JPWO2019116471A1 - Power converter and air conditioner - Google Patents
Power converter and air conditioner Download PDFInfo
- Publication number
- JPWO2019116471A1 JPWO2019116471A1 JP2019559469A JP2019559469A JPWO2019116471A1 JP WO2019116471 A1 JPWO2019116471 A1 JP WO2019116471A1 JP 2019559469 A JP2019559469 A JP 2019559469A JP 2019559469 A JP2019559469 A JP 2019559469A JP WO2019116471 A1 JPWO2019116471 A1 JP WO2019116471A1
- Authority
- JP
- Japan
- Prior art keywords
- failure
- compressor
- degree
- conversion device
- power
- 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.)
- Granted
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B49/00—Control, e.g. of pump delivery, or pump pressure of, or safety measures for, machines, pumps, or pumping installations, not otherwise provided for, or of interest apart from, groups F04B1/00 - F04B47/00
- F04B49/10—Other safety measures
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04C—ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT PUMPS
- F04C28/00—Control of, monitoring of, or safety arrangements for, pumps or pumping installations specially adapted for elastic fluids
- F04C28/28—Safety arrangements; Monitoring
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P29/00—Arrangements for regulating or controlling electric motors, appropriate for both AC and DC motors
- H02P29/02—Providing protection against overload without automatic interruption of supply
- H02P29/024—Detecting a fault condition, e.g. short circuit, locked rotor, open circuit or loss of load
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Ac Motors In General (AREA)
- Inverter Devices (AREA)
- Control Of Positive-Displacement Pumps (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
直流電力を交流電力に変換し、圧縮機(1)に搭載される電動機に交流電力を印加する電力変換装置(500)であって、直流電力を交流電力に変換するインバータ(3)と、圧縮機(1)の状態を示す物理量の計測結果に基づいて、圧縮機(1)の故障の度合いを示す故障度を算出する故障度算出部と、を備える。A power conversion device (500) that converts DC power into AC power and applies AC power to the electric motor mounted on the compressor (1). An inverter (3) that converts DC power to AC power, and compression. A failure degree calculation unit for calculating a failure degree indicating the degree of failure of the compressor (1) based on a measurement result of a physical quantity indicating the state of the machine (1) is provided.
Description
本発明は、圧縮機を駆動する電動機に電力を印加する電力変換装置、およびこの電力変換装置を備える空気調和機に関する。 The present invention relates to a power converter that applies electric power to an electric motor that drives a compressor, and an air conditioner including the electric power converter.
冷凍サイクル装置などにおいて、故障を診断する技術がある。例えば、特許文献1では、駆動部が停止している時の機器に関する第1状態値と、駆動部が起動した時の機器に関する第2状態値とに基づいて機器の異常を検出する異常検出装置が開示されている。
There is a technology for diagnosing failures in refrigeration cycle equipment and the like. For example, in
圧縮機では、故障の度合いによって異なる対処が望まれる場合もある。例えば、故障の度合いにより、圧縮機の電動機を停止させる、または圧縮機の電動機の運転周波数を変更するといった異なる対処が望まれる場合がある。しかしながら、特許文献1に記載の異常検出装置は、駆動部が起動した時の特定物理量と駆動部が停止した時の特定物理量との差異から異常判定を行っている。そのため、故障の有無を判定することしかできないという問題がある。
In the compressor, different measures may be desired depending on the degree of failure. For example, depending on the degree of failure, different measures such as stopping the compressor electric motor or changing the operating frequency of the compressor electric motor may be desired. However, the abnormality detection device described in
本発明は、上記に鑑みてなされたものであって、故障の度合いを判定することができる電力変換装置を得ることを目的とする。 The present invention has been made in view of the above, and an object of the present invention is to obtain a power conversion device capable of determining the degree of failure.
上述した課題を解決し、目的を達成するために、本発明にかかる電力変換装置は、直流電力を交流電力に変換し、圧縮機に搭載される電動機に交流電力を印加する電力変換装置であって、直流電力を交流電力に変換するインバータを備える。さらに、この電力変換装置は、圧縮機の状態を示す物理量の計測結果に基づいて、圧縮機の故障の度合いを示す故障度を算出する故障度算出部、を備える。 In order to solve the above-mentioned problems and achieve the object, the power conversion device according to the present invention is a power conversion device that converts DC power into AC power and applies AC power to an electric motor mounted on a compressor. It is equipped with an inverter that converts DC power to AC power. Further, this power conversion device includes a failure degree calculation unit that calculates a failure degree indicating the degree of failure of the compressor based on the measurement result of a physical quantity indicating the state of the compressor.
本発明にかかる電力変換装置は、故障の度合いを判定することができるという効果を奏する。 The power conversion device according to the present invention has an effect that the degree of failure can be determined.
以下に、本発明の実施の形態にかかる電力変換装置および空気調和機を図面に基づいて詳細に説明する。なお、この実施の形態によりこの発明が限定されるものではない。 The power conversion device and the air conditioner according to the embodiment of the present invention will be described in detail below with reference to the drawings. The present invention is not limited to this embodiment.
実施の形態1.
