JP6243385B2 - モータ電流制御における補正値を学習する機械学習装置および方法ならびに該機械学習装置を備えた補正値計算装置およびモータ駆動装置 - Google Patents

モータ電流制御における補正値を学習する機械学習装置および方法ならびに該機械学習装置を備えた補正値計算装置およびモータ駆動装置 Download PDF

Info

Publication number
JP6243385B2
JP6243385B2 JP2015205583A JP2015205583A JP6243385B2 JP 6243385 B2 JP6243385 B2 JP 6243385B2 JP 2015205583 A JP2015205583 A JP 2015205583A JP 2015205583 A JP2015205583 A JP 2015205583A JP 6243385 B2 JP6243385 B2 JP 6243385B2
Authority
JP
Japan
Prior art keywords
motor
correction value
current
phase
unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2015205583A
Other languages
English (en)
Other versions
JP2017079514A (ja
Inventor
総 齊藤
総 齊藤
佐々木　拓
拓 佐々木
力 鹿川
力 鹿川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
FANUC Corp
Original Assignee
FANUC Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by FANUC Corp filed Critical FANUC Corp
Priority to JP2015205583A priority Critical patent/JP6243385B2/ja
Priority to CN201610821920.9A priority patent/CN106612088B/zh
Priority to US15/290,253 priority patent/US10090791B2/en
Priority to DE102016012171.8A priority patent/DE102016012171A1/de
Publication of JP2017079514A publication Critical patent/JP2017079514A/ja
Application granted granted Critical
Publication of JP6243385B2 publication Critical patent/JP6243385B2/ja
Priority to US15/976,568 priority patent/US10148211B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
    • H02P23/14—Estimation or adaptation of motor parameters, e.g. rotor time constant, flux, speed, current or voltage
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
    • H02P23/0004—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H02P23/0018—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using neural networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P27/00—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage
    • H02P27/04—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage
    • H02P27/06—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage using dc to ac converters or inverters
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P29/00—Arrangements for regulating or controlling electric motors, appropriate for both AC and DC motors
    • H02P29/60—Controlling or determining the temperature of the motor or of the drive

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Ac Motors In General (AREA)
  • Control Of Electric Motors In General (AREA)

