JP5192802B2 - Motor control device and motor control system - Google Patents

Description

本発明は、パラメータを同定して速度制御を行うモータ制御装置、及びモータ制御システムに関する。   The present invention relates to a motor control device that performs speed control by identifying parameters, and a motor control system.

産業用機械（半導体製造装置、工作機械、射出成形機）などに使用されるモータ制御装置として、実運転中に合計慣性モーメント、粘性摩擦係数、及び定常外乱トルク等の機械系パラメータを同定し、この同定結果を速度制御器等の制御器パラメータの自動設定に用いる技術が知られている。例えば、特許文献１には、正転時と逆転時において、それぞれのモータトルク、加速度、及びモータ速度の時系列データを用いて、逐次最小二乗法により前記の機械系パラメータ同定を行う技術が開示されている。   As a motor controller used in industrial machines (semiconductor manufacturing equipment, machine tools, injection molding machines), etc., identify mechanical system parameters such as total moment of inertia, viscous friction coefficient, steady disturbance torque during actual operation, A technique is known in which this identification result is used for automatic setting of controller parameters such as a speed controller. For example, Patent Document 1 discloses a technique for performing the mechanical system parameter identification by the successive least square method using time series data of each motor torque, acceleration, and motor speed during forward rotation and reverse rotation. Has been.

また、より一般的な制御パラメータの自動設定技術として、例えば、非特許文献１に記載されているセルフチューニングレギュレータの技術は、制御対象への入力信号と、制御対象からの出力信号の時系列データに対して逐次最小二乗法を適用することでプラントの伝達関数を同定している。さらに、これらの技術で用いられる逐次最小二乗法演算を、短い演算語長のプロセッサで高精度に求めるアルゴリズムとしてＵＤ分解アルゴリズム（ＵＤ分解フィルタ）が知られており、非特許文献２に詳しく記載されている。また、ＵＤ分解アルゴリズムを同定手段に応用した技術が、特許文献２に開示されている
特開２００５−１６８１６６号公報 特開昭６４−８４３０３号公報 鈴木 隆著「アダプティブコントロール」、コロナ社、２００１年、１章 飯國 洋二著「適応信号処理アルゴリズム」、培風館、２０００年、４章 As a more general control parameter automatic setting technique, for example, the self-tuning regulator technique described in Non-Patent Document 1 uses time-series data of an input signal to a control target and an output signal from the control target. The plant transfer function is identified by applying the successive least squares method. Furthermore, a UD decomposition algorithm (UD decomposition filter) is known as an algorithm for obtaining a sequential least squares operation used in these techniques with high accuracy by a processor having a short operation word length, and is described in detail in Non-Patent Document 2. ing. Moreover, the technique which applied the UD decomposition | disassembly algorithm to the identification means is disclosed by patent document 2
JP 2005-168166 A JP-A 64-84303 Takashi Suzuki “Adaptive Control”, Corona, 2001, Chapter 1 Yoji Iiguni, “Adaptive Signal Processing Algorithm”, Baifukan, 2000, Chapter 4

ＵＤ分解アルゴリズムの技術では、同定演算に与える入力信号の絶対値が大き過ぎる場合には、逐次最小二乗法演算において、オーバフローが発生する可能性があった。特に、固定小数点演算は表現可能な数値のダイナミックレンジが低い為、逐次最小二乗法演算を実行した場合にオーバフローが発生し易くなる問題があった。   In the technique of the UD decomposition algorithm, if the absolute value of the input signal given to the identification calculation is too large, there is a possibility that overflow occurs in the sequential least squares calculation. In particular, fixed-point arithmetic has a low dynamic range of numerical values that can be expressed, and thus has a problem that overflow tends to occur when sequential least squares arithmetic is executed.

このような問題に対する一般的な解決手段は、逐次最小二乗法演算の入力部に減衰器（０超１未満の減衰ゲイン）を入れることが考えられるが、減衰ゲインが大き過ぎる（減衰率が小さい）とオーバフローによる同定誤差が増大し、減衰ゲインが小さ過ぎる（減衰率が大きい）と入力信号の切捨て誤差に起因する同定誤差が増大するという問題があった。また、他の解決手段として、演算結果にリミッタを当ててオーバフローを回避する簡単な方法も存在するが、飽和に伴う演算誤差を発生し、同定精度の低下を招くという問題がある。   As a general solution to such a problem, an attenuator (attenuation gain of more than 0 and less than 1) can be put in the input part of the sequential least squares method, but the attenuation gain is too large (attenuation rate is small). ) And the overflow increases, and if the attenuation gain is too small (the attenuation factor is large), the identification error due to the truncation error of the input signal increases. As another means for solving the problem, there is a simple method for avoiding an overflow by applying a limiter to the calculation result. However, there is a problem that a calculation error due to saturation occurs and the identification accuracy is lowered.

本発明は、このような問題点を解決するためになされたものであり、モータ回転速度検出値の値に拘わらずオーバフロー演算の発生を抑制することができるモータ制御装置、及びモータ制御システムを提供することを課題とする。   The present invention has been made to solve such problems, and provides a motor control device and a motor control system capable of suppressing the occurrence of overflow calculation regardless of the value of the detected motor rotation speed. The task is to do.

前記課題を解決するため、本発明のモータ制御装置は、モータの回転速度検出値とモータ回転速度指令値との偏差に応じてトルク電流指令値を出力する速度制御器と、前記トルク電流指令値と前記モータに流れる駆動電流のトルク電流成分であるトルク電流検出値との偏差に応じて前記駆動電流を制御する制御信号を生成する電流制御器と、前記モータのモータトルク値と前記回転速度検出値との双方を用いて、前記速度制御器の制御パラメータを自動調整するオートチューニング部とを備え、前記回転速度検出値が前記モータ回転速度指令値に近づくように前記モータを制御するモータ制御装置において、前記オートチューニング部は、前記モータの回転速度検出値を入力する第１のローパスフィルタと、前記モータのトルク値を入力する第２のローパスフィルタと、前記第１のローパスフィルタの出力信号と前記第２のローパスフィルタの出力信号とを用いてパラメータベクトルを離散的に同定するパラメータ同定器と、前記パラメータベクトルを前記速度制御器の制御パラメータに変換する離散系／連続系パラメータ変換部と、を備え、前記パラメータ同定器は、前記第１のローパスフィルタの出力信号を一定周期でサンプルする第１のゼロ次ホールド要素と、前記第２のローパスフィルタの出力信号を前記一定周期でサンプルする第２のゼロ次ホールド要素と、前記第１のゼロ次ホールド要素の出力信号及び前記第２のゼロ次ホールド要素の出力信号を用いて回帰ベクトルを生成する回帰ベクトル生成部と、前記第１のゼロ次ホールド要素の出力信号の遅延信号、及び前記第２のゼロ次ホールド要素の出力信号の遅延信号の２つの遅延信号と、前記回帰ベクトル生成部の出力信号、及び前記第１のゼロ次ホールド要素の出力信号の２つの信号との何れかを減衰させる２つの乗算器と、前記２つの遅延信号を減衰したとき、前記第１のゼロ次ホールド要素の出力信号を減衰させる乗算器の出力信号、及び前記回帰ベクトル生成部の出力信号に基づいて前記パラメータベクトルを離散的に演算し、一方、前記２つの信号を減衰したとき、前記２つの乗算器の出力信号に基づいて前記パラメータベクトルを離散的に演算する離散系パラメータ推定部と、第１のゼロ次ホールド要素の出力信号及び前記第２のゼロ次ホールド要素の出力信号を用いて前記２つの乗算器のゲインを演算する自動ゲイン制御部とを備えることを特徴とする。 In order to solve the above problems, a motor control device of the present invention includes a speed controller that outputs a torque current command value according to a deviation between a detected motor rotation speed value and a motor rotation speed command value, and the torque current command value. And a current controller that generates a control signal for controlling the drive current in accordance with a deviation between a torque current detection value that is a torque current component of the drive current flowing through the motor, and a motor torque value and the rotation speed detection of the motor An auto-tuning unit that automatically adjusts a control parameter of the speed controller using both of the value and a motor control device that controls the motor so that the detected rotational speed value approaches the motor rotational speed command value in the automatic tuning unit inputs a first low-pass filter for inputting the detected rotational speed of the motor, the torque value of the motor 2 low-pass filters, a parameter identifier for discretely identifying a parameter vector using the output signal of the first low-pass filter and the output signal of the second low-pass filter, and the parameter vector as the speed controller A discrete / continuous system parameter conversion unit for converting the control parameter into a control parameter of the first zero-order hold element that samples the output signal of the first low-pass filter at a constant period; Using the second zero-order hold element that samples the output signal of the second low-pass filter at the fixed period, the output signal of the first zero-order hold element, and the output signal of the second zero-order hold element a regression vector generator for generating a regression vector, the delay signal of the output signal of the first zero-order hold elements, and the Damping two delayed signal of the delay signal of the output signals of the two zero-order hold elements and the output signal of the regression vector generator, and one of the two signals of the output signal of the first zero-order hold elements and two multipliers which causes, when the attenuating the two delay signals, the first zero-order hold elements output signal of the multiplier to attenuate the output signal, and on the basis of the output signal of the regression vector generator A discrete system parameter estimator for discretely calculating the parameter vector based on output signals of the two multipliers when the parameter vector is discretely calculated and the two signals are attenuated ; An automatic gain control unit that calculates gains of the two multipliers using the output signal of the zero-order hold element and the output signal of the second zero-order hold element. It is a sign.

これによれば、２つの乗算器により、信号の大きさが減衰されるので、固定小数点演算のようにダイナミックレンジが制限されていても、同定演算を行っているときにオーバフロー演算の発生を抑制することができる。また、同定演算に与えるモータ回転速度検出値に対して最適な減衰ゲインを設定することができるので、同定精度の向上を図ることができる。このため、制御パラメータの高精度な自動設定が可能となり、より簡単に高性能な制御が実現できることとなる。   According to this, since the signal magnitude is attenuated by two multipliers, even if the dynamic range is limited as in fixed-point arithmetic, the occurrence of overflow arithmetic is suppressed when performing identification arithmetic. can do. Further, since the optimum attenuation gain can be set for the detected motor rotation speed value given to the identification calculation, the identification accuracy can be improved. For this reason, the control parameter can be automatically set with high accuracy, and high-performance control can be realized more easily.

本発明によれば、モータ回転速度検出値の値に拘わらずオーバフロー演算の発生を抑制することができる。   According to the present invention, it is possible to suppress the occurrence of overflow calculation regardless of the value of the detected motor rotation speed.

（基本原理）
逐次最小二乗法演算を実行しても、オーバフロー演算の発生を抑制させるために、同定演算への入力信号に対して設定値を変更可能な可変減衰ゲインを挿入する。さらに、可変減衰ゲインの値を、逐次最小二乗法演算におけるオーバフローの発生を抑制可能な最大値（最小の減衰率）に設定する。これにより、入力信号の切捨て誤差に起因する同定誤差の最小化と、オーバフロー演算の発生の抑制とが両立する。 (Basic principle)
In order to suppress the occurrence of the overflow calculation even when the sequential least squares calculation is executed, a variable attenuation gain capable of changing the set value with respect to the input signal to the identification calculation is inserted. Furthermore, the value of the variable attenuation gain is set to the maximum value (minimum attenuation rate) that can suppress the occurrence of overflow in the sequential least squares method calculation. As a result, both the minimization of the identification error due to the truncation error of the input signal and the suppression of the occurrence of the overflow calculation are compatible.

まず、同定演算アルゴリズムを説明した後、可変減衰ゲインの設定値算出方法について説明する。同定対象への入力信号の値をｕ、同定対象からの出力信号の値をｙとするとき、求めるべき同定対象の伝達関数が（１）式で表現できると仮定する。

このとき、回帰ベクトルΦ^＊（Ｎ）を（２）式で、パラメータベクトルθ^＾（Ｎ）を（３）式で定義する。 First, after describing the identification calculation algorithm, a method for calculating the set value of the variable attenuation gain will be described. When the value of the input signal to the identification target is u and the value of the output signal from the identification target is y, it is assumed that the transfer function of the identification target to be obtained can be expressed by equation (1).

At this time, the regression vector Φ ^* (N) is defined by equation (2), and the parameter vector θ ^{^} (N) is defined by equation (3).

（２）式のΦ^＊（Ｎ）は、１サンプルからｎａサンプル前のｙと、現在からｎｂサンプル前のｕとを構成要素とするベクトルであり、（３）式のθ＾（Ｎ）は、（１）式のＮサンプル時点での係数同定結果を構成要素とするベクトルである。また、未知パラメータ数をｐとするとき、いずれもｐ次元ベクトルとなる。

Φ ^* (N) in equation (2) is a vector whose constituent elements are y from one sample to na samples before and u from nb samples from now, and θ ^ (N) in equation (3) is , (1) is a vector having the coefficient identification result at the time of N samples as a constituent element. Further, when the number of unknown parameters is p, both are p-dimensional vectors.

ここで、Ｎサンプル時点での予測誤差ε（Ｎ）を（４）式で定義する。

（４）式のε（Ｎ）は、Ｎサンプル時点に観測されたｙ（Ｎ）に対する（Ｎ−１）サンプル時点に同定したパラメータベクトルθ^＾（Ｎ−１）と回帰ベクトルΦ^＊（Ｎ）とから求めたｙ（Ｎ）の予測値との誤差を表している。このとき、パラメータベクトルθ^＾（Ｎ）はθ^＾（０）＝０（ゼロベクトル）を初期値として、（５）式の演算をサンプル周期毎に繰り返し実行することで、真値に収斂することが非特許文献２の（４．５７）式に記載されている。

Here, the prediction error ε (N) at the time of N samples is defined by equation (4).

In equation (4), ε (N) is the parameter vector θ ^{^} (N−1) and regression vector Φ ^* (N) identified at the (N−1) sample time relative to y (N) observed at the N sample time. Represents an error from the predicted value of y (N) obtained from the above. At this time, the parameter vector θ ^{^} (N) is converged to a true value by repeatedly executing the calculation of equation (5) every sampling period, with θ ^{^} (0) = 0 (zero vector) as an initial value. Is described in Equation (4.57) of Non-Patent Document 2.

次に、非特許文献２を引用しつつ（５）式の演算に必要なゲインベクトルｋ（Ｎ）のＵＤ分解アルゴリズムに基づく算出法を説明する。ＵＤ分解アルゴリズムは、（６）式に示す対角成分が１の（ｐ×ｐ）上三角行列Ｕ（Ｎ）と、（７）式に示す（ｐ×ｐ）対角行列Ｄ（Ｎ）をＮサンプル周期毎に更新しつつゲインベクトルｋ（Ｎ）を算出するのが特徴であり、行列Ｕ（Ｎ），Ｄ（Ｎ）の初期値はそれぞれ（８）式、（９）式で与えられる。また、対角行列Ｄ（Ｎ）の対角要素初期値γは大きな正値に設定すればする程、パラメータベクトルθ^＾（Ｎ）が真値に収束することが知られている。

Ｕ（０）＝Ｉ（Ｉ：ｐ×ｐの単位行列） （８）
Ｄ（０）＝γＩ（Ｉ：ｐ×ｐの単位行列、γ：大きな正定数） （９） Next, a calculation method based on the UD decomposition algorithm of the gain vector k (N) necessary for the calculation of equation (5) will be described with reference to Non-Patent Document 2. The UD decomposition algorithm includes a (p × p) upper triangular matrix U (N) having a diagonal component of 1 shown in Equation (6) and a (p × p) diagonal matrix D (N) shown in Equation (7). The gain vector k (N) is calculated while updating every N sample periods, and the initial values of the matrices U (N) and D (N) are given by the equations (8) and (9), respectively. . Further, it is known that the parameter vector θ ^{^} (N) converges to a true value as the diagonal element initial value γ of the diagonal matrix D (N) is set to a large positive value.

U (0) = I (I: p × p unit matrix) (8)
D (0) = γI (I: p × p unit matrix, γ: large positive constant) (9)

更新アルゴリズムでは、Ｎサンプル周期毎に、（１０）式、（１１）式、ＳＵＢ１の演算を行った後に、（１９）式でｋ（Ｎ）を求める。ＳＵＢ１の演算とは、α０（Ｎ）に忘却係数λ（１以下で１近傍の正数）を代入した後、ｊ＝１，２，・・・・，ｐについて、（１３）式、（１４）式、（１５）式、（１６）式、ＳＵＢ２の演算を行う。ＳＵＢ２の演算とは、ｉ＝１，２，・・・・，（ｊ−１）について、（１７）式、（１８）式の演算を行うものである。

In the update algorithm, k (N) is obtained by the equation (19) after calculating the equations (10), (11), and SUB1 every N sample periods. SUB1 is calculated by substituting a forgetting factor λ (a positive number near 1 and less than 1) into α0 (N), and then j = 1, 2,... ), (15), (16), and SUB2. The calculation of SUB2 is the calculation of equations (17) and (18) for i = 1, 2,..., (J−1).

以上が、ＵＤ分解アルゴリズムの詳細である。このアルゴリズムによれば、同定演算開始初期に（１１）式で算出するｇベクトル、及び（１３）式で算出するαベクトルが非常に大きな値となる。このために、短い演算語長、且つ、固定小数点演算でＵＤ分解アルゴリズムを実行すると、ｇベクトルとαベクトルとの何れか一方又は双方がオーバフロー（桁溢れ）が発生し、パラメータベクトルθ^＾（Ｎ）が真値に収束しなくなる問題が発生する。このことを、以下に詳述する。 The above is the details of the UD decomposition algorithm. According to this algorithm, the g vector calculated by the expression (11) and the α vector calculated by the expression (13) at the beginning of the identification calculation are very large values. For this reason, when the UD decomposition algorithm is executed with a short arithmetic word length and fixed-point arithmetic, either or both of the g vector and α vector overflow (overflow), and the parameter vector θ ^{^} (N ) Will not converge to the true value. This will be described in detail below.

