントをスタートポイントからインクリメントして、１だけ進める。
【００３９】
次のステップＳ５１１では、演算するポイントであるかどうかを判断する。スタートポイントの次のポイントは通常最終ポイントでないので、ステップ５０９にもどって、差分演算を実行して、その結果を演算結果記憶部へ書き込む。これを繰り返し、次に演算を行うべきポイントがなくなれば、演算処理ステップ５が終了し、次のステップＳ６（図５）へ進む。
【００４０】
ステップ６では、演算の結果演算結果記憶部に記憶された所定数の差分値をメモリから読み込む。
【００４１】
次に、ステップ７で、演算結果である差分を判定する。図１０に、入力されたサンプリングデータと基準データとの差分値の分布であって、異常と判断すべき分布の一例を示す。差分値０を中心に縦軸に偏差をとり、３σのラインを破線で示す。横軸はサンプリングポイントである。図の右方にみられるように、３σ（−３σでも同じ）のラインの近傍にサンプル点が集中して連続し、また図の左方にみられるように、サンプル点が所定の期間連続して上昇（下降も同じ）している。このうちいずれか一つの場合が発生すれば、いずれ故障が発生するであろうと予測できるものである。このような判断の基準は、モータ装置自体、モータ配置環境、制御方法等様々な要因で異なるものであるから、稼働状況を考慮しながら判断基準の設定が行われることができる。例えば、サンプル点が３σのラインに近接していなくとも、中心線の片側に集中して連続している場合であれば、ある点で故障予測をすることができる。
【００４２】
（第３の実施形態）
第１及び第２の実施形態では、基準データである基準テンプレートを正常時のデータから構成したが、第３の実施形態では、異常時のデータを基準テンプレート化する。
【００４３】
図１１(ａ)に、拘束時電流波形、図１１（ｂ）に異常時の短絡電流及びサージ電流波形を示す。第３の実施形態では、基準データとしてこれらの代表的な異常電流波形から得られるデータを採用する。図１１（ｃ）に拘束時電流波形から得られたテンプレートデータの一例を示す。
【００４４】
モータが拘束運転を始めたような場合、図１１(ａ)に示すように例えば４秒程度の間隔でパルス状電流が流れる。モータが拘束運転となりやすい環境で使用される場合、拘束運転であることを確実に検出したい場合がある。また、制御回路の部品が故障すると経験上モータに瞬時的な短絡電流やサージ電流が発生している場合が多い。このような場合、代表的なモータ異常の場合の電流値のデータを求め、基準データとして記憶装置に格納しておき、先の実施形態に説明したのと同様の相関演算を行う。これにより実際どのような故障が発生しているかを知ることができる。第３の実施形態では、正規化相関値が高く算出されれば、基準データと同様の異常であると判定される。
【００４５】
以上、本発明の実施形態として、相関演算処理を行う例を説明したが、本発明は、相関演算に限定されるものではない。例えば、モータ運転中に逐次得られるサンプリングデータと、記憶装置に記憶された基準データ（テンプレート）とをある所定期間を定めてその期間で差分演算を行うようにしてもよい。差分により正常時データが差し引かれることにより、異常データが明りょうに検出されるという作用効果を奏する。
【図面の簡単な説明】
【図１】本発明の一実施形態のモータ異常検出装置を示す図である。
【図２】 (ａ)は、センサにより検出されるモータ電流の一例を示す図であり、（ｂ）は、モータ電流のサンプリングを説明する図である。
【図３】 (ａ)は、モータ電流のサンプリングデータの２次補間処理を説明する図であり、（ｂ）は、２次補間処理後の基準データを説明する図である。
【図４】記憶装置に格納された基準データを示す図である。
【図５】本発明の実施形態の動作フローを示すフローチャートである。
【図６】本発明の実施形態の動作フロー中の演算処理の内容を示すフローチャートである。
【図７】演算結果の正規化相関値の一例を示す図である。
【図８】本発明の第２の実施形態において得られるサンプリングデータの一例を示す図である。
【図９】本発明の第２の実施形態における差分演算フローを示すフローチャートである。
【図１０】本発明の第２の実施形態の演算結果である差分の分布の一例を示す図である。
【図１１】（ａ）は、異常電流波形のうちの拘束電流波形を示す図であり、（ｂ）は、異常電流波形のうち短絡電流又はサージ電流波形を示す図であり、（ｃ）は、本発明の第３の実施形態に用いられる、拘束電流波形から得られた基準データの一例である。
【符号の説明】
１…ブラシレスＤＣモータ
２…電流センサ
３…増幅器
４…Ａ／Ｄ変換器
５…マイクロプロセッサ
５１…補間処理部
５２…演算部
５３…判定部
５４…クロック発生部
５５…指令値出力部
６…記憶装置
６１…サンプリングデータ記憶部
６２…基準データ記憶部
６３…演算結果記憶部[0001]
BACKGROUND OF THE INVENTION
The present invention relates to a motor abnormality detection method and apparatus, and more particularly to a method and apparatus for detecting an abnormality of a DC motor and predicting a failure.