Description

本発明は、三相交流モータのモータ駆動装置における電流指令および電流フィードバック値に基づく電流制御に関連付けられる補正値を学習する機械学習装置および方法ならびに該機械学習装置を備えた補正値計算装置およびモータ駆動装置に関する。
工作機械の駆動源として用いられる三相交流モータを駆動制御するためのモータ駆動装置は、一般に位置制御ループ、速度制御ループおよび電流制御ループから構成されることが多い。
図１２は、一般的なモータ駆動装置の構成を概略的に示すブロック図である。位置制御ループにおいては、三相交流モータ（以下、単に「モータ」と称することがある。）２０４に取り付けられた位置検出部２４１により検出されたモータ２０４のロータ実位置に関する情報（位置フィードバック値）と位置指令作成部（図示せず）で作成された位置指令とに基づいて、速度指令作成部２３１にて速度指令を作成する。速度制御ループにおいては、モータ２０４に取り付けられた速度検出部２４２により検出されたモータ２０４のロータ速度に関する情報（速度フィードバック値）と速度指令作成部２３１により作成された速度指令とに基づいて、電流指令作成部２２１にて電流指令を作成する。電流制御ループにおいては、電流検出部２４３により検出されたインバータ（逆変換器）２０２からモータ２０４へ流れ込む電流に関する情報（電流フィードバック値）と電流指令生成部２２１により作成された電流指令値とに基づいて、電流制御部２１１にてインバータ２０２を駆動するための駆動指令（例えばＰＷＭ制御信号）を作成する。インバータ２０２は、例えば内部に設けられたスイッチング素子のスイッチング動作により直流電力を交流電力に変換するモータ電力供給用のインバータであり、受信した駆動指令によりインバータ２０２内のスイッチング素子のスイッチング動作が制御されることで、直流電力をモータ２０４の駆動用の交流電力に変換する変換動作を行う。モータ２０４は、インバータ２０２から出力された交流電力を駆動電力として動作するので、インバータ２０２から出力される交流電力を制御すれば、モータ２０４の速度、トルク、もしくは回転子の位置を駆動制御することができる。モータ２０４を駆動することで工作機械の可動部を駆動する。
このように、モータ駆動装置では、電流指令値と電流検出部により検出された電流フィードバック値とが等しくなるよう電流制御を行っている。
しかしながら、一般に、電流フィードバック値を検出する電流検出部にはオフセットが存在する。このオフセットは、モータの動作に無関係であって電流検出部のみにかかわるオフセット分であって、モータが停止状態にあっても検出されるノイズ分である。この電流オフセットは、モータのトルクに対して電気角に依存して変化する脈動分を発生させ、電気角の各一回転に対して一回のトルクリップルが発生することになり、三相交流モータに対するロータ位置指令と三相交流モータのロータ実位置との誤差が大きくなる。したがって、電流フィードバックオフセット補正値を用いて電流フィードバック値を補正するいわゆる「オフセット補償」を行うのが好ましい。
例えば、ＡＣサーボモータの実電流を検出して電流指令に電流帰還を行う制御方法において、電圧指令が零となる毎にＡＣサーボモータの実電流を検出して電流帰還上のオフセットデータを求め、オフセットデータから得られる電流オフセット値によって電流オフセット値を更新し、更新した電流オフセット値を電流指令に電流帰還してオフセット補償を行う技術が知られている（例えば、特許文献１参照。）。
また、通常、電流検出部では、モータ電力供給用インバータから三相交流モータへ流れ込むＵＶＷ三相の実電流のうちに二相分（例えばＵ相実電流およびＶ相実電流）を検出し、これを電流フィードバック値として出力している。しかしながら、電流検出部が検出する二相の電流フィードバック値においては、電流検出素子のゲインのばらつき、電流検出抵抗のばらつき、検出ゲインのアンバランスあるいはノイズ等の影響により相間で不平衡が発生する。相間不平衡のある電流フィードバック値に基づいて電流制御を行うと、三相交流モータに対するロータ位置指令と三相交流モータのロータ実位置との誤差が大きくなる。したがって、電流フィードバック相間不平衡補正値を用いて電流フィードバック値を補正することで相間不平衡を除去することが好ましい。
また、一般に、モータ電力供給用インバータ内のスイッチング素子のスイッチング動作においては、同一相内における上下各アームのスイッチング素子を同時にオン（導通）しないようにするいわゆる「スイッチング不感帯」が設けられる。このスイッチング不感帯にあたる時間期間中は、上下各アームのスイッチング素子は導通しないのでアームには電流は流れない。このため、スイッチング素子に対する電流指令を例えば１０［Ａ］としたにもかかわらず平均値ベースで９．８［Ａ］（平均値ベース）しかアームに電流が流れないといったように、スイッチング不感帯が存在するために実際には当該電流指令よりも小さい電流がアームに流れることになる。そこで、このスイッチング不感帯に起因する電流の減少分を補うために、不感帯用電流指令補正値を当初の電流指令に上乗せする対策が従来より行われている。例えば、アームに１０［Ａ］の電流を流そうとする場合、当初の電流指令である１０［Ａ］に不感帯用電流指令補正値として０．２［Ａ］を上乗せすることで得られた「補正後の電流指令」である１０．２［Ａ］を用いて、スイッチング素子のスイッチング動作を制御し、アームに１０［Ａ］（平均値ベース）の電流が実際に流れるようにする。このように、不感帯用電流指令補正値を用いて電流指令を補正することで、スイッチング不感帯に起因する電流の減少分を補償している。
このように、電流指令および電流フィードバック値に基づく電流制御を行うことで三相交流モータを駆動するモータ駆動装置においては、電流フィードバック値に含まれるオフセット分を補正するのに用いられる電流フィードバックオフセット補正値、電流フィードバック値の相間不平衡を補正するのに用いられる電流フィードバック相間不平衡補正値、およびモータ電力供給用インバータの同一相内における上下各アームのスイッチング素子を同時にオンさせないスイッチング不感帯に起因する電流の減少分を補償するために電流指令を補正するのに用いられる不感帯用電流指令補正値、の３つの補正値を用いた補正処理を行うことで、三相交流モータに対するロータ位置指令と三相交流モータのロータ実位置との誤差の最小化（送りの滑らかさの最適化）を図っている。
特許第３２３６４４９号公報
従来、電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値は、固定値（一定値）として扱っていた。
しかしながら実際は、スイッチング不感帯はシステムの部品のばらつきや周囲温度などで変動するので、固定値とされた不感帯用電流指令補正値を用いて電流指令を補正したとしても、所望値に近い電流を流せているとはいえない。また、スイッチング不感帯は、たモータ電力供給用インバータの同一相内における上下各アームのスイッチング素子を同時にオンさせないために必要不可欠なものではあるものの、スイッチング不感帯に対応する時間中はスイッチング素子に流れる電流が途切れてしまうので、ロータ位置指令とロータ実位置との間の誤差の発生の要因となり、送りの滑らかさの改善の妨げとなっている。
また、従来は、これら補正値相互間の影響は考慮せずに各々独立に設定していた。しかしながら、実際は各補正値は互いに影響を及ぼし合うものであり、各補正値の最適な組み合わせを見つけ出すことが難しく、ロータ位置指令とロータ実位置との誤差を必ずしも最小化できているとはいえない。
また、三相交流モータに対するロータ位置指令と三相交流モータのロータ実位置との誤差を最小化するための電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値は、モータ駆動装置内の温度、三相交流モータの温度、モータ駆動装置に入力される交流入力電圧、モータ駆動装置内に設けられた交流入力電圧を整流する整流器とモータ電力供給用インバータとの間における直流リンク電圧、および、モータ駆動装置内に設けられた制御装置を駆動するために用いられる制御電圧に依存する。したがって、モータ駆動装置内の温度、三相交流モータの温度、およびモータ駆動装置の各部電圧の変動に応じて、電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を変更することが望ましいが、上述の通り、従来はこれら補正値は固定値としており、リアルタイムに各補正値の最適な組み合わせを見つけ出すことは困難である。
従って本発明の目的は、上記問題に鑑み、三相交流モータに対するロータ位置指令とロータ実位置との誤差を容易に最小化することができる機械学習装置および方法ならびに該機械学習装置を備えた補正値計算装置およびモータ駆動装置を提供することにある。
上記目的を実現するために、本発明の第１の態様においては、三相交流モータのモータ駆動装置における電流指令および電流フィードバック値に基づく電流制御に関連付けられる補正値を学習する機械学習装置は、三相交流モータに対するロータ位置指令と三相交流モータのロータ実位置との誤差に関するデータと、モータ駆動装置内の温度に関するデータと、三相交流モータの温度に関するデータと、モータ駆動装置の各部電圧に関するデータと、のうちの少なくとも１つから構成される状態変数を観測する状態観測部と、状態変数によって構成される訓練データセットに従って、電流フィードバック値に含まれるオフセット分を補正するのに用いられる電流フィードバックオフセット補正値、電流フィードバック値の相間不平衡を補正するのに用いられる電流フィードバック相間不平衡補正値、および、モータ駆動装置内に設けられたモータ電力供給用インバータの同一相内における上下各アームのスイッチング素子を同時にオンさせないスイッチング不感帯に起因する電流の減少分を補償するために電流指令を補正するのに用いられる不感帯用電流指令補正値、を学習する学習部と、を備える。
ここで、上記各部電圧は、モータ駆動装置に入力される交流入力電圧、モータ駆動装置内に設けられた交流入力電圧を整流する整流器とモータ電力供給用インバータとの間における直流リンク電圧、および、モータ駆動装置内に設けられた制御装置を駆動するために用いられる制御電圧、のうち少なくとも１つを含んでもよい。
また、学習部は、三相交流モータに対するロータ位置指令と三相交流モータのロータ実位置との誤差に基づいて報酬を計算する報酬計算部と、状態変数および報酬に基づいて、電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を計算するための関数を更新する関数更新部と、を備えてもよい。
また、報酬計算部は、三相交流モータに対するロータ位置指令と三相交流モータのロータ実位置との誤差が、現在の誤差よりも前に状態観測部により観測された誤差よりも、小さいときは報酬を増やし、大きいときは報酬を減らすようにしてもよい。
また、報酬計算部は、三相交流モータに対するロータ位置指令と三相交流モータのロータ実位置との誤差が、規定範囲内であるときは報酬を増やし、規定範囲外であるときは報酬を減らすようにしてもよい。
また、報酬計算部は、三相交流モータに対するロータ位置指令と三相交流モータのロータ実位置との誤差を高速フーリエ変換して得られた結果に基づいて報酬を計算するようにしてもよい。
また、関数更新部は、報酬および高速フーリエ変換されたロータ位置指令とロータ実位置との誤差に基づいて、電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を計算するための関数を更新するようにしてもよい。
また、関数更新部は、状態変数および報酬に基づいて、ニューラルネットワークモデルに従って、電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を計算するための関数を更新するようにしてもよい。
また、学習部は、複数のモータ駆動装置に対して取得される訓練データセットに従って、電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を学習するように構成されてもよい。
また、本発明においては、上述の第１の態様による機械学習装置を備えた、モータ駆動装置における電流制御のための補正値計算装置は、学習部が訓練データセットに従って学習した結果に基づいて、現在の状態変数の入力に応答して、電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を決定する意思決定部をさらに備える。
また、本発明においては、上述の補正値計算装置を備えたモータ駆動装置は、交流電源側から入力された交流入力電圧を整流して直流リンク側へ直流電圧を出力する整流器と、整流器と直流リンクを介して接続され、内部のスイッチング素子がオンオフ駆動されることで直流リンク側の直流電圧を交流電圧に変換して三相交流モータ側へ出力するモータ電力供給用インバータと、モータ電力供給用インバータから三相交流モータへ流れ込む電流を検出してこれを電流フィードバック値として出力する電流検出部と、電流フィードバックオフセット補正値を用いて、電流フィードバック値に含まれるオフセット分を補正する電流フィードバックオフセット補正部と、電流フィードバック相間不平衡補正値を用いて、電流フィードバック値の相間不平衡を補正する電流フィードバック相間不平衡補正部と、不感帯用電流指令補正値を用いて、モータ電力供給用インバータの同一相内における上下各アームのスイッチング素子を同時にオンさせないスイッチング不感帯に起因する電流の減少分を補償するように電流指令を補正する不感帯用電流指令補正部と、三相交流モータのロータ実位置を検出する位置検出部と、三相交流モータに対するロータ位置指令とロータ実位置との誤差を測定する誤差測定部と、モータ駆動装置内の温度を測定するモータ駆動装置内温度測定部と、三相交流モータの温度を測定するモータ温度測定部と、電流指令と電流フィードバック値とが等しくなるよう、モータ電力供給用インバータのスイッチング素子のスイッチング動作を制御する電流制御部と、モータ駆動装置に入力される交流入力電圧、整流器とモータ電力供給用インバータとの間における直流リンク電圧、および、モータ駆動装置内に設けられた電流制御部を含む制御装置を駆動するために用いられる制御電圧、のうち少なくとも１つを検出する電圧検出部と、をさらに備える。
また、本発明の第１の態様においては、三相交流モータのモータ駆動装置における電流指令および電流フィードバック値に基づく電流制御に関連付けられる補正値を学習する機械学習方法は、三相交流モータに対するロータ位置指令と三相交流モータのロータ実位置との誤差に関するデータと、モータ駆動装置内の温度に関するデータと、三相交流モータの温度に関するデータと、モータ駆動装置の各部電圧に関するデータと、のうちの少なくとも１つから構成される状態変数を観測する状態観測ステップと、状態変数によって構成される訓練データセットに従って、電流フィードバック値に含まれるオフセット分を補正するのに用いられる電流フィードバックオフセット補正値、電流フィードバック値の相間不平衡を補正するのに用いられる電流フィードバック相間不平衡補正値、および、モータ駆動装置内に設けられたモータ電力供給用インバータの同一相内における上下各アームのスイッチング素子を同時にオンさせないスイッチング不感帯に起因する電流の減少分を補償するために電流指令を補正するのに用いられる不感帯用電流指令補正値、を学習する学習ステップと、を備える。