ｇベクトルとαベクトルとが同定演算開始初期に大きな値を持つのは、対角行列Ｄ（Ｎ）の前記対角要素初期値γを真値への収束性を考慮して大きめに設定したことと、Ｄ（Ｎ）が基本的に漸減することが深く関係する。Ｄ（Ｎ）の漸減性は、（１５）式から導くことができる。（１５）式は、Ｄ（Ｎ）と１サンプル周期前のＤ（Ｎ−１）との関係を表現しており、右辺の係数α_ｊ−１（Ｎ）／（λα_ｊ（Ｎ））が常に１未満であれば、Ｄ（Ｎ）は漸減すると言える。そこで、αベクトルの算出式（１３）式に着目すると、α_ｊ（Ｎ）はα_ｊ−１（Ｎ）に対してｆベクトルとｇベクトルの第ｊ要素同士を乗じた値を加算した結果であることが分かる。一方、ｇベクトルの第ｊ要素は、（１１）式から、対角行列Ｄ（Ｎ）の第ｊｊ要素とｆベクトルの第ｊ要素を乗じた値である。以上のことから、（１３）式の右辺第２項目の値は、対角行列Ｄ（Ｎ）の第ｊｊ要素とｆベクトルの第ｊ要素の２乗値を乗じた正値と判定できる。よって、（１２）式も考慮すると、（２０）式が一般的に成立する。
α_ｊ（Ｎ）≧α_ｊ−１（Ｎ）≧λ＞０ （２０） The reason why the g vector and the α vector have large values at the beginning of the identification calculation is that the diagonal element initial value γ of the diagonal matrix D (N) is set to be large in consideration of the convergence to the true value. D (N) is basically related to gradually decreasing. The gradual decrease of D (N) can be derived from the equation (15). Expression (15) expresses the relationship between D (N) and D (N−1) one sample period before, and the coefficient α _j−1 (N) / (λα _j (N)) on the right side is If it is always less than 1, it can be said that D (N) gradually decreases. Therefore, paying attention to formula (13) for calculating the α vector, α _j (N) is a result of adding a value obtained by multiplying α _j−1 (N) by the j-th elements of the f vector and the g vector. I understand that there is. On the other hand, the j-th element of the g vector is a value obtained by multiplying the j-th element of the diagonal matrix D (N) by the j-th element of the f vector from the equation (11). From the above, the value of the second item on the right side of equation (13) can be determined as a positive value obtained by multiplying the square value of the jj element of the diagonal matrix D (N) and the j element of the f vector. Therefore, considering equation (12), equation (20) generally holds.
α _j (N) ≧ α _j−1 (N) ≧ λ> 0 (20)

（２０）式とλが１近傍の値であることを考慮すると、α_ｊ−１（Ｎ）／（λα_ｊ（Ｎ））は１未満の値となる。かくして、Ｄ（Ｎ）は非常に大きな初期値γを起点として、０近傍まで漸減する挙動を示すこととなる。このため、Ｄ（Ｎ）を用いて算出されるｇベクトルや、ｇベクトルを用いて算出されるαベクトルは同定開始初期にオーバフロー（桁溢れ）の危険が最も高まる。逆に、同定開始初期にオーバフローを回避できれば、その後のオーバフロー発生の危険はＤ（Ｎ）の減少と共に小さくなる。そこで、同定開始初期、換言すれば、ＵＤ分解アルゴリズムの初回サンプル時点（Ｎ＝１）でのｇベクトルと、αベクトルのオーバフロー回避を、回帰ベクトルΦ^＊（Ｎ）に適切な減衰ゲインを乗じて得た、新たな回帰ベクトルφ（Ｎ）を用いて実現するものとした。以下では、まず、ｇベクトルのオーバフローを回避する減衰ゲインＫ_ｇの算出式をその根拠と共に示す。 Considering the equation (20) and λ is a value in the vicinity of 1, α _j−1 (N) / (λα _j (N)) is a value less than 1. Thus, D (N) exhibits a behavior of gradually decreasing to near 0 starting from a very large initial value γ. For this reason, the g vector calculated using D (N) and the α vector calculated using the g vector have the highest risk of overflow (overflow) at the beginning of identification. On the other hand, if overflow can be avoided at the beginning of identification, the risk of subsequent overflow will decrease as D (N) decreases. Therefore, in the initial stage of identification, in other words, to avoid overflow of the g vector and α vector at the first sampling time (N = 1) of the UD decomposition algorithm, the regression vector Φ ^* (N) is multiplied by an appropriate attenuation gain. The obtained new regression vector φ (N) is used for the implementation. In the following, first, an equation for calculating the attenuation gain K _g for avoiding the overflow of the g vector will be shown together with its basis.

Ｎサンプル時点でのｇベクトルの第ｊ要素ｇ_ｊ（Ｎ）は、Ｄ（Ｎ）行列の第（ｊ，ｊ）要素をｄ_ｊ（Ｎ）と記述するとき、（Ｎ−１）サンプル時点でのＤ（Ｎ）行列の第（ｊ，ｊ）要素とＮサンプル時点でのｆベクトルの第ｊ要素ｆ_ｊ（Ｎ）との積となり、（２１）式で表すことができる。

一方、Ｎサンプル時点でのｆベクトルの第ｊ要素ｆ_ｊ（Ｎ）は、（２２）式で表すことができる。

初回サンプル時点でのｇベクトルの第ｊ要素は、（２１）式において、Ｎ＝１と置くことにより得られ、（２３）式となる。

一方、初回サンプル時点でのｆベクトルの第ｊ要素は、（２３）式において、Ｎ＝１と置くことにより得られ、（２４）式となる。

初回サンプル時点（Ｎ＝１）の場合には、（８）式の初期値から、（２５）式の如くｕ_ｉｊ（０）＝０となる。よって、（２４）式の２項目以降はゼロとなり、（２６）式で表現できる。

The j-th element g _j (N) of the g vector at N sampling time points when the (j, j) element of the D (N) matrix is described as d _j (N), at (N−1) sampling time points. This is the product of the (j, j) element of the D (N) matrix and the j element f _j (N) of the f vector at the time of N samples, and can be expressed by equation (21).

On the other hand, the j-th element f _j (N) of the f vector at the time point of N samples can be expressed by equation (22).

The j-th element of the g vector at the time of the first sample is obtained by setting N = 1 in the equation (21), and becomes the equation (23).

On the other hand, the j-th element of the f vector at the time of the first sampling is obtained by setting N = 1 in the equation (23), and the equation (24) is obtained.

In the case of the first sampling time (N = 1), u _ij (0) = 0 from the initial value of equation (8) as in equation (25). Therefore, the second and subsequent items in the equation (24) are zero and can be expressed by the equation (26).

さらに、Ｎ＝１の場合には、通常（１２）式の如くＤ（０）＝γＩ（Ｉは単位行列）とする為、ｄ_ｊ（０）＝γとなる。よって、（２３）式は（２６）式を代入して、（２７）式に変形することができる。

よって、（２７）式より、初回サンプル時点のｇベクトルの第ｊ要素は、初回サンプル時点の回帰ベクトルφ（Ｎ）の第ｊ要素φ_ｊ（１）にＤ行列の対角要素初期値γを乗じた値となることが分かる。 Further, in the case of N = 1, d _j (0) = γ because D (0) = γI (I is a unit matrix) as shown in equation (12). Therefore, equation (23) can be transformed into equation (27) by substituting equation (26).

Therefore, from the equation (27), the j-th element of the g vector at the first sampling time is obtained by adding the diagonal element initial value γ of the D matrix to the j-th element φ _j (1) of the regression vector φ (N) at the first sampling time. It turns out that it becomes the value multiplied.

ここで、初回サンプル時点でのｇベクトルの最大絶対値要素|ｇ（１）|_ｍａｘを（２８）式で定義する。

次に、（２７）式を（２８）式に代入して変形すると、（２９）式の関係が得られる。

Here, the maximum absolute value element | g (1) | _max of the g vector at the time of the first sampling is defined by Expression (28).

Next, when the equation (27) is substituted into the equation (28) and transformed, the relationship of the equation (29) is obtained.

次に、（２９）式で表現される初回サンプル時点でのｇベクトルの最大絶対値要素｜ｇ（１）｜_ｍａｘを規定値（オーバフローする値未満に設定）以下とする方法を示す。これにより、ｇベクトルの全要素の絶対値を規定値以下に抑制可能となる。
そこでまず、（２９）式中の回帰ベクトルφ（Ｎ）を、（３０）式の如く、元々の回帰ベクトルΦ^＊（Ｎ）を減衰ゲインＫ_ｇ倍した値と定義する。（但し、０＜Ｋ_ｇ≦１とする）

（３０）式の関係を（２９）式に代入すると、（３１）式が得られる。但し、（３１）式において、Φ^＊ _ｊ（１）は減衰ゲインＫ_ｇ倍する以前の回帰ベクトルΦ^＊（Ｎ）の第ｊ要素である。

この（３１）式は、初回サンプル時点でのｇベクトルの最大絶対値要素|ｇ（１）|_ｍａｘが初回サンプル時点での回帰ベクトルΦ^＊（Ｎ）の最大絶対値要素で決定付けられることを意味している。さらに、（３１）式の右辺には、減衰ゲインＫｇが含まれていることから、Ｋ_ｇを適切に設定することにより、|ｇ（１）|_ｍａｘを規定値以下に抑制可能となる。そこで、|ｇ（１）|_ｍａｘに課せられた規定（上限）値をｏｖ＿ｌｉｍ＿ｇと置き、（３２）式の拘束条件を与える。
|ｇ（１）|max≦ｏｖ＿ｌｉｍ＿ｇ （３２）
（３１）式を（３２）式に代入して、減衰ゲインＫ_ｇについて解くと（３３）式が得られる。

この（３３）式が、ｇベクトルのオーバフロー回避を実現する減衰ゲインＫ_ｇの設定範囲となる。通常、減衰ゲインＫ_ｇを小さく設定すると回帰ベクトル情報の桁落ちが多く発生し、同定精度が低下することから（３３）式を満たす最大値として（３４）式を最適なＫ_ｇ算出式とした。

また、γとｏｖ＿ｌｉｍ＿ｇは共に定数であることから、定数Ａを（３５）式で定義することにより、（３４）式は（３６）式で表現することも可能である。

Next, a method of setting the maximum absolute value element | g (1) | _max of the g vector at the time of the first sampling expressed by the equation (29) to be equal to or less than a predetermined value (set to less than the overflow value) will be described. As a result, the absolute values of all elements of the g vector can be suppressed to a specified value or less.
Therefore, first, a regression vector in (29) phi (N), (30) as equation is defined as the damping gain _{K g} a value obtained by multiplying the original regression vector [Phi ^* a (N). (However, 0 <K _g ≦ 1)

Substituting the relationship of equation (30) into equation (29) yields equation (31). However, in equation (31), [Phi ^* _j (1) is a j-th element of the damping gain _{K g} multiplying previous regression vector [Phi ^* (N).

This equation (31) indicates that the maximum absolute value element | g (1) | _max of the g vector at the first sampling time is determined by the maximum absolute value element of the regression vector Φ ^* (N) at the first sampling time. I mean. Furthermore, the right-hand side of equation (31), since it contains the attenuated gain Kg, by appropriately setting the _{K g, | g (1)} | max becomes possible to suppress the specified value or less. Therefore, a prescribed (upper limit) value imposed on | g (1) | _max is set as ov_lim_g, and a constraint condition of Expression (32) is given.
| g (1) | max ≦ ov_lim_g (32)
(31) Equation (32) are substituted into equation and solving for damping gain _{K g} (33) is obtained.

The (33) equation, the setting range of the attenuation gain K _g to realize overflow avoidance g vector. Usually, the damping gain K _g a smaller and then cancellation Many generation of regression vector information setting, identification accuracy is the maximum value as (34) an optimum K _g calculation equation satisfies the from (33) to decrease .

Since γ and ov_lim_g are both constants, the constant (A) can be defined by the expression (35), so that the expression (34) can be expressed by the expression (36).

次に、αベクトルのオーバフローを回避する減衰ゲインＫ_αの算出式をその根拠と共に示す。初回サンプル時点でのαベクトルの第ｊ要素は、（１３）式において、Ｎ＝１と置くことにより得られ、（３７）式となる。

（２６）式、（２７）式を（３７）式に代入すると、（３８）式となる。

α_０（Ｎ）＝λの関係を用いて、（３８）式の漸化式を解くと（３９）式となる。

よって、初回サンプル時点でのαベクトルの最大要素α（１）_ｍａｘを（４０）式で定義すると、（３９）式から、α（１）_ｍａｘはα_ｐ（１）となり、（４１）式で計算できる。

Next, a calculation formula of the damping gain K _alpha to avoid overflow of alpha vector with its grounds. The j-th element of the α vector at the time of the first sampling is obtained by setting N = 1 in the equation (13), and becomes the equation (37).

Substituting equations (26) and (27) into equation (37) yields equation (38).

Solving the recurrence formula of the equation (38) using the relationship of α ₀ (N) = λ, the equation (39) is obtained.

Therefore, if the maximum element α (1) _max of the α vector at the time of the first sampling is defined by equation (40), α (1) _max is α _p (1) from equation (39). Can be calculated.

次に、（４１）式で表現される初回サンプル時点でのαベクトルの最大要素α（１）_ｍａｘを規定値（オーバフローする値未満に設定）以下に抑制する方法を示す。これにより、αベクトルの全要素を規定値以下に抑制可能となる。
そこでまず、（４１）式中の回帰ベクトルφ（Ｎ）を、（４２）式の如く、元々の回帰ベクトルΦ^＊（Ｎ）を減衰ゲインＫ_α倍した値と定義する。（但し、０＜Ｋ_α≦１とする）

Φ^＊（Ｎ）の第ｊ要素をΦ^＊ _ｊ（Ｎ）とするとき、（４１）式、及び（４２）式より、（４３）式が導き出せる。

この（４３）式は、初回サンプル時点でのαベクトルの最大要素α（１）_ｍａｘが初回サンプル時点での回帰ベクトルΦ^＊（Ｎ）の大きさ（ベクトルの長さ）の２乗で決定付けられることを意味している。さらに、（４３）式の右辺には、減衰ゲインＫ_αが含まれていることから、Ｋ_αを適切に設定することにより、α（１）_ｍａｘを規定値以下に抑制可能となる。そこで、α（１）_ｍａｘに課せられた規定（上限）値をｏｖ＿ｌｉｍ＿ａと置き、（４４）式の拘束条件を与える。
α（１）_ｍａｘ≦ｏｖ＿ｌｉｍ＿ａ （４４） Next, a method of suppressing the maximum element α (1) _max of the α vector at the time of the first sampling expressed by the equation (41) below a specified value (set to a value less than the overflow value) will be described. Thereby, all the elements of the α vector can be suppressed to a predetermined value or less.
Therefore, first, the regression vector φ (N) in the equation (41) is defined as a value obtained by multiplying the original regression vector Φ ^* (N) by the attenuation gain K _α as in the equation (42). (However, 0 <K _α ≦ 1)

When the [Phi ^* a j-th element of the (N) [Phi ^* _j (N), (41) where and from equation (42), (43) below can be derived.

This equation (43) is determined by the square of the magnitude (vector length) of the regression vector Φ ^* (N) at the time of the first sample as the maximum element α (1) _max of the α vector at the time of the first sample. Is meant to be. Furthermore, the right-hand side of expression (43), since it contains the attenuated gain K _alpha, by appropriately setting the K _alpha, enables suppression alpha (1) a _max below the specified value. Therefore, the specified (upper limit) value imposed on α (1) _max is set as ov_lim_a, and the constraint condition of Expression (44) is given.
α (1) _max ≦ ov_lim_a (44)

（４３）式を（４４）式に代入して、減衰ゲインＫ_αについて解くと（４５）式の関係が得られる。

この（４５）式が、αベクトルのオーバフロー回避を実現する減衰ゲインＫ_αの設定範囲となる。通常、Ｋ_αを小さく設定しすぎると回帰ベクトル情報の桁落ちが多く発生し、同定精度が低下する。このことから（４５）式を満たす最大値として（４６）式を最適なＫα算出式とした。

When the equation (43) is substituted into the equation (44) and the attenuation gain _Kα is solved, the relationship of the equation (45) is obtained.

The (45) equation, the setting range of the attenuation gain K _alpha realizing the overflow avoidance of alpha vector. Usually, K _alpha a small set too precision loss many occurred regression vector information, the identification accuracy decreases. From this, the equation (46) was set as the optimum Kα calculation equation as the maximum value satisfying the equation (45).

また、γとｏｖ＿ｌｉｍ＿ａは共に定数であることから、定数Ｂを（４７）式で定義することにより、（４６）式は（４８）式で表現することも可能である。

Since γ and ov_lim_a are both constants, the constant (B) is defined by the formula (47), so that the formula (46) can also be expressed by the formula (48).

以上、ｇベクトルのオーバフローを回避可能な減衰ゲインとしてＫ_ｇを、αベクトルのオーバフローを回避可能な減衰ゲインとしてＫ_αを示してきたが、実際には両方のオーバフローを回避する必要がある。この為、（３６）式と（４８）式を両立させる最大の減衰ゲインＫ_ｇαを（４９）式、または（５０）式で算出し、（５１）式で求めた回帰ベクトルφ（Ｎ）をＵＤ分解アルゴリズムに適用することとした。

As described above, K _g has been shown as an attenuation gain that can avoid the overflow of the _g vector, and K _α has been shown as an attenuation gain that can avoid the overflow of the α vector, but it is actually necessary to avoid both overflows. Therefore, the maximum attenuation gain K _gα that _satisfies both the expressions (36) and (48) is calculated by the expression (49) or (50), and the regression vector φ (N) obtained by the expression (51) is calculated. It was decided to apply to the UD decomposition algorithm.

（第１実施形態）
本発明の第１実施形態であるモータ制御システムを、図１の構成図を用いて説明する。
図１において、モータ制御システム２００は、モータ１と、モータ１により駆動される負荷２（駆動対象負荷）と、モータ１と負荷２とを連結する連結軸３と、モータ１を駆動する電力変換器４と、モータ１の回転軸に取り付けられ、モータ１の回転軸の位置検出値θ_Mを出力する位置検出器３８と、モータ１に流れる電流を検出する電流検出器６と、モータ制御装置１００とを備える。 (First embodiment)
The motor control system which is 1st Embodiment of this invention is demonstrated using the block diagram of FIG.
In FIG. 1, a motor control system 200 includes a motor 1, a load 2 driven by the motor 1 (load to be driven), a connecting shaft 3 that connects the motor 1 and the load 2, and power conversion that drives the motor 1. 4, a position detector 38 that is attached to the rotation shaft of the motor 1 and outputs a position detection value θ _M of the rotation shaft of the motor 1, a current detector 6 that detects a current flowing through the motor 1, and a motor control device 100.

モータ制御装置１００は、速度演算器５と、電流制御器８と、１次遅れフィルタ３６、トルク定数増幅器２０と、オートチューニング部３７と、離散系／連続系パラメータ変換部２５と、速度制御器９と、減算器７とを備え、これらの機能はＣＰＵ等のコンピュータ及びプログラムによって実現される。また、モータ制御装置１００は、モータ１に流れるモータ電流を励磁軸成分と、これに電気的に直交するトルク軸成分にｄｑベクトル変換して制御している。以下、トルク電流成分の検出値Ｉｑのみで説明し、励磁軸成分の値Ｉｄは通常ゼロに設定されるので記載を省略する。   The motor control device 100 includes a speed calculator 5, a current controller 8, a first-order lag filter 36, a torque constant amplifier 20, an auto-tuning unit 37, a discrete / continuous system parameter conversion unit 25, and a speed controller. 9 and a subtracter 7, and these functions are realized by a computer such as a CPU and a program. Further, the motor control device 100 controls the motor current flowing in the motor 1 by performing dq vector conversion into an excitation axis component and a torque axis component electrically orthogonal to the excitation axis component. Hereinafter, only the torque current component detection value Iq will be described, and the excitation axis component value Id is normally set to zero, and the description is omitted.