図1は、本発明の実施の形態1にかかる電力変換装置の構成例を示す図である。本実施の形態の電力変換装置500は、直流電源6から供給される直流電力を交流電力に変換し、交流電力を圧縮機1、詳細には圧縮機1内の後述する電動機へ印加する。本実施の形態の圧縮機1および電力変換装置500は、例えば、空気調和機、冷蔵庫といった、冷凍サイクルを用いる冷媒サイクル装置に用いられる。図1では、直流電源6、圧縮機1も電力変換装置500とともに図示している。図1に示すように、電力変換装置500は、インバータ3、電圧検出部7、電流検出素子8a,8b、電流検出部9a,9bおよび演算部21を備える。
FIG. 1 is a diagram showing a configuration example of a power conversion device according to a first embodiment of the present invention. The
電圧検出部7は、直流電源6からインバータ3へ印加される直流電力の電圧である直流電圧Vdcを計測し、計測した直流電圧Vdcを演算部21へ出力する。電流検出素子8a,8bは、インバータ3から圧縮機1へ印加される交流電力の電流であるモータ電流を検出し、検出した結果を電流検出部9a,9bへそれぞれ出力する。電流検出部9a,9bは、電流検出素子8a,8bにより検出された結果をそれぞれ増幅し、増幅した結果をU相およびW相にそれぞれ対応するモータ電流Iu,Iwとして演算部21へ出力する。
The
なお、ここでは、電動機2が三相電動機である例を説明するが、電動機2の相数は、これに限定されない。また、ここでは、電動機2の三相のうち二相のモータ電流を検出して残りの相の電流はモータ電流が三相平衡であることを利用して演算によって求める例を説明するが、電動機2の三相のモータ電流がそれぞれ検出されてもよい。また、モータ電流が三相平衡であることを利用して二相のモータ電流を検出する場合に、モータ電流を検出する相は上述したU相およびW相に限定されず、三相のうちの二相であればよい。
Although an example in which the
図2は、圧縮機1の構成例を示す図である。図2に示すように、圧縮機1は、電動機2、温度検出部13および油面計測部14を備える。電動機2は、U相巻線2a、V相巻線2bおよびW相巻線2cを備える。U相巻線2a、V相巻線2bおよびW相巻線2cは、それぞれ図示しないU相端子、V相端子、W相端子に接続される。
FIG. 2 is a diagram showing a configuration example of the
温度検出部13は、圧縮機1の温度を検出し、検出した温度を温度Thとして演算部21へ出力する。油面計測部14は、圧縮機1における潤滑油である冷凍機油の油面の高さを計測する。油面計測部14は、検出結果、すなわち圧縮機1における油面の高さOiを演算部21へ出力する。
The
インバータ3は、直流電源6から供給される直流電力を交流電力に変換し、交流電力を圧縮機1の電動機2へ印加する。図3は、インバータ3の構成例を示す図である。図3に示すように、インバータ3は、スイッチング素子対であるスイッチング素子4a,4dと、スイッチング素子対であるスイッチング素子4b,4eと、スイッチング素子対であるスイッチング素子4c,4fとを備える。スイッチング素子対を構成する2つのスイッチング素子は直列接続される。スイッチング素子4a〜4fには、それぞれ還流ダイオード5a〜5fが逆並列接続される。
The inverter 3 converts the DC power supplied from the DC power source 6 into AC power, and applies the AC power to the
スイッチング素子4aおよびスイッチング素子4d、スイッチング素子4bおよびスイッチング素子4e、スイッチング素子4cおよびスイッチング素子4fの各スイッチング素子対をそれぞれアームと呼ぶ。各アームは並列に接続される。インバータ3の各アームの中点は、電動機2の対応する相の相端子にそれぞれ接続される。スイッチング素子4aとスイッチング素子4dとの間の中点は電動機2のU相端子に接続され、スイッチング素子4bとスイッチング素子4eとの間の中点は電動機2のV相端子に接続され、スイッチング素子4cとスイッチング素子4fとの間の中点は電動機2のW相端子に接続される。
Each switching element pair of the
各スイッチング素子対において、直流電源6の正側端子に接続されるスイッチング素子であるスイッチング素子4a、スイッチング素子4bおよびスイッチング素子4cを上アームのスイッチング素子とも呼ぶ。各スイッチング素子対において、直流電源6の負側端子に接続されるスイッチング素子であるスイッチング素子4d、スイッチング素子4eおよびスイッチング素子4fを下アームのスイッチング素子とも呼ぶ。
In each switching element pair, the
図4は、演算部21の構成例を示す図である。図4に示すように、演算部21は、駆動信号生成部10、特徴量算出部11および故障度算出部12を備える。駆動信号生成部10は、電圧検出部7から入力される直流電圧Vdcと電流検出部9a,9bから入力されるモータ電流Iu,Iwとを用いて、インバータ3を制御するための駆動信号を生成し、駆動信号をインバータ3へ出力する。駆動信号は、具体的には、インバータ3のスイッチング素子4a〜4fをPWM(Pulse Width Modulation)制御するためのPWM信号である。駆動信号生成部10が、駆動信号を生成する方法は、どのような方法を用いてもよく、直流電圧Vdcとモータ電流とを用いてPWM信号を生成する一般的な方法を用いることができる。
FIG. 4 is a diagram showing a configuration example of the calculation unit 21. As shown in FIG. 4, the calculation unit 21 includes a drive
駆動信号生成部10は、各スイッチング素子に対応する6つのPWM信号Up,Vp,Wp,Un,Vn,Wnを生成して、インバータ3へ出力する。スイッチング素子4aには、U相の上アームのスイッチング素子用のPWM信号Upが入力され、スイッチング素子4bには、V相の上アームのスイッチング素子用のPWM信号Vpが入力され、スイッチング素子4cには、W相の上アームのスイッチング素子用のPWM信号Wpが入力される。スイッチング素子4dには、U相の下アームのスイッチング素子用のPWM信号Unが入力され、スイッチング素子4eには、V相の下アームのスイッチング素子用のPWM信号Vnが入力され、スイッチング素子4fには、W相の下アームのスイッチング素子用のPWM信号Wnが入力される。
The drive
特徴量算出部11は、モータ電流Iu,Iwを用いて、モータ電流Iu,Iwの特徴量Iaを算出する。特徴量については後述する。故障度算出部12は、温度Th、油面の高さOi等から、圧縮機1の動作不良または故障の程度を示す情報である故障度Judを算出する。
The feature
演算部21のハードウェア構成について説明する。演算部21は、処理回路により実現される。この処理回路は、専用のハードウェアである処理回路であってもよいし、プロセッサを備える制御回路であってもよい。また、複数の処理回路により構成されてもよい。専用のハードウェアである場合、処理回路は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ASIC(Application Specific Integrated Circuit)、FPGA(Field Programmable Gate Array)、またはこれらを組み合わせたものである。 The hardware configuration of the arithmetic unit 21 will be described. The calculation unit 21 is realized by a processing circuit. This processing circuit may be a processing circuit that is dedicated hardware, or may be a control circuit including a processor. Further, it may be composed of a plurality of processing circuits. In the case of dedicated hardware, the processing circuit may be, for example, a single circuit, a composite circuit, a programmed processor, a parallel programmed processor, an ASIC (Application Specific Integrated Circuit), an FPGA (Field Programmable Gate Array), or these. Is a combination of.