[0002]
[Prior art]
As a motor, particularly a control motor, a brushless DC motor is often used because of its high efficiency and stability. Conventionally, in order to detect an abnormality of a DC motor such as a brushless motor, the number of rotations, driving voltage or driving current of the motor is monitored, and an alarm is issued if they exceed a set value and are out of the normal operation range. It was. There is also a conventional example in which a current is passed before starting the brushless motor to determine whether normal operation is possible (see Patent Document 1).
[0003]
[Patent Document 1]
Japanese Patent Laid-Open No. 9-322589
[Problems to be solved by the invention]
However, in the abnormality determination by simply comparing the rotation speed and driving current with a set threshold value, even if an abnormality is detected during motor operation, it may be too late if it is a fatal failure. In some cases, erroneous detection or omission of detection may occur due to current fluctuation in a short time or noise generated inside or outside the motor. In particular, in the case of a motor used in an unmanned facility such as a 24-hour factory or a mobile phone base station, when an abnormality occurs and a fatal system failure occurs, a great inconvenience is caused to the end user. Furthermore, in the case of checking the normal operation before starting the motor, it is not possible to deal with a failure during operation.
[0005]
In view of such problems, the present invention provides an abnormality detection method and apparatus capable of reliably detecting motor abnormality during motor operation, prompting motor replacement and maintenance, and preventing fatal failure of the entire system. The purpose is to provide.
[0006]
[Means for Solving the Problems]
In order to achieve the above object, the present invention determines the starting point of the difference calculation based on the correlation value calculated from the detected current data detected during motor operation and the reference current data and the time when the detected current data is acquired. Then, a motor abnormality detection device and method for predicting a motor abnormality by calculating a difference between detected current data and reference current data are provided.
[0007]
The reference current data may be stored as an acceleration pattern, a constant speed pattern, and a deceleration pattern.
[0008]
In the present invention, the reference data is stored in advance in time series, and the calculation of the reference data and the detection data makes it possible to reliably detect the motor abnormality and to predict the failure.
[0009]
DETAILED DESCRIPTION OF THE INVENTION
Embodiments of the present invention will be described below with reference to the drawings.
FIG. 1 is an outline of one embodiment of the motor abnormality detection device of the present invention.
When the motor 1 starts to rotate with the command value output circuit 55 of the microprocessor 5 from the command value output circuit 55, the current sensor 2 detects the motor current and outputs a sensor signal corresponding to the current value. To do. This sensor signal (voltage signal in this embodiment) is amplified by an amplifier 3 composed of an OP amplifier and input to the A / D converter 4. The A / D converter 4 samples the sensor signal with the sampling clock input from the clock clock generation circuit 54 of the MPU 5. The sampling clock here can be changed and may be a real time clock.