また、本発明の第２の態様においては、三相交流モータのモータ駆動装置における電流指令および電流フィードバック値に基づく電流制御に関連付けられる補正値を学習する機械学習装置は、三相交流モータに対するロータ位置指令と三相交流モータのロータ実位置との誤差に関するデータと、モータ駆動装置内の温度に関するデータと、三相交流モータの温度に関するデータと、モータ駆動装置の各部電圧に関するデータと、のうちの少なくとも１つから構成される状態変数を観測する状態観測部と、状態変数によって構成される訓練データセットに従って、電流フィードバック値に含まれるオフセット分を補正するのに用いられる電流フィードバックオフセット補正値、電流フィードバック値の相間不平衡を補正するのに用いられる電流フィードバック相間不平衡補正値、および、モータ駆動装置内に設けられたモータ電力供給用インバータの同一相内における上下各アームのスイッチング素子を同時にオンさせないスイッチング不感帯に対応する時間幅を補正するのに用いられる不感帯用時間幅補正値、を学習する学習部と、を備える。
ここで、上記各部電圧は、モータ駆動装置に入力される交流入力電圧、モータ駆動装置内に設けられた交流入力電圧を整流する整流器とモータ電力供給用インバータとの間における直流リンク電圧、および、モータ駆動装置内に設けられた制御装置を駆動するために用いられる制御電圧、のうち少なくとも１つを含んでもよい。
また、本発明においては、上述の第１の態様による機械学習装置を備えた、モータ駆動装置は、学習部が訓練データセットに従って学習した結果に基づいて、現在の状態変数の入力に応答して、電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用時間幅補正値を決定する意思決定部と、交流電源側から入力された交流入力電圧を整流して直流リンク側へ直流電圧を出力する整流器と、整流器と直流リンクを介して接続され、のスイッチング素子がオンオフ駆動されることで直流リンク側の直流電圧を交流電圧に変換して三相交流モータ側へ出力するモータ電力供給用インバータと、モータ電力供給用インバータから三相交流モータへ流れ込む電流を検出してこれを電流フィードバック値として出力する電流検出部と、電流フィードバックオフセット補正値を用いて、電流フィードバック値に含まれるオフセット分を補正する電流フィードバックオフセット補正部と、電流フィードバック相間不平衡補正値を用いて、電流フィードバック値の相間不平衡を補正する電流フィードバック相間不平衡補正部と、不感帯用時間幅補正値を用いて、モータ電力供給用インバータの同一相内における上下各アームのスイッチング素子を同時にオンさせないスイッチング不感帯に対応する時間幅を補正する不感帯用時間幅補正部と、三相交流モータのロータ実位置を検出する位置検出部と、三相交流モータに対するロータ位置指令とロータ実位置との誤差を測定する誤差測定部と、モータ駆動装置内の温度を測定するモータ駆動装置内温度測定部と、三相交流モータの温度を測定するモータ温度測定部と、電流指令と電流フィードバック値とが等しくなるよう、モータ電力供給用インバータのスイッチング素子のスイッチング動作を制御する電流制御部と、モータ駆動装置に入力される交流入力電圧、整流器とモータ電力供給用インバータとの間における直流リンク電圧、および、モータ駆動装置内に設けられた電流制御部を含む制御装置を駆動するために用いられる制御電圧、のうち少なくとも１つを検出する電圧検出部と、をさらに備える。
本発明によれば、三相交流モータに対するロータ位置指令とロータ実位置との誤差を容易に最小化することができる機械学習装置および方法ならびに該機械学習装置を備えた補正値計算装置およびモータ駆動装置を実現することができる。
本発明によれば、モータ駆動装置が動作している状態において、モータ駆動装置内の温度、三相交流モータの温度、およびモータ駆動装置の各部電圧といった周囲環境に合わせて、機械学習装置がロータ位置指令とロータ実位置との誤差を容易に最小化する電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を自ら学習して調整していくで、周囲環境が変動しても各補正値をリアルタイムに変更することができ、ロータ位置指令とロータ実位置との誤差を的確に最小化することができる。一般にこれら各補正値は互いに影響を及ぼし合うことが知られているが、本発明によれば、周囲環境が変動しても各補正値の最適な組み合わせをリアルタイムに変更していくことができるので、補正値相互間の影響を考慮しない従来技術にくらべて、ロータ位置指令とロータ実位置との誤差を的確に最小化することができる。
本発明の実施例による機械学習装置の原理ブロック図である。 本発明の実施例による機械学習方法の動作フローを示すフローチャートである。 本発明の実施例による、強化学習を用いた機械学習装置の原理ブロック図である。 本発明の実施例による、強化学習を用いた機械学習方法の動作フローを示すフローチャートである。 本発明の実施例による、強化学習を適用した機械学習装置を備える補正値計算装置およびこの補正値計算装置を備えるモータ駆動装置を示す原理ブロック図である。 本発明の実施例による、強化学習を適用した機械学習装置を備える補正値計算装置およびこの補正値計算装置を備えるモータ駆動装置の動作フローを示すフローチャートである。 本発明の実施例の変形例による機械学習装置を備えるモータ駆動装置を示す原理ブロック図である。 本発明の実施例の変形例による機械学習装置を備えるモータ駆動装置の動作フローを示すフローチャートである。 ニューロンのモデルを示す模式図である。 Ｄ１〜Ｄ３の３層の重みを有するニューラルネットワークを示す模式図である。 本発明の実施例による、教師あり学習を適用した機械学習装置を備える補正値計算装置およびこの補正値計算装置を備えるモータ駆動装置を示す原理ブロック図である。 一般的なモータ駆動装置の構成を概略的に示すブロック図である。
図１は、本発明の実施例による機械学習装置の原理ブロック図である。以降、異なる図面において同じ参照符号が付されたものは同じ機能を有する構成要素であることを意味するものとする。
本発明の実施例による機械学習装置１は、三相交流モータのモータ駆動装置における電流指令および電流フィードバック値に基づく電流制御において、電流フィードバック値に含まれるオフセット分を補正するのに用いられる電流フィードバックオフセット補正値、電流フィードバック値の相間不平衡を補正するのに用いられる電流フィードバック相間不平衡補正値、およびモータ駆動装置内に設けられたモータ電力供給用インバータの同一相内における上下各アームのスイッチング素子を同時にオンさせないスイッチング不感帯に起因する電流の減少分を補償するために電流指令を補正するのに用いられる不感帯用電流指令補正値を学習するものとして構成される。
機械学習装置１は、状態観測部１１と学習部１２とを備える。
状態観測部１１は、三相交流モータに対するロータ位置指令と三相交流モータのロータ実位置との誤差に関するデータと、モータ駆動装置内の温度に関するデータと、三相交流モータの温度に関するデータと、モータ駆動装置の各部電圧に関するデータと、のうちの少なくとも１つから構成される状態変数を観測する。
ここで、状態観測部１１により観測されるモータ駆動装置の各部電圧には、モータ駆動装置に入力される交流入力電圧、モータ駆動装置内に設けられた交流入力電圧を整流する整流器とモータ電力供給用インバータとの間における直流リンク電圧、および、モータ駆動装置内に設けられた制御装置を駆動するために用いられる制御電圧、のうち少なくとも１つを含む。
状態観測部１１によって状態変数として観測される三相交流モータに対するロータ位置指令と三相交流モータのロータ実位置との誤差に関するデータは、モータ駆動装置内に設けられた制御装置に格納された制御ソフトウェアの内部データとして利用されるものであり、当該制御装置から取得されるものである。状態観測部１１によって状態変数として観測されるモータ駆動装置内の温度に関するデータは、モータ駆動装置内の任意の箇所にモータ駆動装置内温度測定部として設けられた温度センサから取得される。状態観測部１１によって状態変数として観測される三相交流モータの温度に関するデータは、三相交流モータの近傍にモータ温度測定部として設けられた温度センサから取得される。状態観測部１１によって状態変数として観測されるモータ駆動装置の各部電圧に関するデータは、それぞれ、モータ駆動装置に入力される交流入力電圧、整流器とモータ電力供給用インバータとの間における直流リンク電圧、および、モータ駆動装置内に設けられた制御装置を駆動するために用いられる制御電圧を検出するのに適した箇所に設けられた各電圧センサ（電圧計）から取得される。
学習部１２は、状態変数によって構成されるデータセットに従って、電流フィードバック値に含まれるオフセット分を補正するのに用いられる電流フィードバックオフセット補正値、電流フィードバック値の相間不平衡を補正するのに用いられる電流フィードバック相間不平衡補正値、およびモータ駆動装置内に設けられたモータ電力供給用インバータの同一相内における上下各アームのスイッチング素子を同時にオンさせないスイッチング不感帯に起因する電流の減少分を補償するために電流指令を補正するのに用いられる不感帯用電流指令補正値を学習する。なお、訓練データセットを、複数のモータ駆動装置から取得してもよく、この場合、学習部１２は、複数のモータ駆動装置に対して取得される訓練データセットに従って、電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を学習する。
ここで、電流フィードバックオフセット補正値は、モータ電力供給用インバータから三相交流モータへ流れ込む電流として電流検出部により検出された電流フィードバック値に含まれるオフセットを補償するために用いられるものである。また、電流フィードバック相間不平衡補正値は、電流検出部により検出された電流フィードバック値の相間不平衡を除去するために用いられるものである。また、不感帯用電流指令補正値は、モータ電力供給用インバータの同一相内における上下各アームのスイッチング素子を同時にオンさせないスイッチング不感帯に起因する電流の減少分を補償するよう、電流指令を補正するのに用いられるものである。
図２は、本発明の実施例による機械学習方法の動作フローを示すフローチャートである。三相交流モータのモータ駆動装置における電流指令および電流フィードバック値に基づく電流制御における、電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を学習する機械学習方法は、状態観測ステップＳ１０１と、学習ステップＳ１０２とを備える。
状態観測ステップＳ１０１は、状態観測部１１により実行されるものであり、すなわち、三相交流モータに対するロータ位置指令と三相交流モータのロータ実位置との誤差に関するデータと、モータ駆動装置内の温度に関するデータと、三相交流モータの温度に関するデータと、モータ駆動装置の各部電圧に関するデータと、のうちの少なくとも１つから構成される状態変数を観測する。
学習ステップＳ１０２は、学習部１２によって実行されるものであり、すなわち、状態変数によって構成される訓練データセットに従って、電流フィードバック値に含まれるオフセット分を補正するのに用いられる電流フィードバックオフセット補正値、電流フィードバック値の相間不平衡を補正するのに用いられる電流フィードバック相間不平衡補正値、およびモータ駆動装置内に設けられたモータ電力供給用インバータの同一相内における上下各アームのスイッチング素子を同時にオンさせないスイッチング不感帯に起因する電流の減少分を補償するために電流指令を補正するのに用いられる不感帯用電流指令補正値を学習する。
機械学習装置１が用いるアルゴリズムはどのようなものを用いてもよい。機械学習装置１は、装置に入力されるデータの集合から、その中にある有用な規則や知識表現、判断基準などを解析により抽出し、その判断結果を出力するとともに、知識の学習を行う機能を有する。その手法は様々であるが、大別すれば「教師あり学習」、「教師なし学習」、「強化学習」に分けられる。さらに、これらの手法を実現するうえで、特徴量そのものの抽出を学習する、「深層学習（ディープラーニング：Ｄｅｅｐ Ｌｅａｒｎｉｎｇ）」と呼ばれる手法がある。なお、これらの機械学習（機械学習装置１）は、例えば、ＧＰＧＰＵ（Ｇｅｎｅｒａｌ−Ｐｕｒｐｏｓｅ ｃｏｍｐｕｔｉｎｇ ｏｎ Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔｓ）や大規模ＰＣクラスター等を適用することにより実現される。
以下、一例として、強化学習を用いた場合について図３および図４を参照して説明する。「教師あり学習」、「教師なし学習」等については、後述する。
図３は、本発明の実施例による、強化学習を用いた機械学習装置の原理ブロック図である。学習部１２は、報酬計算部２１と関数更新部２２とを備える。
報酬計算部２１は、三相交流モータに対するロータ位置指令と三相交流モータのロータ実位置との誤差に基づいて報酬を計算する。すなわち、報酬計算部２１は、ロータ位置指令とロータ実位置との誤差が小さいほど、設定された電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値による補正が好影響を及ぼしていると捉えて、高報酬を与える。例えば、報酬計算部２１は、三相交流モータに対するロータ位置指令と三相交流モータのロータ実位置との誤差が、現在の誤差よりも前に状態観測部１１により観測された誤差よりも、小さいときは報酬を増やし、大きいときは報酬を減らすようにすればよい。また例えば、報酬計算部２１は、三相交流モータに対するロータ位置指令と三相交流モータのロータ実位置との誤差が、規定範囲内であるときは報酬を増やし、規定範囲外であるときは報酬を減らすようにしてもよい。
また例えば、報酬計算部２１を、三相交流モータに対するロータ位置指令と三相交流モータのロータ実位置との誤差を高速フーリエ変換（ＦＦＴ）して得られた結果に基づいて報酬を計算するように構成してもよい。以下、高速フーリエ変換の結果に基づく報酬計算について説明する。ここでは、電流フィードバックオフセット補正値について説明するが、電流フィードバック相間不平衡補正値および不感帯用電流指令補正値についても同様に適用可能である。
ロータ位置指令とロータ実位置との誤差を高速フーリエ変換すると、得られた結果は、三相交流モータの回転周波数を基本波成分の倍数で表現される。この倍数成分を、本明細書では「回数成分」と称する。例えば、三相交流モータの回転周波数が１［Ｈｚ］（６０［ｒｐｍ］）である場合において、ロータ位置指令と三相交流モータのロータ実位置との誤差を高速フーリエ変換した結果、４［Ｈｚ］の成分が得られたとすると、この成分は「４回成分」と表現できる。なお、回数成分は基本波成分の倍数であることから、回数成分の周波数は、三相交流モータの回転周波数によって変化する。
例えば電流フィードバックオフセット補正値がある特定の回数成分を減少させる（換言すれば、誤差を減少させる）のに大きく関わっている場合において、電流フィードバックオフセット補正値を変化させたとき、当該特定の回数成分の誤差が発生したときの報酬を、これ以外の回数成分の誤差が発生したときの報酬よりも多く重み付けして与える。例えば、電流フィードバックオフセット補正値が４回成分を減少させるのに大きく関わっている場合、４回成分の報酬は１０倍、これ以外の回数成分の報酬は１倍といったように重み付けする。また例えば、電流フィードバックオフセット補正値が何回成分の誤差の減少に関わっているか分からないような場合においては、電流フィードバックオフセット補正値を複数回変化させて誤差の高速フーリエ変換後の結果を蓄積し、何回成分が減少するかについての傾向を把握した上でこれを報酬の重み付けの参考としてもよい。