演算部21を実現する処理回路がプロセッサを備える制御回路で実現される場合、この制御回路は例えば図5に示す構成の制御回路100である。図5は、本実施の形態の制御回路100の構成例を示す図である。制御回路100は、プロセッサ101とメモリ102を備える。プロセッサ101は、CPU(Central Processing Unit、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、プロセッサ、DSP(Digital Signal Processor)ともいう)等である。メモリ102は、例えば、RAM(Random Access Memory)、ROM(Read Only Memory)、フラッシュメモリー、等の、不揮発性または揮発性の半導体メモリ等が該当する。
When the processing circuit that realizes the arithmetic unit 21 is realized by a control circuit including a processor, this control circuit is, for example, the
演算部21を実現する処理回路がプロセッサ101を備える制御回路100である場合、プロセッサ101が、メモリ102に記憶された、演算部21の処理が記述されたプログラムを読み出して実行することにより演算部21が実現される。また、メモリ102は、プロセッサ101が実施する各処理における一時メモリとしても使用される。
When the processing circuit that realizes the arithmetic unit 21 is the
次に、本実施の形態の動作について説明する。圧縮機1は、圧縮機1を備える機器への他機器の接続状況、圧縮機1を備える機器の環境条件によっては、圧縮機1の起動時などに、液化した冷媒が冷凍機油に溶け込んで溜まり込む状態、いわゆる冷媒の寝込みが生じることがある。液化した冷媒が冷凍機油に溶け込むと、冷凍機油の粘度が低下して圧縮機1の潤滑不良の要因となる。また、冷媒の経路内における冷媒の寝込みでは、冷凍機油も冷媒とともに溜ってしまうため、冷凍機油が不足することもある。したがって、演算部21は、油面計測部14により計測される油面の高さが、適正範囲を逸脱する場合に、異常な状態であると判定することができる。冷凍機油が不足した状態および冷凍機油の粘度が低下した状態をまとめて、潤滑不良とも称する。
Next, the operation of this embodiment will be described. In the
冷凍機油が不足した状態または冷凍機油の粘度が低下した状態で、圧縮機1が起動する場合、圧縮機1の駆動軸の摺動部に微少な傷が生じる。この状態を維持しながら運転した場合、しばらくは正常運転を継続するものの、摺動部の損傷は深まり機械摩擦が大きくなるにつれ圧縮機1の駆動軸にかかる負荷が大きくなっていく。この結果、圧縮機1の動作不良または故障が生じる場合がある。
When the
本実施の形態では、圧縮機1の動作不良または故障の程度を示す指標を故障度と称する。例えば、故障度をL(レベル:Level)1からL5までの5レベルで示すとしたとき、正常状態すなわち故障が無い状態をL1とし、L2からL5は動作不良または故障がある状態とし、Lの後ろの数値が増えるほど故障の度合いが高いとする。すなわち、故障度は、圧縮機1が正常である場合に最も値が小さくなり、圧縮機1の故障の度合いが高くなるにしたがって値が大きくなるように算出される。なお、故障度のレベル数はこの例に限定されない。故障度のレベル数は、例えば、正常を示すL0と、異常を示すL1との2段階であってもよい。すなわち、故障度算出部12は、最低限、正常であるか否か、すなわち故障があるか否かの2段階を判別できればよい。
In the present embodiment, an index indicating the malfunction or the degree of failure of the
例えば、圧縮機1の摺動部の損傷が駆動軸の一部に発生する場合、駆動軸の摩擦抵抗が大きくなるため電動機2にかかる負荷が大きくなる。具体的には、例えば、時間領域における特定区間において負荷が増加し、負荷が増大した結果、圧縮機1に流れる電流が増加する。駆動条件が同じで、かつ圧縮機1にかかる負荷の大きさが同じ条件下においては、圧縮機1に流れる電流すなわちモータ電流は概ね同一となる。これに対し、時間領域における特定区間でモータ電流が増加する、すなわちモータ電流が閾値を超える場合には、駆動軸の一部に損傷が生じている可能性が高い。損傷の有無の判定に用いるモータ電流としては、例えば、モータ電流Iuとモータ電流Iwとのうちのいずれか一方、またはモータ電流Iuとモータ電流Iwとを加算した値を用いる。
For example, when the sliding portion of the
特に、圧縮機1の駆動軸の特定部位の損傷は、モータ電流の周期的な変動となって現れる。すなわち、モータ電流から、圧縮機1の回転周波数の1次成分または回転周波数の特定次数成分、すなわち特定周波数の周波数成分データを抽出することで、正常状態と圧縮機1の駆動軸の特定部位に損傷が存在する異常状態とを識別可能である。したがって、本実施の形態では、特徴量算出部11が、例えば、モータ電流から圧縮機1の回転周波数の1次成分または回転周波数の特定次数成分を特徴量として抽出し、故障度算出部12へ出力する。故障度算出部12は、特徴量算出部11から入力された特徴量に基づいて故障度を算出する。故障度の算出方法については後述する。
In particular, damage to a specific portion of the drive shaft of the
上記の例では、モータ電流を用いて、圧縮機1の駆動軸の特定部位に損傷が存在する異常を判定する例を説明したが、駆動信号生成部10がベクトル制御により駆動信号を生成する場合には、モータ電流の替わりにベクトル制御で用いられる座標変換後のdq軸成分の電流を用いて、上述の特徴量および故障度の算出が行われてもよい。この場合、高次のノイズ成分の影響を除去することができる。
In the above example, an example of determining an abnormality in which a specific portion of the drive shaft of the
また、冷媒の寝込みが生じた場合、冷媒とともに冷凍機油が滞留しまうことにより、油面計測部14により計測される油面の高さが、適正範囲から逸脱することがある。したがって、故障度算出部12が、油面計測部14により計測される油面の高さOiがあらかじめ定められた適正範囲内であるか否かに基づいて、圧縮機1の故障度を算出することも可能である。圧縮機1の駆動軸の特定部位の損傷により摩擦抵抗が正常時より増加すると、圧縮機1の温度は正常時より上昇する。したがって、故障度算出部12が、温度検出部13により計測された温度Thに基づいて、圧縮機1の温度が閾値を超えるか否かに基づいて、故障度を算出することも可能である。
Further, when the refrigerant falls asleep, the refrigerating machine oil stays together with the refrigerant, so that the height of the oil level measured by the oil
また、圧縮機1の駆動軸の特定部位の損傷により摩擦抵抗が正常時より増加すると、圧縮機1の加振力が正常時より増加する。したがって、演算部21は、上述したモータ電流の替わりに、圧縮機1の振動状態、特に回転方向の成分を用いて、圧縮機1の駆動軸の特定部位の損傷を判別することもできる。
Further, when the frictional resistance increases from the normal state due to damage to a specific portion of the drive shaft of the
