JPWO2019116471A1 - 電力変換装置および空気調和機 - Google Patents

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。

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。

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。

国際公開第２０１６／０３５１８７号

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。

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。

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。

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。

実施の形態１にかかる電力変換装置の構成例を示す図 実施の形態１の圧縮機の構成例を示す図 実施の形態１のインバータの構成例を示す図 実施の形態１の演算部の構成例を示す図 実施の形態１の制御回路の構成例を示す図 実施の形態１の圧縮機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 実施の形態１の図６に示した電力変換装置から交流電力が供給される圧縮機の構成例を示す図 実施の形態１の図６に示した電力変換装置の演算部の構成例を示す図 実施の形態１の圧縮機が正常なときに、振動検出部により検出された振動レベルの一例を示す図 実施の形態１の圧縮機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、振動検出部により検出された振動レベルの一例を示す図 実施の形態１の故障度算出部の機能構成例を示す図 実施の形態１の中間部が有するニューロモデルの信号伝達を示す概略図 実施の形態１の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 実施の形態１の故障度に応じた対処を行った場合の電力変換装置の動作例を示す図 実施の形態２の空気調和機の構成例を示す図

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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、ΔＬ_ｉ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ΔＬ_ｉの総和となる。各パラメータのΔＬ_ｉ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。

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。

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。

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。

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。

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。

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。

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。

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ｘ_ｉ（ｉ＝１〜ｎ）とし、各入力信号に対する重み係数をｗ_ｉ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。

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ｆ_ｈ(x)は式（３）に示すようにステップ関数である。ｆ_ｈ(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。

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、ｆ_ｈ(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。

各ニューロンにおける重み係数ｗ_ｉ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ｗ_ｉ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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

Claims (10)

1. 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前記交流電力を印加する電力変換装置であって、
   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。
2. 前記故障度に基づいて前記インバータを制御する制御部、
   を備える請求項１に記載の電力変換装置。
3. 前記故障度は、前記圧縮機が正常である場合に最も値が小さくなり、前記圧縮機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、
   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。
4. 前記電力変換装置は、前記故障度が第１の閾値を超えた場合、または前記故障度が第２の閾値を超えた場合に、前記圧縮機の故障を検出したことをユーザへ報知する請求項３に記載の電力変換装置。
5. 前記圧縮機の状態を示す物理量の計測結果は、前記電動機に流れる電流、前記圧縮機の温度、前記圧縮機における振動の状態、および前記圧縮機における潤滑油の油面の高さのうちの少なくとも１つを含む請求項１から４のいずれか１つに記載の電力変換装置。
6. 前記圧縮機の状態を示す物理量の計測結果は、種類の異なる複数の物理量の計測結果である請求項１から５のいずれか１つに記載の電力変換装置。
7. 前記故障度算出部は、機械学習を用いて前記故障度を算出する請求項１から６のいずれか１つに記載の電力変換装置。
8. 前記機械学習は、教師有り学習である請求項７に記載の電力変換装置。
9. 前記機械学習への入力データは、時系列データまたは特定周波数の周波数成分データである請求項７または８に記載の電力変換装置。
10. 電動機を備える圧縮機と、
    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。

Images