関数更新部２２は、状態観測部１１によって観測された状態変数および報酬計算部２１によって計算された報酬に基づいて、電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を計算するための関数（行動価値テーブル）を更新する。関数（行動価値テーブル）の更新方法については後述する。なお、これら以外の構成要素については図１に示す構成要素と同様であるので、同一の構成要素には同一符号を付して当該構成要素についての詳細な説明は省略する。
また例えば、関数更新部２２を、報酬計算部２１によって計算された報酬および高速フーリエ変換されたロータ位置指令とロータ実位置との誤差に基づいて、電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を計算するための関数を更新するように構成してもよい。
学習部１２が、状態観測部１１で観測された状態変数を多層構造で演算し、関数（行動価値テーブル）をリアルタイムで更新してもよい。例えば、関数更新部２２は、状態観測部１１によって観測された状態変数および報酬計算部２１によって計算された報酬に基づいて、ニューラルネットワークモデルに従って、電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を計算するための関数を更新するようにしてもよい。ここで、状態変数を多層構造で演算する方法として、例えば、後述する図１０に示すような多層ニューラルネットワークを用いることができる。
図４は、本発明の実施例による、強化学習を用いた機械学習方法の動作フローを示すフローチャートである。
まず、状態観測ステップＳ１０１において、状態観測部１１は、三相交流モータに対するロータ位置指令と三相交流モータのロータ実位置との誤差に関するデータと、モータ駆動装置内の温度に関するデータと、三相交流モータの温度に関するデータと、モータ駆動装置の各部電圧に関するデータと、のうちの少なくとも１つから構成される状態変数を観測する。
次いで、報酬計算ステップＳ１０２−１において、報酬計算部２１は、三相交流モータに対するロータ位置指令と三相交流モータのロータ実位置との誤差に基づいて報酬を計算する。
次いで、関数更新ステップＳ１０２−２において、関数更新部２２は、状態観測部１１によって観測された状態変数および報酬計算部２１によって計算された報酬に基づいて、電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を計算するための関数（行動価値テーブル）を更新する。
続いて、上述の機械学習装置を備える補正値計算装置およびこの補正値計算装置を備えるモータ駆動装置について説明する。
図５は、本発明の実施例による、強化学習を適用した機械学習装置を備える補正値計算装置およびこの補正値計算装置を備えるモータ駆動装置を示す原理ブロック図である。ここでは、三相交流モータ１０４をモータ駆動装置１０００で制御する場合について説明する。
モータ駆動装置１０００は、その主回路構成として、整流器１０１と、モータ電力供給用インバータ１０２と、直流リンクコンデンサ１０５とを備える。モータ駆動装置１０００の交流入力側には三相の交流電源１０３が接続され、モータ駆動装置１０００の交流電動機側には三相交流モータ１０４が接続される。
整流器１０１は、交流電源１０３側から入力された交流入力電圧を整流して直流リンク側へ直流電圧を出力する。本発明では、用いられる整流器１０１の実施形態は特に限定されず、例えばダイオード整流器、あるいはＰＷＭ制御方式の整流回路などがある。
モータ電力供給用インバータ１０２は、直流リンクコンデンサ１０５が設けられた直流リンクに接続され、内部のスイッチング素子がオンオフ駆動されることで直流リンクにおける直流電圧を交流電圧に変換して三相交流モータ１０４へ交流電流を供給するものであるが、一般的には交直双方向に変換可能である電力変換器である。すなわち、モータ電力供給用インバータ１０２は、直流リンクの直流電力と三相交流モータ１０４の駆動電力もしくは回生電力である交流電力との間で双方向に電力変換することができるものであり、モータ制御部５２から受信した駆動指令に従い、直流電圧を交流電圧に変換する回生動作（逆変換動作）および交流電圧を直流電圧に変換する力行動作（順変換動作）のいずれかを行う。具体的には、モータ電力供給用インバータ１０２は、直流リンク側から供給される直流電力を、モータ制御部５２から受信した駆動指令に基づき内部のスイッチング素子をスイッチング動作させ、三相交流モータ１０４を駆動するための所望の電圧および所望の周波数の三相交流電力に変換する。これにより、三相交流モータ１０４は、供給された電圧可変および周波数可変の三相交流電力に基づいて動作することになる。また、三相交流モータ１０４の減速時には回生電力が発生するが、この場合はモータ制御部５２から受信した駆動指令に基づき、三相交流モータ１０４で発生した交流の回生電力を直流電力へ変換して直流リンクへ戻す。モータ電力供給用インバータ１０２は、例えばＰＷＭインバータなどのような、スイッチング素子およびこれに逆並列に接続されたダイオードの三相フルブリッジ回路からなる。
また、モータ駆動装置１０００は、その測定系として、電流検出部３１と、位置検出部３５と、誤差測定部３６と、モータ駆動装置内温度測定部３７と、モータ温度測定部３８と、電圧測定部４０とを備える。
電流検出部３１は、モータ電力供給用インバータ１０２から三相交流モータ１０４へ流れ込むＵＶＷ三相の実電流のうちに二相分（例えばＵ相実電流およびＶ相実電流）を検出し、これを電流フィードバック値として出力する。
位置検出部３５は、三相交流モータ１０４のロータ実位置を検出する。
誤差測定部３６は、モータ制御部５２から取得された三相交流モータに対するロータ位置指令と位置検出部３５により検出されたロータ実位置との誤差を測定する。
モータ駆動装置内温度測定部３７は、モータ駆動装置内の任意の箇所に設置される温度センサであり、モータ駆動装置１０００内の温度を測定する。モータ駆動装置内温度測定部３７は、複数の箇所に設置されて当該複数の箇所の温度を測定してもよい。
モータ温度測定部３８は、三相交流モータ１０４の近傍に設置される温度センサであり、三相交流モータ１０４の温度を測定する。
電圧検出部４０は、モータ駆動装置１０００の各部電圧を測定する。これら各部電圧には、モータ駆動装置１０００に入力される交流入力電圧、整流器１０１とモータ電力供給用インバータ１０２との間における直流リンク電圧、および、モータ駆動装置１０００内に設けられた電流制御部３９を含む制御装置（モータ制御部５２）を駆動するために用いられる制御電圧、のうち少なくとも１つが含まれる。なお、図示の例では、これら交流入力電圧、直流リンク電圧および制御電圧の全てを検出する場合について例示している。
また、モータ駆動装置１０００は、その制御系として、補正値計算装置５１とモータ制御部５２とを備える。
補正値計算装置５１は、機械学習装置１と、意思決定部１３とを備える。
補正値計算装置５１内の機械学習装置１は、状態観測部１１と学習部１２とを備える。
状態観測部１１は、誤差測定部３６から取得したロータ位置指令とロータ実位置との誤差に関するデータと、モータ駆動装置内温度測定部３７から取得したモータ駆動装置１０００内の温度に関するデータと、モータ温度測定部３８から取得した三相交流モータ１０４の温度に関するデータと、電圧検出部４０から取得したモータ駆動装置１０００の各部電圧に関するデータとから構成される状態変数を観測する。観測された状態変数は訓練データセットとして学習部１２における学習に用いられる。
学習部１２内の報酬計算部２１は、状態観測部１１により観測された状態変数のうちのロータ位置指令とロータ実位置との誤差に関するデータに基づいて、報酬を計算する。例えば、報酬計算部２１は、三相交流モータ１０４に対するロータ位置指令と三相交流モータ１０４のロータ実位置との誤差が、現在の誤差よりも前に状態観測部１１により観測された誤差よりも、小さいときは報酬を増やし、大きいときは報酬を減らす。また例えば、報酬計算部２１は、三相交流モータ１０４に対するロータ位置指令と三相交流モータ１０４のロータ実位置との誤差が、規定範囲内であるときは報酬を増やし、規定範囲外であるときは報酬を減らす。
学習部１２内の関数更新部２２は、状態観測部１１によって観測された状態変数および報酬計算部２１によって計算された報酬に基づいて、電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を計算するための関数（行動価値テーブル）を更新する。
補正値計算装置５１内の意思決定部１３は、学習部１２が訓練データセットに従って学習した結果に基づいて、現在の状態変数の入力に応答して、電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を決定する。本実施例では、一例として学習アルゴリズムとして強化学習を用いているので、学習部１２内の報酬計算部２１によって算出された報酬に基づいて学習部１２内の関数更新部２２は電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を変更するための関数を更新し、意思決定部１３は、更新された関数に基づき、報酬が最も多く得られる電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を選択する。なお、意思決定部１３は、報酬が最も多く得られる補正値として、電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値のうちの１つ、もしくは２つ、もしくはこれらすべてを選択するものであればよい。
モータ制御部５２は、電流フィードバックオフセット補正部３２と、電流フィードバック相間不平衡補正部３３と、不感帯用電流補正部３４と、電流制御部３９とを備える。
モータ制御部５２内の電流フィードバックオフセット補正部３２は、意思決定部１３により決定された電流フィードバックオフセット補正値を用いて、電流検出部３１により検出された電流フィードバック値に含まれるオフセット分を補正する。
モータ制御部５２内の電流フィードバック相間不平衡補正部３３は、意思決定部１３により決定された電流フィードバック相間不平衡補正値を用いて、電流検出部３１により検出された電流フィードバック値の相間不平衡を補正する。
モータ制御部５２内の不感帯用電流指令補正部３４は、意思決定部１３により決定された不感帯用電流指令補正値を用いて、スイッチング不感帯に起因する電流の減少分を補償するよう、電流指令を補正する。すなわち、当初の電流指令に不感帯用電流指令補正値が上乗せされる。
モータ駆動装置５２内の電流制御部３９は、補正後の電流指令と電流フィードバック値とが等しくなるよう、モータ電力供給用インバータ１０２のスイッチング素子のスイッチング動作を制御するための駆動指令（例えばＰＷＭ制御信号）を生成する。生成された駆動指令により、モータ電力供給用インバータ１０２は、内部のスイッチング素子がオンオフ駆動され、直流リンクにおける直流電圧を交流電圧に変換して三相交流モータ１０４へ交流電流を供給する。三相交流モータ１０４は、モータ電力供給用インバータ１０２から出力された交流電力を駆動電力として動作する。三相交流モータ１０４を駆動することで、例えば工作機械の可動部が駆動される。
なお、これら以外にもモータ制御部５２は、位置検出部３５により検出されたロータ実位置と位置指令作成部で作成された位置指令とに基づいて速度指令を作成する速度指令作成部と、三相交流モータ１０４に取り付けられた速度検出部により検出された三相交流モータ１０４のロータ速度に関する情報（速度フィードバック値）と速度指令作成部により作成された速度指令とに基づいて電流指令を作成する電流指令作成部とを備えるが、図５では図示を省略している。
図６は、本発明の実施例による、強化学習を適用した機械学習装置を備える補正値計算装置およびこの補正値計算装置を備えるモータ駆動装置の動作フローを示すフローチャートである。
一般に、強化学習では行動の初期値はランダムに選択される。本発明の実施例では、ステップＳ２０１において、行動である電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値をランダムに選択する。
ステップＳ２０２では、モータ制御部５２内の電流制御部３９は、設定された電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値に基づいて補正された電流フィードバック値および電流指令に基づいて電流制御を行い、三相交流モータ１０４の動作プログラム、モータ電力供給用インバータ１０２の三相交流モータ１０４側の交流電流もしくは交流電圧および／または三相交流モータ１０４の回転速度などを用いて、三相交流モータ１０４の速度、トルク、もしくは回転子の位置を制御するための駆動指令として、交流電力を直流電力に変換する力行動作（順変換動作）および直流電力を交流電力に変換する回生動作（逆変換動作）のいずれかをモータ電力供給用インバータ１０２に対し指令する。これにより三相交流モータ１０４は駆動することになる。この間、電流検出部３１は、モータ電力供給用インバータ１０２から三相交流モータ１０４へ流れ込むＵＶＷ三相の実電流のうちに二相分（例えばＵ相実電流およびＶ相実電流）を検出してこれを電流フィードバック値として出力し、位置検出部３５は、三相交流モータ１０４のロータ実位置を検出し、誤差測定部３６は、ロータ位置指令とロータ実位置との誤差を測定し、モータ駆動装置内温度測定部３７は、モータ駆動装置１０００内の温度を測定し、モータ温度測定部３８は、三相交流モータ１０４の温度を測定し、電圧検出部４０は、モータ駆動装置１０００の各部電圧（モータ駆動装置１０００に入力される交流入力電圧、整流器１０１とモータ電力供給用インバータ１０２との間における直流リンク電圧、および、モータ駆動装置１０００内に設けられた電流制御部３９を含むモータ制御部５２を駆動するために用いられる制御電圧）を検出する。
ステップＳ２０３において、状態観測部１１は、誤差測定部３６から取得したロータ位置指令とロータ実位置との誤差に関するデータと、モータ駆動装置内温度測定部３７から取得したモータ駆動装置１０００内の温度に関するデータと、モータ温度測定部３８から取得した三相交流モータ１０４の温度に関するデータと、電圧検出部４０から取得したモータ駆動装置１０００の各部電圧に関するデータとから構成される状態変数を観測する。
ステップＳ２０４では、状態観測部１１は、ロータ位置指令とロータ実位置との誤差に関するデータに基づき、当該誤差が、規定範囲内であるか否かを判別する。状態観測部１１によりロータ位置指令と三相交流モータ１０４のロータ実位置との誤差が規定範囲内であると判定されたときは、ステップＳ２０５において報酬計算部２１は報酬を増やす。一方、状態観測部１１によりロータ位置指令と三相交流モータ１０４のロータ実位置との誤差が規定範囲外であると判定されたときは、ステップＳ２０６において報酬計算部２１は報酬を減らす。なお、図６に示す例では、報酬計算部２１は、ロータ位置指令と三相交流モータ１０４のロータ実位置との誤差が、規定範囲内であるときは報酬を増やし、規定範囲外であるときは報酬を減らすとしたが、この代替例として、報酬計算部２１は、三相交流モータ１０４に対するロータ位置指令と三相交流モータ１０４のロータ実位置との誤差が、現在の誤差よりも前に状態観測部１１により観測された誤差よりも、小さいときは報酬を増やし、大きいときは報酬を減らすようにしてもよい。