図6は、圧縮機1の振動状態の計測結果を用いる電力変換装置の構成例を示す図である。図6に示した電力変換装置500aは、図1に示した電力変換装置500の演算部21を演算部21aに替える以外は、実施の形態1の電力変換装置500と同様である。電力変換装置500aは、圧縮機1aに交流電力を印加する。
FIG. 6 is a diagram showing a configuration example of a power conversion device using the measurement result of the vibration state of the
図7は、図6に示した電力変換装置500aから交流電力が供給される圧縮機1aの構成例を示す図である。圧縮機1aは、図2に示した圧縮機1に振動検出部15を追加する以外は、図2に示した圧縮機1と同様である。
FIG. 7 is a diagram showing a configuration example of a
振動検出部15は、圧縮機1aの振動を検出する。振動検出部15は、振動に関わる物理量、具体的には加速度、速度、変位といった物理量を検出するセンサである。振動検出部15は、検出結果、すなわち圧縮機1aの振動の状態を示す物理量を振動情報Vibとして演算部21aへ出力する。振動検出部15としては、圧電素子を用いたセンサ、レーザを用いたセンサが例示されるが、これらに限らずどのようなセンサを用いてもよい。
The
図8は、図6に示した電力変換装置500aの演算部21aの構成例を示す図である。演算部21aは、故障度算出部12の替わりに故障度算出部12aを備える以外は、図4に示した演算部21と同様である。演算部21aのハードウェア構成は、演算部21と同様である。本実施の形態の故障度算出部12aは、図4に示した故障度算出部12と同様の機能を有するとともに、さらに、振動検出部15から入力される振動情報Vibから回転周波数の1次成分または回転周波数の特定次数成分といった特徴量を算出し、特徴量に基づいて故障度を算出する。図6に示した電力変換装置500aでは、モータ電流の替わりに、またはモータ電流を用いた故障判定に加えて、振動検出部15から入力される振動情報Vibに基づいて、圧縮機1aの駆動軸の特定部位の損傷により摩擦抵抗が正常時より増加する異常を検出する。
FIG. 8 is a diagram showing a configuration example of the
図9は、圧縮機1が正常なときに、振動検出部15により検出された振動レベルの一例を示す図である。図10は、圧縮機1aの駆動軸の特定部位の損傷により摩擦抵抗が正常時より増加している状態で、振動検出部15により検出された振動レベルの一例を示す図である。図9および図10において、縦軸は振動レベルを示し、横軸は時間を示す。振動レベルは、例えば、加速度である。電動機2の機械角の360度を1周期とするとき、図10に示した例では、1周期内の特定区間で振動が図9に示した例に比べて増加している。図9における区間200は、1周期内の位置が図10に示した区間201と同一であり、区間200と区間201を比較すると、区間201の方が、振動レベルが大きいことがわかる。
FIG. 9 is a diagram showing an example of the vibration level detected by the
このように、周期的に振動レベルが増加しているか否かは、振動レベルすなわち振動情報Vibに含まれる加速度などをフーリエ変換し、電動機2の機械角の1周期に対応する周波数すなわち回転周波数の1次成分または回転周波数の特定次数成分が閾値を超えるか否かにより判定することができる。
In this way, whether or not the vibration level is periodically increased is determined by Fourier transforming the vibration level, that is, the acceleration included in the vibration information Vib, and the frequency corresponding to one cycle of the mechanical angle of the
以上のように、図1に示した故障度算出部12は、モータ電流Iu,Iw、温度Th、油面の高さOiといったパラメータに基づいて故障度を算出する。また、図6に示した故障度算出部12aは、モータ電流Iu,Iw、温度Th、油面の高さOi、振動情報Vibといったパラメータに基づいて故障度を算出する。すなわち、故障度算出部12および故障度算出部12aは、モータ電流Iu,Iw、温度Th、振動情報Vib、油面の高さOiといったパラメータに基づいて故障を検出する故障検出部である。故障度算出部12が、故障の検出に用いるパラメータは、モータ電流Iu,Iw、温度Th、油面の高さOiなどのうちの1つ以上である。故障度算出部12aが、故障の検出に用いるパラメータは、モータ電流Iu,Iw、温度Th、振動情報Vib、油面の高さOiなどのうちの1つ以上である。種類の異なる複数の物理量の計測結果、すなわち2つ以上のパラメータを用いた場合には、故障時と正常時とで特定物理量の差異が小さい場合でも、誤検出を抑制することができる。例えば、故障度算出部12は、2つのパラメータを用いてそれぞれ故障判定を行い、2つのパラメータのうち少なくとも一方を用いた故障判定で、故障と判定された場合には、故障であると判定する。なお、故障度算出部12および故障度算出部12aが、故障の検出に用いるパラメータは、モータ電流Iu,Iw、温度Th、振動情報Vib、油面の高さOi以外のパラメータであってもよい。例えば、直流電圧Vdcがパラメータとして含まれていてもよい。これらのパラメータは、圧縮機1を備える機器に対する要求、圧縮機1を備える機器の設置条件等に応じて、適宜選択されればよい。
As described above, the failure
次に、本実施の形態の故障度について説明する。1つのパラメータに対して、複数の故障度が定められてもよいし、各パラメータを用いた故障判定で故障と判定されたパラメータの数に応じて故障度度合いが定められてもよい。前者の場合、例えば、特徴量に対して閾値を複数段階で設けておき、特徴量算出部11から入力された特徴量を、複数段階の閾値とそれぞれ比較することで、故障度を算出する。例えば、故障度算出部12は、モータ電流をフーリエ変換して得られる上述した特徴量が第1の閾値を超えかつ第2の閾値以下の場合L1とする。故障度算出部12は、モータ電流をフーリエ変換して得られる上述した特徴量が第2の閾値を超える場合L2とする。
Next, the degree of failure of the present embodiment will be described. A plurality of failure degrees may be determined for one parameter, or a failure degree may be determined according to the number of parameters determined to be failures in the failure determination using each parameter. In the former case, for example, a threshold value is set for the feature amount in a plurality of stages, and the feature amount input from the feature