モータ１は、三相同期電動機であり、慣性モーメントＪ_Ｍと粘性摩擦係数Ｄとを有し、トルクＴを発生する。負荷２は、連結軸３を介してモータ１により駆動され、慣性モーメントＪ_Ｌを有する。なお、モータ１の慣性モーメントＪ_Ｍと、連結軸３の慣性モーメントと、負荷２の慣性モーメントＪ_Ｌとを合わせて合成慣性モーメントＪという。電力変換器４は、直流電力を交流電力に変換し、モータ１を駆動する。位置検出器３８は、モータ１の回転軸に取り付けられ、モータ１の回転軸の位置検出値θ_Ｍを出力する。電流検出器６は、モータ１に供給されるトルク電流検出値Ｉｑを検出する。速度演算器５は、位置検出値θ_Ｍの時間変化からモータ回転速度ω_Ｍを演算する。電流検出器６は、モータ１に供給されるトルク電流検出値Ｉｑを検出する。減算器７は、トルク電流指令値Ｉq^＊とモータ１に供給されるトルク電流検出値Ｉｑとの電流偏差Ｉ_ｅを演算する。 Motor 1 is a three-phase synchronous motor, and a moment of inertia J _M and the viscous friction coefficient D, and generates a torque T. Load 2 is driven by the motor 1 via the connecting shaft 3, has a moment of inertia J _L. Note that the moment of inertia J _M of the motor 1, and the moment of inertia of the connecting shaft 3, the load 2 by combining the moment of inertia J _L of combined inertia moment J. The power converter 4 converts DC power into AC power and drives the motor 1. Position detector 38 is attached to the rotation shaft of the motor 1, and outputs a position detection value theta _M of the motor rotation shaft. The current detector 6 detects a torque current detection value Iq supplied to the motor 1. Speed calculator 5 calculates the motor rotational speed omega _M from the time change of the position detection value theta _M. The current detector 6 detects a torque current detection value Iq supplied to the motor 1. The subtractor 7 calculates a current deviation _Ie between the torque current command value Iq ^* and the torque current detection value Iq supplied to the motor 1.

電流制御器８は、電流偏差Ｉ_ｅに応じて電力変換器４をパルス幅制御（ＰＷＭ制御）する。１次遅れフィルタ３６は、トルク電流指令値Ｉｑ^＊が入力され、トルク電流推定値Ｉｑ^＾を出力し、そのゲイン交差角周波数は、電流制御器８で構成した電流制御系のゲイン交差角周波数と等しく設定している。トルク定数増幅器２０は、トルク電流推定値Ｉｑ^＾が入力されモータトルク値τ_Ｍを算出し、使用するモータ１のトルク定数ｋ_ｔと等しい値を設定する。 The current controller 8 performs pulse width control (PWM control) on the power converter 4 according to the current deviation _Ie . The first-order lag filter 36 receives the torque current command value Iq ^* and outputs the torque current estimated value Iq ^{^} , and the gain crossing angular frequency is the gain crossing angular frequency of the current control system configured by the current controller 8. Set equal. The torque constant amplifier 20 receives the estimated torque current value Iq ^{^} , calculates the motor torque value τ _M , and sets a value equal to the torque constant k _t of the motor 1 to be used.

速度制御器９は、モータ回転速度検出値ω_Ｍをモータ速度指令値ω_Ｍ ^＊に近づけるように機能する。オートチューニング部３７は、モータトルク値τ_Ｍ、及びモータ回転速度検出値ω_Ｍの時系列データを入力値とし、モータ１と連結軸３と駆動対象の負荷２とからなる機械系の合計慣性モーメント推定値Ｊ＾、及び、粘性摩擦係数推定値Ｄ^＾を出力する。 Speed controller 9 serves to close the motor rotation speed detection value omega _M in the motor speed command value omega _M ^*. The auto-tuning unit 37 uses the time series data of the motor torque value τ _M and the detected motor rotation speed value ω _M as input values, and the total moment of inertia of the mechanical system composed of the motor 1, the connecting shaft 3, and the load 2 to be driven. The estimated value J ^ and the viscous friction coefficient estimated value D ^{^} are output.

速度制御器９は、モータ回転速度偏差ω_ｅに応じてトルク電流指令値Ｉｑ^＊を出力する比例積分構造の制御器であり、減算器１０と、加算器１４，１６と、比例ゲイン１１，１５，１７，１８と、積分ゲイン１２と、積分器１３とを備える。比例ゲイン１１は、速度制御系の比例特性を実現する。積分ゲイン１２は、モータ回転速度偏差ω_ｅを積分器１３で積分するときのゲインωｓ^２／Ｎ_Ｎを決定する。加算器１４は速度制御系の比例特性と積分器１３の出力とを加算する。比例ゲイン１５は、加算器１４の出力を機械系の合計慣性モーメントＪで増幅し、粘性摩擦補償前モータトルク指令τ_ｓを生成する。比例ゲイン１７は、モータ回転速度ω_Ｍを粘性摩擦係数推定値Ｄ＾で乗算し、粘性摩擦補償トルク推定値τ_ｄ＾を演算する。加算器１６は、粘性摩擦補償前モータトルク指令τ_ｓと、粘性摩擦補償トルク推定値τ_ｄ＾とを加算し、モータトルク指令τ_Ｍ ^＊を演算する。ゲイン１８は、モータトルク指令τ_Ｍ ^＊にトルク定数ｋｔの逆数を乗算し、トルク電流指令値Ｉｑ^＊を生成する。 Speed controller 9 is a control unit of a proportional integral structure that outputs a torque current command value Iq ^* in accordance with the motor rotational speed deviation omega _e, a subtractor 10, an adder 14, a proportional gain 11 and 15 , 17, 18, an integral gain 12, and an integrator 13. The proportional gain 11 realizes a proportional characteristic of the speed control system. The integral gain 12 determines a gain ωs ² / N _N when the motor rotational speed deviation ω _e is integrated by the integrator 13. The adder 14 adds the proportional characteristic of the speed control system and the output of the integrator 13. The proportional gain 15 amplifies the output of the adder 14 by the total moment of inertia J of the mechanical system, and generates a motor torque command τ _s before viscous friction compensation. The proportional gain 17 multiplies the motor rotational speed ω _M by the viscous friction coefficient estimated value D ^ to calculate the viscous friction compensation torque estimated value τ _d ^. The adder 16 adds the pre-viscous friction compensation motor torque command τ _s and the viscous friction compensation torque estimated value τ _d ^ to calculate the motor torque command τ _M ^* . The gain 18 multiplies the motor torque command τ _M ^* by the inverse of the torque constant kt to generate a torque current command value Iq ^* .

１次遅れフィルタ３６は、トルク電流指令値Ｉｑ^＊が入力され、トルク電流推定値Ｉ＾ｑを出力するフィルタであり、そのゲイン交差角周波数は、電流制御器８で構成した電流制御系のゲイン交差角周波数と等しく設定している。
トルク定数増幅器２０は、トルク電流推定値Ｉ＾ｑが入力され、モータトルクτ_Ｍを算出するゲインであり、使用するモータ１のトルク定数ｋｔと等しい値を設定する。 The first-order lag filter 36 is a filter that receives the torque current command value Iq ^* and outputs the estimated torque current value I ^ q. The gain crossover angular frequency is the gain of the current control system configured by the current controller 8. It is set equal to the crossing angular frequency.
The torque constant amplifier 20 receives a torque current estimated value I ^ q, is a gain for calculating the motor torque τ _M , and sets a value equal to the torque constant kt of the motor 1 to be used.

オートチューニング部３７は、モータトルクτ_Ｍ、及びモータ回転速度検出値ω_Ｍの時系列データを入力値とし、機械系の合計慣性モーメント推定値Ｊ＾と粘性摩擦係数推定値Ｄ＾を算出し、それぞれを比例ゲイン１５，１７に設定するものであり、ローパスフィルタ（ＬＰＦ）２１，２２と、パラメータ同定器作動信号発生器２３と、自動ゲイン制御部作動信号発生器（ＡＧＩ）２４と、離散系／連続系パラメータ変換部２５と、パラメータ同定器１９とを備える。 The auto-tuning unit 37 uses the time series data of the motor torque τ _M and the detected motor rotation speed value ω _M as input values, calculates the total inertia moment estimated value J ^ and the viscous friction coefficient estimated value D ^ of the mechanical system, These are set to proportional gains 15 and 17, respectively, such as low-pass filters (LPF) 21 and 22, parameter identifier operation signal generator 23, automatic gain control unit operation signal generator (AGI) 24, and discrete system. / Continuous system parameter converter 25 and parameter identifier 19 are provided.

ローパスフィルタ２１は、トルク定数増幅器２０が出力するモータトルクτ_Ｍをフィルタ後モータトルクτ_ＭＦに変換するローパスフィルタであり、ローパスフィルタ２２は、モータ回転速度検出値ω_Ｍをフィルタ後モータ回転速度検出値ω_ＭＦに変換するローパスフィルタである。ローパスフィルタ２１，２２は、共に、アンチエリアスフィルタとして利用し、その遮断周波数は、オートチューニング部３７のサンプリング周波数の１／２〜１／３程度に設定される。 The low-pass filter 21 is a low-pass filter that converts the motor torque τ _M output from the torque constant amplifier 20 into the filtered motor torque τ _MF , and the low-pass filter 22 detects the motor rotation speed detection value ω _M after filtering the motor rotation speed. This is a low-pass filter that converts the value ω _MF . Both of the low-pass filters 21 and 22 are used as anti-alias filters, and the cutoff frequency is set to about 1/2 to 1/3 of the sampling frequency of the auto-tuning unit 37.

パラメータ同定器作動信号発生器２３（ＩＤＡ）は、フィルタ後モータトルクτ_ＭＦを用いてパラメータ同定器作動信号Ｉｄ＿ａｃｔを生成するものであり、フィルタ後モータ回転速度検出値ω_ＭＦの大きさが規定値ω_Ａを超えるとＩｄ＿ａｃｔ＝１を出力し、ω_ＭＦの大きさが規定値ω_Ｉ未満に低下するとＩｄ＿ａｃｔ＝０を出力する。
自動ゲイン制御部作動信号発生器２４（ＡＧＩ）は、パラメータ同定器作動信号Ｉｄ＿ａｃｔを用いて自動ゲイン制御部作動信号Ａｇｃ＿ａｃｔを生成するものであり、パラメータ同定器作動信号Ｉｄ＿ａｃｔが１となった次回の１サンプル周期のみＡｇｃ＿ａｃｔ＝１を出力し、以後はＡｇｃ＿ａｃｔ＝０を出力する。 The parameter identifier operation signal generator 23 (IDA) generates the parameter identifier operation signal Id_act using the post-filter motor torque τ _MF , and the magnitude of the post-filter motor rotation speed detection value ω _MF is a specified value. When ω _A is exceeded, Id_act = 1 is output, and when ω _MF decreases below the specified value ω _I , Id_act = 0 is output.
The automatic gain controller activation signal generator 24 (AGI) generates the automatic gain controller activation signal Agc_act using the parameter identifier activation signal Id_act, and the next time the parameter identifier activation signal Id_act becomes 1. Agc_act = 1 is output only for one sample period, and thereafter Agc_act = 0 is output.

パラメータ同定器１９は、パラメータ同定器作動信号Ｉｄ＿ａｃｔが、Ｉｄ＿ａｃｔ＝１の場合のみフィルタ後モータトルクτ_ＭＦ、及びフィルタ後モータ回転速度検出値ω_ＭＦを入力としてパラメータベクトル前回推定値θ＾（Ｎ−１）をＮサンプル周期毎に逐次更新出力する。 The parameter identifier 19 receives the post-filter motor torque τ _MF and the post-filter motor rotational speed detection value ω _MF as input only when the parameter identifier operation signal Id_act is Id_act = 1, and the parameter vector previous estimate θ ^ (N− 1) is sequentially updated and output every N sample periods.

ここで、パラメータ同定器１９の作用を簡単に説明しておく。パラメータ同定器１９の同定対象は、機械系の合計慣性モーメント推定値Ｊ＾と粘性摩擦係数推定値Ｄ＾とである。このとき、モータトルクτ_Ｍは、
τ_Ｍ＝Ｊ（ｄω_Ｍ／ｄｔ）＋Ｄ・ω_Ｍ （５２）
で表される。このとき、モータトルクτ_Ｍに対するモータ回転速度検出値ω_Ｍの伝達関数Ｇ_ＲＤ（ｓ）は、ｓをラプラスの演算子として（５３）式の剛体モデルでモデル化することができる。

Here, the operation of the parameter identifier 19 will be briefly described. The identification objects of the parameter identifier 19 are the total inertia moment estimated value J ^ and the viscous friction coefficient estimated value D ^ of the mechanical system. At this time, the motor torque τ _M is
τ _M = J (dω _M / dt) + D · ω _M (52)
It is represented by At this time, the transfer function G _RD (s) of the detected motor rotation speed value ω _M with respect to the motor torque τ _M can be modeled by a rigid body model of the equation (53), where s is a Laplace operator.

パラメータ同定器１９は、この（５３）式の分母の係数Ｊ＾とＤ＾とを同定対象とする。但し、パラメータ同定器１９を離散時間演算で実現するため、まず、（５２）式に示した剛体モデルの伝達関数Ｇ_ＲＤ（ｓ）を、例えば、整合ｚ変換により離散化しておく。ちなみに、整合ｚ変換とはサンプリング周期をＴとするとき、連続系伝達関数の極・零点ｓを、それぞれ離散系伝達関数の極・零点ｚ＝ｅ^ｓＴに写像する変換法である。この整合ｚ変換によれば、ｚ^−１を１サンプル周期遅延を意味する演算子とするとき、伝達関数Ｇ_ＲＤ（ｓ）に対応する離散系伝達関数Ｇ_ＲＤ（ｚ）は（５６）式で表すことができる。また、（５４）式における係数ａ_１，ｂ_０は、それぞれ（５５）式、（５６）式で表される。

The parameter identifier 19 uses the denominator coefficients J ^ and D ^ in the equation (53) as identification targets. However, in order to realize the parameter identifier 19 by discrete time calculation, first, the transfer function G _RD (s) of the rigid model shown in the equation (52) is discretized by, for example, matched z transformation. Incidentally, the matched z conversion is a conversion method in which the pole / zero point s of the continuous transfer function is mapped to the pole / zero point z = ^esT of the discrete transfer function, where T is the sampling period. According to this matched z-transform, when z ⁻¹ is an operator that means one sample period delay, the discrete transfer function G _RD (z) corresponding to the transfer function G _RD (s) is expressed by the equation (56). Can be represented. In addition, the coefficients a ₁ and b ₀ in the equation (54) are expressed by the equations (55) and (56), respectively.

以上の関係式（５４）〜（５６）式を用いれば、剛体モデルの連続系伝達関数Ｇ_ＲＤ（ｓ）を対応する離散系伝達関数Ｇ_ＲＤ（ｚ）に変換することが可能となる。また、逆にＧ_ＲＤ（ｚ）の係数ａ_１，ｂ_０から（５７）式、（５８）式によりＧ_ＲＤ（ｓ）のパラメータＪ＾、Ｄ＾を算出することも可能である。

By using the above relational expressions (54) to (56), it is possible to convert the continuous system transfer function G _RD (s) of the rigid body model into the corresponding discrete system transfer function G _RD (z). Conversely, it is also possible to calculate the parameters J ^ and D ^ of G _RD (s) from the coefficients a ₁ and b ₀ of G _RD (z) by the expressions (57) and (58).

そこで、本実施形態では、パラメータ同定器１９において、離散系伝達関数Ｇ_ＲＤ（ｚ）の未知係数ａ_１，ｂ_０を前記したＵＤ分解アルゴリズムにより同定し、次に、離散系／連続系パラメータ変換部２５において、（５７）、（５８）式を用いて合計慣性モーメント推定値Ｊ＾と粘性摩擦係数推定値Ｄ＾に変換し、制御系の比例ゲイン１５，１７に反映させるものとした。 Therefore, in the present embodiment, the parameter identifier 19 identifies the unknown coefficients a ₁ and b ₀ of the discrete transfer function G _RD (z) by the UD decomposition algorithm, and then performs discrete / continuous parameter conversion. In the unit 25, the total moment of inertia estimated value J ^ and the viscous friction coefficient estimated value D ^ are converted using the equations (57) and (58) and reflected in the proportional gains 15 and 17 of the control system.

ここで、図２を用いて、パラメータ同定器１９の内部構造について説明する。パラメータ同定器１９（図１）は、ゼロ次ホールド要素２６，２７と、１サンプル遅延要素２８，２９と、乗算器３０，３１と、自動ゲイン制御部３２（ＡＧＣＩ）と、回帰ベクトル生成部３３と、離散系パラメータ推定部３４と、離散系パラメータ推定部作動信号発生器３５（ＰＶＡＩ）とを備える。   Here, the internal structure of the parameter identifier 19 will be described with reference to FIG. The parameter identifier 19 (FIG. 1) includes zero-order hold elements 26 and 27, 1-sample delay elements 28 and 29, multipliers 30 and 31, an automatic gain control unit 32 (AGCI), and a regression vector generation unit 33. And a discrete system parameter estimation unit 34 and a discrete system parameter estimation unit actuation signal generator 35 (PVAI).

ゼロ次ホールド要素２６は、フィルタ後モータトルクτ_ＭＦをサンプリング周期Ｔでサンプル＆ホールドし、ホールドした離散値τ_ＭＳ（Ｎ）を出力する。ゼロ次ホールド要素２７は、フィルタ後モータ回転速度検出値ω_ＭＦをサンプリング周期Ｔでサンプル＆ホールドし、ホールドした離散値ω_ＭＳ（Ｎ）を出力する。１サンプル遅延要素２８は、自動ゲイン制御部３２（ＡＧＣＩ）の演算時間を確保するためのものであり、τ_ＭＳ（Ｎ）が入力され、τ_ＭＳ（Ｎ−１）を出力する。１サンプル遅延要素２９は、離散値ω_ＭＳ（Ｎ）が入力され、ω_ＭＳ（Ｎ−１）を出力する。 The zero-order hold element 26 samples and holds the filtered motor torque τ _MF at the sampling period T, and outputs a held discrete value τ _MS (N). The zero-order hold element 27 samples and holds the filtered motor rotation speed detection value ω _MF at the sampling period T, and outputs the held discrete value ω _MS (N). One-sample delay element 28 is intended to ensure the operation time of the automatic gain control unit _{32 (AGCI), τ MS (} N) is inputted, outputs a τ _MS (N-1). The one-sample delay element 29 receives the discrete value ω _MS (N) and outputs ω _MS (N−1).

乗算器３０は、離散値τ_ＭＳ（Ｎ−１）に対して（５９）式で算出される減衰ゲインＫ_ｇαを乗じて、離散値τ_Ｍ（Ｎ）を出力する。乗算器３１は、離散値ω_ＭＳ（Ｎ−１）に対して減衰ゲインＫ_ｇαを乗じて、離散値ω_Ｍ（Ｎ）を出力する。但し、（５９）式の演算においては、元々の回帰ベクトルΦ^＊（Ｎ）は（６０）式で表現される２次元ベクトルである。

The multiplier 30 multiplies the discrete value τ _MS (N−1) by the attenuation gain K _gα calculated by the equation (59), and outputs a discrete value τ _M (N). The multiplier 31 multiplies the discrete value ω _MS (N−1) by the attenuation gain K _gα and outputs the discrete value ω _M (N). However, in the calculation of equation (59), the original regression vector Φ ^* (N) is a two-dimensional vector expressed by equation (60).

回帰ベクトル生成部３３は、離散値τ_Ｍ（Ｎ），ω_Ｍ（Ｎ）が入力され、（６１）式で表現される２次元の回帰ベクトルφ（Ｎ）を出力する。

The regression vector generation unit 33 receives the discrete values τ _M (N), ω _M (N) and outputs a two-dimensional regression vector φ (N) expressed by the equation (61).