ステップＳ２０７では、関数更新部２２は、状態観測部１１によって観測された状態変数および報酬計算部２１によって算出された報酬に基づいて、電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を変更するための関数を更新する。
続くステップＳ２０８では、意思決定部１３は、ステップＳ２０７において更新された関数に基づいて、報酬が最も多く得られる電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を選択する。その後、ステップＳ２０２へ戻り、これ以降、ステップＳ２０２〜Ｓ２０８の処理が繰り返し実行される。これにより、機械学習装置１は、三相交流モータ１０４に対するロータ位置指令とロータ実位置との誤差を容易に最小化することができる電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を学習していく。なお、訓練データセットを、複数のモータ駆動装置１０００から取得してもよく、この場合、学習部１２は、複数のモータ駆動装置１０００に対して取得される訓練データセットに従って、ステップＳ２０１〜Ｓ２０８の処理を繰り返し実行し、電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を学習していく。複数のモータ駆動装置１０００に対して訓練データセットが取得されると機械学習装置１の学習精度は向上する。
上述の実施例では、機械学習装置１は、ロータ位置指令とロータ実位置との誤差を最小化するすなわち送りの滑らかさを改善する電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を学習するものとして構成された。これら補正値のうち、不感帯用電流指令補正値は、モータ電力供給用インバータの同一相内における上下各アームのスイッチング素子を同時にオンさせないスイッチング不感帯に起因する電流の減少分を補償するよう、電流指令を補正するのに用いられるものである。上述の実施例の変形例として、上記不感帯用電流指令補正値に代えて、モータ駆動装置内に設けられたモータ電力供給用インバータの同一相内における上下各アームのスイッチング素子を同時にオンさせないスイッチング不感帯に対応する時間幅を補正するのに用いられる不感帯用時間幅補正値を機械学習装置１が学習するようにしてもよい。不感帯用時間幅補正値は、スイッチング不感帯に対応する時間幅を、調整するために用いられるものである。本変形例では、機械学習装置１は、スイッチング不感帯に対応する時間幅がゼロにならない範囲で可能な限り最小化する不感帯用時間幅補正値を学習する。
本変形例による機械学習装置１について、その構成を示すブロック図は上述の図１および図３に示したものと同様であり、その動作フローを示すフローチャートは上述の図２および図４に示したものと同様であるので、図示は省略する。
図７は、本発明の実施例の変形例による機械学習装置を備えるモータ駆動装置を示す原理ブロック図である。本変形例において、三相交流モータ１０４をモータ駆動装置１００１で制御する場合について説明する。
本変形例によるモータ駆動装置１００１は、その主回路構成として、整流器１０１と、モータ電力供給用インバータ１０２と、直流リンクコンデンサ１０５とを備える。モータ駆動装置１０００の交流入力側には三相の交流電源１０３が接続され、モータ駆動装置１０００の交流電動機側には三相交流モータ１０４が接続される。これら主回路構成に係る部分については、図５に示した実施例と同様であるので、説明は省略する。
また、本変形例によるモータ駆動装置１００１は、その測定系として、電流検出部３１と、位置検出部３５と、誤差測定部３６と、モータ駆動装置内温度測定部３７と、モータ温度測定部３８と、電圧測定部４０とを備える。これら測定系に係る部分については、図５に示した実施例と同様であるので、説明は省略する。
また、モータ駆動装置１００１は、その制御系として、補正値計算装置６１とモータ制御部５２とを備える。補正値計算装置６１は、機械学習装置１および意思決定部１５を備える。補正値計算装置６１内の機械学習装置１は、状態観測部１１と学習部１４とを備える。
状態観測部１１は、図５に示した実施例と同様であるので、説明は省略する。
学習部１４は、状態変数によって構成される訓練データセットに従って、電流フィードバック値に含まれるオフセット分を補正するのに用いられる電流フィードバックオフセット補正値、電流フィードバック値の相間不平衡を補正するのに用いられる電流フィードバック相間不平衡補正値、および、モータ駆動装置内に設けられたモータ電力供給用インバータ１０２の同一相内における上下各アームのスイッチング素子を同時にオンさせないスイッチング不感帯に対応する時間幅を補正するのに用いられる不感帯用時間幅補正値、を学習する。学習部１４は、報酬計算部２１および関数更新部２２を備えるが、これらは図５に示した実施例と同様であるので、説明は省略する。
補正値計算装置６１内の意思決定部１５は、学習部１２が訓練データセットに従って学習した結果に基づいて、現在の状態変数の入力に応答して、電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用時間幅補正値を決定する。学習アルゴリズムが強化学習である場合、学習部１４内の報酬計算部２１によって算出された報酬に基づいて学習部１４内の関数更新部２２は電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用時間幅補正値を変更するための関数を更新し、意思決定部１５は、更新された関数に基づき、報酬が最も多く得られる電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用時間幅補正値を選択する。なお、意思決定部１５は、報酬が最も多く得られる補正値として、電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用時間幅補正値のうちの１つ、もしくは２つ、もしくはこれらすべてを選択するものであればよい。
モータ制御部５２は、電流フィードバックオフセット補正部３２と、電流フィードバック相間不平衡補正部３３と、不感帯用時間幅補正部４１と、電流制御部３９とを備える。このうち、電流フィードバックオフセット補正部３２、電流フィードバック相間不平衡補正部３３、および電流制御部３９は、図５に示した実施例と同様であるので、説明は省略する。
モータ制御部５２内の不感帯用時間幅補正部４１は、不感帯用時間幅補正値を用いて、モータ電力供給用インバータ１０２の同一相内における上下各アームのスイッチング素子を同時にオンさせないスイッチング不感帯に対応する時間幅を補正する。
モータ駆動装置５２内の電流制御部３９は、補正後の電流指令と電流フィードバック値とが等しくなるよう、モータ電力供給用インバータ１０２のスイッチング素子のスイッチング動作を制御するための駆動指令（例えばＰＷＭ制御信号）を生成する。その際用いられるスイッチング不感帯は、その時間幅が不感帯用時間幅補正部４１により不感帯用時間幅補正値を用いて補正（調整）されたものとする。生成された駆動指令により、モータ電力供給用インバータ１０２は、内部のスイッチング素子がオンオフ駆動され、直流リンクにおける直流電圧を交流電圧に変換して三相交流モータ１０４へ交流電流を供給する。三相交流モータ１０４は、モータ電力供給用インバータ１０２から出力された交流電力を駆動電力として動作する。三相交流モータ１０４を駆動することで、例えば工作機械の可動部が駆動される。
なお、これら以外にもモータ制御部５２は、速度指令作成部および電流指令作成部を備えるが、図７では図示を省略している。
図８は、本発明の実施例の変形例による機械学習装置を備えるモータ駆動装置の動作フローを示すフローチャートである。
本変形例では、まずステップＳ３０１において、行動である電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用時間幅補正値をランダムに選択する。
ステップＳ３０２では、モータ制御部５２内の電流制御部３９は、設定された電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用時間幅補正値に基づいて補正された電流フィードバック値および電流指令に基づいて電流制御を行い、三相交流モータ１０４の動作プログラム、モータ電力供給用インバータ１０２の三相交流モータ１０４側の交流電流もしくは交流電圧および／または三相交流モータ１０４の回転速度などを用いて、三相交流モータ１０４の速度、トルク、もしくは回転子の位置を制御するための駆動指令として、交流電力を直流電力に変換する力行動作（順変換動作）および直流電力を交流電力に変換する回生動作（逆変換動作）のいずれかをモータ電力供給用インバータ１０２に対し指令する。これにより三相交流モータ１０４は駆動することになる。この間の電流検出部３１、位置検出部３５、誤差測定部３６、モータ駆動装置内温度測定部３７、モータ温度測定部３８は、および電圧検出部４０の動作は図６のステップＳ２０２に関連して説明した通りである。
ステップＳ３０３において、状態観測部１１は、誤差測定部３６から取得したロータ位置指令とロータ実位置との誤差に関するデータと、モータ駆動装置内温度測定部３７から取得したモータ駆動装置１０００内の温度に関するデータと、モータ温度測定部３８から取得した三相交流モータ１０４の温度に関するデータと、電圧検出部４０から取得したモータ駆動装置１０００の各部電圧に関するデータとから構成される状態変数を観測する。
ステップＳ３０４では、状態観測部１１は、ロータ位置指令とロータ実位置との誤差に関するデータに基づき、当該誤差が、規定範囲内であるか否かを判別する。状態観測部１１によりロータ位置指令と三相交流モータ１０４のロータ実位置との誤差が規定範囲内であると判定されたときは、ステップＳ３０５において報酬計算部２１は報酬を増やす。一方、状態観測部１１によりロータ位置指令と三相交流モータ１０４のロータ実位置との誤差が規定範囲外であると判定されたときは、ステップＳ３０６において報酬計算部２１は報酬を減らす。なお、図８に示す例では、報酬計算部２１は、ロータ位置指令と三相交流モータ１０４のロータ実位置との誤差が、規定範囲内であるときは報酬を増やし、規定範囲外であるときは報酬を減らすとしたが、この代替例として、報酬計算部２１は、三相交流モータ１０４に対するロータ位置指令と三相交流モータ１０４のロータ実位置との誤差が、現在の誤差よりも前に状態観測部１１により観測された誤差よりも、小さいときは報酬を増やし、大きいときは報酬を減らすようにしてもよい。
ステップＳ３０７では、関数更新部２２は、状態観測部１１によって観測された状態変数および報酬計算部２１によって算出された報酬に基づいて、電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用時間幅補正値を変更するための関数を更新する。
続くステップＳ３０８では、意思決定部１５は、ステップＳ３０７において更新された関数に基づいて、報酬が最も多く得られる電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用時間幅補正値を選択する。その後、ステップＳ３０２へ戻り、これ以降、ステップＳ３０２〜Ｓ３０８の処理が繰り返し実行される。これにより、機械学習装置１は、三相交流モータ１０４に対するロータ位置指令とロータ実位置との誤差を容易に最小化することができる電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用時間幅補正値を学習していく。なお、訓練データセットを、複数のモータ駆動装置１００１から取得してもよく、この場合、学習部１４は、複数のモータ駆動装置１００１に対して取得される訓練データセットに従って、ステップＳ３０１〜Ｓ３０８の処理を繰り返し実行し、電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用時間幅補正値を学習していく。複数のモータ駆動装置１００１に対して訓練データセットが取得されると機械学習装置１の学習精度は向上する。
次に、上述の実施例およびその変形例による機械学習装置１の学習アルゴリズムについて、より詳細に説明する。機械学習装置１は、装置に入力されるデータの集合から、その中にある有用な規則や知識表現、判断基準などを解析により抽出し、その判断結果を出力するとともに、知識の学習を行う機能を有する。上述のように、機械学習装置１の学習アルゴリズムとして、大別すると「教師あり学習」、「教師なし学習」、「強化学習」がある。さらに、これらの手法を実現するうえで、特徴量そのものの抽出を学習する、「深層学習」と呼ばれる手法がある。なお、これらの機械学習（機械学習装置１）は、例えば、ＧＰＧＰＵ（Ｇｅｎｅｒａｌ−Ｐｕｒｐｏｓｅ ｃｏｍｐｕｔｉｎｇ ｏｎ Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔｓ）や大規模ＰＣクラスター等を適用することにより実現される。
「教師あり学習」とは、ある入力と結果（ラベル）のデータの組を大量に機械学習装置１に与えることで、それらのデータセットにある特徴を学習し、入力から結果を推定するモデル、すなわち、その関係性を帰納的に獲得するものである。この教師あり学習を本実施形態に適用する場合、電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を計算する部分などに用いることができる。後述のニューラルネットワークなどのアルゴリズムを用いて実現することができる。
「教師なし学習」とは、入力データのみを大量に機械学習装置１に与えることで、入力データがどのような分布をしているか学習し、対応する教師出力データを与えなくても、入力データに対して圧縮、分類、整形などを行う装置を学習する手法である。例えば、それらのデータセットにある特徴を似たものどうしにクラスタリングすることなどができる。この結果を使って、何らかの基準を設けてそれを最適にするような出力の割り当てを行うことで、出力の予測を実現することできる。
また「教師なし学習」と「教師あり学習」との中間的な問題設定として、「半教師あり学習」と呼ばれるものもあり、これは一部のみ入力と出力のデータの組が存在し、それ以外は入力のみのデータである場合がこれに当たる。本実施形態においては、実際にモータ駆動装置を動作させなくても取得することができるデータ（例えばシミュレーションのデータ）を教師なし学習で利用し、学習を効率的に行うことができる。
まず、機械学習装置１の学習アルゴリズムを強化学習とした例について説明する。
強化学習の問題設定として、次のように考える。
・補正値計算装置は環境の状態を観測し、行動を決定する。
・環境は何らかの規則に従って変化し、さらに自分の行動が、環境に変化を与えることもある。
・行動するたびに報酬信号が帰ってくる。
・最大化したいのは将来にわたっての（割引）報酬の合計である。
・行動が引き起こす結果を全く知らない、または不完全にしか知らない状態から学習はスタートする。すなわち、補正値計算装置は実際に動作して初めて、その結果をデータとして得ることができる。つまり、試行錯誤しながら最適な行動を探索する必要がある。
・人間の動作を真似るように事前学習（前述の教師あり学習や、逆強化学習といった手法）した状態を初期状態として、良いスタート地点から学習をスタートさせることもできる。
ここで、「強化学習」とは、判定や分類だけではなく、行動を学習することにより、環境に行動が与える相互作用を踏まえて適切な行動を学習、即ち、将来的に得られる報酬を最大にするための学習する方法である。このことは、本実施形態において、ロータ位置指令とロータ実位置との誤差を最小化する（送りの滑らかさを最適化する）といった、未来に影響を及ぼすような行動を獲得できることを表している。例えばＱ学習の場合で説明を続けるが、それに限るものではない。
Ｑ学習は、ある環境状態ｓの下で、行動ａを選択する価値Ｑ（ｓ，ａ）を学習する方法である。つまり、ある状態ｓのとき、価値Ｑ（ｓ，ａ）の最も高い行動ａを最適な行動として選択すればよい。しかし、最初は状態ｓと行動ａとの組合せについて、価値Ｑ（ｓ，ａ）の正しい値は全く分かっていない。そこで、エージェント（行動主体）は、ある状態ｓの下で様々な行動ａを選択し、その時の行動ａに対して報酬が与えられる。それにより、エージェントはより良い行動の選択、すなわち正しい価値Ｑ（ｓ，ａ）を学習していく。
さらに、行動の結果、将来にわたって得られる報酬の合計を最大化したいので、最終的にＱ（ｓ，ａ）＝Ｅ［Σγtｒt］となるようにすることを目指す。ここで、期待値は、最適な行動に従って状態変化したときについてとるものとし、それは、それは分かっていないので、探索しながら学習することになる。そのような価値Ｑ（ｓ，ａ）の更新式は、例えば式１により表すことができる。
Figure 0006243385
上記の式１において、ｓtは時刻ｔにおける環境の状態を表し、ａtは時刻ｔにおける行動を表す。行動ａtにより、状態はｓt+1に変化する。ｒt+1は、その状態の変化により貰える報酬を表している。また、ｍａｘの付いた項は、状態ｓt+1の下で、その時に分かっている最もＱ値の高い行動ａを選択した場合のＱ値にγを乗じたものになる。γは、０＜γ≦１のパラメータで、割引率と呼ばれる。αは学習係数で、０＜α≦１の範囲とする。
式１は、試行ａtの結果帰ってきた報酬ｒt+1を元に、状態ｓtにおける行動ａtの評価値Ｑ（ｓt，ａt）を更新する方法を表している。状態ｓにおける行動ａの評価値Ｑ（ｓt，ａt）よりも、報酬ｒt+1＋行動ａによる次の状態における最良の行動ｍａｘ ａの評価値Ｑ（ｓt+1，ｍａｘ ａt+1）の方が大きければ、Ｑ（ｓt，ａt）を大きくするし、反対に小さければ、Ｑ（ｓt，ａt）も小さくする事を示している。つまり、ある状態におけるある行動の価値を、結果として即時帰ってくる報酬と、その行動による次の状態における最良の行動の価値に近づけるようにしている。
ここで、Ｑ（ｓ，ａ）の計算機上での表現方法は、すべての状態行動ペア（ｓ，ａ）に対して、その値をテーブル（行動価値テーブル）として保持しておく方法と、Ｑ（ｓ，ａ）を近似するような関数を用意する方法がある。後者の方法では、前述の更新式は、確率勾配降下法などの手法で近似関数のパラメータを調整していくことで実現することができる。近似関数としては、後述のニューラルネットワークを用いることができる。
また、教師あり学習、教師なし学習、および強化学習での価値関数の近似アルゴリズムとして、ニューラルネットワークを用いることができる。ニューラルネットワークは、たとえば図９に示すようなニューロンのモデルを模したニューラルネットワークを実現する演算装置およびメモリ等で構成される。図９は、ニューロンのモデルを示す模式図である。
図９に示すように、ニューロンは、複数の入力ｘ（図９では、一例として、入力ｘ1〜入力ｘ3）に対する出力ｙを出力するものである。各入力ｘ1〜ｘ3には、この入力ｘに対応する重みｗ（ｗ1〜ｗ3）が掛けられる。これにより、ニューロンは、式２により表現される出力ｙを出力する。なお、入力ｘ、出力ｙおよび重みｗは、すべてベクトルである。 また、下記の式２において、θはバイアスであり、ｆkは活性化関数である。
Figure 0006243385
次に、上述したニューロンを組み合わせた３層の重みを有するニューラルネットワークについて、図１０を参照して説明する。図１０は、Ｄ１〜Ｄ３の３層の重みを有するニューラルネットワークを示す模式図である。
図１０に示すように、ニューラルネットワークの左側から複数の入力ｘ（ここでは一例として、入力ｘ１〜入力ｘ３）が入力され、右側から結果ｙ（ここでは一例として、結果ｙ１〜結果ｙ３）が出力される。
具体的には、入力ｘ１〜入力ｘ３は、３つのニューロンＮ１１〜Ｎ１３の各々に対して対応する重みが掛けられて入力される。これらの入力に掛けられる重みはまとめてｗ１と標記されている。
ニューロンＮ１１〜Ｎ１３は、それぞれ、ｚ１１〜ｚ１３を出力する。図１０において、これらｚ１１〜ｚ１３はまとめて特徴ベクトルｚ１と標記され、入力ベクトルの特徴量を抽出したベクトルとみなすことができる。この特徴ベクトルｚ１は、重みｗ１と重みｗ２との間の特徴ベクトルである。ｚ１１〜ｚ１３は、２つのニューロンＮ２１、Ｎ２２の各々に対して対応する重みが掛けられて入力される。これらの特徴ベクトルに掛けられる重みは、まとめてｗ２と標記されている。
ニューロンＮ２１、Ｎ２２は、それぞれ、ｚ２１、ｚ２２を出力する。図１０において、これらｚ２１、ｚ２２は、まとめて特徴ベクトルｚ２と標記されている。この特徴ベクトルｚ２は、重みｗ２と重みｗ３との間の特徴ベクトルである。特徴ベクトルｚ２１、ｚ２２は、３つのニューロンＮ３１〜Ｎ３３の各々に対して対応する重みが掛けられて入力される。これらの特徴ベクトルに掛けられる重みは、まとめてｗ３と標記されている。
最後に、ニューロンＮ３１〜Ｎ３３は、それぞれ、結果ｙ１〜結果ｙ３を出力する。
ニューラルネットワークの動作には、学習モードと価値予測モードとがある。例えば、学習モードにおいて、学習データセットを用いて重みｗを学習し、そのパラメータを用いて予測モードにおいて補正値計算装置の行動判断を行う。なお、便宜上、予測と書いたが、検出、分類、推論など多様なタスクが可能なのはいうまでもない。
ここで、予測モードで実際に補正値計算装置を動かして得られたデータを即時学習し、次の行動に反映させる（オンライン学習）ことも、あらかじめ収集しておいたデータ群を用いてまとめた学習を行い、以降はずっとそのパラメータで検知モードを行う（バッチ学習）こともできる。あるいは、その中間的な、ある程度データが溜まるたびに学習モードを挟むということも可能である。
また、重みｗ１〜ｗ３は、誤差逆伝搬法（バックプロパゲーション：Ｂａｃｋｐｒｏｐａｇａｔｉｏｎ）により学習可能なものである。誤差の情報は、右側から入り左側に流れる。誤差逆伝搬法は、各ニューロンについて、入力ｘが入力されたときの出力ｙと真の出力ｙ（教師）との差分を小さくするように、それぞれの重みを調整（学習）する手法である。
このようなニューラルネットワークは、３層以上にさらに層を増やすことも可能である（深層学習と称される）。入力の特徴抽出を段階的に行い、結果を回帰する演算装置を、教師データのみから自動的に獲得することが可能である。
そこで、本実施形態の機械学習装置１は、上述のＱ学習を実施すべく、例えば図５に示すように状態観測部１１、学習部１２、および意思決定部１３を備えている。ただし、本発明に適用される機械学習方法は、Ｑ学習に限定されるものではないのは前述したとおりである。すなわち、機械学習装置で用いることが出来る手法である「教師あり学習」、「教師なし学習」、「半教師あり学習」および「強化学習」等といった様々な手法が適用可能である。なお、これらの機械学習（機械学習装置１）は、例えば、ＧＰＧＰＵや大規模ＰＣクラスター等を適用することで実現可能である。たとえば教師あり学習を適用する場合、価値関数は学習モデル、報酬は誤差に対応する。なお、この行動価値テーブルとして、前述のニューラルネットワークを用いて近似した関数を用いることも可能であり、これはｓおよびａの情報量が莫大であるときは特に有効である。
続いて、機械学習装置１の学習アルゴリズムを教師あり学習とした例について説明する。なお、ここでは、図５に示したロータ位置指令とロータ実位置との誤差を最小化するすなわち送りの滑らかさを改善する電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を学習する機械学習装置１について説明するが、図７に示したスイッチング不感帯に対応する時間幅がゼロにならない範囲で可能な限り最小化する不感帯用時間幅補正値を学習するについても同様に適用可能である。
図１１は、本発明の実施例による、教師あり学習を適用した機械学習装置を備える補正値計算装置およびこの補正値計算装置を備えるモータ駆動装置を示す原理ブロック図である。図１１と、上述した図５の比較から明らかなように、図１１に示す教師あり学習を適用した補正値計算装置およびこの補正値計算装置を備えるモータ駆動装置は、図５に示すＱ学習（強化学習）を適用した補正値計算装置およびこの補正値計算装置を備えるモータ駆動装置に対して、さらに、結果（ラベル）提供部４２を備える。また、図１１における機械学習装置１は、状態観測部１１、誤差計算部２３および学習モデル更新部２４を含む学習部１６、ならびに、意思決定部１７を備える。
図１１に示す教師あり学習を適用した機械学習装置を備える補正値計算装置およびこの補正値計算装置を備えるモータ駆動装置において、誤差計算部２３および学習モデル更新部２４は、それぞれ、図５に示すＱ学習を適用した補正値計算装置およびこの補正値計算装置を備えるモータ駆動装置における報酬計算部２１および関数更新部２２に対応する。ただし、誤差計算部２３には、結果提供部４２から結果（ラベル）が入力されるようになっている。なお、その他の構成は、上述した図５と同様であり、その説明は省略する。
結果提供部４２は、ラベル付きデータ（結果）を学習部１６の誤差計算部２３に提供（入力）し、誤差計算部２３は、状態観測部１１からの信号とともに、結果提供部４２からのラベル付きデータを受け取って誤差計算を行い、さらに、学習モデル更新部２４は、学習モデルの更新を行う。ここで、結果提供部４２は、例えば、モータ駆動装置１０００による処理が同一の場合には、例えば、モータ駆動装置１０００を駆動させる所定日の前日までに得られたラベル付きデータを保持し、その所定日に、結果提供部４２に保持されたラベル付きデータを誤差計算部２３に提供することができる。
あるいは、モータ駆動装置１０００の外部で行われたシミュレーション等により得られたデータ、または、他のモータ駆動装置のラベル付きデータを、メモリカードや通信回線により、そのモータ駆動装置１０００の誤差計算部２３に提供することも可能である。さらに、結果提供部４２をフラッシュメモリ（Ｆｌａｓｈ Ｍｅｍｏｒｙ）等の不揮発性メモリで構成し、結果提供部（不揮発性メモリ）４２を学習部１６に内蔵し、その結果提供部４２に保持されたラベル付きデータを、そのまま学習部１６で使用することもできる。
図１１に示すモータ駆動装置１０００内の補正値計算装置５１に備わる機械学習装置１の動作は、ロータ位置指令とロータの実位置との誤差を最小化する（送りの滑らかさを最適化する）電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を取得するために、例えば、誤差計算部２３が、結果提供部４２から入力された結果により、状態変数に起因する送りの滑らかさに基づいて誤差を計算し、学習モデル更新部２４における学習モデルを更新する。
なお、本発明における機械学習装置１としては、上述した強化学習（例えば、Ｑ学習）または教師あり学習を適用したものに限定されず、様々な機械学習のアルゴリズムを適用することが可能である。
なお、上述したモータ駆動装置１０００においては、機械学習装置１による学習処理の際に、モータ駆動装置１０００の動作状況としてモータ駆動装置１０００内の温度に関するデータ、三相交流モータ１０４の温度に関するデータ、およびモータ駆動装置１０００の各部電圧に関するデータが蓄積されていくので、これら蓄積データに基づいて、モータ駆動装置１０００の現状の動作状況から将来のモータ駆動装置１０００内の温度、三相交流モータ１０４の温度、あるいはモータ駆動装置１０００の各部電圧を予測計算する機能をさらに設けてもよい。
上述した状態観測部１１、学習部１２、１４、１６、および意思決定部１３、１５、１７は、例えばソフトウェアプログラム形式で構築されてもよく、あるいは各種電子回路とソフトウェアプログラムとの組み合わせで構築されてもよい。例えばこれらをソフトウェアプログラム形式で構築する場合は、モータ駆動装置１０００内にある演算処理装置をこのソフトウェアプログラムに従って動作させることで上述の各部の機能が実現される。またあるいは、状態観測部１１および学習部１２、１４、１６を備える機械学習装置１を、各部の機能を実現するソフトウェアプログラムを書き込んだ半導体集積回路として実現してもよい。またあるいは、状態観測部１１および学習部１２、１４、１６を備える機械学習装置１のみならず意思決定部１３、１５、１７も含めた形で、各部の機能を実現するソフトウェアプログラムを書き込んだ半導体集積回路を実現してもよい。
また、本発明による機械学習処理は、モータ駆動装置１０００が三相交流モータ１０４の駆動制御のために本来的に備える誤差測定部３６により取得されるロータ位置指令とロータ実位置との誤差に関するデータ、モータ駆動装置内温度測定部３７により測定されるモータ駆動装置１０００内の温度に関するデータ、モータ温度測定部３８により測定される三相交流モータ１０４の温度に関するデータ、および電圧検出部４０により検出されるモータ駆動装置１０００の各部電圧に関するデータを用いて実行されるので、従来技術のように新たなハードウェア装置を設ける必要がないことから、既存のモータ駆動装置にも後付けで適用することも可能である。この場合、機械学習装置１や意思決定部１３、１５、１７の各部の機能を実現するソフトウェアプログラムを書き込んだ半導体集積回路を当該既存のモータ駆動装置に組み込んだり、機械学習装置１や意思決定部１３、１５、１７の各部の機能を実現するソフトウェアプログラムそのものを当該既存のモータ駆動装置内の演算処理装置に追加的にインストールすればよい。また、あるモータ駆動装置に関して電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を学習した機械学習装置１を、これとは別のモータ駆動装置に取り付け、当該別のモータ駆動装置に関して電流フィードバックオフセット補正値、電流フィードバック相間不平衡補正値、および不感帯用電流指令補正値を再学習して更新するようにしてもよい。
１ 機械学習装置
１１ 状態観測部
１２、１４、１６ 学習部
１３、１５、１７ 意思決定部
２１ 報酬計算部
２２ 関数更新部
２３ 誤差計算部
２４ 学習モデル更新部
３１ 電流検出部
３２ 電流フィードバックオフセット補正部
３３ 電流フィードバック相間不平衡補正部
３４ 不感帯用電流補正部
３５ 位置検出部
３６ 誤差測定部
３７ モータ駆動装置内温度測定部
３８ モータ温度測定部
３９ 電流制御部
４０ 電圧測定部
４１ 不感帯用時間幅補正部
４２ 結果（ラベル）提供部
５１、６１ 補正値計算装置
５２ モータ制御部
１０１ 整流器
１０２ モータ電力供給用インバータ
１０３ 交流電源
１０４ 三相交流モータ
１０５ 直流リンクコンデンサ
１０００、１００１ モータ駆動装置

Claims (15)

  1. 三相交流モータのモータ駆動装置における電流指令および電流フィードバック値に基づく電流制御に関連付けられる補正値を学習する機械学習装置であって、
    前記モータ駆動装置による前記三相交流モータの駆動制御時における、前記三相交流モータに対するロータ位置指令と前記三相交流モータのロータ実位置との誤差に関するデータと、前記モータ駆動装置内の温度に関するデータと、前記三相交流モータの温度に関するデータと、前記モータ駆動装置の各部電圧に関するデータと、から構成される状態変数を観測する状態観測部と、
    前記状態観測部により観測された前記状態変数によって構成される訓練データセットに従って、前記電流フィードバック値に含まれるオフセット分を補正するのに用いられる電流フィードバックオフセット補正値、前記電流フィードバック値の相間不平衡を補正するのに用いられる電流フィードバック相間不平衡補正値、および、前記モータ駆動装置内に設けられたモータ電力供給用インバータの同一相内における上下各アームのスイッチング素子を同時にオンさせないスイッチング不感帯に起因する電流の減少分を補償するために電流指令を補正するのに用いられる不感帯用電流指令補正値、を同時に計算するための関数を学習する学習部と、
    を備えることを特徴とする機械学習装置。
  2. 前記各部電圧は、前記モータ駆動装置に入力される交流入力電圧、前記モータ駆動装置内に設けられた前記交流入力電圧を整流する整流器と前記モータ電力供給用インバータとの間における直流リンク電圧、および、前記モータ駆動装置内に設けられた制御装置を駆動するために用いられる制御電圧、のうち少なくとも１つを含む請求項１に記載の機械学習装置。
  3. 前記学習部は、
    前記三相交流モータに対するロータ位置指令と前記三相交流モータのロータ実位置との誤差に基づいて報酬を計算する報酬計算部と、
    前記状態変数および前記報酬に基づいて、前記電流フィードバックオフセット補正値、前記電流フィードバック相間不平衡補正値、および前記不感帯用電流指令補正値を計算するための関数を更新する関数更新部と、
    を備える請求項１または２に記載の機械学習装置。
  4. 前記報酬計算部は、前記三相交流モータに対するロータ位置指令と前記三相交流モータのロータ実位置との誤差が、現在の前記誤差よりも前に前記状態観測部により観測された誤差よりも、小さいときは報酬を増やし、大きいときは報酬を減らす請求項３に記載の機械学習装置。
  5. 前記報酬計算部は、前記三相交流モータに対するロータ位置指令と前記三相交流モータのロータ実位置との誤差が、規定範囲内であるときは報酬を増やし、前記規定範囲外であるときは報酬を減らす請求項３に記載の機械学習装置。
  6. 前記報酬計算部は、前記三相交流モータに対するロータ位置指令と前記三相交流モータのロータ実位置との誤差を高速フーリエ変換して得られた結果に基づいて報酬を計算する請求項３に記載の機械学習装置。
  7. 前記関数更新部は、前記報酬および高速フーリエ変換された前記ロータ位置指令と前記ロータ実位置との誤差に基づいて、前記電流フィードバックオフセット補正値、前記電流フィードバック相間不平衡補正値、および前記不感帯用電流指令補正値を計算するための関数を更新する請求項６に記載の機械学習装置。
  8. 前記関数更新部は、前記状態変数および前記報酬に基づいて、ニューラルネットワークモデルに従って、前記電流フィードバックオフセット補正値、前記電流フィードバック相間不平衡補正値、および前記不感帯用電流指令補正値を計算するための関数を更新する請求項３〜７のいずれか一項に記載の機械学習装置。
  9. 前記学習部は、複数のモータ駆動装置に対して取得される前記訓練データセットに従って、前記電流フィードバックオフセット補正値、前記電流フィードバック相間不平衡補正値、および前記不感帯用電流指令補正値を学習するように構成される請求項１〜８のいずれか一項に記載の機械学習装置。
  10. 請求項１〜９のいずれか一項に記載の機械学習装置を備えた、モータ駆動装置における電流制御のための補正値計算装置であって、
    前記学習部が前記訓練データセットに従って学習した結果に基づいて、現在の前記状態変数の入力に応答して、前記電流フィードバックオフセット補正値、前記電流フィードバック相間不平衡補正値、および前記不感帯用電流指令補正値を決定する意思決定部をさらに備えることを特徴とする補正値計算装置。
  11. 請求項１０に記載の補正値計算装置を備えた、モータ駆動装置であって、
    交流電源側から入力された交流入力電圧を整流して直流リンク側へ直流電圧を出力する整流器と、
    前記整流器と前記直流リンクを介して接続され、内部のスイッチング素子がオンオフ駆動されることで前記直流リンク側の直流電圧を交流電圧に変換して三相交流モータ側へ出力するモータ電力供給用インバータと、
    前記モータ電力供給用インバータから三相交流モータへ流れ込む電流を検出してこれを前記電流フィードバック値として出力する電流検出部と、
    前記電流フィードバックオフセット補正値を用いて、前記電流フィードバック値に含まれるオフセット分を補正する電流フィードバックオフセット補正部と、
    前記電流フィードバック相間不平衡補正値を用いて、前記電流フィードバック値の相間不平衡を補正する電流フィードバック相間不平衡補正部と、
    前記不感帯用電流指令補正値を用いて、前記モータ電力供給用インバータの同一相内における上下各アームの前記スイッチング素子を同時にオンさせないスイッチング不感帯に起因する電流の減少分を補償するように電流指令を補正する不感帯用電流指令補正部と、
    三相交流モータのロータ実位置を検出する位置検出部と、
    三相交流モータに対するロータ位置指令と前記ロータ実位置との誤差を測定する誤差測定部と、
    前記モータ駆動装置内の温度を測定するモータ駆動装置内温度測定部と、
    三相交流モータの温度を測定するモータ温度測定部と、
    電流指令と前記電流フィードバック値とが等しくなるよう、前記モータ電力供給用インバータの前記スイッチング素子のスイッチング動作を制御する電流制御部と、
    前記モータ駆動装置に入力される交流入力電圧、前記整流器と前記モータ電力供給用インバータとの間における直流リンク電圧、および、前記モータ駆動装置内に設けられた前記電流制御部を含む制御装置を駆動するために用いられる制御電圧、のうち少なくとも１つを検出する電圧検出部と、
    をさらに備えることを特徴とするモータ駆動装置。
  12. 三相交流モータのモータ駆動装置における電流指令および電流フィードバック値に基づく電流制御に関連付けられる補正値を学習する機械学習方法であって、
    前記モータ駆動装置による前記三相交流モータの駆動制御時における、前記三相交流モータに対するロータ位置指令と前記三相交流モータのロータ実位置との誤差に関するデータと、前記モータ駆動装置内の温度に関するデータと、前記三相交流モータの温度に関するデータと、前記モータ駆動装置の各部電圧に関するデータと、から構成される状態変数を観測する状態観測ステップと、
    前記状態観測ステップにおいて観測された前記状態変数によって構成される訓練データセットに従って、前記電流フィードバック値に含まれるオフセット分を補正するのに用いられる電流フィードバックオフセット補正値、前記電流フィードバック値の相間不平衡を補正するのに用いられる電流フィードバック相間不平衡補正値、および、前記モータ駆動装置内に設けられたモータ電力供給用インバータの同一相内における上下各アームのスイッチング素子を同時にオンさせないスイッチング不感帯に起因する電流の減少分を補償するために電流指令を補正するのに用いられる不感帯用電流指令補正値、を同時に計算するための関数を学習する学習ステップと、
    を備えることを特徴とする機械学習方法。
  13. 三相交流モータのモータ駆動装置における電流指令および電流フィードバック値に基づく電流制御に関連付けられる補正値を学習する機械学習装置であって、
    前記モータ駆動装置による前記三相交流モータの駆動制御時における、前記三相交流モータに対するロータ位置指令と前記三相交流モータのロータ実位置との誤差に関するデータと、前記モータ駆動装置内の温度に関するデータと、前記三相交流モータの温度に関するデータと、前記モータ駆動装置の各部電圧に関するデータと、から構成される状態変数を観測する状態観測部と、
    前記状態観測部により観測された前記状態変数によって構成される訓練データセットに従って、前記電流フィードバック値に含まれるオフセット分を補正するのに用いられる電流フィードバックオフセット補正値、前記電流フィードバック値の相間不平衡を補正するのに用いられる電流フィードバック相間不平衡補正値、および、前記モータ駆動装置内に設けられたモータ電力供給用インバータの同一相内における上下各アームのスイッチング素子を同時にオンさせないスイッチング不感帯に対応する時間幅を補正するのに用いられる不感帯用時間幅補正値、を同時に計算するための関数を学習する学習部と、
    を備えることを特徴とする機械学習装置。
  14. 前記各部電圧は、前記モータ駆動装置に入力される交流入力電圧、前記モータ駆動装置内に設けられた前記交流入力電圧を整流する整流器と前記モータ電力供給用インバータとの間における直流リンク電圧、および、前記モータ駆動装置内に設けられた制御装置を駆動するために用いられる制御電圧、のうち少なくとも１つを含む請求項１３に記載の機械学習装置。
  15. 請求項１４に記載の機械学習装置を備えた、モータ駆動装置であって、
    前記学習部が前記訓練データセットに従って学習した結果に基づいて、現在の前記状態変数の入力に応答して、前記電流フィードバックオフセット補正値、前記電流フィードバック相間不平衡補正値、および前記不感帯用時間幅補正値を決定する意思決定部と、
    交流電源側から入力された交流入力電圧を整流して直流リンク側へ直流電圧を出力する整流器と、
    前記整流器と前記直流リンクを介して接続され、内部のスイッチング素子がオンオフ駆動されることで前記直流リンク側の直流電圧を交流電圧に変換して三相交流モータ側へ出力するモータ電力供給用インバータと、
    前記モータ電力供給用インバータから三相交流モータへ流れ込む電流を検出してこれを前記電流フィードバック値として出力する電流検出部と、
    前記電流フィードバックオフセット補正値を用いて、前記電流フィードバック値に含まれるオフセット分を補正する電流フィードバックオフセット補正部と、
    前記電流フィードバック相間不平衡補正値を用いて、前記電流フィードバック値の相間不平衡を補正する電流フィードバック相間不平衡補正部と、
    前記不感帯用時間幅補正値を用いて、前記モータ電力供給用インバータの同一相内における上下各アームの前記スイッチング素子を同時にオンさせないスイッチング不感帯に対応する時間幅を補正する不感帯用時間幅補正部と、
    三相交流モータのロータ実位置を検出する位置検出部と、
    三相交流モータに対するロータ位置指令と前記ロータ実位置との誤差を測定する誤差測定部と、
    前記モータ駆動装置内の温度を測定するモータ駆動装置内温度測定部と、
    三相交流モータの温度を測定するモータ温度測定部と、
    電流指令と前記電流フィードバック値とが等しくなるよう、前記モータ電力供給用インバータの前記スイッチング素子のスイッチング動作を制御する電流制御部と、
    前記モータ駆動装置に入力される交流入力電圧、前記整流器と前記モータ電力供給用インバータとの間における直流リンク電圧、および、前記モータ駆動装置内に設けられた前記電流制御部を含む制御装置を駆動するために用いられる制御電圧、のうち少なくとも１つを検出する電圧検出部と、
    をさらに備えることを特徴とするモータ駆動装置。
JP2015205583A 2015-10-19 2015-10-19 モータ電流制御における補正値を学習する機械学習装置および方法ならびに該機械学習装置を備えた補正値計算装置およびモータ駆動装置 Active JP6243385B2 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2015205583A JP6243385B2 (ja) 2015-10-19 2015-10-19 モータ電流制御における補正値を学習する機械学習装置および方法ならびに該機械学習装置を備えた補正値計算装置およびモータ駆動装置
CN201610821920.9A CN106612088B (zh) 2015-10-19 2016-09-13 机械学习装置及方法、校正值计算装置及马达驱动装置
US15/290,253 US10090791B2 (en) 2015-10-19 2016-10-11 Machine learning apparatus and method for learning correction value in motor current control, correction value computation apparatus including machine learning apparatus and motor driving apparatus
DE102016012171.8A DE102016012171A1 (de) 2015-10-19 2016-10-12 Maschinelle Lernvorrichtung und Verfahren zum Lernen eines Korrekturwerts in einer Motorstromsteuerung, Korrekturwert-Berechnungsvorrichtung umfassend eine maschinelle Lernvorrichtung und Motorantriebsvorrichtung
US15/976,568 US10148211B2 (en) 2015-10-19 2018-05-10 Machine learning apparatus and method for learning correction value in motor current control, correction value computation apparatus including machine learning apparatus and motor driving apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2015205583A JP6243385B2 (ja) 2015-10-19 2015-10-19 モータ電流制御における補正値を学習する機械学習装置および方法ならびに該機械学習装置を備えた補正値計算装置およびモータ駆動装置