後者の場合、すなわち故障と判定されたパラメータの数に応じて故障度度合いが定められる場合、各パラメータを用いた故障判定で故障と判定されたパラメータの数が1つの場合L2とし、各パラメータを用いた故障判定で故障と判定されたパラメータの数が2つの場合L3とするといったように、各レベルを定義しておく。または、パラメータごとに重みを付けて、レベルを定義してもよい。例えば、故障度算出部12aが算出する故障度をレベル(L)Nとし、パラメータごとに、レベル増加数が予め定められており、ΔLiをi番目のパラメータのレベル増加数とする。なお、レベル増加数とはそのパラメータを用いた故障判定で故障と判定された場合に、増加させるレベル数である。このとき、Nは、各パラメータを用いた故障判定で故障と判定されたパラメータに関するΔLiの総和となる。各パラメータのΔLiの値が、重みに相当することになる。パラメータの重要度に応じて重みが決定される。In the latter case, that is, when the degree of failure is determined according to the number of parameters determined to be failure, when the number of parameters determined to be failure in the failure determination using each parameter is one, L2 is set and each parameter is set. Each level is defined such that when the number of parameters determined to be a failure in the failure determination used is two, it is set to L3. Alternatively, the level may be defined by weighting each parameter. For example, the degree of failure calculated by the degree of
さらには、複数のパラメータを用いる場合には、故障度算出部12は、例えば、パラメータごとの重み係数を定めておき、各パラメータの適正範囲からの逸脱量に重み係数を乗じた値の総和に応じて、故障度を算出するようにしてもよい。
Further, when a plurality of parameters are used, the failure
本実施の形態では、故障度算出部12,12aは、圧縮機1,1aの状態を示す物理量の計測結果に基づいて、圧縮機1の故障の度合いを示す故障度を算出する。圧縮機1の状態を示す物理量の計測結果は、電動機2に流れる電流であるモータ電流Iu,Iw、圧縮機1の温度Th、圧縮機1における振動の状態を示す振動情報Vib、油面の高さOiといったパラメータを含む。故障度算出部12に入力されるデータは、モータ電流Iu,Iw、温度Th、振動情報Vib、油面の高さOiといった物理量の時系列データであってもよいし、時系列データをフーリエ変換して得られる特定周波数の周波数成分データであってもよい。
In the present embodiment, the failure
以上のように、故障度を定めておき、故障度を示すレベルごとに電力変換装置500が実施する動作を定めておくと、故障に対して適切な処理を行うことが可能となる。例えば、L2と判定されたときには、電力変換装置500は、図1では図示しない電力変換装置500の内部または外部の表示部に異常を知らせる情報を表示する。L3以上と判定されたときには、電力変換装置500は、図1では図示しない電力変換装置500の内部または外部の表示部に異常を知らせる情報を表示するとともに、インバータ3を停止させる。電力変換装置500aにおいても、故障度に応じた動作は、電力変換装置500と同様である。
As described above, if the degree of failure is determined and the operation to be performed by the
一方、上述したように、複数のパラメータを用いて、故障を判定する場合、パラメータごとに閾値を用いた判定を行うことになり、閾値の設定すなわち故障判別のルール化が煩雑となる。またパラメータごとに重要度すなわち重みも設定される必要がある。 On the other hand, as described above, when the failure is determined by using a plurality of parameters, the determination using the threshold value is performed for each parameter, and the setting of the threshold value, that is, the rule making of the failure determination becomes complicated. It is also necessary to set the importance, that is, the weight for each parameter.
そこで、本実施の形態では、故障度算出部12および故障度算出部12aは、機械学習システムを用いて、故障度を算出する。なお、以下では、故障度算出部12および故障度算出部12aが機械学習を用いて、故障度を算出する例を説明するが、故障度算出部12および故障度算出部12aにおける故障度算出方法は、この例に限定されない。また、以下では、故障度算出部12aを例に挙げて構成例を説明するが、故障度算出部12の構成および動作は、入力信号の数が異なるだけで、故障度算出部12aと同様である。
Therefore, in the present embodiment, the failure
図11は、故障度算出部12aの機能構成例を示す図である。故障度算出部12aは、ニューラルネットワークとも呼ばれる機械学習システムとしての機能を有し、機械学習システムにおける入力部23、中間部24および出力部25を有する。入力部23、中間部24および出力部25は、いわゆるニューロモデルにおける入力層、中間層および出力層にそれぞれ対応する。
FIG. 11 is a diagram showing a functional configuration example of the failure
入力部23は、モータ電流の特徴量Ia、振動情報Vib、油面の高さOi、温度Thが入力されると、入力された信号を中間部24の各ニューロンへそれぞれ出力する。中間部24は、複数のニューロンを有する。なお、ここでは、振動情報Vibがそのまま故障度算出部12aの入力となる例を示しているが、モータ電流と同様に振動情報から算出された特徴量が故障度算出部12aへ入力されてもよい。
When the feature amount Ia of the motor current, the vibration information Vib, the oil level height Oi, and the temperature Th are input, the
図12は、中間部24が有するニューロモデルの信号伝達を示す概略図である。中間部24へ入力された入力信号の数をnとし、i番目の入力信号をxi(i=1〜n)とし、各入力信号に対する重み係数をwiとすると、各ニューロンに入力される入力信号の総和は、以下の式(1)で表すことができる。FIG. 12 is a schematic view showing the signal transmission of the neuro model included in the
ここで、各ニューロンは、以下の式(2)に示すyが1になったときに、すなわち、入力信号の総和が閾値θを超えた時に、後段のニューロンへ1が出力される。なお、式(2)におけるfh(x)は式(3)に示すようにステップ関数である。fh(x)としては、ステップ関数の替わりにシグモイド関数などを用いてもよい。Here, each neuron outputs 1 to the subsequent neurons when y shown in the following equation (2) becomes 1, that is, when the sum of the input signals exceeds the threshold value θ. Note that f h (x) in equation (2) is a step function as shown in equation (3). As f h (x), a sigmoid function or the like may be used instead of the step function.