離散系パラメータ推定部３４は、離散系パラメータ推定部作動信号Ｐｖ＿ａｃｔＩが、Ｐｖ＿ａｃｔＩ＝１の場合のみＵＤ分解アルゴリズムに基づく逐次最小二乗法により離散系パラメータの推定を行う。具体的には、回帰ベクトルφ（Ｎ）を入力として、（６２）式の２次元ベクトルで表現されるパラメータベクトル推定値θ＾（Ｎ）の前回までのサンプルデータに基づく推定値であるパラメータベクトル前回推定値θ^＾（Ｎ−１）を出力する。ここで、パラメータベクトル推定値θ＾（Ｎ）のベクトル要素ａ_１ ^＾（Ｎ）、ｂ_０ ^＾（Ｎ）はそれぞれ（５５）式、、及び（５６）式に示したａ_１、ｂ_０のＮサンプル時点での推定値とした。 The discrete system parameter estimation unit 34 estimates the discrete system parameter by the sequential least square method based on the UD decomposition algorithm only when the discrete system parameter estimation unit operation signal Pv_actI is Pv_actI = 1. Specifically, a parameter vector that is an estimated value based on the sample data up to the previous time of the parameter vector estimated value θ ^ (N) expressed by the two-dimensional vector of equation (62) with the regression vector φ (N) as an input. The previous estimated value θ ^{^} (N−1) is output. Here, vector elements _a ¹ ^ _(N) of the parameter vector estimated value ^{_{θ ^ (N), b 0}} ^ (N) is the _a 1, _{b 0} shown in each (55) below ,, and (56) below Estimated values at the time of N samples were used.

自動ゲイン制御部３２（ＡＧＣＩ）は、τ_ＭＳ（Ｎ）、及びω_ＭＳ（Ｎ）を入力信号として、自動ゲイン制御部作動信号Ａｇｃ＿ａｃｔ＝１の場合のみ、（６１）式、及び（６２）式に基づいて、減衰ゲインＫ_ｇαを演算＆出力し、Ａｇｃ＿ａｃｔ ＝０の場合には、前回サンプル時の減衰ゲインＫ_ｇαを出力する。 The automatic gain control unit 32 (AGCI) uses the τ _MS (N) and ω _MS (N) as input signals only when the automatic gain control unit actuation signal Agc_act = 1, the formulas (61) and (62) Based on the above, the attenuation gain K _gα is calculated and output. When Agc_act = 0, the attenuation gain K _gα at the previous sample is output.

離散系パラメータ推定部作動信号発生器（ＰＶＡＩ）３５は、離散系パラメータ推定部作動信号Ｐｖ＿ａｃｔＩを生成するものであり、回帰ベクトル生成部３３におけるデータ準備時間を確保する為に、２サンプル遅れのＩｄ＿ａｃｔをＰｖ＿ａｃｔＩとして出力する。   The discrete system parameter estimator activation signal generator (PVAI) 35 generates the discrete system parameter estimator activation signal Pv_actI, and in order to secure the data preparation time in the regression vector generator 33, Id_act is delayed by 2 samples. Is output as Pv_actI.

以上が、図１を用いた第１実施形態の説明である。以下では、図１，２を構成する機能ブロックについて、順次詳細な説明を行う。図３は、自動ゲイン制御部作動信号発生器２４（ＡＧＩ）の内部構成図である。
図３において、自動ゲイン制御部作動信号発生器２４（ＡＧＩ）は、パラメータ同定器作動信号Ｉｄ＿ａｃｔ７０を入力とし、自動ゲイン制御部作動信号Ａｇｃ＿ａｃｔ７６を出力とし、１サンプル遅延要素７１，７３，７５と、ＯＲ論理素子７２と、ＸＯＲ論理素子７４とを備える。 The above is description of 1st Embodiment using FIG. Hereinafter, the functional blocks constituting FIGS. 1 and 2 will be described in detail sequentially. FIG. 3 is an internal configuration diagram of the automatic gain control unit actuation signal generator 24 (AGI).
In FIG. 3, an automatic gain control unit activation signal generator 24 (AGI) receives a parameter identifier activation signal Id_act 70, outputs an automatic gain control unit activation signal Agc_act 76, 1-sample delay elements 71, 73, 75, An OR logic element 72 and an XOR logic element 74 are provided.

１サンプル遅延要素７１は、ＡＧＣＩ構成図（図４）における１サンプル遅延要素８６の出力を確定する為のものである。ＯＲ論理素子７２は、２入力の双方が０の場合のみ０を出力し、それ以外では１を出力する。１サンプル遅延要素７３は、ＯＲ論理素子７２の出力を入力とし、ＯＲ論理素子７２の入力に対して出力する。
ＯＲ論理素子７２と１サンプル遅延要素７３との帰還構成により、ＯＲ論理素子７２の出力は一度１になった後は、常に１を出力し続けることとなる。 The one-sample delay element 71 is for determining the output of the one-sample delay element 86 in the AGCI configuration diagram (FIG. 4). The OR logic element 72 outputs 0 only when both of the two inputs are 0, and outputs 1 otherwise. The one-sample delay element 73 takes the output of the OR logic element 72 as an input and outputs it to the input of the OR logic element 72.
Due to the feedback configuration of the OR logic element 72 and the one-sample delay element 73, once the output of the OR logic element 72 once becomes 1, it always continues to output 1.

ＸＯＲ論理素子７４は、ＯＲ論理素子７２の出力か、ＯＲ論理素子７２の１サンプル前の出力値のいずれか一方のみが１の場合のみ１を出力し、それ以外は０を出力する。１サンプル遅延要素７５は、ＯＲ論理素子７２の出力を入力するものであり、ＸＯＲ論理素子７４の入力に対して出力する。この１サンプル遅延要素７５とＸＯＲ論理素子７４との構成によりＯＲ論理素子７２の出力が変化した時点の１サンプル期間のみＸＯＲ論理素子７４は１を出力し、それ以外は０を出力する。以上の構成から、自動ゲイン制御部作動信号Ａｇｃ＿ａｃｔ７６は、入力されるパラメータ同定器作動信号Ｉｄ＿ａｃｔ７０が１となった次回の１サンプル周期のみ１を出力し、以後は０を出力する。   The XOR logic element 74 outputs 1 only when either the output of the OR logic element 72 or the output value one sample before the OR logic element 72 is 1, and outputs 0 otherwise. The one-sample delay element 75 inputs the output of the OR logic element 72 and outputs it to the input of the XOR logic element 74. The XOR logic element 74 outputs 1 only for one sample period when the output of the OR logic element 72 changes due to the configuration of the one sample delay element 75 and the XOR logic element 74, and outputs 0 otherwise. With the above configuration, the automatic gain control unit operation signal Agc_act 76 outputs 1 only for the next one sample period when the input parameter identifier operation signal Id_act 70 becomes 1, and thereafter outputs 0.

図４は自動ゲイン制御部ＡＧＣＩの内部構成図である。自動ゲイン制御部（ＡＧＣＩ）３２は、パラメータ同定器作動信号Ｉｄ＿ａｃｔ＝１の場合のみ、（６１）式、及び（６２）式に基づいて、減衰ゲインＫ_ｇαを演算＆出力し、Ｉｄ＿ａｃｔ＝０の場合には、前回サンプル時の減衰ゲインＫ_ｇαを出力する機能を実現する。 FIG. 4 is an internal configuration diagram of the automatic gain control unit AGCI. The automatic gain control unit (AGCI) 32 calculates and outputs the attenuation gain K _gα based on the equations (61) and (62) only when the parameter identifier operation signal Id_act = 1, and when Id_act = 0 In this case, the function of outputting the attenuation gain K _gα at the previous sampling is realized.

図４において、ＡＧＣＩ３２は、入力信号ω_ＭＳ（Ｎ）８０、τ_ＭＳ（Ｎ）８１から、Ｋ_ｇα８３を演算するものであり、絶対値演算器８４，８５（ＡＢＳ）と、１サンプル遅延要素８６と、減衰ゲインＫ_ｇα演算部９７とを備える。
絶対値演算器８４，８５はそれぞれω_ＭＳ（Ｎ），τ_ＭＳ（Ｎ）の絶対値を算出し、絶対値演算器８４の出力は、１サンプル遅延要素８６を介して減衰ゲインＫ_ｇα演算部９７に入力され、絶対値演算器８５の出力は直接減衰ゲインＫ_ｇα演算部９７に入力される。また、自動ゲイン制御部作動信号Ａｇｃ＿ａｃｔ８２も、直接減衰ゲインＫ_ｇα演算部９７に入力される。 In FIG. 4, AGCI 32 calculates K _gα 83 from input signals ω _MS (N) 80 and τ _MS (N) 81, and includes absolute value calculators 84 and 85 (ABS) and a one-sample delay element. 86 and an attenuation gain K _gα calculation unit 97.
The absolute value calculators 84 and 85 calculate the absolute values of ω _MS (N) and τ _MS (N), respectively, and the output of the absolute value calculator 84 is an attenuation gain K _gα calculation unit via a one-sample delay element 86. 97 and the output of the absolute value calculator 85 is directly input to the attenuation gain K _gα calculator 97. The automatic gain control unit actuation signal Agc_act 82 is also directly input to the attenuation gain K _gα computing unit 97.

減衰ゲインＫ_ｇα演算部９７の内部は、Ａｇｃ＿ａｃｔ＝１の場合のみ作動し、減衰ゲインＫ_ｇα８３を更新する。
減衰ゲインＫ_ｇ算出部９８は、（６１）式右辺の第一の要素に相当するＫ_ｇを算出し、減衰ゲインＫ_α算出部９９は、（６１）式右辺の第二の要素に相当するＫ_αを算出するものである。最小値比較選択素子９０は、入力される減衰ゲインＫ_ｇ、及び減衰ゲインＫ_αの内、いずれか小さい方を出力する。 The inside of the attenuation gain K _gα calculation unit 97 operates only when Agc_act = 1, and updates the attenuation gain K _gα 83.
Damping gain K _g calculation unit 98 calculates the K _g corresponding to a first element (61) right side of Equation, attenuation gain K _alpha calculator 99 corresponds to the second element (61) right side of the equation K _α is calculated. The minimum value comparison / selection element 90 outputs the smaller one of the input attenuation gain K _g and attenuation gain K _α .

定数８８は、後記するｇベクトル要素であるｇ_１（Ｎ）とｇ_２（Ｎ）に許容される最大絶対値をｏｖ＿ｌｉｍ＿ｇと置くときに、この絶対値ｏｖ＿ｌｉｍ＿ｇをＤ行列の対角要素初期値γ（γ＝ｄ_１（０）＝ｄ_２（０））で除した値である。このとき、ｏｖ＿ｌｉｍ＿ｇとして、実装する演算処理装置がオーバフローすることなく符号付きで表現できる数値の最大値以下を選択する。特に、固定小数点演算の演算桁数によって制限される最大数値を選択することにより、安価なＣＰＵを用いて制御を行うことができる。 The constant 88 is obtained by setting the absolute value ov_lim_g as the diagonal element initial value γ of the D matrix when the maximum absolute value allowed for g ₁ (N) and g ₂ (N), which will be described later, is set as ov_lim_g. It is a value divided by (γ = d ₁ (0) = d ₂ (0)). At this time, ov_lim_g is selected to be equal to or less than the maximum value that can be expressed with a sign without overflowing the arithmetic processing device to be mounted. In particular, it is possible to perform control using an inexpensive CPU by selecting the maximum numerical value limited by the number of arithmetic digits for fixed-point arithmetic.

最大値比較選択素子８７は、入力される回帰ベクトルΦ^＊（Ｎ）要素の絶対値の内、いずれか大きい方を出力する。除算器８９は、定数８８を最大値比較選択素子８７の出力で除して減衰ゲインＫ_ｇを出力する。また、定数９５は、後記するαベクトル要素であるα_１（Ｎ）とα_２（Ｎ）とに許容される最大値をｏｖ＿ｌｉｍ＿ａと置くとき、ｏｖ＿ｌｉｍ＿ａから忘却係数λ（１以下で１近傍の正数）を減じた値をＤ行列の対角要素初期値γ（γ＝ｄ_１（０）＝ｄ_２（０））で除した値の平方根をとった定数である。このとき、ｏｖ＿ｌｉｍ＿ａとして、実装する演算処理装置がオーバフローすることなく符号無しで表現できる数値の最大値以下を選択する（αベクトルの要素は、すべて正値の為）。 The maximum value comparison / selection element 87 outputs the larger one of the absolute values of the input regression vector Φ ^* (N) elements. Divider 89, a constant 88 is divided by the output of the maximum value comparing and selecting device 87 outputs a damping gain K _g. In addition, the constant 95 is set to ov_lim_a from the forgetting factor λ (less than 1 and a positive value in the vicinity of 1 when ov_lim_a is a maximum value allowed for α ₁ (N) and α ₂ (N) which are α vector elements described later. This is a constant obtained by taking the square root of the value obtained by dividing the value obtained by subtracting (number) by the diagonal element initial value γ (γ = d ₁ (0) = d ₂ (0)) of the D matrix. At this time, as the ov_lim_a, a value equal to or less than the maximum value that can be expressed without a sign without overflowing the mounted arithmetic processing unit is selected (because all the elements of the α vector are positive values).

乗算器９１，９２は、それぞれ入力される回帰ベクトルΦ^＊（Ｎ）要素の絶対値の２乗値を演算する。加算器９３は、乗算器９１，９２の出力結果を加算する。開平演算器９４は、加算器９３の出力を開平演算する。除算器９６は、定数９５を開平演算器９４の出力で除して減衰ゲインＫ_αを出力する。以上、自動ゲイン制御部３２（ＡＧＣＩ）の構成を説明した。 Multipliers 91 and 92 calculate the square value of the absolute value of each input regression vector Φ ^* (N) element. Adder 93 adds the output results of multipliers 91 and 92. The square root computing unit 94 performs square root computation on the output of the adder 93. Divider 96, by dividing the constant 95 by the output of the square root extraction operation unit 94 outputs a damping gain K _alpha. The configuration of the automatic gain control unit 32 (AGCI) has been described above.

次に、図５のブロック図を用いて、回帰ベクトル生成部３３の構成を説明する。図５において、回帰ベクトル生成部３３は、１サンプル遅延要素１１３と、符号反転器１１４と、ベクトル化記号１１５とを備え、モータ回転速度ω_Ｍ（Ｎ）と、モータトルクτ_Ｍ（Ｎ）とを各々入力信号１１０，１１１とし、回帰ベクトルφ（Ｎ）を出力信号１１２としている。なお各入力信号は、図２に示す乗算器３０，３１において減衰ゲインＫ_ｇαを乗じた後の信号である。 Next, the configuration of the regression vector generation unit 33 will be described using the block diagram of FIG. In FIG. 5, the regression vector generation unit 33 includes a one-sample delay element 113, a sign inverter 114, and a vectorization symbol 115, and includes a motor rotation speed ω _M (N), a motor torque τ _M (N), and Are the input signals 110 and 111, respectively, and the regression vector φ (N) is the output signal 112. Each input signal is a signal after being multiplied by the attenuation gain K _gα in the multipliers 30 and 31 shown in FIG.

１サンプル遅延要素１１３は、ω_Ｍ（Ｎ）が入力されてω_Ｍ（Ｎ−１）を出力する。符号反転器１１４は、１サンプル遅延要素１１３の出力ω_Ｍ（Ｎ−１）が入力されて−ω_Ｍ（Ｎ−１）を出力する。ベクトル化記号１１５は、−ω_Ｍ（Ｎ−１）とτ_Ｍ（Ｎ）とをベクトル化表現するためのであり、−ω_Ｍ（Ｎ−１）とτ_Ｍ（Ｎ）を要素とする（６１）式の回帰ベクトルφ（Ｎ）を出力する。補足であるが、ベクトル化記号１１５は、実装上は無視するか、構造体としてデータ構造に反映する。 The one-sample delay element 113 receives ω _M (N) and outputs ω _M (N−1). The sign inverter 114 receives the output ω _M (N−1) of the one-sample delay element 113 and outputs −ω _M (N−1). The vectorization symbol 115 is used to express -ω _M (N-1) and τ _M (N) in vector form, and has -ω _M (N-1) and τ _M (N) as elements (61). ) The regression vector φ (N) of the equation is output. As a supplement, the vectorization symbol 115 is ignored for implementation or reflected in the data structure as a structure.

次に、図６を用いて離散系パラメータ推定部３４の構成を説明する。図６において、離散系パラメータ推定部３４は、モータ回転速度離散値ω_Ｍ（Ｎ）と、回帰ベクトルφ（Ｎ）とを入力信号１２０，１２１とし、パラメータベクトル前回推定値θ＾（Ｎ−１）を出力信号１２２とし、予測器１２３と、減算器１２４と、パラメータベクトル演算器１２５と、ＵＤ分解部１２６とを構成要素としている。なお、パラメータベクトル前回推定値θ＾（Ｎ−１）は、（６２）式の２次元ベクトルで表現されるパラメータベクトル推定値θ＾（Ｎ）の前回までのサンプルデータに基づく推定値を意味する。 Next, the configuration of the discrete system parameter estimation unit 34 will be described with reference to FIG. In FIG. 6, the discrete system parameter estimation unit 34 uses the motor rotation speed discrete value ω _M (N) and the regression vector φ (N) as input signals 120 and 121, and the parameter vector previous estimated value θ ^ (N−1). ) As an output signal 122, and includes a predictor 123, a subtractor 124, a parameter vector calculator 125, and a UD decomposition unit 126. The parameter vector previous estimated value θ ^ (N−1) means an estimated value based on the sample data up to the previous parameter parameter estimated value θ ^ (N) expressed by the two-dimensional vector of equation (62). .

予測器１２３は、回帰ベクトルφ（Ｎ）とパラメータベクトル前回推定値θ＾（Ｎ−１）とからモータ速度予測値ω＾_Ｍ（Ｎ）を算出するものであり、（４）式の右辺第２項目に相当する演算を行う。減算器１２４は、モータ回転速度ω_Ｍ（Ｎ）からモータ回転速度予測値ω＾_Ｍ（Ｎ）を減算することにより、予測誤差ε（Ｎ）を算出するものであり、（４）式右辺の減算に相当する演算を行う。パラメータベクトル演算器１２５は、（５）式に相当する演算を用いて、予測誤差ε（Ｎ）とゲインベクトルｋ（Ｎ）とからパラメータベクトル推定値θ＾（Ｎ）を更新演算する。ＵＤ分解部１２６は、回帰ベクトルφ（Ｎ）からゲインベクトルｋ（Ｎ）をＵＤ分解アルゴリズムにより算出するものであり、ｆベクトル演算器１２７と、ｇベクトル演算器１２８と、α・μ演算器１２９と、Ｕ行列演算器１３０と、Ｄ行列演算器１３１と、ゲインベクトル演算器１３２とを備える。 The predictor 123 calculates the motor speed predicted value ω ^ _M (N) from the regression vector φ (N) and the parameter vector previous estimated value θ ^ (N−1). An operation corresponding to two items is performed. The subtractor 124 calculates the prediction error ε (N) by subtracting the motor rotation speed predicted value ω ^ _M (N) from the motor rotation speed ω _M (N). An operation corresponding to subtraction is performed. The parameter vector calculator 125 updates the parameter vector estimated value θ ^ (N) from the prediction error ε (N) and the gain vector k (N) using the calculation corresponding to the equation (5). The UD decomposition unit 126 calculates a gain vector k (N) from the regression vector φ (N) by a UD decomposition algorithm. The f vector calculator 127, the g vector calculator 128, and the α / μ calculator 129. A U matrix calculator 130, a D matrix calculator 131, and a gain vector calculator 132.

ｆベクトル演算器１２７は、（６５）式の演算を用いて、回帰ベクトルφ（Ｎ）と（６３）式に示した対角成分が１の（２×２）上三角行列Ｕ（Ｎ）の前回値Ｕ（Ｎ−１）とから、ｆベクトルｆ（Ｎ）を算出するものである。

The f vector calculator 127 uses the calculation of the equation (65) to calculate the regression vector φ (N) and the (2 × 2) upper triangular matrix U (N) whose diagonal component is 1 shown in the equation (63). The f vector f (N) is calculated from the previous value U (N-1).

ｇベクトル演算器１２８は、（６６）式の演算を用いて、ｆベクトルｆ（Ｎ）と（６４）式に示した（２×２）対角行列Ｄ（Ｎ）の前回値Ｄ（Ｎ−１）とからｇベクトルｇ（Ｎ）を算出する。

The g vector calculator 128 uses the calculation of the equation (66) to calculate the f vector f (N) and the previous value D (N−) of the (2 × 2) diagonal matrix D (N) shown in the equation (64). 1) and g vector g (N) is calculated.

α・μ演算器１２９は、（６７）式と（６８）式との演算を用いて、ｇベクトルｇ（Ｎ）とｆベクトルｆ（Ｎ）とから（６９）式によりαベクトルα（Ｎ）を算出し、μ_２（Ｎ）を算出するものである。

The α · μ calculator 129 calculates the α vector α (N) from the g vector g (N) and the f vector f (N) according to the equation (69) using the operations of the equations (67) and (68). And μ ₂ (N) is calculated.

Ｕ行列演算器１３０は、（６９）式の演算を用いて、ｇベクトルｇ（Ｎ）とμ_２（Ｎ）とからｕ_１２（Ｎ）を算出し、（７０）式によりｖベクトルｖ（Ｎ）を算出するでものある。また、Ｕ行列演算器１３０は、（６３）式で用いられるｕ１２（Ｎ−１）の値を、ｆベクトル演算器１２７に帰還させる。

The U matrix calculator 130 calculates u ₁₂ (N) from the g vector g (N) and μ ₂ (N) using the calculation of the equation (69), and the v vector v (N) according to the equation (70). ). Further, the U matrix calculator 130 feeds back the value of u12 (N−1) used in the equation (63) to the f vector calculator 127.

Ｄ行列演算器１３１は、（７１）式の演算を用いて、αベクトルα（Ｎ）からｄ_１（Ｎ）を算出し、（７２）式によりｄ_２（Ｎ）を算出することにより、Ｄ（Ｎ−１）をｇベクトル演算器１２８に帰還させる。

The D matrix calculator 131 calculates d ₁ (N) from the α vector α (N) using the calculation of the equation (71), and calculates d ₂ (N) by the equation (72). (N-1) is fed back to the g vector calculator 128.

ゲインベクトル演算器１３２は、（７３）式の演算を用いて、ｖベクトルｖ（Ｎ）とα_２（Ｎ）とからゲインベクトルｋ（Ｎ）を算出するものである。

The gain vector calculator 132 calculates the gain vector k (N) from the v vector v (N) and α ₂ (N) using the calculation of equation (73).

以上が、離散系パラメータ推定部３４の構成である。以下では、離散系パラメータ推定部３４を構成する機能ブロックについて、順次詳細な説明を行う。   The above is the configuration of the discrete system parameter estimation unit 34. Hereinafter, the functional blocks constituting the discrete system parameter estimation unit 34 will be described in detail sequentially.

図７の構成図は、予測器１２３の内部構成を示した図である。図７において、予測器１２３は、パラメータベクトル前回推定値θ＾（Ｎ−１）と回帰ベクトルφ（Ｎ）とを入力信号１４０，１４１とし、モータ回転速度予測値ω＾_Ｍ（Ｎ）を出力信号１４７とするものであり、ベクトル化記号１４２，１４３と、乗算器１４４，１４５と、加算器１４６とを備える。 The configuration diagram of FIG. 7 is a diagram illustrating the internal configuration of the predictor 123. In FIG. 7, the predictor 123 uses the parameter vector previous estimated value θ ^ (N−1) and the regression vector φ (N) as input signals 140 and 141, and outputs a motor rotation speed predicted value ω ^ _M (N). The signal 147 includes vectorized symbols 142 and 143, multipliers 144 and 145, and an adder 146.

ベクトル化記号１４２は、パラメータベクトル前回推定値θ＾（Ｎ−１）から要素ａ_１＾（Ｎ−１），ｂ_０＾（Ｎ−１）を取り出す操作を行う。ベクトル化記号１４３は、回帰ベクトルφ（Ｎ）から要素−ω_Ｍ（Ｎ−１），τ_Ｍ（Ｎ）を取り出す操作を行う。乗算器１４４は、要素ａ_１＾（Ｎ−１）と要素−ω_Ｍ（Ｎ−１）との乗算を行う。乗算器１４５は、要素ｂ_０＾（Ｎ−１）と要素τ_Ｍ（Ｎ）との乗算を行う。加算器１４６は、乗算器１４４の出力信号と乗算器１４５の出力信号とを加算するものであり、結果をモータ速度予測値ω＾_Ｍ（Ｎ）として出力する。 The vectorization symbol 142 performs an operation of extracting the elements a ₁ ^ (N−1) and b ₀ ^ (N−1) from the parameter vector previous estimated value θ ^ (N−1). The vectorization symbol 143 performs an operation of extracting elements −ω _M (N−1) and τ _M (N) from the regression vector φ (N). Multiplier 144 performs multiplication of element a ₁ ^ (N−1) and element −ω _M (N−1). Multiplier 145 performs multiplication of element b ₀ ^ (N−1) and element τ _M (N). The adder 146 adds the output signal of the multiplier 144 and the output signal of the multiplier 145, and outputs the result as a motor speed prediction value ω ^ _M (N).

図８は（５）式の演算を行うパラメータベクトル演算器１２５の内部構成図である。
図８において、ゲインベクトルｋ（Ｎ）と、予測誤差ε（Ｎ）を入力信号１６０，１６１とし、パラメータベクトル前回推定値θ＾（Ｎ−１）を出力信号１６２とするものであり、ベクトル化記号１６３，１７０と、乗算器１６４，１６７と、加算器１６５，１６８と、１サンプル遅延要素１６６，１６９とを備える。 FIG. 8 is an internal block diagram of the parameter vector calculator 125 that performs the calculation of the equation (5).
In FIG. 8, the gain vector k (N) and the prediction error ε (N) are input signals 160 and 161, and the parameter vector previous estimated value θ ^ (N−1) is the output signal 162. Symbols 163 and 170, multipliers 164 and 167, adders 165 and 168, and one-sample delay elements 166 and 169 are provided.

ベクトル化記号１６３は、ゲインベクトルｋ（Ｎ）から要素ｋ_１（Ｎ），ｋ_２（Ｎ）を取り出す操作を示す。乗算器１６４は要素ｋ_１（Ｎ）と予測誤差ε（Ｎ）の乗算を行い、乗算器１６７は要素ｋ_２（Ｎ）と予測誤差ε（Ｎ）との乗算を行う。加算器１６５はａ_１＾（Ｎ−１）に乗算器１６４の出力を加算し、（１）式の係数ａ_１＾（Ｎ）を算出するものであり、加算器１６８は、係数ｂ_０＾（Ｎ−１）に乗算器１６７の出力を加算し、係数ｂ_０＾（Ｎ）を算出するものである。 The vectorization symbol 163 indicates an operation for extracting the elements k ₁ (N) and k ₂ (N) from the gain vector k (N). Multiplier 164 multiplies element k ₁ (N) and prediction error ε (N), and multiplier 167 multiplies element k ₂ (N) and prediction error ε (N). The adder 165 adds the output of the multiplier 164 to a ₁ （(N−1), and calculates the coefficient a ₁ （(N) of the equation (1). The adder 168 has the coefficient b ₀ ＾ The output of the multiplier 167 is added to (N−1), and the coefficient b ₀ ^ (N) is calculated.

１サンプル遅延要素１６６は、係数ａ_１＾（Ｎ）が入力され、係数ａ１＾（Ｎ−１）を出力するものであり、１サンプル遅延要素１６９はｂ_０＾（Ｎ）が入力され、係数ｂ_０＾（Ｎ−１）を出力するものである。ベクトル化記号１７０は、係数ａ_１＾（Ｎ−１）とｂ_０＾（Ｎ−１）をベクトル化して１６２のパラメータベクトル前回推定値θ＾（Ｎ−１）に出力するものである。 The 1-sample delay element 166 receives the coefficient a ₁ ^ (N) and outputs the coefficient a 1 ^ (N−1), and the 1-sample delay element 169 receives b ₀ ^ (N). b ₀ ^ (N−1) is output. The vectorization symbol 170 vectorizes the coefficients a ₁ ^ (N−1) and b ₀ ^ (N−1) and outputs them to the parameter parameter previous estimated value θ ^ (N−1) of 162.

次に、図９を用いてｆベクトル演算器の内部構成を説明する。図９において、ｆベクトル演算器１２７は、（６７）式の演算を用いて、回帰ベクトルφ（Ｎ）とＵ行列前回値Ｕ（Ｎ−１）の１行２列要素ｕ_１２（Ｎ−１）との入力信号１８０，１８１を、ｆベクトルｆ（Ｎ）の出力信号１８２に変換するものであり、ベクトル化記号１８３，１８６と、乗算器１８４と、加算器１８５とを備える。 Next, the internal configuration of the f vector calculator will be described with reference to FIG. In FIG. 9, the f vector calculator 127 uses the calculation of the equation (67) to calculate the regression vector φ (N) and the 1-row / 2-column element u ₁₂ (N−1) of the U matrix previous value U (N−1). ) Input signals 180 and 181 are converted into an output signal 182 of the f vector f (N), and includes vectorized symbols 183 and 186, a multiplier 184, and an adder 185.

ベクトル化記号１８３は、回帰ベクトルφ（Ｎ）の要素−ω_Ｍ（Ｎ−１），τ_Ｍ（Ｎ）を取り出す操作を示す。乗算器１８４は、−ω_Ｍ（Ｎ−１）とｕ_１２（Ｎ−１）との乗算を行うものである。加算器１８５は、τ_Ｍ（Ｎ）に乗算器１８４の出力を加算し、第２要素ｆ_２（Ｎ）を出力する。ベクトル化記号１８６は、−ω_Ｍ（Ｎ−１）を第一要素ｆ_１（Ｎ）にベクトル化し、また、加算器１８５の出力を第二要素ｆ_２（Ｎ）にベクトル化する操作を示し、ｆベクトルｆ（Ｎ）１８２を出力する。 A vectorization symbol 183 indicates an operation of extracting elements −ω _M (N−1) and τ _M (N) of the regression vector φ (N). The multiplier 184 performs multiplication of −ω _M (N−1) and u ₁₂ (N−1). The adder 185 adds the output of the multiplier 184 to τ _M (N) and outputs the second element f ₂ (N). The vectorization symbol 186 indicates an operation of vectorizing −ω _M (N−1) into the first element f ₁ (N) and vectorizing the output of the adder 185 into the second element f ₂ (N). , F vector f (N) 182 is output.

次に、図１０を用いて、ｇベクトル演算器の内部構成を説明する。図１０において、ｇベクトル演算器１２８は、（６６）式の演算を用いて、ｆベクトルｆ（Ｎ）とＤ行列前回値Ｄ（Ｎ−１）の対角成分で構成されたベクトルを入力信号２００，２０１として、ｇベクトルｇ（Ｎ）の出力信号２０２に変換するものであり、ベクトル化記号２０３，２０４，２０９と、乗算器２０５，２０７と、リミッタ２０６，２０８とを備える。   Next, the internal configuration of the g vector arithmetic unit will be described with reference to FIG. In FIG. 10, the g vector calculator 128 uses the calculation of the equation (66) to input a vector composed of diagonal components of the f vector f (N) and the previous D matrix value D (N−1). 200 and 201 are converted into an output signal 202 of g vector g (N), and are provided with vectorized symbols 203, 204 and 209, multipliers 205 and 207, and limiters 206 and 208.

ベクトル化記号２０３は、ｆベクトルｆ（Ｎ）の要素ｆ_１（Ｎ），ｆ_２（Ｎ）を取り出す操作を示し、ベクトル化記号２０４は、Ｄ（Ｎ−１）の対角要素ｄ_１（Ｎ−１），ｄ_２（Ｎ−１）を取り出す操作を示す。乗算器２０５は、要素ｆ_１（Ｎ）と対角要素ｄ_１（Ｎ−１）との乗算を行い、乗算器２０７は、要素ｆ_２（Ｎ）と対角要素ｄ_２（Ｎ−１）との乗算を行う。 A vectorization symbol 203 indicates an operation of extracting the elements f ₁ (N) and f ₂ (N) of the f vector f (N), and a vectorization symbol 204 indicates a diagonal element d ₁ (D (N−1)). N-1), d ₂ (N-1) is taken out. Multiplier 205 multiplies element f ₁ (N) and diagonal element d ₁ (N−1), and multiplier 207 multiplies element f ₂ (N) and diagonal element d ₂ (N−1). Multiply with.

リミッタ２０６，２０８は、それぞれ乗算器２０５，２０７の出力を、オーバフローすることなく表現可能な上下限値でリミット処理する。ただし、自動ゲイン制御部３２（図２）を実装した本実施形態の構成では、リミッタ２０６，２０８は通常作動することはない。ベクトル化記号２０９は、リミッタ２０６の出力を第一要素ｇ_１（Ｎ）に、また、リミッタ２０８の出力を第二要素ｇ_２（Ｎ）にベクトル化してｇベクトルｇ（Ｎ）を出力するものである。 Limiters 206 and 208 limit the outputs of multipliers 205 and 207 with upper and lower limit values that can be expressed without overflow. However, in the configuration of the present embodiment in which the automatic gain control unit 32 (FIG. 2) is mounted, the limiters 206 and 208 do not normally operate. The vectorization symbol 209 vectorizes the output of the limiter 206 to the first element g ₁ (N), and vectorizes the output of the limiter 208 to the second element g ₂ (N) to output a g vector g (N). It is.

次に、α・μ演算器の内部構成を図１１を用いて説明する。図１１において、α・μ演算器１２９は、（６７）式、（６８）式の演算を用いて、ｇベクトルｇ（Ｎ）とｆベクトルｆ（Ｎ）を入力信号２２０、２２１として、μ_２（Ｎ）とαベクトルα（Ｎ）の出力信号２２２、２２３に変換するものであり、ベクトル化記号２３６，２３７，２３５と、乗算器２２５，２３０と、加算器２２６，２３１と、リミッタ２２７，２３２と、除算器２２８と、符号反転器２２９とを備える。 Next, the internal configuration of the α · μ calculator will be described with reference to FIG. In FIG. 11, the α · μ computing unit 129 uses the computations of Expressions (67) and (68) as the input signals 220 and 221 for the g vector g (N) and the f vector f (N), and μ ₂ (N) and α vector α (N) are converted into output signals 222, 223, vectorized symbols 236, 237, 235, multipliers 225, 230, adders 226, 231 and limiters 227, 232, a divider 228, and a sign inverter 229.

ベクトル化記号２３６は、ｇベクトルｇ（Ｎ）の要素ｇ_１（Ｎ），ｇ_２（Ｎ）を取り出す操作を示し、ベクトル化記号２３７はｆ（Ｎ）の要素ｆ_１（Ｎ），ｆ_２（Ｎ）を取り出す操作を示す。定数２２４は、忘却係数λを格納している。乗算器２２５はｇ_１（Ｎ）とｆ_１（Ｎ）との乗算を行うものであり、乗算器２３０は、要素ｇ_２（Ｎ）と要素ｆ_２（Ｎ）との乗算を行う。加算器２２６は、忘却係数λと乗算器２２５の出力信号とを加算する。 The vectorization symbol 236 indicates an operation for extracting the elements g ₁ (N) and g ₂ (N) of the g vector g (N), and the vectorization symbol 237 indicates the element f ₁ (N) and f _{2 of} f (N). The operation of taking out (N) is shown. The constant 224 stores the forgetting factor λ. The multiplier 225 multiplies g ₁ (N) and f ₁ (N), and the multiplier 230 multiplies element g ₂ (N) and element f ₂ (N). The adder 226 adds the forgetting factor λ and the output signal of the multiplier 225.

リミッタ２２７は、加算器２２６の出力を、オーバフローすることなく表現可能な上限値でリミット処理する。加算器２３１は、リミッタ２２７の出力と乗算器２３０の出力を加算する。リミッタ２３２は、加算器２３１の出力をオーバフローすることなく表現可能な上限値でリミット処理するものである。ただし、自動ゲイン制御部３２（図２）を実装した本実施形態では、リミッタ２２７，２３２は通常作動することはない。   The limiter 227 limits the output of the adder 226 with an upper limit value that can be expressed without overflowing. The adder 231 adds the output of the limiter 227 and the output of the multiplier 230. The limiter 232 performs a limit process with an upper limit value that can be expressed without overflowing the output of the adder 231. However, in the present embodiment in which the automatic gain control unit 32 (FIG. 2) is mounted, the limiters 227 and 232 do not normally operate.

ベクトル化記号２３５は、忘却係数λを第一要素α_０（Ｎ）に、リミッタ２２７の出力を第二要素α_１（Ｎ）に、リミッタ２３２の出力を第三要素α_２（Ｎ）にベクトル化してαベクトルα（Ｎ）を出力する。除算器２２８は、ｆ_２（Ｎ）をリミッタ２２７が出力するα_１（Ｎ）で除算する。符号反転器２２９は、除算器２２８の出力値を符号反転し、μ_２（Ｎ）として出力する。 The vectorization symbol 235 is a vector in which the forgetting factor λ is a first element α ₀ (N), the output of the limiter 227 is a second element α ₁ (N), and the output of the limiter 232 is a third element α ₂ (N). To output an α vector α (N). The divider 228 divides f ₂ (N) by α ₁ (N) output from the limiter 227. The sign inverter 229 inverts the sign of the output value of the divider 228 and outputs it as μ ₂ (N).

次に、図１２を用いてＵ行列演算器の内部構成を説明する。図１２において、Ｕ行列演算器１３０は、（６９）式、（７０）式の演算を用いて、ｇベクトルｇ（Ｎ）とμ_２（Ｎ）とを入力信号２５０、２５１として、ｖベクトルｖ（Ｎ）とＵ行列前回値Ｕ（Ｎ−１）の１行２列要素ｕ_１２（Ｎ−１）との出力信号２５２，２５３に変換するものであり、ベクトル化記号２５４，２６０と、乗算器２５５，２５８と、加算器２５６，２５９と、１サンプル遅延要素２５７とを備えている。。 Next, the internal configuration of the U matrix calculator will be described with reference to FIG. In FIG. 12, the U matrix calculator 130 uses the calculations of Equations (69) and (70) as the g vectors g (N) and μ ₂ (N) as input signals 250 and 251, and the v vector v (N) and the U matrix previous value U (N-1) are converted into output signals 252 and 253 with 1 row and 2 column elements u ₁₂ (N-1), and vectorized symbols 254 and 260 are multiplied. Units 255 and 258, adders 256 and 259, and a one-sample delay element 257. .

ベクトル化記号２５４は、ｇ（Ｎ）の要素ｇ_１（Ｎ），ｇ_２（Ｎ）を取り出す操作を示す。乗算器２５５は、要素ｇ_１（Ｎ）とμ_２（Ｎ）とを乗算する。加算器２５６は、乗算器２５５の出力信号とｕ_１２（Ｎ−１）とを加算しｕ_１２（Ｎ）を演算するものである。１サンプル遅延要素２５７は、加算器２５６の出力するｕ_１２（Ｎ）を入力信号としてｕ_１２（Ｎ−１）を出力するものである。乗算器２５８は、ｕ_１２（Ｎ−１）とｇ_２（Ｎ）とを乗算するものである。加算器２５９は、ｇ_１（Ｎ）と乗算器２５８の出力信号とを加算するものである。ベクトル化記号２６０は、加算器２５９の出力を第一要素ｖ_１（Ｎ）に、ｇ_２（Ｎ）を第二要素ｖ_２（Ｎ）にベクトル化することを示し、ｖベクトルｖ（Ｎ）を出力する。 A vectorization symbol 254 indicates an operation of extracting elements g ₁ (N) and g ₂ (N) of g (N). The multiplier 255 multiplies the elements g ₁ (N) and μ ₂ (N). The adder 256 adds the output signal of the multiplier 255 and u ₁₂ (N−1) and calculates u ₁₂ (N). The 1-sample delay element 257 outputs u ₁₂ (N−1) using u ₁₂ (N) output from the adder 256 as an input signal. The multiplier 258 multiplies u ₁₂ (N−1) and g ₂ (N). The adder 259 adds g ₁ (N) and the output signal of the multiplier 258. The vectorization symbol 260 indicates that the output of the adder 259 is vectorized into the first element v ₁ (N) and g ₂ (N) into the second element v ₂ (N), and v vector v (N) Is output.

次に、Ｄ行列演算器の内部構成を図１３を用いて説明する。図１２において、Ｄ行列演算器１３１は、（７１）式、（７２）式の演算を用いて、αベクトルα（Ｎ）を入力信号２７０として、Ｄ行列前回値Ｄ（Ｎ−１）の対角要素ｄ_１（Ｎ−１），ｄ_２（Ｎ−１）で構成されたベクトルの出力信号２７１に変換するものであり、ベクトル化記号２７２，２８１と、除算器２７３，２７７と、乗算器２７４，２７８と、ゲイン２７５，２７８と、１サンプル遅延要素２７６，２８０とを備える。 Next, the internal configuration of the D matrix calculator will be described with reference to FIG. In FIG. 12, the D matrix calculator 131 uses the calculations of the equations (71) and (72) to set the α vector α (N) as the input signal 270 and the pair of the D matrix previous value D (N−1). This is converted into an output signal 271 of a vector composed of angular elements d ₁ (N−1) and d ₂ (N−1), vectorized symbols 272 and 281, dividers 273 and 277, and a multiplier 274, 278, gains 275, 278, and 1 sample delay elements 276, 280.

ベクトル化記号２７２は、αベクトルα（Ｎ）の要素α_０（Ｎ），α_１（Ｎ），α_２（Ｎ）を取り出す操作を示す。除算器２７３は、要素α_０（Ｎ）をα_１（Ｎ）で除する。除算器２７７は、要素α_１（Ｎ）を要素α_２（Ｎ）で除する。乗算器２７４は、除算器２７３の出力信号にｄ_１（Ｎ−１）を乗算する。ゲイン２７５は、乗算器２７４の出力に１／λを乗ずる。１サンプル遅延要素２７６は、ゲイン２７５の出力が入力され、対角要素ｄ_１（Ｎ−１）を出力する。乗算器２７８は、除算器２７７の出力に対角要素ｄ_２（Ｎ−１）を乗算する。ゲイン２７９は乗算器２７８の出力に１／λを乗ずる。１サンプル遅延要素２８０は、ゲイン２７９の出力が入力され、対角要素ｄ_２（Ｎ−１）を出力する。ベクトル化記号２８１は、対角要素ｄ_１（Ｎ−１）と対角要素ｄ_２（Ｎ−１）とをベクトル化してＤ行列前回値Ｄ（Ｎ−１）として出力する。 A vectorization symbol 272 indicates an operation for extracting the elements α ₀ (N), α ₁ (N), α ₂ (N) of the α vector α (N). The divider 273 divides the element α ₀ (N) by α ₁ (N). Divider 277 divides element α ₁ (N) by element α ₂ (N). The multiplier 274 multiplies the output signal of the divider 273 by d ₁ (N−1). Gain 275 multiplies the output of multiplier 274 by 1 / λ. The one-sample delay element 276 receives the output of the gain 275 and outputs a diagonal element d ₁ (N−1). The multiplier 278 multiplies the output of the divider 277 by a diagonal element d ₂ (N−1). Gain 279 multiplies the output of multiplier 278 by 1 / λ. The one-sample delay element 280 receives the output of the gain 279 and outputs a diagonal element d ₂ (N−1). The vectorization symbol 281 vectorizes the diagonal element d ₁ (N−1) and the diagonal element d ₂ (N−1) and outputs the result as the previous D matrix value D (N−1).

次に、ゲインベクトル演算器の内部構成を図１４を用いて説明する。図１４において、ゲインベクトル演算器１３２は、（７３）式の演算を用いて、ｖベクトルｖ（Ｎ）とα２（Ｎ）とを入力信号２９０、２９１として、ゲインベクトルｋ（Ｎ）の出力信号２９２に変換するものであり、ベクトル化記号２９３，２９６と、除算器２９４，２９５とを備える。   Next, the internal configuration of the gain vector calculator will be described with reference to FIG. In FIG. 14, the gain vector calculator 132 uses the calculation of the equation (73) to set the v vector v (N) and α2 (N) as input signals 290 and 291, and the output signal of the gain vector k (N). 292, and includes vectorized symbols 293 and 296 and dividers 294 and 295.

ベクトル化記号２９３はｖ（Ｎ）の要素ｖ_１（Ｎ）とｖ_２（Ｎ）を取り出す操作を示す。除算器２９４はｖ_１（Ｎ）をα_２（Ｎ）で除算しｋ_１（Ｎ）を出力する。除算器２９５はｖ_２（Ｎ）をα_２（Ｎ）で除算しｋ_２（Ｎ）を出力する。ベクトル化記号２９６は、ｋ_１（Ｎ）とｋ_２（Ｎ）とをベクトル化することを示し、ゲインベクトルｋ（Ｎ）として出力する。 A vectorization symbol 293 indicates an operation for extracting the elements v ₁ (N) and v ₂ (N) of v (N). The divider 294 divides v ₁ (N) by α ₂ (N) and outputs k ₁ (N). Divider 295 _v outputs a divided by _k 2 (N) 2 (N) is in alpha ₂ (N). The vectorization symbol 296 indicates that k ₁ (N) and k ₂ (N) are vectorized, and is output as a gain vector k (N).

以上、オートチューニング部３７の構成を詳細に説明してきたが、次にオートチューニング部３７の処理シーケンスを図１５に示すフローチャート図に従い説明する。
逐次、このフローの処理が開始され（Ｓ３００）、初期値が設定される（Ｓ３０１）。具体的には、パラメータ同定器作動信号Ｉｄ＿ａｃｔ＝０、同定回数カウンタＩｄ＿ｃｏｕｎｔ＝０、自動ゲイン制御部作動信号Ａｇｃ＿ａｃｔ＝０、離散系パラメータ推定部作動信号Ｐｖ＿ａｃｔＩ＝０に設定される。 The configuration of the auto tuning unit 37 has been described in detail above. Next, the processing sequence of the auto tuning unit 37 will be described with reference to the flowchart shown in FIG.
Sequentially, the processing of this flow is started (S300), and an initial value is set (S301). Specifically, the parameter identifier operation signal Id_act = 0, the identification number counter Id_count = 0, the automatic gain control unit operation signal Agc_act = 0, and the discrete system parameter estimation unit operation signal Pv_actI = 0.

次に、パラメータ同定器作動信号発生器２３は、フィルタ後モータ回転速度検出値ω_ＭＦの絶対値（大きさ）が規定値ω_Ａ以上であるか否かを判定する（Ｓ３０２）。規定値ω_Ａ以上でなければ（Ｎｏ）、Ｓ３０２の処理を繰り返し、規定値ω_Ａ以上になるのを待つ。そして、規定値ω_Ａ以上になれば（Ｙｅｓ）、パラメータ同定器作動信号発生器２３がパラメータ同定器作動信号Ｉｄ＿ａｃｔを０から１に変更し、これによりパラメータ同定器１９は処理を開始する（Ｓ３０３）。 Next, the parameter identifier operation signal generator 23 determines whether or not the absolute value (magnitude) of the post-filter motor rotation speed detection value ω _MF is equal to or greater than the specified value ω _A (S302). Unless specified value omega _A more (No), repeats the processing of S302, waits until a specified value or more omega _A. When the value becomes equal to or greater than the predetermined value ω _A (Yes), the parameter identifier activation signal generator 23 changes the parameter identifier activation signal Id_act from 0 to 1, and the parameter identifier 19 starts processing (S303). ).

そして、図２の１サンプル遅延要素２８，２９及び図４の１サンプル遅延要素８６へのデータ充填時間（Ｋ_ｇα演算時間）を確保する為に、オートチューニング部３７は、１サンプル周期遅延する（Ｓ３０４）。そして、自動ゲイン制御部作動信号発生器２４は、自動ゲイン制御部作動信号Ａｇｃ＿ａｃｔに１をセットする。これにより、自動ゲイン制御部（ＡＧＣＩ）３２の演算が実行され、自動ゲイン制御部（ＡＧＣＩ）３２はオーバフロー抑制ゲイン（減衰ゲイン）Ｋ_ｇαを演算する（Ｓ３０５）。そして、自動ゲイン制御部作動信号発生器２４は、自動ゲイン制御部作動信号Ａｇｃ＿ａｃｔを０に戻す。これにより、このルーチンがＳ３００から再スタートされるまでの間、減衰ゲインＫ_ｇαは固定されることとなる（Ｓ３０６）。 Then, in order to secure the data filling time (K _gα calculation time) for the one-sample delay elements 28 and 29 in FIG. 2 and the one-sample delay element 86 in FIG. 4, the auto-tuning unit 37 delays one sample period ( S304). Then, the automatic gain controller operating signal generator 24 sets 1 to the automatic gain controller operating signal Agc_act. Thereby, the calculation of the automatic gain control unit (AGCI) 32 is executed, and the automatic gain control unit (AGCI) 32 calculates the overflow suppression gain (attenuation gain) K _gα (S305). Then, the automatic gain control unit operation signal generator 24 returns the automatic gain control unit operation signal Agc_act to 0. Thereby, the attenuation gain K _gα is fixed until this routine is restarted from S300 (S306).

そして、回帰ベクトル生成部３３の１サンプル遅延要素１１３へのデータ充填時間（回帰ベクトル充填時間）を確保する為に、１サンプル周期遅延する（Ｓ３０７）。そして、離散系パラメータ推定部作動信号Ｐｖ＿ａｃｔＩを０から１に変更することにより離散系パラメータ推定部３４の処理を開始する（Ｓ３１１）。そして、複数回同定の実行により同定精度を向上させるために、同定回数カウンタＩｄ＿ｃｏｕｎｔを１加算する（Ｓ３１２）。   Then, in order to secure the data filling time (regression vector filling time) to the one-sample delay element 113 of the regression vector generation unit 33, the sample is delayed by one sample period (S307). Then, the processing of the discrete system parameter estimation unit 34 is started by changing the discrete system parameter estimation unit operation signal Pv_actI from 0 to 1 (S311). Then, 1 is added to the identification number counter Id_count in order to improve the identification accuracy by executing the identification a plurality of times (S312).

そして、オートチューニング部３７は、回転速度ω_ＭＦの絶対値が規定値ω_Ｉ未満であるか否かを判定する（Ｓ３１３）。オートチューニング部３７は、回転速度ω_ＭＦの絶対値が規定値ω_Ｉ以上の場合には（Ｎｏ）、Ｓ３１３を再実行し、規定値ω_Ｉ未満になるのを待つ。一方、オートチューニング部３７は、ω_ＭＦ絶対値が規定値ω_Ｉ未満になった場合には（Ｙｅｓ）、Ｉｄ＿ａｃｔ、及びＰｖ＿ａｃｔＩを１から０に変更することによりパラメータ同定器１９を停止する（Ｓ３１４）。そして、オートチューニング部３７は、同定回数カウンタＩｄ＿ｃｏｕｎｔが規定値回数ＮＣ以上であるか否かを判定する（Ｓ３１５）。 Then, the auto-tuning unit 37 determines whether or not the absolute value of the rotation speed ω _MF is less than the specified value ω _I (S313). When the absolute value of the rotational speed ω _MF is equal to or higher than the specified value ω _I (No), the auto-tuning unit 37 re-executes S313 and waits for the value to become less than the specified value ω _I. On the other hand, when the ω _MF absolute value is less than the specified value ω _I (Yes), the auto-tuning unit 37 stops the parameter identifier 19 by changing Id_act and Pv_act I from 1 to 0 (S314). ). Then, the auto-tuning unit 37 determines whether or not the identification number counter Id_count is greater than or equal to the specified number of times NC (S315).

同定回数カウンタＩｄ＿ｃｏｕｎｔが規定回数ＮＣ未満ならば（Ｎｏ）、パラメータ同定器作動信号発生器２３は、フィルタ後モータ回転速度検出値ω_ＭＦの絶対値が規定値ω_Ａ以上であるか否かを判定する（Ｓ３０８）。規定値ω_Ａ以上でなければ（Ｎｏ）、パラメータ同定器作動信号発生器２３は、Ｓ３０８の処理を繰り返す。規定値ω_Ａ以上になれば（Ｙｅｓ）、パラメータ同定器作動信号発生器２３は、パラメータ同定器作動信号Ｉｄ＿ａｃｔを０から１に変更することによりパラメータ同定器１９の処理を開始する（Ｓ３０９）。そして、オートチューニング部３７は、Ｋ_ｇα演算時間と回帰ベクトル充填時間を確保するために２サンプル周期遅延させ（Ｓ３１０）、前記したＳ３１１からＳ３１５までの処理を実行する。 If the identification number counter Id_count is less than the specified number of times NC (No), parameter identifier activation signal generator 23, determines whether the absolute value of the filtered motor rotational speed omega _MF provisions value omega _A more (S308). Unless specified value omega _A more (No), parameter identifier actuation signal generator 23 repeats the processing of S308. If the value is equal to or greater than the predetermined value ω _A (Yes), the parameter identifier activation signal generator 23 starts the process of the parameter identifier 19 by changing the parameter identifier activation signal Id_act from 0 to 1 (S309). Then, the auto-tuning unit 37 delays two sample periods in order to secure the K _gα calculation time and the regression vector filling time (S310), and executes the above-described processing from S311 to S315.

Ｓ３１５の判定で、同定回数カウンタＩｄ＿ｃｏｕｎｔが規定回数ＮＣ以上であれば（Ｙｅｓ）、パラメータ同定器１９は、同定結果であるパラメータベクトル前回推定値θ＾（Ｎ−１）を離散系／連続系パラメータ変換部２５において連続系のパラメータである合計慣性モーメント推定値Ｊ＾、及び粘性摩擦係数推定値Ｄ＾に変換する（Ｓ３１６）。そして、オートチューニング部３７は、速度制御器９の比例ゲイン１５，１７にそれぞれＪ＾、Ｄ＾をセットし（Ｓ３１７）、本ルーチンの処理を終了する（Ｓ３１８）。   If the identification number counter Id_count is equal to or greater than the prescribed number NC in the determination of S315 (Yes), the parameter identifier 19 uses the parameter vector previous estimated value θ ^ (N−1), which is the identification result, as a discrete / continuous system parameter. The conversion unit 25 converts the total inertia moment estimated value J ^ and the viscous friction coefficient estimated value D ^, which are continuous system parameters (S316). Then, the auto-tuning unit 37 sets J ^ and D ^ in the proportional gains 15 and 17 of the speed controller 9 (S317), and ends the processing of this routine (S318).

以上が、オートチューニング部における一連の処理の流れである。次に、本実施形態のもたらす効果について、図１６，１７に示すシミュレーション動作波形を用いて説明する。
但し、シミュレーション条件として、モータと連結軸と駆動対象負荷とからなる機械系の合計慣性モーメントにＪ＝５．７１×１０^−５［ｋｇ・ｍ^２］をセットし、粘性摩擦係数にＤ＝１．０×１０^−３［Ｎ・ｍ／（ｒａｄ／ｓ）］をセットし、サンプリング周期にＴ＝８．９６［ｍｓ］をセットした。よって、（５５）式、及び（５６）式の関係からａ_１≒−０．８５５、ｂ_０≒１４５ が真値であることが分かっている。 The above is the flow of a series of processes in the auto tuning unit. Next, the effects brought about by this embodiment will be described using the simulation operation waveforms shown in FIGS.
However, as simulation conditions, J = 5.71 × 10 ⁻⁵ [kg · m ² ] is set as the total moment of inertia of the mechanical system including the motor, the connecting shaft, and the drive target load, and D = 1 as the viscous friction coefficient. 0.0 × 10 ⁻³ [N · m / (rad / s)] was set, and T = 8.96 [ms] was set as the sampling period. Therefore, it is known from the relationship between the equations (55) and (56) that a ₁ ≈−0.855 and b ₀ ≈145 are true values.

図１６（ａ）はフィルタ後モータ回転速度検出値ω_ＭＦの波形３３０であり、図１６（ｂ）は自動ゲイン制御部作動信号Ａｇｃ＿ａｃｔの波形３３１であり、図１６（ｃ）はパラメータ同定器作動信号Ｉｄ＿ａｃｔの波形３３２であり、図１６（ｄ）は離散系パラメータ推定部作動信号Ｐｖ＿ａｃｔＩの波形３３３である。 FIG. 16A shows a waveform 330 of the post-filter motor rotation speed detection value ω _MF , FIG. 16B shows a waveform 331 of the automatic gain control unit operation signal Agc_act, and FIG. 16C shows operation of the parameter identifier. A waveform 332 of the signal Id_act is shown, and FIG. 16D is a waveform 333 of the discrete system parameter estimation unit operation signal Pv_actI.

また、比較例として、図１７に、減衰ゲインＫ_ｇαを１に固定した条件で同定を行った場合の波形を示す。図１７（ａ）は、ａ_１＾の波形３３４であり、図１７（ｂ）はｂ_０＾の波形３３５である。さらに、本実施形態の構成で同定を行った場合のａ_１＾を波形３３６に示し、ｂ_０＾を波形３３７に示す。波形３３０、波形３３２、及び波形３３３から明らかなように、本シミュレーションでは同定回数カウンタＩｄ＿ｃｏｕｎｔ＝２までの動きを示している。 As a comparative example, FIG. 17 shows a waveform when identification is performed under the condition that the attenuation gain K _gα is fixed to 1. 17A shows a waveform 334 of a ₁ ^, and FIG. 17B shows a waveform 335 of b ₀ ^. Further, a ₁ ^ when the identification is performed with the configuration of the present embodiment is shown in a waveform 336, and b ₀ ^ is shown in a waveform 337. As is clear from the waveform 330, the waveform 332, and the waveform 333, this simulation shows the movement up to the identification number counter Id_count = 2.

このとき、減衰ゲインＫ_ｇαを１に固定した場合の比較例では、波形３３４、及び波形３３５で確認できるように、同定開始初期において、真値に対して逆符号となる程の、過大な同定誤差を発生し、その後も真値への収束性が低い。一方、本実施形態では、波形３３６、及び波形３３７で確認できるように、同定開始初期における過大な同定誤差もなく真値へ収束することが確認できる。 At this time, in the comparative example in which the attenuation gain K _gα is fixed to 1, as can be confirmed by the waveform 334 and the waveform 335, the identification is excessive so that the sign is opposite to the true value at the beginning of identification. An error is generated, and the convergence to the true value is low thereafter. On the other hand, in this embodiment, as can be confirmed with the waveform 336 and the waveform 337, it can be confirmed that it converges to a true value without an excessive identification error at the beginning of identification.

（第２実施形態）
次に、本発明の第２の実施形態のパラメータ同定器について図１８を用いて説明する。図２に示されるパラメータ同定器１９との相違点は、減衰ゲインＫ_ｇαを回帰ベクトルに対して乗算する点である。なお、モータ制御システムとしての構成は第１実施形態の図１と同様である。 (Second Embodiment)
Next, the parameter identifier of the 2nd Embodiment of this invention is demonstrated using FIG. The difference from the parameter identifier 19 shown in FIG. 2 is that the attenuation gain K _gα is multiplied by the regression vector. The configuration of the motor control system is the same as that in FIG. 1 of the first embodiment.

回帰ベクトル生成部３５１は、（６２）式に基いて、τ_ＭＳ（Ｎ）、及びω_ＭＳ（Ｎ）が入力され、回帰ベクトルΦ^＊（Ｎ）を生成する。乗算器３５３は、回帰ベクトルΦ^＊（Ｎ）に対して、自動ゲイン制御部３５２（ＡＧＣ２）が出力する減衰ゲインＫ_ｇαを乗算するものであり、演算結果を回帰ベクトルφ（Ｎ）として出力する。乗算器３５４は、ω_ＭＳ（Ｎ）に減衰ゲインＫ_ｇαを乗算するものであり、演算結果をω_Ｍ（Ｎ）として出力する。
離散系パラメータ推定部作動信号発生器３５５（ＰＶＡ２）は、回帰ベクトル生成部３５１におけるデータ準備時間を確保する為に、１サンプル遅れのＩｄ＿ａｃｔを離散系パラメータ推定部作動信号Ｐｖ＿ａｃｔとして出力する。 The regression vector generation unit 351 receives τ _MS (N) and ω _MS (N) based on the equation (62), and generates a regression vector Φ ^* (N). The multiplier 353 multiplies the regression vector Φ ^* (N) by the attenuation gain K _gα output from the automatic gain control unit 352 (AGC2), and outputs the calculation result as the regression vector φ (N). . The multiplier 354 multiplies ω _MS (N) by the attenuation gain K _gα and outputs the calculation result as ω _M (N).
Discrete system parameter estimator operation signal generator 355 (PVA2) outputs Id_act delayed by one sample as discrete system parameter estimator operation signal Pv_act in order to secure the data preparation time in regression vector generation unit 351.

自動ゲイン制御部３５２（ＡＧＣ２）は、回帰ベクトルΦ^＊（Ｎ）を入力信号として、自動ゲイン制御部作動信号Ａｇｃ＿ａｃｔ＝１の場合のみ、（６１）式、及び（６２）式に基づいて、減衰ゲインＫ_ｇαを演算すると共に演算結果を出力し、Ａｇｃ＿ａｃｔ＝０の場合には、前回サンプル時の減衰ゲインＫ_ｇαを出力する。 The automatic gain control unit 352 (AGC2) attenuates based on the equations (61) and (62) only when the regression vector Φ ^* (N) is used as an input signal and the automatic gain control unit actuation signal Agc_act = 1. The gain K _gα is calculated and the calculation result is output. When Agc_act = 0, the attenuation gain K _gα at the previous sampling is output.

次に、図１９を用いて自動ゲイン制御部３５２（ＡＧＣ２）の内部構成を説明する。図１７において、図４に示した自動ゲイン制御部３２（ＡＧＣＩ）と異なる点は、入力部分だけである。第２実施形態では、回帰ベクトルΦ^＊（Ｎ）を入力することから、図４の１サンプル遅延要素８６のように、内部的に回帰ベクトルを生成する必要が無くベクトル化記号３７３から絶対値演算器３７４，３７５を介して減衰ゲインＫ_ｇ算出部９８に入力されていることが特徴である。回帰ベクトルΦ^＊（Ｎ）３７０の要素−ω_Ｍ（Ｎ−１），τ_Ｍ（Ｎ）を絶対値演算器３７４，３７５にそれぞれ入力した後、図３と同一構成の減衰ゲインＫ_ｇα演算部９７に対して、それぞれ出力する。 Next, the internal configuration of the automatic gain control unit 352 (AGC2) will be described with reference to FIG. 17 is different from the automatic gain control unit 32 (AGCI) shown in FIG. 4 only in the input portion. In the second embodiment, since the regression vector Φ ^* (N) is input, there is no need to internally generate a regression vector as in the one-sample delay element 86 in FIG. It is characterized in that it is input to the attenuation gain K _g calculation unit 98 via the devices 374 and 375. After the elements −ω _M (N−1) and τ _M (N) of the regression vector Φ ^* (N) 370 are input to the absolute value calculators 374 and 375, respectively, the attenuation gain K _gα calculation unit having the same configuration as FIG. 97 respectively.

次に、パラメータ同定器３５０の処理シーケンスを図２０に示すフローチャートを用いて説明する。
逐次、このフローの処理が実行され（Ｓ４００）、パラメータ同定器３５０は、フラグ、及び変数の初期化を行う（Ｓ４０１）。そして、フィルタ後モータ回転速度検出値ω_ＭＦの絶対値（大きさ）が規定値ω_Ａ以上かどうかを判定する（Ｓ４０２）。判定結果がＮｏの場合にはＳ４０２に戻り、規定値ω_Ａ以上になるまで待つ。 Next, the processing sequence of the parameter identifier 350 will be described using the flowchart shown in FIG.
The processing of this flow is executed sequentially (S400), and the parameter identifier 350 initializes flags and variables (S401). Then, it is determined whether or not the absolute value (magnitude) of the post-filter motor rotation speed detection value ω _MF is equal to or greater than a specified value ω _A (S402). Returning to S402 when the determination result is No, wait until the specified value or more omega _A.

一方、判定結果がＹｅｓの場合には、パラメータ同定器作動信号Ｉｄ＿ａｃｔを０から１に変更することによりパラメータ同定器３５０の処理を開始し（Ｓ４０３）。そして、回帰ベクトル生成部３５１の１サンプル遅延要素へのデータ充填時間（回帰ベクトル充填時間）を確保する為に１サンプル周期遅延する（Ｓ４０４）。そして、自動ゲイン制御部作動信号Ａｇｃ＿ａｃｔに１をセットし、これにより自動ゲイン制御部ＡＧＣ２の演算し（Ｓ４０５）、減衰ゲインＫ_ｇαを算出する。 On the other hand, when the determination result is Yes, the parameter identifier 350 is started by changing the parameter identifier operation signal Id_act from 0 to 1 (S403). Then, in order to secure the data filling time (regression vector filling time) for one sample delay element of the regression vector generation unit 351, the sample is delayed by one sample period (S404). Then, 1 is set to the automatic gain control unit actuation signal Agc_act, thereby calculating the automatic gain control unit AGC2 (S405), and calculating the attenuation gain K _gα .

そして、自動ゲイン制御部作動信号Ａｇｃ＿ａｃｔを０に戻す。これにより、処理４００から再スタートされるまでの間、減衰ゲインＫ_ｇαは固定されることとなる（Ｓ４０６）。そして、離散系パラメータ推定部作動信号Ｐｖ＿ａｃｔを０から１に変更することにより、離散系パラメータ推定部３４の処理を開始する（Ｓ４１０）。
そして、複数回同定の実施により同定精度を向上させる為の同定回数カウンタＩｄ＿ｃｏｕｎｔを１加算する（Ｓ４１１）。 Then, the automatic gain control unit actuation signal Agc_act is returned to zero. Accordingly, the attenuation gain K _gα is fixed until the process 400 is restarted (S406). Then, the processing of the discrete system parameter estimation unit 34 is started by changing the discrete system parameter estimation unit operation signal Pv_act from 0 to 1 (S410).
Then, 1 is added to the identification number counter Id_count for improving the identification accuracy by performing the identification a plurality of times (S411).

そして、回転速度ω_ＭＦの絶対値が規定値ω_Ｉ未満であるか否かが判定される（Ｓ４１２）。規定値ω_Ｉ以上であれば（Ｎｏ）、Ｓ４１２の処理が繰り返される。一方、ω_ＭＦ絶対値が規定値ω_Ｉ未満の場合には（Ｙｅｓ）、Ｉｄ＿ａｃｔ、及びＰｖ＿ａｃｔ２を１から０に変更することによりパラメータ同定器３５０の処理を停止する（Ｓ４１３）。 Then, it is determined whether or not the absolute value of the rotational speed ω _MF is less than the specified value ω _I (S412). If the specified value omega _I above (No), the processing of S412 is repeated. On the other hand, if omega _MF absolute value is less than the prescribed value ω _I (Yes), Id_act, and to stop processing the parameter identifier 350 by changing Pv_act2 from 1 to 0 (S413).

そして、同定回数カウンタＩｄ＿ｃｏｕｎｔが規定回数ＮＣ以上であるか否かが判定される（Ｓ４１４）。規定回数ＮＣ以上でなければ（Ｎｏ）、フィルタ後モータ回転速度検出値ω_ＭＦの大きさが規定値ω_Ａ以上であるか否かを判定する（Ｓ４０７）。Ｎｏの場合にはＳ４０７の処理を繰り返す。一方、判定結果がＹｅｓの場合には、パラメータ同定器作動信号Ｉｄ＿ａｃｔを０から１に変更することによりパラメータ同定器３５０の処理を開始する（Ｓ４０８）。そして、回帰ベクトル充填時間を確保する為に、１サンプル周期遅延する（Ｓ４０９）。そして、Ｓ４１０からＳ４１４までの処理を実行し、Ｓ４１４で規定回数ＮＣ以上でなければ（Ｎｏ）、これらの処理が繰り返される。 Then, it is determined whether or not the identification number counter Id_count is equal to or greater than the specified number NC (S414). If it is not equal to or greater than the prescribed number NC (No), it is determined whether or not the magnitude of the post-filter motor rotation speed detection value ω _MF is greater than or equal to the prescribed value ω _A (S407). In the case of No, the process of S407 is repeated. On the other hand, when the determination result is Yes, the parameter identifier 350 is started by changing the parameter identifier operation signal Id_act from 0 to 1 (S408). Then, in order to secure the regression vector filling time, one sample period is delayed (S409). Then, the processing from S410 to S414 is executed, and if it is not the specified number of times NC or more in S414 (No), these processing are repeated.

一方、Ｓ４１４で、規定回数ＮＣ以上であると判定されれば（Ｙｅｓ）、同定結果であるパラメータベクトル前回推定値θ＾（Ｎ−１）を離散系／連続系パラメータ変換部２５において連続系のパラメータである合計慣性モーメント推定値Ｊ＾、及び粘性摩擦係数推定値Ｄ＾に変換する（Ｓ４１５）。そして、速度制御器９の比例ゲイン１５，１７にそれぞれＪ＾、Ｄ＾をセットし（Ｓ４１６）、処理を終了する（Ｓ４１７）。
以上が、オートチューニング部における一連の処理の流れであり、これにより図１６に示した第２の実施形態においても、第１実施形態と同様の効果を発揮できる。 On the other hand, if it is determined in S414 that the specified number of times is equal to or greater than NC (Yes), the parameter vector previous estimated value θ ^ (N−1) as the identification result is obtained by the discrete / continuous parameter conversion unit 25 in the continuous system. The parameters are converted into the estimated total moment of inertia value J ^ and the viscous friction coefficient estimated value D ^ (S415). Then, J ^ and D ^ are respectively set in the proportional gains 15 and 17 of the speed controller 9 (S416), and the process is terminated (S417).
The above is the flow of a series of processes in the auto-tuning unit. With this, the same effects as in the first embodiment can be exhibited also in the second embodiment shown in FIG.

本実施形態によれば、逐次最小二乗法演算におけるオーバフローを抑制しつつ同定精度を高く保つことができる。これにより、同定結果を用いた制御パラメータの高精度な自動設定が可能となり、より簡単に高性能な制御が実現できることとなる。   According to the present embodiment, it is possible to keep the identification accuracy high while suppressing an overflow in the sequential least squares calculation. As a result, the control parameter can be automatically set with high accuracy using the identification result, and high-performance control can be realized more easily.

（変形例）
本発明は前記した実施形態に限定されるものではなく、例えば以下のような種々の変形が可能である。
（１）前記各実施形態は、ゼロ次ホールド要素２６，２７によって、Ｎ個のパラメータτ_ＭＳ（Ｎ），ω_ＭＳ（Ｎ）を得たが、この機能はＦＩＦＯ（First In First Out）によっても実現することもできる。
（２）第２実施形態では、乗算器を介さずにフィルタ後モータ速度サンプル値ω_ＭＳ（N）を回帰ベクトル生成部３５１に入力したが、乗算器を介した信号を他の回帰ベクトル生成部に入力してもよい。 (Modification)
The present invention is not limited to the embodiments described above, and various modifications such as the following are possible.
(1) In each of the above embodiments, N parameters τ _MS (N) and ω _MS (N) are obtained by the zero-order hold elements 26 and 27. This function is also obtained by FIFO (First In First Out). It can also be realized.
(2) In the second embodiment, the post-filter motor speed sample value ω _MS (N) is input to the regression vector generation unit 351 without using a multiplier, but the signal through the multiplier is used as another regression vector generation unit. May be entered.

本発明の一実施形態であるモータ制御システムの構成図である。It is a block diagram of the motor control system which is one Embodiment of this invention. 本発明の第１実施形態のパラメータ同定器の構成図である。It is a block diagram of the parameter identifier of 1st Embodiment of this invention. 本発明の第１実施形態の自動ゲイン制御部作動信号発生器ＡＧＩの構成図である。It is a block diagram of the automatic gain control part operation signal generator AGI of 1st Embodiment of this invention. 本発明の第１実施形態の自動ゲイン制御部ＡＧＣＩの構成図である。It is a block diagram of automatic gain control part AGCI of 1st Embodiment of this invention. 本発明の第１実施形態の回帰ベクトル生成部の構成図である。It is a block diagram of the regression vector production | generation part of 1st Embodiment of this invention. 離散系パラメータ推定部の構成図である。It is a block diagram of a discrete system parameter estimation part. 予測器の構成図である。It is a block diagram of a predictor. パラメータベクトル演算器の構成図である。It is a block diagram of a parameter vector calculator. ｆベクトル演算器の構成図である。It is a block diagram of f vector arithmetic unit. ｇベクトル演算器の構成図である。It is a block diagram of g vector computing unit. α・μ演算器の構成図である。It is a block diagram of an α · μ calculator. Ｕ行列演算器の構成図である。It is a block diagram of a U matrix calculator. Ｄ行列演算器の構成図である。It is a block diagram of a D matrix calculator. ゲインベクトル演算器の構成図である。It is a block diagram of a gain vector calculator. 第１実施形態の動作を示すフローチャートである。It is a flowchart which shows operation | movement of 1st Embodiment. 第１実施形態の動作波形を示す図である。It is a figure which shows the operation | movement waveform of 1st Embodiment. 第１実施形態と比較例との動作波形を示す図であるIt is a figure which shows the operation | movement waveform of 1st Embodiment and a comparative example. 本発明の第２実施形態のパラメータ同定器の構成図である。It is a block diagram of the parameter identifier of 2nd Embodiment of this invention. 本発明の第２実施形態の自動ゲイン制御部ＡＧＣの構成図である。It is a block diagram of the automatic gain control part AGC of 2nd Embodiment of this invention. 第２実施形態の動作を示すフローチャートである。It is a flowchart which shows operation | movement of 2nd Embodiment.

符号の説明Explanation of symbols

１ モータ
２ 負荷（駆動対象負荷）
３ 連結軸
４ 電力変換器
５ 速度演算器
６ 電流検出器
７，１０，１２４ 減算器
８ 電流制御器
９ 速度制御器
１２ 積分ゲイン
１３ 積分器
１４，１６，９３，１４６，１６５，１６８，１８５，２２６，２３１，２５６，２５９ 加算器
１１，１５，１７ 比例ゲイン，
１８，２７５，２７９ ゲイン
１９，３５０ パラメータ同定器
２１，２２ ローパスフィルタ
２３ パラメータ同定器作動信号発生器（ＩＤＡ）
２４ 自動ゲイン制御部作動信号発生器（ＡＧＩ）
２５ 離散系／連続系パラメータ変換部
２６，２７ ゼロ次ホールド要素
２８，２９，７１，７３，７５，８６，１１３，１６６，１６９，２５７，２７６，２８０ １サンプル遅延要素
３０，３１，９１，９２，１４５，１６４，１６７，１８４，２０５，２０７，２２５，２３０，２５５，２５８，２７４，２７８ 乗算器
３２ 自動ゲイン制御部（ＡＧＣＩ）
３３ 回帰ベクトル生成部
３４ 離散系パラメータ推定部
３５ 離散系パラメータ推定部作動信号発生器（ＰＶＡＩ）
３６ １次遅れフィルタ
３７ オートチューニング部
３８ 位置検出器
３９ 位置検出器
７０ パラメータ同定器作動信号Ｉｄ＿ａｃｔ
７２ ＯＲ論理素子
７４ ＸＯＲ論理素子
７６ 自動ゲイン制御部作動信号Ａｇｃ＿ａｃｔ
８４，８５，３７４，３７５ 絶対値演算器
９０ 最小値比較選択素子
８９，９６，２２８，２７３，２７７，２９４，２９５ 除算器
９４ 開平演算器
１１４，２２９ 符号反転器
１２３ 予測器
１２５ パラメータベクトル演算器
１２７ ｆベクトル演算器
１２８ ｇベクトル演算器
１２９ α・μ演算器
１３０ Ｕ行列演算器
１３１ Ｄ行列演算器
１３２ ゲインベクトル演算器
１１５，１４２，１４３，１６３，１７０，１８３，１８６，２０３，２０４，２０９，２３６，２３７，２３５，２５４，２６０，２７２，２８１，２９３，２９６，３７３ ベクトル化記号
１００ モータ制御装置
２００ モータ制御システム
２０６，２０８，２２７，２３２ リミッタ
２２４ 忘却係数λ

Ｉｑ^＊ トルク電流指令値、
Ｉｑ トルク電流検出値、
Ｉ＾ｑ トルク電流推定値、
Ｉ_ｅ 電流偏差、
τ_Ｍ モータトルク、
τ_ｓ 粘性摩擦補償前モータトルク指令、
τＭ^＊ モータトルク指令、
τ_ｄ＾ 粘性摩擦補償トルク、
ω_Ｍ モータ回転速度検出値、
ω_Ｍ ^＊ モータ速度指令値、
ω_ｅ モータ速度偏差
Ｊ＾ 機械系の合計慣性モーメント推定値、
Ｄ＾ 粘性摩擦係数推定値
τ_ＭＦ フィルタ後モータトルク
ω_ＭＦ フィルタ後モータ回転速度検出値、
τ_ＭＳ（Ｎ） フィルタ後モータトルクサンプル値、
ω_ＭＳ（Ｎ） フィルタ後モータ速度サンプル値、
τ_ＭＳ（Ｎ−１） フィルタ後モータトルク１サンプル遅延値
ω_ＭＳ（Ｎ−１） フィルタ後モータ速度１サンプル遅延値
Ｋ_ｇ，Ｋ_α，Ｋ_ｇα 減衰ゲイン
τ_Ｍ（Ｎ） 減衰後モータトルク
ω_Ｍ（Ｎ） 減衰後モータ速度
φ（Ｎ） 回帰ベクトル
θ＾（Ｎ−１） パラメータベクトル前回推定値
Ａｇｃ＿ａｃｔ 自動ゲイン制御部作動信号
Ｉｄ＿ａｃｔ パラメータ同定器作動信号
Ｐｖ＿ａｃｔＩ 離散系パラメータ推定部作動信号
1 Motor 2 Load (Drive target load)
3 Connecting shaft 4 Power converter 5 Speed calculator 6 Current detector 7, 10, 124 Subtractor 8 Current controller 9 Speed controller 12 Integral gain 13 Integrators 14, 16, 93, 146, 165, 168, 185 226, 231, 256, 259 Adder 11, 15, 17 proportional gain,
18, 275, 279 Gain 19, 350 Parameter identifier 21, 22 Low-pass filter 23 Parameter identifier activation signal generator (IDA)
24 Automatic gain controller activation signal generator (AGI)
25 Discrete / continuous parameter converters 26, 27 Zero-order hold elements 28, 29, 71, 73, 75, 86, 113, 166, 169, 257, 276, 280 1-sample delay elements 30, 31, 91, 92 , 145, 164, 167, 184, 205, 207, 225, 230, 255, 258, 274, 278 Multiplier 32 Automatic gain controller (AGCI)
33 Regression Vector Generation Unit 34 Discrete System Parameter Estimation Unit 35 Discrete System Parameter Estimation Unit Actuation Signal Generator (PVAI)
36 First-order lag filter 37 Auto tuning unit 38 Position detector 39 Position detector 70 Parameter identifier operation signal Id_act
72 OR logic element 74 XOR logic element 76 Automatic gain controller operation signal Agc_act
84, 85, 374, 375 Absolute value calculator 90 Minimum value comparison and selection element 89, 96, 228, 273, 277, 294, 295 Divider 94 Square root calculator 114, 229 Sign inverter 123 Predictor 125 Parameter vector calculator 127 f vector computing unit 128 g vector computing unit 129 α / μ computing unit 130 U matrix computing unit 131 D matrix computing unit 132 gain vector computing units 115, 142, 143, 163, 170, 183, 186, 203, 204, 209 , 236, 237, 235, 254, 260, 272, 281, 293, 296, 373 Vectorization symbol 100 Motor controller 200 Motor control system 206, 208, 227, 232 Limiter 224 Forgetting factor λ

Iq ^* Torque current command value,
Iq Torque current detection value,
I ^ q Estimated torque current,
_Ie current deviation,
τ _M motor torque,
tau _s viscous friction compensation before the motor torque command,
τM ^* Motor torque command,
τ _d ^ viscous friction compensation torque,
ω _M motor rotation speed detection value,
ω _M ^* motor speed command value,
ω _e Motor speed deviation J ^ Estimated total moment of inertia of the mechanical system,
D ^ viscous friction coefficient estimated value tau _MF filtered motor torque omega _MF filtered motor rotational speed,
τ _MS (N) Motor torque sample value after filter,
ω _MS (N) Filtered motor speed sample value,
τ _MS (N-1) Filtered motor torque 1 sample delay value ω _MS (N-1) Filtered motor speed 1 sample delay value K _g , K _α , K _gα damping gain τ _M (N) Damped motor torque ω _M (N) Attenuated motor speed φ (N) Regression vector θ ^ (N−1) Parameter vector previous estimation value Agc_act Automatic gain control unit operation signal Id_act Parameter identifier operation signal Pv_actI Discrete system parameter estimation unit operation signal

Claims (11)

モータの回転速度検出値とモータ回転速度指令値との偏差に応じてトルク電流指令値を出力する速度制御器と、前記トルク電流指令値と前記モータに流れる駆動電流のトルク電流成分であるトルク電流検出値との偏差に応じて前記駆動電流を制御する制御信号を生成する電流制御器と、前記モータのモータトルク値と前記回転速度検出値との双方を用いて、前記速度制御器の制御パラメータを自動調整するオートチューニング部とを備え、
前記回転速度検出値が前記モータ回転速度指令値に近づくように前記モータを制御するモータ制御装置において、
前記オートチューニング部は、
前記モータの回転速度検出値を入力する第１のローパスフィルタと、前記モータのトルク値を入力する第２のローパスフィルタと、
前記第１のローパスフィルタの出力信号と前記第２のローパスフィルタの出力信号とを用いてパラメータベクトルを離散的に同定するパラメータ同定器と、
前記パラメータベクトルを前記速度制御器の制御パラメータに変換する離散系／連続系パラメータ変換部と、を備え、
前記パラメータ同定器は、
前記第１のローパスフィルタの出力信号を一定周期でサンプルする第１のゼロ次ホールド要素と、
前記第２のローパスフィルタの出力信号を前記一定周期でサンプルする第２のゼロ次ホールド要素と、
前記第１のゼロ次ホールド要素の出力信号及び前記第２のゼロ次ホールド要素の出力信号を用いて回帰ベクトルを生成する回帰ベクトル生成部と、
前記第１のゼロ次ホールド要素の出力信号の遅延信号、及び前記第２のゼロ次ホールド要素の出力信号の遅延信号の２つの遅延信号と、前記回帰ベクトル生成部の出力信号、及び前記第１のゼロ次ホールド要素の出力信号の２つの信号との何れかを減衰させる２つの乗算器と、
前記２つの遅延信号を減衰したとき、前記第１のゼロ次ホールド要素の出力信号を減衰させる乗算器の出力信号、及び前記回帰ベクトル生成部の出力信号に基づいて前記パラメータベクトルを離散的に演算し、一方、前記２つの信号を減衰したとき、前記２つの乗算器の出力信号に基づいて前記パラメータベクトルを離散的に演算する離散系パラメータ推定部と、
第１のゼロ次ホールド要素の出力信号及び前記第２のゼロ次ホールド要素の出力信号を用いて前記２つの乗算器のゲインを演算する自動ゲイン制御部とを備えることを特徴とするモータ制御装置。 A speed controller that outputs a torque current command value in accordance with a deviation between a detected motor rotation speed value and a motor rotation speed command value; and a torque current that is a torque current component of the torque current command value and a drive current flowing through the motor A control parameter of the speed controller using both a current controller that generates a control signal for controlling the drive current according to a deviation from the detected value, and a motor torque value of the motor and the detected rotational speed value. With an auto tuning unit that automatically adjusts
In the motor control device that controls the motor so that the rotation speed detection value approaches the motor rotation speed command value,
The auto tuning unit
A first low-pass filter for inputting the detected rotational speed of the motor, and a second low-pass filter for inputting a torque value of the motor,
A parameter identifier for discretely identifying a parameter vector using the output signal of the first low-pass filter and the output signal of the second low-pass filter;
A discrete / continuous system parameter converter that converts the parameter vector into a control parameter of the speed controller;
The parameter identifier is
A first zero-order hold element that samples the output signal of the first low-pass filter at a constant period;
A second zero-order hold element that samples the output signal of the second low-pass filter at the constant period;
A regression vector generating unit that generates a regression vector using the output signal of the first zero-order hold element and the output signal of the second zero-order hold element;
Delayed signal of the output signal of the first zero-order hold elements, and the two delayed signal of the delay signal of the output signal of the second zero-order hold elements, the output signal of the regression vector generation unit, and the first two multipliers for attenuating one of the two signals of the output signal of the zero-order hold elements,
When the two delayed signals are attenuated, the parameter vector is discretely calculated based on the output signal of the multiplier that attenuates the output signal of the first zero-order hold element and the output signal of the regression vector generation unit. On the other hand, when the two signals are attenuated, a discrete parameter estimation unit that discretely calculates the parameter vector based on the output signals of the two multipliers ;
An automatic gain control unit that calculates gains of the two multipliers using an output signal of the first zero-order hold element and an output signal of the second zero-order hold element; . 前記２つの乗算器は、前記第１のゼロ次ホールド要素の出力信号と前記第２のゼロ次ホールド要素の出力信号とをそれぞれ遅延要素を介して減衰させ、
前記回帰ベクトル生成部は、前記２つの乗算器の出力信号を用いて前記回帰ベクトルを演算し、
前記離散系パラメータ推定部は、前記回帰ベクトルと、前記第１のゼロ次ホールド要素の出力信号を１サンプリング周期遅延させた遅延信号とを用いて、前記パラメータベクトルを演算することを特徴とする請求項１に記載のモータ制御装置。 The two multipliers attenuate the output signal of the first zero-order hold element and the output signal of the second zero-order hold element through delay elements, respectively.
The regression vector generation unit calculates the regression vector using output signals of the two multipliers,
The discrete system parameter estimation unit calculates the parameter vector using the regression vector and a delayed signal obtained by delaying the output signal of the first zero-order hold element by one sampling period. Item 2. The motor control device according to Item 1. 前記回帰ベクトル生成部は、第１のゼロ次ホールド要素の出力信号、及び前記第２のゼロ次ホールド要素の出力信号を用いて前記回帰ベクトルを生成するものであり、
前記２つの乗算器は、第１のゼロ次ホールド要素の出力信号及び前記回帰ベクトル生成部の出力信号をそれぞれ減衰させるものであり、
前記離散系パラメータ推定部は、前記２つの乗算器の出力信号を用いて、前記パラメータベクトルを推定することを特徴とする請求項１に記載のモータ制御装置。 The regression vector generation unit generates the regression vector using an output signal of a first zero-order hold element and an output signal of the second zero-order hold element,
The two multipliers attenuate the output signal of the first zero-order hold element and the output signal of the regression vector generation unit, respectively.
The motor control apparatus according to claim 1, wherein the discrete system parameter estimation unit estimates the parameter vector using output signals of the two multipliers. 前記自動ゲイン制御部は、前記パラメータ同定器の動作開始初期のみ動作し、前記離散系パラメータ推定部における同定演算の実行中には前記２つの乗算器のゲインの値を固定することを特徴とする請求項１に記載のモータ制御装置。   The automatic gain control unit operates only at an initial stage of the operation of the parameter identifier, and fixes the gain values of the two multipliers during the identification calculation in the discrete parameter estimation unit. The motor control device according to claim 1. 前記ゲインは、固定小数点演算のダイナミックレンジによって制限されることを特徴とする請求項１に記載のモータ制御装置。   The motor control device according to claim 1, wherein the gain is limited by a dynamic range of fixed-point arithmetic. 前記回帰ベクトルは、前記ゲインが１であるとき、Nを自然数、Aを定数とするときに、次式のｐ次元ベクトルΦ^＊（Ｎ）で定義され、

前記ゲインは、下記Ｋｇの値に設定されることを特徴とする請求項１に記載のモータ制御装置。

The regression vector is defined by a p-dimensional vector Φ ^* (N) of the following equation when N is a natural number and A is a constant when the gain is 1.

The gain is the motor control device according to claim 1, characterized in that it is set to a value below Kg.

前記回帰ベクトルは、前記ゲインが１であるとき、Nを自然数、Bを定数とするときに、次式のｐ次元ベクトルΦ^＊（Ｎ）で定義され、

前記ゲインは、下記Ｋ _α の値に設定されることを特徴とする請求項１に記載のモータ制御装置。

The regression vector is defined by a p-dimensional vector Φ ^* (N) of the following equation when N is a natural number and B is a constant when the gain is 1.

The gain is the motor control device according to claim 1, characterized in that it is set to a value below K _alpha.

前記回帰ベクトルは、前記ゲインが１であるとき、Nを自然数、Ａ、Bを定数とするときに、次式のようなｐ次元ベクトルΦ^＊（Ｎ）で定義され、

前記ゲインは、下記Ｋｇ及びＫαの内いずれか小さい方の値に設定されることを特徴とする請求項１に記載のモータ制御装置。

The regression vector is defined by a p-dimensional vector Φ ^* (N) as follows when N is a natural number and A 1 and B are constants when the gain is 1:

The motor control device according to claim 1, wherein the gain is set to a smaller one of the following Kg and Kα .

請求項１に記載のモータ制御装置と、
前記電流制御器と前記モータとの間に挿入された電力変換器とを備え、
前記電力変換器は、前記電流制御器によりＰＷＭ制御され、前記モータをＰＷＭ制御することを特徴とするモータ制御システム。 A motor control device according to claim 1;
A power converter inserted between the current controller and the motor;
The motor control system, wherein the power converter is PWM-controlled by the current controller and PWM-controls the motor. 駆動対象負荷と連結したモータと、前記モータを駆動する電力変換器と、回転速度指令値と前記モータの回転速度検出値との偏差に応じてトルク電流指令値を出力する速度制御器と、前記トルク電流指令値と前記モータに供給されるトルク電流検出値との偏差に応じて前記電力変換器の出力電流を制御する電流制御器と、前記モータのモータトルク値と前記モータの回転速度検出値を入力信号とし、前記速度制御器の制御パラメータを自動調整するオートチューニング部とを備えたモータ制御システムにおいて、
前記オートチューニング部は、
前記モータの回転速度検出値を入力とする第１のローパスフィルタと、
前記モータのモータトルク値を入力とする第２のローパスフィルタと、
前記第１のローパスフィルタ出力信号を周期的にサンプルして保持する第１のゼロ次ホールド要素と、
前記第２のローパスフィルタの出力信号を周期的にサンプルして保持する第２のゼロ次ホールド要素と、
前記第１のゼロ次ホールド要素の出力信号を１サンプル周期遅延させる第１の遅延要素と、前記第２のゼロ次ホールド要素の出力信号を１サンプル周期遅延させる第２の遅延要素と、
前記第１の遅延要素の出力信号を減衰させる第１の乗算器と、前記第２の遅延要素の出力信号を減衰させる第２の乗算器と、
前記第１の乗算器の出力信号、及び前記第２の乗算器の出力信号を入力として回帰ベクトルを生成する回帰ベクトル生成部と、
前記回帰ベクトルを入力としてパラメータベクトルを離散的に推定する離散系パラメータ推定部と、
前記パラメータベクトルを前記速度制御器の制御パラメータに変換する離散系／連続系パラメータ変換部と、
前記第１のゼロ次ホールド要素の出力信号、及び前記第２のゼロ次ホールド要素の出力信号を入力信号として、前記第１の乗算器及び前記第２の乗算器のゲインの設定値を出力する自動ゲイン制御部とを有することを特徴とするモータ制御システム。 A motor connected to a load to be driven, a power converter that drives the motor, a speed controller that outputs a torque current command value according to a deviation between a rotation speed command value and a rotation speed detection value of the motor, A current controller for controlling an output current of the power converter in accordance with a deviation between a torque current command value and a torque current detection value supplied to the motor; a motor torque value of the motor; and a rotation speed detection value of the motor And an auto-tuning unit that automatically adjusts the control parameter of the speed controller.
The auto tuning unit
A first low-pass filter that receives the rotation speed detection value of the motor;
A second low-pass filter that receives the motor torque value of the motor;
A first zero-order hold element that periodically samples and holds the first low-pass filter output signal;
A second zero-order hold element that periodically samples and holds the output signal of the second low-pass filter;
A first delay element that delays the output signal of the first zero-order hold element by one sample period; and a second delay element that delays the output signal of the second zero-order hold element by one sample period;
A first multiplier for attenuating the output signal of the first delay element; a second multiplier for attenuating the output signal of the second delay element;
A regression vector generation unit configured to generate a regression vector with the output signal of the first multiplier and the output signal of the second multiplier as inputs;
A discrete parameter estimation unit that discretely estimates a parameter vector using the regression vector as an input;
A discrete / continuous system parameter converter that converts the parameter vector into a control parameter of the speed controller;
Using the output signal of the first zero-order hold element and the output signal of the second zero-order hold element as input signals, the gain setting values of the first multiplier and the second multiplier are output. A motor control system comprising an automatic gain control unit. 駆動対象負荷と連結したモータと、前記モータを駆動する電力変換器と、速度指令値と前記モータの速度検出値との偏差に応じてトルク電流指令値を出力する速度制御器と、前記トルク電流指令値と前記モータに供給されるトルク電流検出値との偏差に応じて前記電力変換器の出力電流を制御する電流制御器と、前記モータのモータトルクと前記モータの速度検出値を入力信号とし、前記速度制御器の制御パラメータを自動調整するオートチューニング部とを備えたモータ制御システムにおいて、
前記オートチューニング部は、
前記モータの速度検出値を入力とする第１のローパスフィルタと、前記モータのモータトルクを入力とする第２のローパスフィルタと、
前記第１のローパスフィルタ出力信号を１サンプリング周期遅延させる第１のゼロ次ホールド要素と、
前記第２のローパスフィルタの出力信号を１サンプリング周期遅延させる第２のゼロ次ホールド要素と、
前記第１のゼロ次ホールド要素の出力信号、及び前記第２のゼロ次ホールド要素の出力信号を入力として回帰ベクトルを生成する回帰ベクトル生成部と、
前記第１のゼロ次ホールド要素の出力信号を減衰させる第１の乗算器と、
前記回帰ベクトル生成部が生成する回帰ベクトルの大きさを減衰させる第２の乗算器と、
前記第１の乗算器の出力信号及び前記第２の乗算器の出力信号を入力としてパラメータベクトルを演算する離散系パラメータ推定部と、
前記離散系パラメータ推定部が演算するパラメータベクトルを速度制御器の制御パラメータに変換する離散系／連続系パラメータ変換部と、
前記回帰ベクトルを入力信号として、前記第１の乗算器及び前記第２の乗算器のゲインの設定値を出力する自動ゲイン制御部とを有することを特徴とするモータ制御システム。 A motor connected to a drive target load; a power converter that drives the motor; a speed controller that outputs a torque current command value in accordance with a deviation between a speed command value and a detected speed value of the motor; and the torque current A current controller for controlling the output current of the power converter according to a deviation between the command value and a detected torque current value supplied to the motor, and the motor torque of the motor and the detected speed value of the motor as input signals. A motor control system including an auto-tuning unit that automatically adjusts control parameters of the speed controller,
The auto tuning unit
A first low-pass filter that receives the detected motor speed value; a second low-pass filter that receives the motor torque of the motor;
A first zero-order hold element that delays the first low-pass filter output signal by one sampling period;
A second zero-order hold element that delays the output signal of the second low-pass filter by one sampling period;
A regression vector generation unit configured to generate a regression vector using the output signal of the first zero-order hold element and the output signal of the second zero-order hold element as inputs; and
A first multiplier for attenuating the output signal of the first zero-order hold element;
A second multiplier for attenuating the magnitude of the regression vector generated by the regression vector generation unit;
A discrete system parameter estimation unit that calculates a parameter vector using the output signal of the first multiplier and the output signal of the second multiplier as inputs;
A discrete system / continuous system parameter converter that converts a parameter vector calculated by the discrete system parameter estimator into a control parameter of a speed controller;
A motor control system comprising: an automatic gain control unit that outputs set values of gains of the first multiplier and the second multiplier using the regression vector as an input signal.

Images