[0010]
The sampling data thus generated from the sensor signal is input to the microprocessor 5. In the microprocessor 5, the sampling data is interpolated and then stored in the sampling data storage unit 61 of the storage device 6. When the storage of the predetermined number of data is completed, these are read from the sampling data storage unit 61 and input to the calculation unit 52. At the same time, reference data (template) stored in advance in the reference data storage unit 62 of the storage device 62 is also input to the calculation unit 52. The reference data is obtained in the same manner as the method for obtaining the sampling data during normal operation of the motor. The calculation unit 52 performs correlation calculation between the sampling data and the reference data. The calculation results are stored in the calculation result storage unit 63 of the sequential storage device 62. When the result of correlation calculation at a predetermined number of data points is stored, the determination unit 53 of the MPU 5 predicts the presence or absence of a motor abnormality or failure based on the value. If there is an abnormality, a notification signal is output.
[0011]
One of the features of the present invention is that the current value of the motor drive current at the normal time is held as reference data, that is, template data in time series. The reference data set is a data set obtained in advance during normal operation of the motor, and a plurality of data sets can be stored in accordance with the control mode of the motor.
[0012]
Next, reference data acquisition will be described. The method for obtaining the reference data is the same as the method for obtaining the sampling data for detecting the abnormality of the motor.
[0013]
An example of a current waveform during normal operation of the brushless DC motor is shown in FIG. The vertical axis is the current value, and the horizontal axis is the time. In this example, PWM driving is performed. After the motor starts rotating, it stops after an acceleration period (A), a constant speed period (B), and a deceleration period (C) as shown in FIG. This is an example, and various motor controls are possible depending on command values given to the motor. Sampling in the A / D converter is indicated by a circle in FIG. In this example, because the motor is PWM-driven, sampling may not be performed faithfully to the current waveform depending on the sampling point. Therefore, as shown in FIG. 3A, interpolation processing using a quadratic function is performed so that acceleration, constant speed, and deceleration are smoothly connected. The reference data is preferably divided into an acceleration period (A), a constant speed period (B), and a deceleration period (C), and each pattern is cut out and stored in a storage device. As an example, the extracted pattern of the acceleration period (A) is shown in FIG. When data is cut out in this way, the reference data storage unit has reference data for each acceleration / constant speed / deceleration pattern, that is, template data.
[0014]
After the interpolation processing as described above, the reference data obtained is, for example, a reference data storage unit of the storage device as a set of the number of times of sampling, sampling time, motor command value, and current value for each motor as shown in FIG. Stored in In FIG. 4, the cut-out for each acceleration / constant speed / deceleration pattern is not performed, but the cut-out is easy.
[0015]
Next, with reference to FIGS. 5 and 6, the motor abnormality detection operation during motor operation in the present embodiment will be described. FIG. 5 is a flowchart showing the entire motor abnormality detection. Steps S1 to S4 show steps until the input sampling signal is written to the sampling data storage unit 61 of the storage device. Step S5 is a step of calculation processing, and FIG. 6 shows a flow of calculation processing steps. Steps S6 to S9 are steps until an abnormality alarm is output.
[0016]
In the abnormality detection operation, the reference data is stored in advance in the storage device as described above. First, a command value is input to drive the motor M, a current flows based on the command value, and the motor M starts to rotate. As a result, the current sensor 1 senses the power supply current, and a signal corresponding to the power supply current is output.
[0017]
In step S1, the output signal of the current sensor amplified by the amplifier 3 is input to the A / D converter 4, sampled by a predetermined sampling pulse, and converted into sampling data which is a digital value.
[0018]
In step S2, interpolation processing of data using a quadratic function is performed on the sampling data input to the interpolation processing unit 51 of the MPU 5, and the sampled values are smoothly connected.
[0019]
In step S3, the interpolated data is written in the sampling data storage unit 61 of the storage device 6. The storage device may be any device that can store data, such as a semiconductor memory or a hard disk, but a high-speed storage device is desirable.
[0020]
In step S4, it is confirmed whether writing of a predetermined number of data has been completed. If the writing of the predetermined number of data has not been completed yet, the process returns to step S1 and this process is repeated. If the predetermined number of data necessary for the calculation in the next step is prepared, the process proceeds to the next step S5 and the predetermined calculation is executed.
[0021]
FIG. 6 shows a flow of correlation calculation of the present embodiment.
In step S501, when starting the correlation calculation, an initial pointer indicating the initial position of the calculation is set. In the present embodiment, since the reference data obtained by cutting out the current values along the acceleration, constant speed, and deceleration time waveforms as the acceleration pattern, constant speed pattern, and deceleration pattern are held, the correlation calculation is performed using these three patterns. It can be carried out. Sampling data, which is input data, can be divided into patterns by knowing the input data is in acceleration, constant speed, or deceleration depending on the current command value, so that efficient correlation calculation can be performed. .
[0022]
In step S502, the predetermined number of sampling data written in the sampling data storage unit 61 in the previous step is read, the autocorrelation of the sampling data is taken, and the result is written in the storage device. Since the correlation calculation itself is known, the description thereof is omitted.
[0023]
In step S503, the reference data (template) stored in advance in the storage device is read out, autocorrelation is taken and written in the storage device.
[0024]
In step S504, input data and reference data are read from the memory and cross-correlation is obtained.
[0025]
In step S505, a normalized correlation value is obtained from the autocorrelation values and cross-correlation values obtained in steps S502, S503, and S503, and written in the calculation result storage unit 63 of the storage device 61.
[0026]
In step S506, the pointer is incremented to advance to the next point. In step S507, it is determined whether the predetermined number has been completed. If it is not the end point, the process returns to step S501, the correlation calculation is performed at the next point, and the normalized correlation value at this point is calculated. If it is the end point, the correlation calculation is terminated and the process proceeds to the next step S6 (FIG. 5).
[0027]
In step 6, calculation results at a predetermined number of points stored in the calculation result storage unit 63 of the storage device 6 are read into the determination unit, and it is determined whether the normalized correlation value that is the calculation result is within an allowable range. To do. As a result, if it is within the range, the motor is determined to be operating normally, and the process returns to the start.
[0028]
If the calculation result exceeds the allowable range, an alarm output is output assuming that an abnormality has occurred in the motor.
[0029]
FIG. 6A shows the distribution of normalized correlation values stored in the calculation result part. This is an example in which the range of 3σ around the highest correlation value (= 1) is an allowable value. A value exceeding 3σ indicates an abnormality.
[0030]
As described above, according to the present invention, current data at the normal time of the motor is held as reference data, and an abnormality is determined by performing a correlation operation with the reference data. Therefore, reliable data can be generated. , Can prevent false detection. Moreover, the tendency of the change in the current value along the operation time can be known, and a failure can be predicted. Furthermore, the correlation calculation can be efficiently performed by having the reference data separately for the acceleration pattern, the constant speed pattern, and the deceleration pattern.
[0031]
(Second Embodiment)
In the second embodiment, the present invention further utilizes the fact that the current value along the time axis such as acceleration, constant speed, and deceleration of the motor is held as reference data. Get the actual time at the sampling time. The MPU 5 does not use the normalized correlation value obtained as a result of the calculation as a determination material, but obtains a reference start point from the normalized correlation value, and sequentially receives input data and reference data from the start point. And a future failure is predicted from the distribution of the difference calculation result.
[0032]
The second embodiment is obtained by correcting a part of the flow of the first embodiment, and will be described based on the flow shown in FIGS.
[0033]
In the second embodiment, first, in steps S1 to S4 until the sampling data is obtained and stored in the sampling data storage unit, the sensor signal from the sensor 2 in step 1 is sampled by the A / D converter 4. In this case, a real-time clock is used instead of a simple sampling clock. That is, the sampling actual time is acquired together with the sampling signal, and the sampling time is stored in the sampling data storage unit 61 together with the sampling signal.
[0034]
The stored data is a set of sampling data, for example, as shown in FIG. 8, in which the actual time when sampling is executed is taken as the sampling time.
[0035]
Next, the calculation processing step in step 5 is the same step up to step S507 shown in FIG. 6, and thereafter steps S508 to S511 shown in FIG. 9 are added. This added step takes a difference between the sampling data and the reference data, to see how far the reference data and the actual sampling data are actually separated, and what the trend of the difference is To be done.
[0036]
That is, after all the steps for obtaining normalized correlation values are completed (step 507 (FIG. 6)), in step S508 (FIG. 9), the calculated normalized correlation values are read from all the normalized correlation value memories. Sampling data having a maximum value greater than or equal to is obtained, and this is used as a starting point for difference calculation. Since the point where the normalized correlation value is the maximum is the most similar point to the reference data, it can be said to be the most normal data in the data, and the start point to see if there is a tendency to approach an abnormal state It is suitable to do.
[0037]
Next, in step 510, a difference is taken between the sampling data at the determined start point and the reference value, and the calculation result is written in the calculation result storage unit.
[0038]
Next, in step 510, the calculation point is incremented from the start point and advanced by one.
[0039]
In the next step S511, it is determined whether the point is a point to be calculated. Since the next point after the start point is not usually the final point, the process returns to step 509 to execute the difference calculation and write the result to the calculation result storage unit. This process is repeated, and when there is no more point to be operated next, the operation processing step 5 is ended, and the process proceeds to the next step S6 (FIG. 5).
[0040]
In step 6, a predetermined number of difference values stored in the calculation result storage unit are read from the memory.
[0041]
Next, in step 7, the difference that is the calculation result is determined. FIG. 10 shows an example of the distribution of the difference value between the input sampling data and the reference data, which should be determined as abnormal. A deviation is plotted on the vertical axis around the difference value 0, and a 3σ line is indicated by a broken line. The horizontal axis is the sampling point. As seen on the right side of the figure, the sample points are concentrated and continuous in the vicinity of the line of 3σ (the same applies to −3σ), and as seen on the left side of the figure, the sample points continue for a predetermined period. Is rising (and so is falling). If any one of these cases occurs, it can be predicted that a failure will eventually occur. Since the criteria for such determination differ depending on various factors such as the motor device itself, the motor arrangement environment, the control method, and the like, the determination criteria can be set in consideration of the operation status. For example, even if the sample points are not close to the 3σ line, if the sample points are continuously concentrated on one side of the center line, the failure can be predicted at a certain point.
[0042]
(Third embodiment)
In the first and second embodiments, the reference template, which is the reference data, is configured from normal data, but in the third embodiment, the abnormal data is converted into a reference template.
[0043]
FIG. 11A shows the current waveform at the time of restraint, and FIG. 11B shows the short-circuit current and surge current waveforms at the time of abnormality. In the third embodiment, data obtained from these typical abnormal current waveforms is adopted as the reference data. FIG. 11C shows an example of template data obtained from the current waveform at restraint.
[0044]
When the motor starts the restraint operation, as shown in FIG. 11A, for example, a pulsed current flows at intervals of about 4 seconds. When the motor is used in an environment that is likely to be in a restricted operation, it may be desired to reliably detect that the motor is in a restricted operation. In addition, when a part of the control circuit breaks down, it is often the case that an instantaneous short-circuit current or surge current is generated in the motor. In such a case, current value data in the case of a typical motor abnormality is obtained, stored as reference data in a storage device, and the same correlation calculation as described in the previous embodiment is performed. As a result, it is possible to know what kind of failure actually occurs. In the third embodiment, if the normalized correlation value is calculated to be high, it is determined that the abnormality is the same as the reference data.
[0045]
As mentioned above, although the example which performs a correlation calculation process was demonstrated as embodiment of this invention, this invention is not limited to a correlation calculation. For example, a predetermined period may be determined for sampling data obtained sequentially during motor operation and reference data (template) stored in the storage device, and a difference calculation may be performed during that period. By subtracting the normal time data from the difference, there is an effect that the abnormal data is clearly detected.
[Brief description of the drawings]
FIG. 1 is a diagram illustrating a motor abnormality detection device according to an embodiment of the present invention.
FIG. 2A is a diagram illustrating an example of a motor current detected by a sensor, and FIG. 2B is a diagram illustrating sampling of a motor current.
3A is a diagram for explaining secondary interpolation processing of motor current sampling data, and FIG. 3B is a diagram for explaining reference data after secondary interpolation processing;
FIG. 4 is a diagram showing reference data stored in a storage device.
FIG. 5 is a flowchart showing an operation flow of the embodiment of the present invention.
FIG. 6 is a flowchart showing the contents of arithmetic processing in the operation flow of the embodiment of the present invention.
FIG. 7 is a diagram illustrating an example of a normalized correlation value of a calculation result.
FIG. 8 is a diagram showing an example of sampling data obtained in the second embodiment of the present invention.
FIG. 9 is a flowchart showing a difference calculation flow in the second embodiment of the present invention.
FIG. 10 is a diagram illustrating an example of a difference distribution which is a calculation result of the second embodiment of the present invention.
11A is a diagram showing a constrained current waveform among abnormal current waveforms, FIG. 11B is a diagram showing a short-circuit current or a surge current waveform among abnormal current waveforms, and FIG. It is an example of the reference | standard data obtained from the restraint current waveform used for the 3rd Embodiment of this invention.
[Explanation of symbols]
DESCRIPTION OF SYMBOLS 1 ... Brushless DC motor 2 ... Current sensor 3 ... Amplifier 4 ... A / D converter 5 ... Microprocessor 51 ... Interpolation processing part 52 ... Calculation part 53 ... Determination part 54 ... Clock generation part 55 ... Command value output part 6 ... Memory | storage Apparatus 61 ... Sampling data storage unit 62 ... Reference data storage unit 63 ... Calculation result storage unit

Claims (4)

モータの電流値を基準電流データとして記憶する記憶手段と、モータ運転時に検出される検出電流データと前記基準電流データとに基づいて演算を行う演算手段とを備え、前記演算手段により算出される相関値及び前記検出電流データ取得時の時刻とに基づいて前記検出電流データと前記基準電流データとの差分演算の始点を決定し、前記演算手段により前記始点から実行される差分演算結果によりモータ異常を予測することを特徴とするモータ異常検出装置。Correlation calculated by the calculation means, comprising storage means for storing the current value of the motor as reference current data, calculation means for calculating based on the detected current data detected during motor operation and the reference current data A starting point of the difference calculation between the detected current data and the reference current data is determined based on the value and the time when the detected current data is acquired, and motor abnormality is determined by the difference calculation result executed from the starting point by the calculating means. A motor abnormality detection device characterized by predicting. 前記基準電流データは、加速パターン、定速パターン及び減速パターンとして記憶されていることを特徴とする請求項１に記載のモータ異常検出装置。The motor abnormality detection device according to claim 1, wherein the reference current data is stored as an acceleration pattern, a constant speed pattern, and a deceleration pattern. モータ運転時に検出される検出電流値から検出データを取得し、同時に取得時刻を得るステップと、Obtaining detection data from the detected current value detected during motor operation and simultaneously obtaining the acquisition time;
該検出データと予め得られた基準データとから相関値を算出するステップと、Calculating a correlation value from the detection data and reference data obtained in advance;
該相関値及び前記検出時刻に基づいて差分演算の始点を決定するステップと、Determining a difference calculation start point based on the correlation value and the detection time;
前記差分演算の始点から前記検出データと前記基準データの差分を演算して差分の分布を得るステップと、Calculating a difference between the detection data and the reference data from a starting point of the difference calculation to obtain a difference distribution;
前記差分の分布からモータ異常を予測することを特徴とするモータ異常検出方法。A motor abnormality detection method, wherein a motor abnormality is predicted from the difference distribution. 前記基準電流データは、加速パターン、定速パターン及び減速パターンとして記憶されていることを特徴とする請求項３に記載のモータ異常検出方法。The motor abnormality detection method according to claim 3, wherein the reference current data is stored as an acceleration pattern, a constant speed pattern, and a deceleration pattern.

Images