中間部24が1層の場合には、中間部24の各ニューロンからの出力は出力部25へ入力される。中間部24が2層以上の場合は、中間部24の各ニューロンからの出力信号は、次の層の各ニューロンに入力され、各層のニューロンによって同様の動作が行われる。そして、中間部24の最終の層から出力部25へ出力信号が出力される。出力部25は、中間部24から出力された出力信号を入力信号として、中間部24の各ニューロンと同様に、式(2)に従って出力信号を算出する。ただし、出力部25においては、fh(x)としては、シグモイド関数などが用いられる。出力部25から出力される結果が故障度Judとなる。When the
各ニューロンにおける重み係数wiは教師信号を用いた誤差逆伝搬法等により算出すれば良い。すなわち、故障度算出部12aが用いる機械学習として教師有り学習を用いる。正常な状態での運転、様々な条件の異常な状態での運転をそれぞれ行いこの状態で所望の故障度となるように教師信号が設定される。これにより、重み係数wiが定められる。例えば、L1を出力部25の出力値0.1に対応させ、L2を出力部25の出力値0.2に対応させ、L3を出力部25の出力値0.4に対応させ、L4を出力部25の出力値0.6に対応させ、L5を出力部25の出力値0.9に対応させる。そして、同様に正常な状態で運転した場合に、出力部25の出力値0.1に対応させるように教師信号を設定し、L5の状態を出力部25の出力値0.9に対応させるように教師信号を設定するといったように、教師信号を設定する。なお、各レベルに対応させる出力部25の出力値はこの例に限定されない。Weight coefficient w i for each neuron may be calculated by the backpropagation method using the teacher signal. That is, supervised learning is used as the machine learning used by the failure
図13は、人為的に故障の状態を生成した場合に教師信号として設定される故障度を示す模式図である。図13に示した例では、故障度の算出に用いられるパラメータを、モータ電流の特徴量、圧縮機1の温度、油面高さの3つを用いる例を示している。運転条件を調整することにより人為的に故障状態を模擬する。故障状態は、時間とともに変化するため、故障状態に応じて各パラメータも変化していく。
FIG. 13 is a schematic diagram showing the degree of failure set as a teacher signal when a failure state is artificially generated. In the example shown in FIG. 13, three parameters used for calculating the degree of failure are the feature amount of the motor current, the temperature of the
時刻T0から運転が開始され、この時点では圧縮機1は正常である。したがって、時刻T0に対応する教師信号は、L0に対応する0に設定される。
The operation is started from time T0, and the
時刻T1では、モータ電流の特徴量はI1であり、温度情報が示す圧縮機1の温度はTh1であり、油面高さはOi1である。時刻T1では、正常状態である。したがって、時刻T1に対応する教師信号は、L1に対応する0.1に設定される。
At time T1, the feature amount of the motor current is I1, the temperature of the
時刻T2以降では、徐々に圧縮機1の駆動軸の損傷が進んでいく。時刻T3では、モータ電流の特徴量が正常範囲から逸脱し、なんらかの対策が必要な状態となる。時刻T3に対応する教師信号は、L3に対応する0.4に設定される。時刻T4では、モータ電流の特徴量および圧縮機1の温度が正常範囲から逸脱する。時刻T4に対応する教師信号は、L4に対応する0.6に設定される。
After time T2, the drive shaft of the
時刻T5では、モータ電流の特徴量、圧縮機1の温度および油面高さの全てが正常範囲から逸脱する。時刻T5に対応する教師信号は、最大の故障度であるL5に対応する0.9に設定される。以上のように、各条件の教師信号を環境条件、運転条件毎に設定して故障度算出部12aの機械学習システムに学習させる。これにより、重み係数が設定される。
At time T5, the feature amount of the motor current, the temperature of the
重み係数が設定されると、設定された重み係数を使用して、実際の運転において、故障度算出部12aが故障診断を行うことが可能となる。故障度算出部12aにより故障度が算出された後の電力変換装置500aの動作の一例としては、例えば、故障度が閾値を超えた場合、インバータ3の動作を停止させる、電動機2の運転周波数を正常時より下げる。具体的には、制御部である駆動信号生成部10が、故障度に基づいてインバータ3を制御する。または、電力変換装置500aは、故障度に応じて、圧縮機1の故障を検出したことをユーザへ報知することも考えられる。ユーザへの報知の方法は、ブザーなどの音声により報知する方法であってもよいし、図示しない表示部に表示することによって報知する方法であってもよい。
When the weighting coefficient is set, the failure
例えば、駆動信号生成部10は、故障度が第1の閾値を超えた場合に電動機2の運転周波数を正常時の運転周波数より低下させ、故障度が第1の閾値より大きい第2の閾値を超えた場合に電動機2を停止させるようにインバータ3を制御する。また、電力変換装置500aは、故障度が第1の閾値を超えた場合、または故障度が第2の閾値を超えた場合に、圧縮機1aの故障を検出したことをユーザへ報知する。
For example, the drive
図14は、故障度に応じた対処を行った場合の電力変換装置500aの動作例を示す図である。図14に示した例では、電力変換装置500aは、故障度がL3以上の場合には、電動機2の運転周波数を正常時の運転周波数fm1から低下させ、故障度がL4以上の場合には、インバータ3の動作を停止させるすなわちインバータ3からのPWM信号の出力を禁止する。具体的には、例えば、故障度算出部12aから出力される故障度が駆動信号生成部10に入力され、駆動信号生成部10が、故障度がL3以上の場合には電動機2の運転周波数を正常時の運転周波数fm1から低下させるように、駆動信号を生成する。また、駆動信号生成部10が、故障度がL4以上の場合には、駆動信号をインバータ3へ出力しない。電力変換装置500における故障度に対応した動作も、電力変換装置500aにおける故障度に対応した動作と同様である。
FIG. 14 is a diagram showing an operation example of the
以上のように、本実施の形態の電力変換装置500,500aでは、故障の度合いを故障度として数値化しているため、緊急度が高い故障であるか軽微な動作不良であるか等の情報をユーザに提示することも可能である。また、故障度に応じて対応を定めておくことで、故障度が高い場合にはインバータ3を停止させるといった対応を速やかに実施することができる。
As described above, in the
また、本実施の形態では、圧縮機1の故障診断に複数のパラメータを用いるようにした。このため、故障時と正常時とで特定物理量の差異が小さいパラメータがあった場合に該パラメータにより故障が検出できない場合でも、他のパラメータにより故障と判断することができるため誤診断を抑制することができる。したがって、誤診断を抑制した安定した制御を実現でき、製品の品質向上を図ることが可能となる。
Further, in the present embodiment, a plurality of parameters are used for the failure diagnosis of the
また、本実施の形態の電力変換装置500,500aは、機械学習システムを用いて故障診断を行うことで、複数のパラメータを用いた故障診断のための閾値等の設定が煩雑にならない。このため、閾値等の設定のための作業の手間を抑止して、故障診断を実施することが可能である。
Further, in the
実施の形態2.