Publications (2)

Publication Number Publication Date
JP2017079514A JP2017079514A (ja) 2017-04-27
JP6243385B2 true JP6243385B2 (ja) 2017-12-06

Family

ID=58456642

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015205583A Active JP6243385B2 (ja) 2015-10-19 2015-10-19 モータ電流制御における補正値を学習する機械学習装置および方法ならびに該機械学習装置を備えた補正値計算装置およびモータ駆動装置

Country Status (4)

Country Link
US (2) US10090791B2 (ja)
JP (1) JP6243385B2 (ja)
CN (1) CN106612088B (ja)
DE (1) DE102016012171A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109309468A (zh) * 2018-05-02 2019-02-05 淄博智科电气科技有限公司 一种直线电机调速***及方法

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103066866B (zh) * 2012-12-20 2014-12-10 天津大学 基于模型预测控制的主动前端整流器滤波延迟补偿方法
JP2017175711A (ja) * 2016-03-22 2017-09-28 トヨタ自動車株式会社 自動車
JP6565841B2 (ja) * 2016-09-09 2019-08-28 株式会社デンソー シフトレンジ制御装置
JP6474456B2 (ja) 2017-05-16 2019-02-27 ファナック株式会社 機械学習装置、サーボ制御システム及び機械学習方法
JP6897360B2 (ja) * 2017-06-21 2021-06-30 オムロン株式会社 制御装置、制御プログラムおよび制御システム
JP6592039B2 (ja) 2017-07-04 2019-10-16 ファナック株式会社 熱変位補正装置
WO2019069649A1 (ja) * 2017-10-06 2019-04-11 キヤノン株式会社 制御装置、リソグラフィ装置、測定装置、加工装置、平坦化装置及び物品製造方法
JP7229686B2 (ja) * 2017-10-06 2023-02-28 キヤノン株式会社 制御装置、リソグラフィ装置、測定装置、加工装置、平坦化装置及び物品製造方法
CN109696910B (zh) * 2017-10-23 2022-04-15 深圳市优必选科技有限公司 一种舵机运动控制方法及装置、计算机可读存储介质
JP6734318B2 (ja) * 2018-03-23 2020-08-05 ファナック株式会社 駆動装置及び機械学習装置
JP6740278B2 (ja) * 2018-04-13 2020-08-12 ファナック株式会社 機械学習装置、制御装置、及び機械学習方法
JP6567205B1 (ja) * 2018-06-14 2019-08-28 三菱電機株式会社 機械学習装置、補正パラメータ調整装置および機械学習方法
JP6966978B2 (ja) 2018-06-22 2021-11-17 オークマ株式会社 工作機械用モータ駆動装置
US10631129B1 (en) 2018-10-01 2020-04-21 International Business Machines Corporation First responder feedback-based emergency response floor identification
US11361247B2 (en) 2018-10-01 2022-06-14 International Business Machines Corporation Spatial device clustering-based emergency response floor identification
AT521850A1 (de) * 2018-10-24 2020-05-15 Plasser & Theurer Export Von Bahnbaumaschinen Gmbh Gleisbaumaschine und Verfahren zum Unterstopfen von Schwellen eines Gleises
US11455234B2 (en) 2018-11-21 2022-09-27 Amazon Technologies, Inc. Robotics application development architecture
US11836577B2 (en) 2018-11-27 2023-12-05 Amazon Technologies, Inc. Reinforcement learning model training through simulation
EP3884432A1 (en) * 2018-11-21 2021-09-29 Amazon Technologies, Inc. Reinforcement learning model training through simulation
US11429762B2 (en) * 2018-11-27 2022-08-30 Amazon Technologies, Inc. Simulation orchestration for training reinforcement learning models
CN111245304B (zh) * 2018-11-29 2021-08-20 安徽美芝精密制造有限公司 补偿方法、补偿装置、电机和存储介质
CN111413030B (zh) * 2019-01-07 2021-10-29 哈尔滨工业大学 基于刚度矢量空间投影极大化的大型高速回转装备测量与神经网络学习调控方法及其装置
US11362614B2 (en) * 2019-03-18 2022-06-14 Mitsubishi Electric Corporation Power conversion apparatus, drive control system, machine learning apparatus, and motor monitoring method
WO2021106175A1 (ja) * 2019-11-29 2021-06-03 三菱電機株式会社 電力変換装置および機械学習装置
CN111024147A (zh) * 2019-12-26 2020-04-17 玳能科技(杭州)有限公司 基于CNNs的元件安装检测方法、装置、电子设备及存储介质
CN112737453B (zh) * 2020-12-09 2022-05-17 武汉船用电力推进装置研究所（中国船舶重工集团公司第七一二研究所） 一种变流器功率组件死区效应补偿方法
JP7409345B2 (ja) * 2021-03-31 2024-01-09 横河電機株式会社 学習処理装置、制御装置、学習処理方法、制御方法、学習プログラムおよび制御プログラム
DE102021124678A1 (de) * 2021-09-23 2023-03-23 Ebm-Papst Mulfingen Gmbh & Co. Kg Messanordnung
CN118117937A (zh) * 2024-04-29 2024-05-31 陕西立拓科源科技有限公司 一种电机转子位置检测方法及***

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3236449B2 (ja) 1994-08-04 2001-12-10 ファナック株式会社 Ａｃサーボモータの制御方法
JP4592155B2 (ja) * 2000-06-21 2010-12-01 東芝エレベータ株式会社 電動機制御装置
US7071649B2 (en) * 2001-08-17 2006-07-04 Delphi Technologies, Inc. Active temperature estimation for electric machines
CN101222205B (zh) * 2001-09-29 2011-09-28 大金工业株式会社 电动机控制方法及其装置
JP4370754B2 (ja) * 2002-04-02 2009-11-25 株式会社安川電機 交流電動機のセンサレス制御装置および制御方法
JP4581574B2 (ja) * 2004-09-08 2010-11-17 株式会社ジェイテクト モータ制御装置及び電動パワーステアリング装置
JP4472506B2 (ja) * 2004-12-15 2010-06-02 学校法人早稲田大学 情報処理システムおよび情報処理方法、並びにプログラム
CN101578584A (zh) * 2005-09-19 2009-11-11 克利夫兰州立大学 控制器、观测器及其应用
JP4749874B2 (ja) * 2006-01-30 2011-08-17 日立オートモティブシステムズ株式会社 電力変換装置及びそれを用いたモータ駆動装置
JP4074638B2 (ja) * 2006-01-31 2008-04-09 ファナック株式会社 電動機の制御装置
JP4858006B2 (ja) * 2006-08-23 2012-01-18 日本精工株式会社 電動パワーステアリング制御装置
US7960931B2 (en) * 2007-06-15 2011-06-14 Illinois Institute Of Technology Digital control of motor drives
JP5003589B2 (ja) * 2008-05-15 2012-08-15 トヨタ自動車株式会社 短絡相特定方法
JP5211869B2 (ja) * 2008-06-10 2013-06-12 トヨタ自動車株式会社 電動機制御装置およびオフセット判定方法並びにオフセット補正方法
US7791328B2 (en) * 2008-07-03 2010-09-07 Emerson Electric Co. Method and system for calibrating a motor control circuit to improve temperature measurement in an electrical motor
JP2010287028A (ja) * 2009-06-11 2010-12-24 Sony Corp 情報処理装置、情報処理方法、及び、プログラム
JP5343955B2 (ja) * 2009-12-25 2013-11-13 日本精工株式会社 モータ制御装置及びそれを搭載した電動パワーステアリング装置
JP5447315B2 (ja) * 2010-09-17 2014-03-19 株式会社デンソー 交流電動機制御装置
US8577820B2 (en) * 2011-03-04 2013-11-05 Tokyo Electron Limited Accurate and fast neural network training for library-based critical dimension (CD) metrology
JP5327277B2 (ja) * 2011-06-08 2013-10-30 日本精工株式会社 電動パワーステアリング装置の制御装置
JP5824918B2 (ja) * 2011-07-04 2015-12-02 日産自動車株式会社 インバータ制御装置及びインバータ制御方法
JP2013017363A (ja) * 2011-07-06 2013-01-24 Omron Automotive Electronics Co Ltd モータ制御装置
US8902616B2 (en) * 2011-10-13 2014-12-02 Rockwell Automation Technologies, Inc. Active front end power converter with diagnostic and failure prevention using peak detector with decay
JP5260719B2 (ja) * 2011-11-30 2013-08-14 ファナック株式会社 停電の有無を判定する停電判定部を有するモータ駆動装置
US20130281877A1 (en) * 2012-04-19 2013-10-24 Siemens Medical Solutions Usa, Inc Skin Temperature Control in Therapeutic Medical Ultrasound
JP6425393B2 (ja) * 2014-03-13 2018-11-21 国立大学法人静岡大学 予測システム、予測方法、および予測プログラム

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109309468A (zh) * 2018-05-02 2019-02-05 淄博智科电气科技有限公司 一种直线电机调速***及方法
CN109309468B (zh) * 2018-05-02 2021-02-12 淄博智科电气科技有限公司 一种直线电机调速***及方法

Also Published As

Publication number Publication date
DE102016012171A1 (de) 2017-04-20
US20170111000A1 (en) 2017-04-20
JP2017079514A (ja) 2017-04-27
US10090791B2 (en) 2018-10-02
US10148211B2 (en) 2018-12-04
CN106612088B (zh) 2018-10-26
US20180262145A1 (en) 2018-09-13
CN106612088A (zh) 2017-05-03

Similar Documents

Publication Publication Date Title
JP6243385B2 (ja) モータ電流制御における補正値を学習する機械学習装置および方法ならびに該機械学習装置を備えた補正値計算装置およびモータ駆動装置
JP6193961B2 (ja) 機械の送り軸の送りの滑らかさを最適化する機械学習装置および方法ならびに該機械学習装置を備えたモータ制御装置
JP6010204B1 (ja) パワー素子の予測寿命を学習する機械学習装置及び方法並びに該機械学習装置を備えた寿命予測装置及びモータ駆動装置
US10305413B2 (en) Machine learning device which learns current command for motor, motor controller, and machine learning method
US11275345B2 (en) Machine learning Method and machine learning device for learning fault conditions, and fault prediction device and fault prediction system including the machine learning device
Premkumar et al. Speed control of Brushless DC motor using bat algorithm optimized Adaptive Neuro-Fuzzy Inference System
JP6063016B1 (ja) 電動機に対する動作指令を学習する機械学習方法および機械学習装置並びに該機械学習装置を備えた工作機械
US10353351B2 (en) Machine learning system and motor control system having function of automatically adjusting parameter
JP6088604B1 (ja) 磁束制御部を有する電動機制御装置、ならびに機械学習装置およびその方法
JP6140225B2 (ja) 磁束制御器を有するモータ制御装置、ならびに機械学習装置およびその方法
US10061276B2 (en) Machine learning system and magnetizer for motor
JP6538573B2 (ja) 抵抗回生開始電圧および抵抗回生停止電圧の値を学習する機械学習器，モータ制御装置，モータ制御システムおよび機械学習方法
JPWO2020148925A1 (ja) 電力変換装置
US20220113724A1 (en) Information processing device, robot system, and information processing method
WO2020148925A1 (ja) 電力変換装置
US20240152105A1 (en) Operation adjustment system, operation adjustment method, and operation adjustment program
Mamchur et al. Development of the pidneurocontroller to compensate for the impact of damages and degradation of induction motor on operation of the electric drive system
CN117961899A (zh) 仿青蛙机器人的控制方法、装置、机器人及存储介质
Huang Self-tuned neuro-fuzzy controller based induction motor drive

Legal Events

Date Code Title Description
A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20170131

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170329

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20170613

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170727

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20171017

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20171109

R150 Certificate of patent or registration of utility model

Ref document number: 6243385

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150