図15は、本発明の実施の形態2の空気調和機の構成例を示す図である。本実施の形態の空気調和機501は、実施の形態1で述べた圧縮機1および電力変換装置500を備える。本実施の形態の空気調和機501は、実施の形態1で述べた電動機2を搭載した圧縮機1、四方弁82、室外熱交換器83、膨張弁84、室内熱交換器85が冷媒配管86を介して取り付けられた冷凍サイクルすなわち冷凍サイクル装置を有して、セパレート形空気調和機を構成している。電動機2には、電力変換装置500から交流電力が供給される。
FIG. 15 is a diagram showing a configuration example of the air conditioner according to the second embodiment of the present invention. The
圧縮機1内部には冷媒を圧縮する圧縮機構87とこれを動作させる電動機2が設けられ、圧縮機1から室外熱交換器83と室内熱交換器85間を冷媒が循環することで冷暖房などを行う冷凍サイクルが構成されている。なお、図15に示した構成は、空気調和機だけでなく、冷蔵庫、冷凍庫等の冷凍サイクルを備える機器に適用可能である。
A
また、上述した実施の形態では、空気調和機501が、圧縮機1と電力変換装置500を備える例を説明したが、空気調和機501は、これらの替わりに圧縮機1aと電力変換装置500aを備えてもよい。以上のように、実施の形態1の電力変換装置500,500aは、空気調和機をはじめとした機器に搭載可能である。
Further, in the above-described embodiment, the example in which the
以上の実施の形態に示した構成は、本発明の内容の一例を示すものであり、別の公知の技術と組み合わせることも可能であるし、本発明の要旨を逸脱しない範囲で、構成の一部を省略、変更することも可能である。 The configuration shown in the above-described embodiment shows an example of the content of the present invention, can be combined with another known technique, and is one of the configurations without departing from the gist of the present invention. It is also possible to omit or change the part.
1,1a 圧縮機、2 電動機、3 インバータ、6 直流電源、7 電圧検出部、8a,8b 電流検出素子、9a,9b 電流検出部、10 駆動信号生成部、11 特徴量算出部、12,12a 故障度算出部、13 温度検出部、14 油面計測部、21,21a 演算部、23 入力部、24 中間部、25 出力部、500,500a 電力変換装置。 1,1a Compressor, 2 Electric motor, 3 Inverter, 6 DC power supply, 7 Voltage detector, 8a, 8b Current detector, 9a, 9b Current detector, 10 Drive signal generator, 11 Feature calculation unit, 12, 12a Failure degree calculation unit, 13 temperature detection unit, 14 oil level measurement unit, 21,21a calculation unit, 23 input unit, 24 intermediate unit, 25 output unit, 500,500a power conversion device.
上述した課題を解決し、目的を達成するために、本発明にかかる電力変換装置は、直流電力を交流電力に変換し、圧縮機に搭載される電動機に交流電力を印加する電力変換装置であって、直流電力を交流電力に変換するインバータを備える。さらに、この電力変換装置は、圧縮機の状態を示す物理量の特定周波数の周波数成分データに基づいて、圧縮機の故障の度合いを示す故障度を算出する故障度算出部、を備える。 In order to solve the above-mentioned problems and achieve the object, the power conversion device according to the present invention is a power conversion device that converts DC power into AC power and applies AC power to an electric motor mounted on a compressor. It is equipped with an inverter that converts DC power to AC power. Further, this power conversion device includes a failure degree calculation unit that calculates a failure degree indicating the degree of failure of the compressor based on frequency component data of a specific frequency of a physical quantity indicating the state of the compressor.
Claims (10)
前記直流電力を前記交流電力に変換するインバータと、
前記圧縮機の状態を示す物理量の計測結果に基づいて、前記圧縮機の故障の度合いを示す故障度を算出する故障度算出部と、
を備える電力変換装置。A power conversion device that converts DC power into AC power and applies the AC power to the electric motor mounted on the compressor.
An inverter that converts the DC power into the AC power,
A failure degree calculation unit that calculates the failure degree indicating the degree of failure of the compressor based on the measurement result of the physical quantity indicating the state of the compressor, and
A power converter equipped with.
を備える請求項1に記載の電力変換装置。A control unit that controls the inverter based on the degree of failure,
The power conversion device according to claim 1.
前記制御部は、前記故障度が第1の閾値を超えた場合に前記電動機の運転周波数を正常時の運転周波数より低下させ、前記故障度が前記第1の閾値より大きい第2の閾値を超えた場合に前記電動機を停止させるようにインバータを制御する請求項2に記載の電力変換装置。The degree of failure is calculated so that the value becomes the smallest when the compressor is normal, and the value increases as the degree of failure of the compressor increases.
When the degree of failure exceeds the first threshold value, the control unit lowers the operating frequency of the electric motor from the normal operating frequency, and the degree of failure exceeds a second threshold value larger than the first threshold value. The power conversion device according to claim 2, wherein the inverter is controlled so as to stop the electric motor in such a case.
前記電動機に交流電力を印加する請求項1から9のいずれか1つに記載の電力変換装置と、
を備える空気調和機。A compressor equipped with an electric motor and
The power conversion device according to any one of claims 1 to 9, which applies AC power to the electric motor.
Air conditioner equipped with.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/044782 WO2019116471A1 (en) | 2017-12-13 | 2017-12-13 | Power conversion device and air conditioning machine |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019116471A1 true JPWO2019116471A1 (en) | 2020-11-19 |
JP7049363B2 JP7049363B2 (en) | 2022-04-06 |
Family
ID=66819056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019559469A Active JP7049363B2 (en) | 2017-12-13 | 2017-12-13 | Power converter and air conditioner |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP7049363B2 (en) |
CN (1) | CN111448752B (en) |
WO (1) | WO2019116471A1 (en) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110454946B (en) * | 2019-08-13 | 2021-04-06 | 江苏群达智能科技有限公司 | Fan speed regulation method for universal variable frequency air conditioner control panel |
CN115380469A (en) * | 2020-04-03 | 2022-11-22 | 罗姆股份有限公司 | Motor control unit and motor device |
JP7445533B2 (en) | 2020-06-15 | 2024-03-07 | 日立グローバルライフソリューションズ株式会社 | Abnormality detection equipment, programs and electrical equipment systems |
JP2022174864A (en) * | 2021-05-12 | 2022-11-25 | 三菱重工サーマルシステムズ株式会社 | Electric compressor control device, electric compressor and electric compressor control method |
US11988421B2 (en) | 2021-05-20 | 2024-05-21 | Carrier Corporation | Heat exchanger for power electronics |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0392593A (en) * | 1989-09-04 | 1991-04-17 | Daikin Ind Ltd | Sealed compressor |
WO2004070402A1 (en) * | 2003-02-07 | 2004-08-19 | Atec Co., Ltd. | Harmonic diagnosing method for electric facility |
JP2007113874A (en) * | 2005-10-21 | 2007-05-10 | Daikin Ind Ltd | Freezer for trailer |
US20080059000A1 (en) * | 2006-09-06 | 2008-03-06 | George Michael Hornick | Energy source monitoring and control system |
JP2008068359A (en) * | 2006-09-14 | 2008-03-27 | Hitachi Koki Co Ltd | Fastener driving machine |
JP2009299934A (en) * | 2008-06-10 | 2009-12-24 | Samsung Electronics Co Ltd | Failure diagnosing device using refrigerating cycle device |
JP2013108681A (en) * | 2011-11-21 | 2013-06-06 | Daikin Industries Ltd | Air conditioning system |
JP2015131530A (en) * | 2014-01-10 | 2015-07-23 | トヨタ自動車株式会社 | hybrid vehicle |
EP3054307A1 (en) * | 2015-01-23 | 2016-08-10 | Rolls-Royce plc | Stator fault detection and diagnosis |
WO2017122292A1 (en) * | 2016-01-13 | 2017-07-20 | 三菱電機株式会社 | Operating state classification device |
JP6173530B1 (en) * | 2016-06-07 | 2017-08-02 | 三菱電機株式会社 | Air conditioner failure sign detection device |
JP2017142153A (en) * | 2016-02-10 | 2017-08-17 | セイコーエプソン株式会社 | Life prediction method, life prediction device, and life prediction system |
JP2017188030A (en) * | 2016-04-08 | 2017-10-12 | ファナック株式会社 | Machine learning device for learning failure prediction of main axis or motor driving main axis and machine learning method, and failure prediction device having machine learning device and failure prediction system |
JP2017215832A (en) * | 2016-06-01 | 2017-12-07 | 株式会社神戸製鋼所 | Diagnosis device for diagnosing operational state of rotary machine, and diagnosis method |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9109517B2 (en) * | 2011-03-14 | 2015-08-18 | General Electric Company | Condition monitoring of mechanical drive train coupled with electrical machines |
WO2017141411A1 (en) * | 2016-02-19 | 2017-08-24 | 株式会社日立製作所 | Motor control system |
-
2017
- 2017-12-13 JP JP2019559469A patent/JP7049363B2/en active Active
- 2017-12-13 WO PCT/JP2017/044782 patent/WO2019116471A1/en active Application Filing
- 2017-12-13 CN CN201780097518.3A patent/CN111448752B/en active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0392593A (en) * | 1989-09-04 | 1991-04-17 | Daikin Ind Ltd | Sealed compressor |
WO2004070402A1 (en) * | 2003-02-07 | 2004-08-19 | Atec Co., Ltd. | Harmonic diagnosing method for electric facility |
JP2007113874A (en) * | 2005-10-21 | 2007-05-10 | Daikin Ind Ltd | Freezer for trailer |
US20080059000A1 (en) * | 2006-09-06 | 2008-03-06 | George Michael Hornick | Energy source monitoring and control system |
JP2008068359A (en) * | 2006-09-14 | 2008-03-27 | Hitachi Koki Co Ltd | Fastener driving machine |
JP2009299934A (en) * | 2008-06-10 | 2009-12-24 | Samsung Electronics Co Ltd | Failure diagnosing device using refrigerating cycle device |
JP2013108681A (en) * | 2011-11-21 | 2013-06-06 | Daikin Industries Ltd | Air conditioning system |
JP2015131530A (en) * | 2014-01-10 | 2015-07-23 | トヨタ自動車株式会社 | hybrid vehicle |
EP3054307A1 (en) * | 2015-01-23 | 2016-08-10 | Rolls-Royce plc | Stator fault detection and diagnosis |
WO2017122292A1 (en) * | 2016-01-13 | 2017-07-20 | 三菱電機株式会社 | Operating state classification device |
JP2017142153A (en) * | 2016-02-10 | 2017-08-17 | セイコーエプソン株式会社 | Life prediction method, life prediction device, and life prediction system |
JP2017188030A (en) * | 2016-04-08 | 2017-10-12 | ファナック株式会社 | Machine learning device for learning failure prediction of main axis or motor driving main axis and machine learning method, and failure prediction device having machine learning device and failure prediction system |
JP2017215832A (en) * | 2016-06-01 | 2017-12-07 | 株式会社神戸製鋼所 | Diagnosis device for diagnosing operational state of rotary machine, and diagnosis method |
JP6173530B1 (en) * | 2016-06-07 | 2017-08-02 | 三菱電機株式会社 | Air conditioner failure sign detection device |
Also Published As
Publication number | Publication date |
---|---|
WO2019116471A1 (en) | 2019-06-20 |
CN111448752A (en) | 2020-07-24 |
JP7049363B2 (en) | 2022-04-06 |
CN111448752B (en) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7049363B2 (en) | Power converter and air conditioner | |
CN113589163B (en) | Induction machine condition monitoring using machine learning | |
US20210018016A1 (en) | Deep learning-based cooling system temperature prediction apparatus according to physical causality and method therefor | |
JP6118019B2 (en) | System and method for monitoring the health of a synchronous machine | |
KR102376883B1 (en) | Diagnostic device for electric motors | |
JP2005251185A (en) | Electric equipment diagnostic system | |
KR102294575B1 (en) | Sensor fault diagnosis system for converter | |
CN102874660B (en) | Elevator control device | |
CN104838148B (en) | Failure prediction in slewing | |
KR20130039765A (en) | Motor control device and method for controlling motor control device | |
US10469019B2 (en) | Motor control system, motor control apparatus, method for controlling motor, and state estimator | |
Abramov et al. | Diagnostics of electrical drives | |
Orłowska-Kowalska et al. | Fault-diagnosis and fault-tolerant-control in industrial processes and electrical drives | |
JP2017175871A (en) | Vehicle travel control device and vehicle travel device | |
KR20190014074A (en) | Diagnostic equipment of motors | |
Lee et al. | Performance estimation of induction motor using artificial neural network | |
Badihi et al. | Active fault tolerant control in a wind farm with decreased power generation due to blade erosion/debris build-up | |
WO2021095142A1 (en) | Failure prediction device, learning device, and learning method | |
US11133773B2 (en) | Electronic device, control system for power conversion device, machine learning device, and method of controlling cooling fan | |
Godoy et al. | An application of artificial neural networks and PCA for stator fault diagnosis in inverter-fed induction motors | |
CN105322863A (en) | Motor drive device | |
Badihi et al. | Model-based active fault-tolerant cooperative control in an offshore wind farm | |
WO2022079796A1 (en) | Failure diagnosis device, learning device, learning method, and failure diagnosis system | |
Kołodziejek et al. | Broken rotor symptoms in the sensorless control of induction machine | |
US20200091841A1 (en) | Use of motor flux linkage maps for monitoring the health of an actuator |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200403 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200403 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210316 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210517 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210907 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211028 |
|
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: 20220308 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220325 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7049363 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |