JP6762276B2 - Movement locus forming device, abnormality diagnosis system, movement locus forming method and program - Google Patents

Description

Translated fromJapanese

本発明は、移動軌跡成形装置、異常診断システム、移動軌跡成形方法及びプログラムに関する。 The present invention relates to a moving locus forming apparatus, an abnormality diagnosis system, a moving locus forming method and a program.

負荷を駆動させるモータの制御系（モータ制御システム）の設計において制御性能を向上させるためにはフィードバック制御では限界があり、指令信号に対する応答特性が高いフィードフォワード制御を行う必要がある。また、フィードフォワード制御を実現するためには、制御システム側が、制御対象（即ち、モータ及び負荷を有する機械系）を模したモデルの逆モデルを持つ必要があるが、このフィードフォワード制御用のモデルと実際の制御対象の特性との間に誤差があると、制御性能の向上は図れない。 In order to improve the control performance in the design of the control system (motor control system) of the motor that drives the load, there is a limit to the feedback control, and it is necessary to perform feedforward control having high response characteristics to the command signal. Further, in order to realize feedforward control, the control system side needs to have an inverse model of a model that imitates a controlled object (that is, a mechanical system having a motor and a load), and this model for feedforward control If there is an error between the characteristics of the actual controlled object and the characteristics of the actual controlled object, the control performance cannot be improved.

したがって、制御性能の高いフィードフォワード制御を実現するためには、制御対象を正確に模したモデルを得る必要がある。ここで、当該モデルをなすモデルパラメータである制御対象全体の慣性モーメントＪ、粘性係数Ｄ及びクーロン摩擦係数τ_ｆは、制御対象全体を一慣性系モデルとして模した場合に、所定のエラーシステムによって算出される誤差信号とその内部信号とに基づいて同定することが可能である。Therefore, in order to realize feed-forward control with high control performance, it is necessary to obtain a model that accurately imitates the controlled object. Here, the moment of inertia J, the viscosity coefficient D, and the Coulomb friction coefficient τ_f of the entire controlled object, which are the model parameters forming the model, are calculated by a predetermined error system when the entire controlled object is imitated as an inertial system model. It is possible to identify based on the error signal to be generated and its internal signal.

また、特許文献１では、モデルパラメータの推定手段として、変位−変形量の位相面図（ロストモーション補正モデル）から、剛性と飽和時の摩擦の大きさを推定し、ロストモーション補正量を算出する方法が開示されている。
また、特許文献２では、取り付け時の測定、力測定器測定による力と変位の関係の測定結果から、各モデルパラメータを求め、ロストモーション補正のタイミングに使用する方法が開示されている。Further, inPatent Document 1, as a means for estimating model parameters, the rigidity and the magnitude of friction at saturation are estimated from the phase view of the displacement-deformation amount (lost motion correction model), and the lost motion correction amount is calculated. The method is disclosed.
Further,Patent Document 2 discloses a method of obtaining each model parameter from the measurement results at the time of mounting and the measurement result of the relationship between the force and the displacement by the force measuring instrument measurement and using it for the timing of the lost motion correction.

特開平８−１５２９１０号公報Japanese Unexamined Patent Publication No. 8-152910特開２００２−０２３８５２号公報Japanese Unexamined Patent Publication No. 2002-023852

また、上述の制御対象（モータ及び負荷を有する機械系）の異常診断やヘルスモニタリングを行う目的で、当該制御対象の機械特性を表す複数種類のパラメータの時系列を組み合わせて分析することが想定される。このような多次元のパラメータセットの時系列データである移動軌跡データを精度良く分析できるようにするために、上記移動軌跡データを適切に成形する手法の確立が望まれている。 In addition, for the purpose of performing abnormality diagnosis and health monitoring of the above-mentioned controlled object (motor and mechanical system having load), it is assumed that time series of a plurality of types of parameters representing the mechanical characteristics of the controlled object are combined and analyzed. To. In order to enable accurate analysis of movement locus data, which is time-series data of such a multidimensional parameter set, it is desired to establish a method for appropriately molding the movement locus data.

本発明の目的は、上記課題に鑑みてなされたものであって、多次元のパラメータセットの時系列データからなる移動軌跡データを適切に成形できる移動軌跡成形装置、異常診断システム、移動軌跡成形方法及びプログラムを提供することにある。 An object of the present invention has been made in view of the above problems, and is a movement locus forming apparatus, an abnormality diagnosis system, and a movement locus forming method capable of appropriately forming movement locus data composed of time-series data of a multidimensional parameter set. And to provide the program.

本発明の第１の態様によれば、移動軌跡成形装置は、多次元のパラメータセットの時系列データである移動軌跡データを取得する移動軌跡データ取得部と、予め規定された平滑化フィルタを適用して前記移動軌跡データを平滑化する平滑化処理部と、を備える。前記平滑化フィルタは、前記パラメータセットどうしの時間の差が大きくなるにつれて平滑化の影響度が小さくなる重み付けを規定する第１の重み付け関数と、前記パラメータセットどうしの多次元空間内の位置が離れるにつれて平滑化の影響度が小さくなる重み付けを規定する第２の重み付け関数と、の積からなる。 According to the first aspect of the present invention, the moving locus forming apparatus applies a moving locus data acquisition unit that acquires moving locus data which is time series data of a multidimensional parameter set, and a predetermined smoothing filter. A smoothing processing unit for smoothing the movement locus data is provided. In the smoothing filter, the position of the parameter sets in the multidimensional space is separated from the first weighting function that defines the weighting that the influence of smoothing decreases as the time difference between the parameter sets increases. It consists of a product of a second weighting function that defines a weighting that decreases the degree of influence of smoothing.

また、本発明の第２の態様によれば、前記第１の重み付け関数及び前記第２の重み付け関数は、ガウス分布関数である。 Further, according to the second aspect of the present invention, the first weighting function and the second weighting function are Gaussian distribution functions.

また、本発明の第３の態様によれば、上述の移動軌跡成形装置は、前記多次元のパラメータセットを、次元別に正規化する正規化処理部を更に備える。 Further, according to the third aspect of the present invention, the above-mentioned movement locus forming apparatus further includes a normalization processing unit that normalizes the multidimensional parameter set for each dimension.

また、本発明の第４の態様によれば、上述の移動軌跡成形装置は、平滑化された前記移動軌跡データによって特定される移動軌跡曲線を、多次元空間内において等間隔で刻むとともに、当該等間隔で刻まれた前記移動軌跡曲線上の各点の座標のデータ系列を取得する等間隔化処理部を更に備える。 Further, according to the fourth aspect of the present invention, the above-mentioned movement locus forming apparatus engraves the movement locus curve specified by the smoothed movement locus data at equal intervals in the multidimensional space, and also said that. Further provided is an equidistant processing unit that acquires a data series of coordinates of each point on the movement locus curve carved at equal intervals.

また、本発明の第５の態様によれば、前記多次元のパラメータセットは、モータと、負荷と、前記モータ及び前記負荷を連結する連結部材と、を具備する機械系における、前記モータのトルク、前記モータの角速度、前記負荷の角度、前記負荷の角速度、前記連結部材のねじれ角度、及び、前記連結部材のねじれ角速度のうちの少なくとも何れか一つを含む。 Further, according to a fifth aspect of the present invention, the multidimensional parameter set is a torque of the motor in a mechanical system including a motor, a load, and a connecting member connecting the motor and the load. , The angular velocity of the motor, the angle of the load, the angular velocity of the load, the twist angle of the connecting member, and the twist angle velocity of the connecting member.

また、本発明の第６の態様によれば、異常診断システムは、上述の移動軌跡成形装置と、当該移動軌跡成形装置によって成形された移動軌跡データである評価対象移動軌跡データと予め用意された基準移動軌跡データとの対比に基づいて、前記移動軌跡データに異常があるか否かを判定する異常判定部と、を備える。 Further, according to the sixth aspect of the present invention, the abnormality diagnosis system is prepared in advance with the above-mentioned movement locus forming apparatus and the evaluation target movement locus data which is the movement locus data formed by the movement locus forming apparatus. It is provided with an abnormality determination unit that determines whether or not there is an abnormality in the movement locus data based on the comparison with the reference movement locus data.

また、本発明の第７の態様によれば、前記異常判定部は、前記評価対象移動軌跡データと前記基準移動軌跡データとの間のＤＴＷ距離を演算し、算出された前記ＤＴＷ距離が所定の判定閾値を上回ったか否かに基づいて、前記移動軌跡データに異常があるか否かを判定する。 Further, according to the seventh aspect of the present invention, the abnormality determination unit calculates the DTW distance between the evaluation target movement locus data and the reference movement locus data, and the calculated DTW distance is predetermined. It is determined whether or not there is an abnormality in the movement locus data based on whether or not the determination threshold value has been exceeded.

また、本発明の第８の態様によれば、移動軌跡成形方法は、多次元のパラメータセットの時系列データである移動軌跡データを取得する移動軌跡データ取得ステップと、予め規定された平滑化フィルタを適用して前記移動軌跡データを平滑化する平滑処理ステップと、を有する。前記平滑化フィルタは、前記パラメータセットどうしの時間の差が大きくなるにつれて平滑化の影響度が小さくなる重み付けを規定する第１の重み付け関数と、前記パラメータセットどうしの多次元空間内の位置が離れるにつれて平滑化の影響度が小さくなる重み付けを規定する第２の重み付け関数と、の積からなる。 Further, according to the eighth aspect of the present invention, the movement locus forming method includes a movement locus data acquisition step for acquiring movement locus data which is time series data of a multidimensional parameter set, and a predetermined smoothing filter. It has a smoothing processing step of smoothing the movement locus data by applying the above. In the smoothing filter, the position of the parameter sets in the multidimensional space is separated from the first weighting function that defines the weighting that the influence of smoothing decreases as the time difference between the parameter sets increases. It consists of a product of a second weighting function that defines a weighting that decreases the degree of influence of smoothing.

また、本発明の第９の態様によれば、プログラムは、コンピュータに、多次元のパラメータセットの時系列データである移動軌跡データを取得する移動軌跡データ取得ステップと、予め規定された平滑化フィルタを適用して前記移動軌跡データを平滑化する平滑処理ステップと、を実行させる。前記平滑化フィルタは、前記パラメータセットどうしの時間の差が大きくなるにつれて平滑化の影響度が小さくなる重み付けを規定する第１の重み付け関数と、前記パラメータセットどうしの多次元空間内の位置が離れるにつれて平滑化の影響度が小さくなる重み付けを規定する第２の重み付け関数と、の積からなる。 Further, according to the ninth aspect of the present invention, the program has a moving locus data acquisition step for acquiring moving locus data which is time series data of a multidimensional parameter set, and a predetermined smoothing filter. Is applied to perform a smoothing process step of smoothing the movement locus data. In the smoothing filter, the position of the parameter sets in the multidimensional space is separated from the first weighting function that defines the weighting that the influence of smoothing decreases as the time difference between the parameter sets increases. It consists of a product of a second weighting function that defines a weighting that decreases the degree of influence of smoothing.

上述の移動軌跡成形装置、異常診断システム、移動軌跡成形方法及びプログラムによれば、多次元のパラメータセットの時系列データからなる移動軌跡データを適切に成形することができる。 According to the above-mentioned movement locus forming apparatus, abnormality diagnosis system, movement locus forming method and program, it is possible to appropriately form movement locus data including time series data of a multidimensional parameter set.

第１の実施形態に係るモータ制御システムが制御対象とする機械系の概要を示す図である。It is a figure which shows the outline of the mechanical system which the motor control system which concerns on 1st Embodiment controls.第１の実施形態に係る機械系のブロック線図を示す図である。It is a figure which shows the block diagram of the mechanical system which concerns on 1st Embodiment.第１の実施形態に係る機械系のモータ側及び負荷側の摩擦特性を説明する図である。It is a figure explaining the friction characteristic of the motor side and the load side of the mechanical system which concerns on 1st Embodiment.第１の実施形態に係る機械系の連結部材における不感帯の特性を説明する図である。It is a figure explaining the characteristic of the dead zone in the connecting member of the mechanical system which concerns on 1st Embodiment.第１の実施形態に係るモータ制御システムの機能構成を示す図である。It is a figure which shows the functional structure of the motor control system which concerns on 1st Embodiment.第１の実施形態に係るパラメータ同定装置の機能構成を示す図である。It is a figure which shows the functional structure of the parameter identification apparatus which concerns on 1st Embodiment.第１の実施形態に係るパラメータ同定装置の処理フローを示す図である。It is a figure which shows the processing flow of the parameter identification apparatus which concerns on 1st Embodiment.第１の実施形態に係るパラメータ同定装置の処理を説明する図である。It is a figure explaining the process of the parameter identification apparatus which concerns on 1st Embodiment.第１の実施形態に係る複数の位相面図を説明する第１の図である。It is a 1st figure explaining a plurality of phase plane views which concern on 1st Embodiment.第１の実施形態に係る複数の位相面図を説明する第２の図である。FIG. 2 is a second diagram illustrating a plurality of phase views according to the first embodiment.第１の実施形態に係る複数の位相面図を説明する第３の図である。FIG. 3 is a third diagram illustrating a plurality of phase views according to the first embodiment.第１の実施形態に係る複数の位相面図を説明する第４の図である。It is a 4th figure explaining a plurality of phase plane views which concern on 1st Embodiment.第１の実施形態に係る複数の位相面図を説明する第５の図である。FIG. 5 is a fifth diagram illustrating a plurality of phase views according to the first embodiment.第１の実施形態に係る複数の位相面図を説明する第６の図である。FIG. 6 is a sixth diagram illustrating a plurality of phase views according to the first embodiment.第２の実施形態に係るモータ制御システム、機械系、及び、異常診断システムの全体構成を示す図である。It is a figure which shows the whole structure of the motor control system, the mechanical system, and the abnormality diagnosis system which concerns on 2nd Embodiment.第２の実施形態に係る異常診断システムの機能構成を示す図である。It is a figure which shows the functional structure of the abnormality diagnosis system which concerns on 2nd Embodiment.第２の実施形態に係る異常診断システムの処理フローを示す図である。It is a figure which shows the processing flow of the abnormality diagnosis system which concerns on 2nd Embodiment.第２の実施形態に係る異常診断システムの各処理を詳細に説明するための第１の図である。It is a 1st figure for demonstrating in detail each process of the abnormality diagnosis system which concerns on 2nd Embodiment.第２の実施形態に係る異常診断システムの各処理を詳細に説明するための第２の図である。It is a 2nd figure for demonstrating in detail each process of the abnormality diagnosis system which concerns on 2nd Embodiment.第２の実施形態に係る異常診断システムの各処理を詳細に説明するための第３の図である。It is a 3rd figure for demonstrating in detail each process of the abnormality diagnosis system which concerns on 2nd Embodiment.第２の実施形態に係る異常診断システムの各処理を詳細に説明するための第４の図である。It is a 4th figure for demonstrating in detail each process of the abnormality diagnosis system which concerns on 2nd Embodiment.第２の実施形態に係る異常診断システムの各処理を詳細に説明するための第５の図である。It is a 5th figure for demonstrating in detail each process of the abnormality diagnosis system which concerns on 2nd Embodiment.

＜第１の実施形態＞
以下、第１の実施形態に係るモータ制御システムについて、図１〜図１４を参照しながら詳細に説明する。<First Embodiment>
Hereinafter, the motor control system according to the first embodiment will be described in detail with reference to FIGS. 1 to 14.

（制御対象とする機械系の概要）
図１は、第１の実施形態に係るモータ制御システムが制御対象とする機械系の概要を示す図である。
図１に示すように、第１の実施形態に係るモータ制御システム１は、モータ２０と、負荷２１と、モータ２０及び負荷２１を機械的に連結する軸２２（連結部材）と、を有してなる機械系２の動作を制御するシステムである。ここで、本実施形態において、モータ２０は、内部に回転角度、回転速度を検出可能な回転検出器（エンコーダ）を有し、精密な位置決めを実現可能なサーボモータである。また、本実施形態において、軸２２は、例えば、ボールねじ、ギア等の剛性要素、ガタ要素を有する部材である。(Overview of the mechanical system to be controlled)
FIG. 1 is a diagram showing an outline of a mechanical system controlled by the motor control system according to the first embodiment.
As shown in FIG. 1, themotor control system 1 according to the first embodiment includes amotor 20, aload 21, and a shaft 22 (connecting member) that mechanically connects themotor 20 and theload 21. This is a system that controls the operation of themechanical system 2. Here, in the present embodiment, themotor 20 is a servomotor that has a rotation detector (encoder) capable of detecting a rotation angle and a rotation speed inside, and can realize precise positioning. Further, in the present embodiment, theshaft 22 is a member having, for example, a rigid element such as a ball screw and a gear, and a backlash element.

図１に示すように、モータ制御システム１は、図示しない上位機器（ホストコントローラ）から負荷２１の目標回転角度（以下、「目標角度θ_ｔ」と記載する。）を示す角度指令値を受け付ける。そして、モータ制御システム１は、受け付けた目標角度θ_ｔに応じてモータ２０に発生すべきトルクτを算出し、当該トルクτを示すトルク指令値を出力する。モータ２０は、受け付けたトルク指令値に基づいてトルクτで回転駆動し、そのトルクτがモータ２０側から負荷２１側へと軸２２を通じて伝達する。その結果、伝達されたトルクτ’に応じて負荷２１が回転駆動する。このようにして、モータ制御システム１により、負荷２１の回転角度θ_Ｌが所望の目標角度θ_ｔに一致するような制御が実現される。As shown in FIG. 1, themotor control system 1 receives an angle command value indicating a target rotation angle of the load 21 (hereinafter, referred to as “target angle θ_t ”) from a host device (host controller) (not shown). Then, themotor control system 1 calculates the torque τ to be generated in themotor 20 according to the received target angle θ_t , and outputs a torque command value indicating the torque τ. Themotor 20 is rotationally driven by the torque τ based on the received torque command value, and the torque τ is transmitted from themotor 20 side to theload 21 side through theshaft 22. As a result, theload 21 is rotationally driven according to the transmitted torque τ'. In this way, themotor control system 1 realizes control so that the rotation angle θ_L of theload 21 matches the desired target angle θ_t .

本実施形態に係るモータ制御システム１は、いわゆるクローズドシステムであって、モータ２０の回転速度（角速度）と、負荷２１の回転角度と、を示す実測データを入力し、これらの実測データに基づいてフィードバック制御を行う。
なお、以下の説明において、モータ２０の回転速度（角速度）を「モータ角速度ω_Ｍ」とも記載し、モータ２０の回転角度を「モータ角度θ_Ｍ」とも記載する。また、負荷２１の回転速度（角速度）を「負荷角速度ω_Ｌ」とも記載し、負荷２１の回転角度を「負荷角度θ_Ｌ」とも記載する。
また、モータ制御システム１は、更に、機械系２を２慣性系と見なして模した２慣性系モデル（後述）を予め有しており、当該２慣性系モデルに基づくフィードフォワード制御を行う。
なお、機械系２における負荷２１が、回転系ではなく直動系の負荷（テーブル負荷等）の場合、負荷２１に対する制御対象パラメータは、厳密には“角度”、“角速度”ではなく、“位置”、“速度”となる。しかし、この場合、モータ制御システム１は、２慣性系として、モータ２０の“角度”、“角速度”と同じ次元で取り扱うために、負荷の“位置”、“速度”を、モータ軸換算値としての“角度”、“角速度”に逐次変換して各種制御を行うものとする。Themotor control system 1 according to the present embodiment is a so-called closed system, in which actual measurement data indicating the rotation speed (angular velocity) of themotor 20 and the rotation angle of theload 21 are input, and based on these actual measurement data. Perform feedback control.
In the following description, the rotation speed (angular velocity) of themotor 20 is also described as “motor angular velocity ω_M ”, and the rotation angle of themotor 20 is also described as “motor angle θ_M ”. Further, the rotation speed (angular velocity) of theload 21 is also described as “load angular velocity ω_L ”, and the rotation angle of theload 21 is also described as “load angle θ_L ”.
Further, themotor control system 1 further has a bi-inertial system model (described later) that imitates themechanical system 2 as a bi-inertial system, and performs feed-forward control based on the bi-inertial frame model.
When theload 21 in themechanical system 2 is a linear load (table load, etc.) instead of a rotating system, the control target parameter for theload 21 is not strictly "angle" or "angular velocity", but "position". "," Speed ". However, in this case, since themotor control system 1 handles themotor 20 in the same dimension as the "angle" and "angular velocity" of themotor 20 as a two-inertial frame, the load "position" and "speed" are used as motor shaft conversion values. It is assumed that various controls are performed by sequentially converting to the "angle" and "angular velocity" of.

機械系２を２慣性系と見なした場合において、機械系２固有の特性を表すパラメータ群は、モータ２０側の特性を示すパラメータ、負荷２１側の特性を示すパラメータ、及び、モータ２０と負荷２１とを機械的に連結して動力を伝達する軸２２（連結部材）の特性を示すパラメータに大別される。具体的には、モータ２０側の特性を示すパラメータとして、モータ側慣性モーメントＪ_Ｍ、モータ側粘性係数Ｄ_Ｍ、モータ側摩擦係数τ_ｆＭがある。また、負荷２１側の特性を示すパラメータとして、負荷側慣性モーメントＪ_Ｌ、負荷側粘性係数Ｄ_Ｌ、負荷側摩擦係数τ_ｆＬがある。更に、軸２２の特性を示すパラメータとして、ねじれ剛性係数Ｋ_Ｒ、ねじれ粘性係数Ｄ_Ｒ、不感帯幅ＢＬがある。When themechanical system 2 is regarded as a two-inertial frame, the parameter groups representing the characteristics peculiar to themechanical system 2 are the parameters showing the characteristics on themotor 20 side, the parameters showing the characteristics on theload 21 side, and themotor 20 and the load. It is roughly classified into parameters indicating the characteristics of the shaft 22 (connecting member) that mechanically connects the 21 and transmits power. Specifically, as a parameter indicating the characteristic of themotor 20 side, the motor-side inertia moment J_M, the motor-side viscosity coefficient D_M, there is a motor-side friction coefficient tau_fM. Further, as a parameter indicating theload 21 side of the property, load inertia J_L, load side viscosity coefficient D_L, there is a load side friction coefficient tau_fL. Further, as a parameter showing the characteristics of theshaft 22, there is a torsional rigidity coefficient_{K R,} twist viscosity coefficient_{D R,} dead zone width BL.

（２慣性系モデルの概要）
図２は、第１の実施形態に係る機械系のブロック線図を示す図である。
本実施形態に係る機械系２（図１参照）をモータ２０、負荷２１及び軸２２からなる２慣性系と見なすことで、当該機械系２における入力と出力の関係を、図２に示すような伝達関数を用いたブロック線図で表すことができる。(Overview of 2 inertial frame model)
FIG. 2 is a diagram showing a block diagram of the mechanical system according to the first embodiment.
By regarding the mechanical system 2 (see FIG. 1) according to the present embodiment as a two-inertial frame consisting of themotor 20, theload 21, and theshaft 22, the relationship between the input and the output in themechanical system 2 is as shown in FIG. It can be represented by a block diagram using a transfer function.

図２に示すように、モータ２０は、モータ制御システム１（図１）から受け付けたトルク指令値に基づいて発生させたトルクτを入力とし、モータ角速度ω_Ｍ及びモータ角度θ_Ｍを出力とする。モータ２０に入力されたトルクτは、モータ２０に生じる摩擦であるモータ側摩擦係数τ_ｆＭ、及び、軸２２を通じて負荷２１に伝達するトルクτ’が差し引かれた後、伝達要素１／（Ｊ_Ｍｓ＋Ｄ_Ｍ）を通じてモータ角速度ω_Ｍに変換され、更に伝達要素１／ｓを通じてモータ角度θ_Ｍに変換される。
ここで、モータ側摩擦係数τ_ｆＭは、モータ２０の速度反転時（モータ角速度ω_Ｍの符号反転時）に符号のみが反転するクーロン摩擦成分だけでなく、モータ２０の速度反転後の変位（モータ角速度ω_Ｍのゼロからの積分値）に依存して非線形に変化する非線形摩擦成分を含んでいる。モータ側摩擦係数τ_ｆＭは、この非線形摩擦成分をモデル化して規定し、モータ角速度ω_Ｍを入力変数とするモータ側摩擦関数Ｇ_Ｍを通じて得られる。モータ側摩擦関数Ｇ_Ｍの詳細については後述する。As shown in FIG. 2, themotor 20 inputs the torque τ generated based on the torque command value received from the motor control system 1 (FIG. 1), and outputs the motor angular velocity ω_M and the motor angle θ_M. .. Torque tau input to themotor 20, the motor-side friction coefficient tau_fM a friction generated in the motor_20, and, after the torque tau 'for transmitting to theload 21 through theshaft 22 is subtracted,transmission element 1 / (J_M It is converted to the motor angular velocity ω_M through s + D_M ), and further converted to the motor angle θ_M through thetransmission element 1 / s.
Here, the friction coefficient τ_fM on the motor side is not only the Coulomb friction component in which only the code is reversed when the speed of themotor 20 is reversed (when the code of the motor angular velocity ω_M is reversed), but also the displacement of themotor 20 after the speed is reversed (motor). It contains a non-linear friction component that changes non-linearly depending on the integral value of the angular velocity ω_M from zero). Motor side friction coefficient tau_fM defines a modeled nonlinear friction component, obtained through the motor-side friction function G_M to an input variable motor angular velocity omega_M. For more information on the motor side friction function G_M will be described later.

同様に、負荷２１は、モータ２０から軸２２を通じて伝達されたトルクτ’（＝（Ｋ_Ｒ＋Ｄ_Ｒｓ）（θ_Ｍ−θ_Ｌ−ＢＫＬＳ））を入力とし、負荷角速度ω_Ｌ及び負荷角度θ_Ｌを出力とする。負荷２１に入力されたトルクτ’は、負荷２１に生じる摩擦である負荷側摩擦係数τ_ｆＬが差し引かれた後、伝達要素１／（Ｊ_Ｌｓ＋Ｄ_Ｌ）を通じて負荷角速度ω_Ｌに変換され、更に伝達要素１／ｓを通じて負荷角度θ_Ｌに変換される。
ここで、負荷側摩擦係数τ_ｆＬも同様に、負荷２１の速度反転後の変位（負荷角速度ω_Ｌのゼロからの積分値）に依存して非線形に変化する非線形摩擦成分を含んでいる。負荷側摩擦係数τ_ｆＬは、この非線形摩擦成分をモデル化して規定し、負荷角速度ω_Ｌを入力変数とする負荷側摩擦関数Ｇ_Ｌを通じて得られる。負荷側摩擦関数Ｇ_Ｌの詳細については後述する。Similarly, theload 21, torque_{τ '(= (K R +} D R s) (θ M -θ L -BKLS)) transmitted from themotor 20 through theshaft 22 as input, load angular velocity omega_L and load angle theta_{Let L} be the output. The torque τ'input to theload 21 is converted to the load angular velocity ω_L through thetransmission element 1 / (J_L s + D_L ) after the load side friction coefficient τ_fL, which is the friction generated in theload 21, is subtracted. It is converted to a load angle θ_L through thetransmission element 1 / s.
Here, the load-side friction coefficient τ_fL also includes a non-linear friction component that changes non-linearly depending on the displacement of theload 21 after speed reversal (integral value of the load angular velocity ω_L from zero). Load side friction coefficient tau_fL defines a modeled nonlinear friction component, obtained through the load side friction function G_L to an input variable load angular velocity omega_L. The details of the load-side friction function_GL will be described later.

なお、機械系２をなすモータ２０及び負荷２１には、それぞれ、図示しない回転検出器（エンコーダ）が設置されている。モータ制御システム１は、当該回転検出器を通じて、モータ角度θ_Ｍ、負荷角度θ_Ｌの経時的変化を示す実測データ、及び、これらの時間微分より導出可能なモータ角速度ω_Ｍ、負荷角速度ω_Ｌの経時的変化を示す実測データを取得する。A rotation detector (encoder) (not shown) is installed in each of themotor 20 and theload 21 forming themechanical system 2. Themotor control system 1 has measured data showing changes over time in the motor angle θ_M and the load angle θ_L through the rotation detector, and the motor angular velocity ω_M and the load angular velocity ω_{L that} can be derived from these time derivatives. Acquire actual measurement data showing changes over time.

また、図２に示すように、軸２２は、モータ角度θ_Ｍと負荷角度θ_Ｌとの偏差（以下、「ねじれ角度（θ_Ｍ−θ_Ｌ）」とも記載する。）を入力とし、ねじれ角度（θ_Ｍ−θ_Ｌ）に応じたトルクτ’を出力とする伝達系である。入力されたねじれ角度（θ_Ｍ−θ_Ｌ）は、不感帯（ガタ）における非線形特性を表す不感帯特性関数Ｆ１と、伝達要素Ｋ_Ｒ及び伝達要素Ｄ_Ｒｓと、を通じて、モータ２０及び負荷２１に印加されるトルクτ’に変換される。
ここで、不感帯特性関数Ｆ１とは、軸２２のねじれ角度（θ_Ｍ−θ_Ｌ）を入力変数とし、当該ねじれ角度（θ_Ｍ−θ_Ｌ）からガタ変位ＢＫＬＳを差し引いたものを出力する非線形関数である。不感帯特性関数Ｆ１の詳細については後述する。
また、ねじれ剛性係数Ｋ_Ｒとは、軸２２のねじれ方向についての剛性の度合いを示すパラメータであって、軸２２のばね定数に相当する。即ち、ねじれ剛性係数Ｋ_Ｒは、負荷２１に印加されるトルクτ’のうち、軸２２のねじれ角度（θ_Ｍ−θ_Ｌ）に比例する成分を与える。
また、ねじれ粘性係数Ｄ_Ｒとは、軸２２のねばりの度合いを示すパラメータであって、負荷２１に印加されるトルクτ’のうち、軸２２におけるモータ角速度ω_Ｍと負荷角速度ω_Ｌとの偏差（以下、「ねじれ速度（ω_Ｍ−ω_Ｌ）」とも記載する。）に比例する成分を与える。Further, as shown in FIG. 2, theshaft 22 receives a deviation between the motor angle θ_M and the load angle θ_L (hereinafter, also referred to as “twist angle (θ_M − θ_L )”) as an input, and the twist angle. This is a transmission system that outputs a torque τ'corresponding to (θ_M − θ_L ). Input twist angle (theta_M - [theta]_L) has a dead zone characteristic function F1 representing a nonlinear characteristic in the dead zone (play), and transmission elements_{K R} and transmission elements_{D R} s, through, applied to themotor 20 and theload 21 Is converted to the torque τ'.
Here, the dead zone characteristic function F1 is a non-linear function that takes the twist angle (θ_M − θ_L ) of theshaft 22 as an input variable and outputs the twist angle (θ_M − θ_L ) minus the backlash displacement BKLS. Is. The details of the dead zone characteristic function F1 will be described later.
Further, the torsional rigidity coefficient K_R, a parameter indicating the degree of stiffness of thetorsion axis 22, which corresponds to the spring constant of theshaft 22. That is, the torsional rigidity coefficient K_R, of the torque tau 'applied to theload 21, providing a component proportional to the twist angle of the axis 22 (θ_M -θ_L).
Further, the twist viscosity coefficient D_R, a parameter indicating the degree of stickiness of theshaft 22, of the torque tau 'applied to theload 21, the deviation between the motor angular velocity omega_M in theshaft 22 and the load angular velocity omega_L (Hereinafter, it is also referred to as "twisting velocity (ω_M − ω_L )").

図２に示す機械系２において、モータ側慣性モーメントＪ_Ｍ、モータ側粘性係数Ｄ_Ｍ、モータ側摩擦係数τ_ｆＭ、負荷側慣性モーメントＪ_Ｌ、負荷側粘性係数Ｄ_Ｌ、負荷側摩擦係数τ_ｆＬ、ねじれ剛性係数Ｋ_Ｒ、ねじれ粘性係数Ｄ_Ｒ及び不感帯幅ＢＬは、機械系２の現実の特性を表すパラメータ群であり、いずれも個別には観測が困難な未知のパラメータである。
一方、機械系２についての入力であるトルクτ、及び、出力であるモータ角速度ω_Ｍ、モータ角度θ_Ｍ、負荷角速度ω_Ｌ及び負荷角度θ_Ｌは、上述の回転検出器を通じて観測可能なパラメータである。In themechanical system 2 shown in FIG. 2, the motor side moment of inertia J_M , the motor side viscosity coefficient D_M , the motor side friction coefficient τ_fM , the load side moment of inertia J_L , the load side viscosity coefficient D_L , and the load side friction coefficient τ_fL. , torsional rigidity coefficient K_R, twist viscosity coefficient D_R and the dead zone width BL is a parameter group representative of the actual characteristics of themechanical system 2, both of which are unknown parameters observation is difficult to separate.
On the other hand, the torque τ which is the input for themechanical system 2 and the motor angular velocity ω_M , the motor angle θ_M , the load angular velocity ω_L, and the load angle θ_{L, which} are the outputs, are parameters that can be observed through the above-mentioned rotation detector. is there.

図３は、第１の実施形態に係る機械系のモータ側及び負荷側の摩擦特性を説明する図である。
図３（ａ）は、モータ側摩擦係数τ_ｆＭ及び負荷側摩擦係数τ_ｆＬの各々に生じる非線形摩擦特性を示すグラフである。
良く知られているクーロン摩擦は、物体の速度（モータ角速度ω_Ｍ、負荷角速度ω_Ｌ）の方向（正、負の符号）に依存してその方向（正、負の符号）のみが変化し、その量は、速度（ω）、変位（θ）に対しては変動しないものとして知られている。しかしながら、軸２２において、例えば、ボールねじ、ボールベアリング等の転がり要素が含まれる場合には、通常のクーロン摩擦とは特性が異なる“転がり摩擦”を考慮する必要がある。
ここで、転がり摩擦は、速度反転直後の転がり要素が転動しない“微動領域”においては、速度反転後の変位（モータ角速度ω_Ｍ、負荷角速度ω_Ｌのゼロからの積分値）によって見かけのばね定数が動的に変化する非線形ばね特性を有しており、図３（ａ）に示すようなヒステリシスカーブを描く。これは、転がり要素と軌道面の接触部における弾性変形やすべりによるものと考えられている。
また、転がり要素が有効に転動する“粗動領域”においては、クーロン摩擦により摩擦の速度に対する静的特性を示す。即ち、図３（ａ）に示すように、モータ２０の摩擦（モータ側摩擦係数τ_ｆＭ）は、速度反転後の変位が所定以上となった時点で、モータ側クーロン摩擦係数τ_ｆＭｃで飽和する。また、負荷２１の摩擦（負荷側摩擦係数τ_ｆＬ）は、速度反転後の変位が所定以上となった時点で、負荷側クーロン摩擦係数τ_ｆＬｃで飽和する。FIG. 3 is a diagram illustrating friction characteristics on the motor side and the load side of the mechanical system according to the first embodiment.
FIG. 3A is a graph showing the non-linear friction characteristics generated in each of the friction coefficient τ_fM on the motor side and the friction coefficient τ_fL on the load side.
The well-known Coulomb friction changes only in the direction (positive and negative signs) of the object speed (motor angular velocity ω_M , load angular velocity ω_L ), and only that direction (positive and negative signs) changes. It is known that the amount does not fluctuate with respect to velocity (ω) and displacement (θ). However, when theshaft 22 includes a rolling element such as a ball screw or a ball bearing, it is necessary to consider "rolling friction" whose characteristics are different from those of ordinary Coulomb friction.
Here, the rolling friction is an apparent spring due to the displacement after the speed reversal (integral value of the motor angular velocity ω_M and the load angular velocity ω_L from zero) in the “fine movement region” where the rolling element does not roll immediately after the speed reversal. It has a non-linear spring characteristic in which the constant changes dynamically, and draws a hysteresis curve as shown in FIG. 3A. It is considered that this is due to elastic deformation and slip at the contact portion between the rolling element and the raceway surface.
Further, in the "coarse motion region" where the rolling element effectively rolls, the static characteristic with respect to the speed of friction is exhibited by the Coulomb friction. That is, as shown in FIG. 3A, the friction of the motor 20 (motor-side friction coefficient τ_fM ) is saturated at the motor-side Coulomb friction coefficient τ_fMc when the displacement after speed reversal becomes a predetermined value or more. .. Further, the friction of the load 21 (load side friction coefficient τ_fL ) is saturated with the load side Coulomb friction coefficient τ_fLc when the displacement after speed reversal becomes a predetermined value or more.

本実施形態においては、モータ側摩擦特性関数Ｇ_Ｍ及び負荷側摩擦特性関数Ｇ_Ｌは、図３（ａ）に示す非線形摩擦特性を折れ線近似してなるＧＭＳモデルに基づいて規定される。ここで、ＧＭＳモデルとは、Ｎ個の特性の異なるブロック（転がり要素）とばねとが並列に接続されている状態を模したものである。図３（ｂ）に示すグラフ（折れ線）を構成する複数の直線の各々が、Ｎ個のブロックのうちのいくつまでが転がりきっている（有効に転動している）状態か、を表現している。
図３（ｂ）に示すように、モータ側摩擦特性関数Ｇ_Ｍは、変位０〜θ_１、θ_１〜θ_２、θ_２〜θ_３、θ_３〜θ_４の各々において採用すべき折れ線を規定する傾きＫ_１、Ｋ_２、Ｋ_３、Ｋ_４、及び、オフセット（変位０における切片）τ_ｆＭ１（＝−τ_ｆＭｃ）、τ_ｆＭ２、τ_ｆＭ３、τ_ｆＭ４、τ_ｆＭ５（＝τ_ｆＭｃ）によって規定される。
なお、図示を省略するが、負荷側摩擦特性関数Ｇ_Ｌも、図３（ｂ）に示すモータ側摩擦特性関数Ｇ_Ｍと同様に規定される。In the present embodiment, the motor-side frictional characteristic function G_M and the load side friction characteristic function G_L is defined on the basis of the GMS model nonlinear frictional characteristic formed by polygonal line approximation shown in FIG. 3 (a). Here, the GMS model imitates a state in which N blocks (rolling elements) having different characteristics and a spring are connected in parallel. Each of the plurality of straight lines constituting the graph (line) shown in FIG. 3B expresses how many of the N blocks are completely rolled (effectively rolled). ing.
As shown in FIG. 3 (b), the motor-side frictional characteristic function_{G M} is displaced_{0~θ 1, θ 1 ~θ 2,}θ 2 ~θ 3, a line to be employed in each of the theta₃ through?₄ By the specified tilts K₁ , K₂ , K₃ , K₄ , and offset (section at displacement 0) τ_fM1 (=_{−τ fMc} ), τ_fM2 , τ_fM3 , τ_fM4 , τ_fM5 (= τ_fMc ) Is regulated.
Although not shown, the load side friction characteristic function G_L is also defined similarly to the motor side friction characteristic function G_M shown in FIG. 3 (b).

図４は、第１の実施形態に係る機械系の連結部材における不感帯の特性を説明する図である。 FIG. 4 is a diagram for explaining the characteristics of the dead zone in the connecting member of the mechanical system according to the first embodiment.

図４（ａ）に示す不感帯特性関数Ｆ１は、モータ２０と負荷２１との間に設けられた軸２２の“遊び”（不感帯）の幅を示す不感帯幅ＢＬに基づく伝達特性を表している。
不感帯特性関数Ｆ１は、不感帯幅ＢＬに依存する非線形特性であって、軸２２のねじれ角度（θ_Ｍ−θ_Ｌ）を入力変数とする。図４（ａ）に示すように、軸２２のねじれ角度（θ_Ｍ−θ_Ｌ）の絶対値が不感帯幅ＢＬ以下の場合（−ＢＬ≦θ_Ｍ−θ_Ｌ≦＋ＢＬ）、ガタ出力はゼロとなる。即ち、この場合、モータ２０から負荷２１へトルクが伝達されない。
他方、軸２２のねじれ角度（θ_Ｍ−θ_Ｌ）の絶対値が不感帯幅ＢＬよりも大きい場合（θ_Ｍ−θ_Ｌ＜−ＢＬ，θ_Ｍ−θ_Ｌ＞＋ＢＬ）、ガタ出力は、ねじれ角度（θ_Ｍ−θ_Ｌ）から不感帯幅ＢＬだけ小さい値（θ_Ｍ−θ_Ｌ＋ＢＬ（θ_Ｍ−θ_Ｌ＜−ＢＬ）、又は、θ_Ｍ−θ_Ｌ−ＢＬ（θ_Ｍ−θ_Ｌ＞＋ＢＬ））となる。The dead zone characteristic function F1 shown in FIG. 4A represents a transmission characteristic based on the dead zone width BL indicating the width of the “play” (dead zone) of theshaft 22 provided between themotor 20 and theload 21.
The dead band characteristic function F1 is a non-linear characteristic that depends on the dead band width BL, and uses the twist angle (θ_M − θ_L ) of theshaft 22 as an input variable. As shown in FIG. 4A, when the absolute value of the twist angle (θ_M − θ_L ) of theshaft 22 is equal to or less than the dead band width BL (−BL ≤ θ_M −θ_L ≦ + BL), the backlash output is zero. Become. That is, in this case, torque is not transmitted from themotor 20 to theload 21.
On the other hand, when the absolute value of the twist angle (θ_M − θ_L ) of theshaft 22 is larger than the dead band width BL (θ_M − θ_L <−BL, θ_M −θ_L > + BL), the backlash output is the twist angle. A value smaller than (θ_M- θ_L ) by the dead band width BL (θ_M- θ_L + BL (θ_M- θ_L <-BL), or θ_M- θ_L- BL (θ_M- θ_L > + BL)) ).

また、図４（ｂ）に示すガタ変位関数Ｆ１’は、ガタ変位ＢＫＬＳとねじれ角度（θ_Ｍ−θ_Ｌ）との関係をしている。
ガタ変位ＢＫＬＳは、不感帯幅ＢＬ（−ＢＬ〜＋ＢＬ）の幅を有する不感帯における変位量を示すパラメータであって、ねじれ角度（θ_Ｍ−θ_Ｌ）に対し、図４（ｂ）に示すような特性を有している。即ち、図４（ａ）に示すガタ出力は、ガタ変位ＢＫＬＳを用いて“θ_Ｍ−θ_Ｌ―ＢＫＬＳ”と表すことができる。
図４（ｂ）に示すように、ガタ変位ＢＫＬＳは、ねじれ角度（θ_Ｍ−θ_Ｌ）が不感帯の最小値（−ＢＬ）よりも小さい範囲では、ガタ変位ＢＫＬＳは最小値（−ＢＬ）をとり、ねじれ角度（θ_Ｍ−θ_Ｌ）が不感帯の最大値（＋ＢＬ）よりも大きい範囲では、ガタ変位ＢＫＬＳは最大値（＋ＢＬ）をとる。また、ねじれ角度（θ_Ｍ−θ_Ｌ）が不感帯の最小値（−ＢＬ）以上かつ最大値（＋ＢＬ）以下の範囲においては、ガタ変位ＢＫＬＳは、ねじれ角度（θ_Ｍ−θ_Ｌ）と同一の値を有する特性となる。Further, the backlash displacement function F1'shown in FIG. 4B has a relationship between the backlash displacement BKLS and the twist angle (θ_M − θ_L ).
The backlash displacement BKLS is a parameter indicating the amount of displacement in the dead zone having a width of the dead zone width BL (−BL to + BL), and is as shown in FIG. 4 (b) with respect to the twist angle (θ_M − θ_L ). It has characteristics. That is, the backlash output shown in FIG. 4A can be expressed as “θ_M − θ_{L −} BKLS” using the backlash displacement BKLS.
As shown in FIG. 4 (b), the backlash displacement BKLS has a backlash displacement BKLS having a minimum value (-BL) in a range where the twist angle (θ_M − θ_L ) is smaller than the minimum value (−BL) of the dead zone. In the range where the twist angle (θ_M − θ_L ) is larger than the maximum value (+ BL) of the dead zone, the backlash displacement BKLS takes the maximum value (+ BL). Further, in the range where the twist angle (θ_M − θ_L ) is equal to or more than the minimum value (−BL) of the dead zone and not more than the maximum value (+ BL), the backlash displacement BKLS is the same as the twist angle (θ_M − θ_L ). It becomes a characteristic having a value.

（機能構成）
図５は、第１の実施形態に係るモータ制御システムの機能構成を示す図である。
図５に示すように、第１の実施形態に係るモータ制御システム１は、フィードバック制御部１０と、フィードフォワード制御部１１と、パラメータ同定装置１２と、を備えている。(Functional configuration)
FIG. 5 is a diagram showing a functional configuration of the motor control system according to the first embodiment.
As shown in FIG. 5, themotor control system 1 according to the first embodiment includes afeedback control unit 10, a feedforward control unit 11, and aparameter identification device 12.

フィードバック制御部１０は、回転検出器を通じて観測されるモータ角速度ω_Ｍと、角度指令値により指定される負荷２１の目標角度θ_ｔ及び観測される現在の負荷角度θ_Ｌの偏差（θ_ｔ−θ_Ｌ）と、に基づいて、モータ２０の制御を行う。
具体的には、フィードバック制御部１０は、目標角度θ_ｔと負荷角度θ_Ｌとの偏差（θ_ｔ−θ_Ｌ）をゼロとするためのトルクを算出し、その算出結果を示すトルク指令値を出力する。その際、フィードバック制御部１０は、回転検出器を通じて観測されたモータ角速度ω_Ｍを参照して、適切かつ迅速なフィードバック制御がなされるようなトルクを算出する。Thefeedback control unit 10 has a deviation (θ_t − θ) between the motor angular velocity ω_M observed through the rotation detector, the target angle θ_{t of the}load 21 specified by the angle command value, and the current load angle θ_L observed._Themotor 20 is controlled based on_L ) and.
Specifically, thefeedback control unit 10 calculates the torque for making the deviation (θ_t − θ_L ) between the target angle θ_t and the load angle θ_L zero, and calculates the torque command value indicating the calculation result. Output. At that time, thefeedback control unit 10 refers to the motor angular velocity ω_M observed through the rotation detector and calculates the torque so that appropriate and rapid feedback control is performed.

フィードフォワード制御部１１は、機械系２を模した２慣性系モデルＭＯＤを内部に有している。この２慣性系モデルＭＯＤは、複数のモデルパラメータ群からなり、図２に示す機械系２の逆モデルとなるように構成されている。
具体的には、複数のモデルパラメータ群とは、モデルモータ側慣性モーメントＪ_Ｍ０、モデルモータ側粘性係数Ｄ_Ｍ０、モデルモータ側摩擦係数τ_ｆＭ０、モデル負荷側慣性モーメントＪ_Ｌ０、モデル負荷側粘性係数Ｄ_Ｌ０、モデル負荷側摩擦係数τ_ｆＬ０、モデル不感帯幅ＢＬ_０、及び、モデルねじれ剛性係数Ｋ_Ｒ０である。The feedforward control unit 11 has a bi-inertial model MOD that imitates themechanical system 2 inside. This two-inertial frame model MOD is composed of a plurality of model parameter groups and is configured to be an inverse model of themechanical system 2 shown in FIG.
Specifically, the plurality of model parameter groups include the model motor side moment of inertia J_M0 , the model motor side viscosity coefficient D_M0 , the model motor side friction coefficient τ_fM0 , the model load side moment of inertia J_L0 , and the model load side viscosity coefficient. D_L0 , the coefficient of friction on the model load side τ_fL0 , the model dead zone width BL₀ , and the model torsional viscosity coefficient_KR0 .

２慣性系モデルＭＯＤは、機械系２を模して構築された逆モデルであり、当該２慣性系モデルＭＯＤをなす上記モデルパラメータ群（Ｊ_Ｍ０、Ｄ_Ｍ０、τ_ｆＭ０、Ｊ_Ｌ０、Ｄ_Ｌ０、τ_ｆＬ０、ＢＬ_０、Ｋ_Ｒ０）は、機械系２の実際の特性を表す未知のパラメータ群（Ｊ_Ｍ、Ｄ_Ｍ、τ_ｆＭ、Ｊ_Ｌ、Ｄ_Ｌ、τ_ｆＬ、ＢＬ、Ｋ_Ｒ）の各々に対応している。2-inertia system model MOD is the inverse model built to simulate themechanical system 2, the model parameter groups constituting the two-inertia system model_{MOD (J M0, D M0,} τ fM0, J L0, D L0,_{τ fL0, BL 0, K R0} ) , each of the unknown parameter group representative of the actual characteristics of the mechanical system_{2 (J M, D M,} τ fM, J L, D L, τ fL, BL, K R) It corresponds to.

ここで、モデルパラメータ群（Ｊ_Ｍ０、Ｄ_Ｍ０、τ_ｆＭ０、Ｊ_Ｌ０、Ｄ_Ｌ０、τ_ｆＬ０、ＢＬ_０、Ｋ_Ｒ０）と、機械系２の実際の特性を示すパラメータ群（Ｊ_Ｍ、Ｄ_Ｍ、τ_ｆＭ、Ｊ_Ｌ、Ｄ_Ｌ、τ_ｆＬ、ＢＬ、Ｋ_Ｒ）との間に誤差が全くないと仮定すると、２慣性系モデルＭＯＤは、現実の機械系２の逆モデルに完全に一致するものとなる。そうすると、フィードフォワード制御部１１が目標角度θ_ｔ及び２慣性系モデルＭＯＤに基づいて算出したトルクを機械系２に出力して駆動した結果、機械系２を通じて実際に得られる負荷角度θ_Ｌは、完全に目標角度θ_ｔに一致するはずである（θ_Ｌ＝θ_ｔ）。このように、フィードフォワード制御部１１は、予め機械系２を模して規定された２慣性系モデルＭＯＤに基づいて、機械系２固有の特性を織り込みながらトルクを算出することで、フィードバック制御よりも応答性が高いフィードフォワード制御において、より高精度な制御を実現することができる。Here, the model parameter groups_{(J M0, D M0, τ} fM0, J L0, D L0, τ fL0, BL 0, K R0) and a parameter group indicating the actual characteristics of the mechanical system 2_{(JM, D} M_{, τ fM, J L, D} L, τ fL, BL, assuming no error at all between_{K R),} 2-inertia system model MOD is perfectly matches the actual inverse model of themechanical system 2 It becomes a thing. Then, as a result of the feed forward control unit 11 outputting the torque calculated based on the target angle θ_t and the two inertial frame model MOD to themechanical system 2 and driving it, the load angle θ_L actually obtained through themechanical system 2 is calculated. It should_exactly match the target angle θ_t (θ_L = θ_t ). In this way, the feedforward control unit 11 calculates the torque while incorporating the characteristics peculiar to themechanical system 2 based on the two inertial system model MOD defined in advance by imitating themechanical system 2, so that the feedback control is performed. In the feedforward control with high responsiveness, more accurate control can be realized.

なお、図５に示すように、モータ制御システム１は、フィードバック制御部１０により算出されたトルクと、フィードフォワード制御部１１により算出されたトルクと、を加算して得られるトルクτ（トルク指令値）を機械系２（モータ２０（図１、図２））に向けて出力する。 As shown in FIG. 5, themotor control system 1 has a torque τ (torque command value) obtained by adding the torque calculated by thefeedback control unit 10 and the torque calculated by the feedforward control unit 11. ) Is output toward the mechanical system 2 (motor 20 (FIGS. 1 and 2)).

以上のように、本実施形態に係るモータ制御システム１は、モータ２０、負荷２１及び軸２２を具備する機械系２を模した２慣性系モデルＭＯＤをなす複数のモデルパラメータ群（Ｊ_Ｍ０、Ｄ_Ｍ０、τ_ｆＭ０、Ｊ_Ｌ０、Ｄ_Ｌ０、τ_ｆＬ０、ＢＬ_０、Ｋ_Ｒ０）に基づいて、モータ２０に発生させるべきトルクτを算出する。As described above, themotor control system 1 according to the present embodiment has a plurality of model parameter groups (_JM0 , D) forming a two-inertial frame model MOD that imitates themechanical system 2 including themotor 20, theload 21, and theshaft 22._{M0, τ fM0, J L0,} D L0, based on_{τ fL0, BL 0, K R0} ), calculates the torque tau to be generated in themotor 20.

フィードフォワード制御部１１において、モデルパラメータ群（Ｊ_Ｍ０、Ｄ_Ｍ０、τ_ｆＭ０、Ｊ_Ｌ０、Ｄ_Ｌ０、τ_ｆＬ０、ＢＬ_０、Ｋ_Ｒ０）は、予め、機械系２の特性を表すパラメータとして想定される値で規定されている。しかしながら、実際には、モデルパラメータ群（Ｊ_Ｍ０、Ｄ_Ｍ０、τ_ｆＭ０、Ｊ_Ｌ０、Ｄ_Ｌ０、τ_ｆＬ０、ＢＬ_０、Ｋ_Ｒ０）と、機械系２固有のパラメータ群（Ｊ_Ｍ、Ｄ_Ｍ、τ_ｆＭ、Ｊ_Ｌ、Ｄ_Ｌ、τ_ｆＬ、ＢＬ、Ｋ_Ｒ）との間には、それぞれ誤差が存在している。このような誤差があると、精度の高いフィードフォワード制御を実現することができない。
そこで、本実施形態に係るモータ制御システム１は、上述の複数のモデルパラメータ群のうち、特に、モデルモータ側摩擦係数τ_ｆＭ０、モデル負荷側摩擦係数τ_ｆＬ０、モデル不感帯幅ＢＬ_０及びモデルねじれ剛性係数Ｋ_Ｒ０を別個独立に、精度良く同定可能なパラメータ同定装置１２を備えている。In feedforward control unit 11, the model parameter groups_{(J M0, D M0, τ} fM0, J L0, D L0, τ fL0, BL 0, K R0) in advance, is assumed as a parameter representing the characteristics of themechanical system 2 It is specified by the value. However, in practice, the model parameter groups_{(J M0, D M0, τ} fM0, J L0, D L0, τ fL0, BL 0, K R0) and,mechanical system 2 specific parameter group_{(JM, D} M,_{τ fM, J L, D L} , τ fL, BL, between the_{K R),} an error is respectively present. If there is such an error, it is not possible to realize highly accurate feed forward control.
Therefore, themotor control system 1 according to the present embodiment has, among the above-mentioned plurality of model parameter groups, particularly the model motor side friction coefficient τ_fM0 , the model load side friction coefficient τ_fL0 , the model dead band width BL_0, and the model torsional rigidity. Aparameter identification device 12 capable of accurately identifying the coefficient_KR0 independently is provided.

図５に示すように、パラメータ同定装置１２は、機械系２におけるモータ角度θ_Ｍ、モータ角速度ω_Ｍ、負荷角度θ_Ｌ及び負荷角速度ω_Ｌの経時的変化を示す実測データを取得する。パラメータ同定装置１２は、上記４個の実測データに基づいて、モデルモータ側摩擦係数τ_ｆＭ０、モデル負荷側摩擦係数τ_ｆＬ０、モデル不感帯幅ＢＬ_０及びモデルねじれ剛性係数Ｋ_Ｒ０を同定する。
以下、パラメータ同定装置１２の機能について詳細に説明する。As shown in FIG. 5, theparameter identification device 12 acquires actual measurement data showing changes over time in the motor angle θ_M , the motor angular velocity ω_M , the load angle θ_L, and the load angular velocity ω_{L in} themechanical system 2.Parameter identification unit 12, based on the four measured data, model motor side friction coefficient tau_FM0, model load side friction coefficient tau_fL0, to identify the model dead zone width BL₀ and model torsional rigidity coefficient_{K R0.}
Hereinafter, the function of theparameter identification device 12 will be described in detail.

図６は、第１の実施形態に係るパラメータ同定装置の機能構成を示す図である。
図６に示すように、パラメータ同定装置１２は、データ取得部１２０と、位相面図生成部１２１と、パラメータ同定部１２２と、を備えている。FIG. 6 is a diagram showing a functional configuration of the parameter identification device according to the first embodiment.
As shown in FIG. 6, theparameter identification device 12 includes adata acquisition unit 120, a phaseplan generation unit 121, and aparameter identification unit 122.

データ取得部１２０は、モータ２０に対するトルク指令値（トルクτ）と、モータ２０の角度（モータ角度θ_Ｍ）及び角速度（モータ角速度ω_Ｍ）の経時的変化を示す実測データと、負荷２１の角度（負荷角度θ_Ｌ）及び角速度（負荷角速度ω_Ｌ）の経時的変化を示す実測データと、を取得する。Thedata acquisition unit 120 includes actual measurement data showing changes over time in the torque command value (torque τ) for themotor 20, the angle (motor angle θ_M ) and the angular velocity (motor angular velocity ω_M ) of themotor 20, and the angle of theload 21. (Load angle θ_L ) and actual measurement data showing changes over time in angular velocity (load angular velocity ω_L ) are acquired.

位相面図生成部１２１は、データ取得部１２０によって取得されたトルク指令値（トルクτ）と、モータ２０の角度及び角速度の実測データと、負荷２１の角度及び角速度の実測データと、に基づいて複数の位相面図を生成する。
ここで、図６に示すように、位相面図生成部１２１は、連結部材（軸２２）のねじれ角度（θ_Ｍ−θ_Ｌ）とトルク指令値（トルクτ）との関係を示す「ねじれ角度−トルク位相面図Ｐ１」を生成する。
また、位相面図生成部１２１は、トルク指令値（トルクτ）とモータ２０の角速度（モータ角速度ω_Ｍ）及び負荷２１の角速度（負荷角速度ω_Ｌ）との関係を示す「トルク−機械角速度位相面図Ｐ２」を生成する。
また、位相面図生成部１２１は、軸２２のねじれ角度（θ_Ｍ−θ_Ｌ）とモータ２０の角速度（モータ角速度ω_Ｍ）及び負荷２１の角速度（負荷角速度ω_Ｌ）との関係を示す「ねじれ角度−機械角速度位相面図Ｐ３」を生成する。
また、位相面図生成部１２１は、トルク指令値（トルクτ）と軸２２のねじれ速度（モータ角速度ω_Ｍと負荷角速度ω_Ｌとの差。以下、“ω_Ｍ−ω_Ｌ”と記載する。）との関係を示す「トルク−ねじれ速度位相面図Ｐ４」を生成する。
また、位相面図生成部１２１は、軸２２のねじれ角度（θ_Ｍ−θ_Ｌ）と軸２２のねじれ速度（ω_Ｍ−ω_Ｌ）との関係を示す「ねじれ角度−ねじれ速度位相面図Ｐ５」を生成する。
また、位相面図生成部１２１は、負荷２１の角度（負荷角度θ_Ｌ）とトルク指令値（トルクτ）との関係を示す「負荷角度−トルク位相面図Ｐ６」を生成する。The phaseview generation unit 121 is based on the torque command value (torque τ) acquired by thedata acquisition unit 120, the measured data of the angle and the angular velocity of themotor 20, and the measured data of the angle and the angular velocity of theload 21. Generate multiple phase views.
Here, as shown in FIG. 6, the phaseplan generation unit 121 has a “twist angle” indicating the relationship between the twist angle (θ_M − θ_L ) of the connecting member (shaft 22) and the torque command value (torque τ). -Torque phase view P1 "is generated.
Further, the phase topview generation unit 121 indicates a “torque-mechanical angular velocity phase” indicating the relationship between the torque command value (torque τ), the angular velocity of the motor 20 (motor angular velocity ω_M ), and the angular velocity of the load 21 (load angular velocity ω_L ). View P2 ”is generated.
Further, the phaseplan generation unit 121 shows the relationship between the twist angle (θ_M − θ_L ) of theshaft 22, the angular velocity of the motor 20 (motor angular velocity ω_M ), and the angular velocity of the load 21 (load angular velocity ω_L ). Twist angle-mechanical angular velocity phase view P3 ”is generated.
Further, the phaseview generation unit 121 describes the torque command value (torque τ) and the torsional speed of the shaft 22 (difference between the motor angular velocity ω_M and the load angular velocity ω_L. Hereinafter, “ω_M −ω_L ”. ) Is generated, and "torque-torque velocity phase view P4" is generated.
Further, the phaseview generation unit 121 has a “twist angle-twist speed phase view P5” showing the relationship between the twist angle (θ_M − θ_L ) of theshaft 22 and the twist speed (ω_M −ω_L ) of theshaft 22. "Is generated.
Further, the phaseview generation unit 121 generates a "load angle-torque phase view P6" showing the relationship between the angle of the load 21 (load angle θ_L ) and the torque command value (torque τ).

パラメータ同定部１２２は、位相面図生成部１２１によって生成された複数の位相面図に基づいて、モータ２０の摩擦（モータ側摩擦係数τ_ｆＭ）、負荷２１の摩擦（負荷側摩擦係数τ_ｆＬ）、軸２２の剛性（ねじれ剛性係数Ｋ_Ｒ）、及び、軸２２の不感帯幅ＢＬを示すモデルパラメータ（τ_ｆＭ０、τ_ｆＬ０、Ｋ_Ｒ０、ＢＬ_０）を同定する。Theparameter identification unit 122 has the friction of the motor 20 (coefficient of friction τ_fM on the motor side) and the friction of the load 21 (friction coefficient τ_fL on the load side) based on the plurality of phase views generated by the phaseview generation unit 121. , the stiffness of the shaft 22 (torsional rigidity coefficient_K R), and the model parameters_{(τ fM0, τ fL0, K} R0, BL 0) showing a dead zone width BL of theshaft 22 to identify.

（パラメータ同定装置の処理フロー）
図７は、第１の実施形態に係るパラメータ同定装置の処理フローを示す図である。
また、図８は、第１の実施形態に係るパラメータ同定装置の処理を説明する図である。
また、図９〜図１４は、第１の実施形態に係る複数の位相面図を説明する第１から第６の図である。
図７に示す処理フローは、例えば、機械系２の実運転の開始前等において、パラメータ同定装置１２（図６）が機械系２についてのパラメータ同定を行う際に実行される。(Processing flow of parameter identification device)
FIG. 7 is a diagram showing a processing flow of the parameter identification device according to the first embodiment.
Further, FIG. 8 is a diagram illustrating processing of the parameter identification device according to the first embodiment.
9 to 14 are the first to sixth views for explaining the plurality of phase views according to the first embodiment.
The processing flow shown in FIG. 7 is executed when the parameter identification device 12 (FIG. 6) identifies the parameters of themechanical system 2 before the start of the actual operation of themechanical system 2, for example.

まず、モータ制御システム１のオペレータは、上位機器を操作して所定の角度指令値を出力させることで、負荷２１の角度（負荷角度θ_Ｌ）を小振幅かつ低周波数で反復動作させる（ステップＳ０１）。First, the operator of themotor control system 1 repeatedly operates the angle of the load 21 (load angle θ_L ) with a small amplitude and a low frequency by operating a host device to output a predetermined angle command value (step S01). ).

次に、パラメータ同定装置１２のデータ取得部１２０は、小振幅かつ低周波数で反復動作中の機械系２から、モータ角速度ω_Ｍ、モータ角度θ_Ｍ、負荷角速度ω_Ｌ及び負荷角度θ_Ｌの経時的変化を示す実測データを取得する（ステップＳ０２）。Next, thedata acquisition unit 120 of theparameter identification device 12 determines the motor angular velocity ω_M , the motor angle θ_M , the load angular velocity ω_L, and the load angle θ_L over time from themechanical system 2 that is repeatedly operating at a small amplitude and low frequency. The actual measurement data showing the target change is acquired (step S02).

次に、パラメータ同定装置１２の位相面図生成部１２１は、ステップＳ０２で取得された実測データから複数の位相面図を生成する（ステップＳ０３）。 Next, the phaseview generation unit 121 of theparameter identification device 12 generates a plurality of phase views from the actually measured data acquired in step S02 (step S03).

ここで、位相面図生成部１２１は、図８に示すように、負荷角度θ_Ｌの方向反転前後に取得されたねじれ角度（θ_Ｍ−θ_Ｌ）の実測データ、及び、トルクτの実測データから同一時刻にサンプリングされた実測値どうしを紐付けて抽出する。ここで、「ねじれ角度（θ_Ｍ−θ_Ｌ）の実測データ」は、モータ角度θ_Ｍの実測データから負荷角度θ_Ｌの実測データを差し引くことで得られる。そして、位相面図生成部１２１は、抽出した実測値に基づいて、図９に示すような、ねじれ角度（θ_Ｍ−θ_Ｌ）を横軸にとり、トルクτを縦軸にとる位相面図である「ねじれ角度−トルク位相面図Ｐ１」を生成する。
なお、位相面図生成部１２１は、負荷角度θ_Ｌの正方向から負方向への反転前後に取得される実測データと、負方向から正方向への反転前後に取得される実測データと、の各々について上記実測値の紐付けを行う。このようにして生成されたねじれ角度−トルク位相面図Ｐ１には、主に、機械系２の非線形摩擦特性（図３（ａ）参照）と不感帯特性関数Ｆ１に起因するヒステリシス曲線が表れる。Here, as shown in FIG. 8, the phaseplan generation unit 121 has actually measured the twist angle (θ_M − θ_L ) acquired before and after the direction reversal of the load angle θ_L , and the measured data of the torque τ. The measured values sampled at the same time are linked and extracted from. Here, the "measured data of the twist angle (θ_M − θ_L )" is obtained by subtracting the measured data of the load angle θ_L from the measured data of the motor angle θ_M. Then, the phaseview generation unit 121 is a phase view having a twist angle (θ_M − θ_L ) on the horizontal axis and a torque τ on the vertical axis as shown in FIG. 9 based on the extracted measured values. A certain "twist angle-torque phase view P1" is generated.
The phaseview generation unit 121 includes actual measurement data acquired before and after the reversal of the load angle θ_{L from} the positive direction to the negative direction, and actual measurement data acquired before and after the reversal from the negative direction to the positive direction. The above measured values are linked to each. In the twist angle-torque phase plane view P1 generated in this way, a hysteresis curve mainly due to the nonlinear friction characteristic of the mechanical system 2 (see FIG. 3A) and the dead zone characteristic function F1 appears.

同様に、位相面図生成部１２１は、負荷角度θ_Ｌの方向反転前後におけるトルクτの実測データ、及び、モータ角速度ω_Ｍ、負荷角速度ω_Ｌの実測データから同一時刻にサンプリングされた実測値どうしを紐付けて抽出する。そして、位相面図生成部１２１は、抽出した実測値に基づいて、図１０に示すような、トルクτを横軸にとり、モータ角速度ω_Ｍ及び負荷角速度ω_Ｌを縦軸にとる位相面図である「トルク−機械角速度位相面図Ｐ２」を生成する。
同様に、位相面図生成部１２１は、負荷角度θ_Ｌの方向反転前後におけるねじれ角度（θ_Ｍ−θ_Ｌ）の実測データ、及び、モータ角速度ω_Ｍ、負荷角速度ω_Ｌの実測データから同一時刻にサンプリングされた実測値どうしを紐付けて抽出する。そして、位相面図生成部１２１は、抽出した実測値に基づいて、図１１に示すような、ねじれ角度（θ_Ｍ−θ_Ｌ）を横軸にとり、モータ角速度ω_Ｍ及び負荷角速度ω_Ｌを縦軸にとる位相面図である「ねじれ角度−機械角速度位相面図Ｐ３」を生成する。
更に、位相面図生成部１２１は、負荷角度θ_Ｌの方向反転前後におけるトルクτの実測データ、及び、ねじれ速度（ω_Ｍ−ω_Ｌ）の実測データから同一時刻にサンプリングされた実測値どうしを紐付けて抽出する。ここで、「ねじれ速度（ω_Ｍ−ω_Ｌ）の実測データ」は、モータ角速度ω_Ｍの実測データから負荷角速度ω_Ｌの実測データを差し引いて得られる。そして、位相面図生成部１２１は、抽出した実測値に基づいて、図１２に示すような、トルクτを横軸にとり、ねじれ速度（ω_Ｍ−ω_Ｌ）を縦軸にとる位相面図である「トルク−ねじれ速度位相面図Ｐ４」を生成する。
更に、位相面図生成部１２１は、負荷角度θ_Ｌの方向反転前後におけるねじれ角度（θ_Ｍ−θ_Ｌ）の実測データ、及び、ねじれ速度（ω_Ｍ−ω_Ｌ）の実測データから同一時刻にサンプリングされた実測値どうしを紐付けて抽出する。そして、位相面図生成部１２１は、抽出した実測値に基づいて、図１３に示すような、ねじれ角度（θ_Ｍ−θ_Ｌ）を横軸にとり、ねじれ速度（ω_Ｍ−ω_Ｌ）を縦軸にとる位相面図である「ねじれ角度−ねじれ速度位相面図Ｐ５」を生成する。
更に、位相面図生成部１２１は、負荷角度θ_Ｌの方向反転前後における負荷角度θ_Ｌの実測データ、及び、トルクτの実測データから同一時刻にサンプリングされた実測値どうしを紐付けて抽出する。そして、位相面図生成部１２１は、抽出した実測値に基づいて、図１４に示すような、負荷角度θ_Ｌを横軸にとり、トルクτを縦軸にとる位相面図である「負荷角度−トルク位相面図Ｐ６」を生成する。Similarly, the phaseplan generation unit 121 uses the measured values sampled at the same time from the measured data of the torque τ before and after the direction reversal of the load angle θ_L and the measured data of the motor angular velocity ω_M and the load angular velocity ω_L. Is linked and extracted. Then, based on the extracted actual measurement value, the phaseview generation unit 121 has a phase view in which the torque τ is on the horizontal axis and the motor angular velocity ω_M and the load angular velocity ω_L are on the vertical axis, as shown in FIG. A certain "torque-mechanical angular velocity phase view P2" is generated.
Similarly, thephase plan generator 121 is at the same time from the measured data of the twist angle (θ_M − θ_L ) before and after the direction reversal of the load angle θ_L , and the measured data of the motor angular velocity ω_M and the load angular velocity ω_L. The measured values sampled in the above are linked and extracted. Then, based on the extracted actually measured values, the phase topview generation unit 121 takes the twist angle (θ_M − θ_L ) as the horizontal axis and sets the motor angular velocity ω_M and the load angular velocity ω_L vertically. A "twist angle-mechanical angular velocity phase view P3" which is a phase view taken on the axis is generated.
Further, thephase plan generator 121 selects the measured values sampled at the same time from the measured data of the torque τ before and after the direction reversal of the load angle θ_L and the measured data of the twisting speed (ω_M − ω_L ). Associate and extract. Here, the "measured data of the torsional velocity (ω_M − ω_L )" is obtained by subtracting the measured data of the load angular velocity ω_L from the measured data of the motor angular velocity ω_M. Then, the phaseview generation unit 121 is a phase view having torque τ on the horizontal axis and twisting speed (ω_M −ω_L ) on the vertical axis as shown in FIG. 12 based on the extracted measured values. A certain "torque-torque velocity phase view P4" is generated.
Further, the phaseplan generation unit 121 sets the actual measurement data of the twist angle (θ_M − θ_L ) before and after the direction reversal of the load angle θ_L and the actual measurement data of the twist speed (ω_M − ω_L ) at the same time. Extract the sampled measured values by associating them with each other. Then, based on the extracted actual measurement value, the phaseplan generation unit 121 takes the twist angle (θ_M − θ_L ) as the horizontal axis and sets the twist speed (ω_M − ω_L ) vertically as shown in FIG. A "twist angle-twist speed phase view P5" which is a phase view taken on the axis is generated.
Furthermore, phase planeview generating unit 121, the measured data of the load angle theta_L in the direction reversed before and after the load angle theta_L, and extracted in association measured values each other sampled at the same time from the measured data of the torque τ .. Then, based on the extracted actual measurement value, the phaseview generation unit 121 has a load angle θ_L as shown in FIG. 14 on the horizontal axis and a torque τ on the vertical axis, which is a “load angle −”. The torque phase view P6 ”is generated.

次に、パラメータ同定部１２２は、ステップＳ０３で生成された各種位相面図に基づいて、２慣性系モデルＭＯＤをなす各種モデルパラメータのうち、モデルモータ側摩擦係数τ_ｆＭ０、モデル負荷側摩擦係数τ_ｆＬ０、モデル不感帯幅ＢＬ_０及びモデルねじれ剛性係数Ｋ_Ｒ０を同定する（ステップＳ０４）。具体的には、パラメータ同定部１２２は、各種位相面図における折れ点の位置等に基づいて上記モデルパラメータを同定する。Next, theparameter identification unit 122 has the model motor side friction coefficient τ_fM0 and the model load side friction coefficient τ among the various model parameters forming the_bi- inertial frame model MOD based on the various phase views generated in step S03._fL0, to identify the model dead zone width BL₀ and model torsional rigidity coefficient_{K R0} (step S04). Specifically, theparameter identification unit 122 identifies the model parameters based on the positions of break points in various phase views and the like.

ここで、図２に示すブロック線図に基づいて、モータ２０についての運動方程式である式（１）、及び、負荷２１についての運動方程式である式（２）を得ることができる。 Here, based on the block diagram shown in FIG. 2, the equation of motion (1) for themotor 20 and the equation of motion (2) for theload 21 can be obtained.

式（１）、（２）において、“τ_ｆＭ［ω_Ｍ］”は、モータ側摩擦特性関数ＧＭ（図３（ｂ））に基づいてモータ角速度ω_Ｍの変数として規定されるモータ側摩擦係数τ_ｆＭを示している。また、“τ_ｆＬ［ω_Ｌ］”は、負荷側摩擦特性関数Ｇ_Ｌに基づいて負荷角速度ω_Ｌの変数として規定される負荷側摩擦係数τ_ｆＬを示している。
また、“ＢＫＬＳ［θ_Ｍ−θ_Ｌ］”は、ガタ変位関数Ｆ１’（図４（ｂ））に基づいてねじれ角度（θ_Ｍ−θ_Ｌ）の変数として規定されるガタ変位ＢＫＬＳを示している。In the equations (1) and (2), “τ_fM [ω_M ]” is the coefficient of friction on the motor side defined as a variable of the motor angular velocity ω_M based on the motor side friction characteristic function GM (FIG. 3 (b)). It shows τ_fM ._{Further, "τ fL [ω L]} " shows a load side friction coefficient tau_fL defined as a variable of the load angular velocity omega_L based on the load side friction characteristic function G_L.
Further, “BKLS [θ_M − θ_L ]” indicates the backlash displacement BKLS defined as a variable of the twist angle (θ_M − θ_L ) based on the backlash displacement function F1 ′ (FIG. 4 (b)). There is.

なお、現実の機械系２において、軸２２のねじれ粘性係数Ｄ_Ｒの影響は小さいため、式（１）、式（２）においては、ねじれ粘性係数Ｄ_Ｒを無視している。
また、上記運動方程式（式（１）、式（２））において、機械系２の反復動作を小振幅かつ低周波数にすると、モータ２０の慣性トルクＪ_Ｍｓ^２θ_Ｍ、負荷２１の慣性トルクＪ_Ｌｓ^２θ_Ｌ、モータ２０の粘性トルクＤ_Ｍｓθ_Ｍ、及び、負荷２１の粘性トルクＤ_Ｌｓθ_Ｌの影響も小さくなる。そこで、上記運動方程式におけるこれらの項を削除することで、以下に示す式（３）、式（４）が導出される。Note that in the realmechanical system 2, since the influence of the torsion viscosity coefficient D_R of theshaft 22 is small, in the formula (1), equation (2), and ignoring the twist viscosity coefficient D_R.
Further, in the above equations of motion (Equations (1) and (2)), when the repetitive motion of themechanical system 2 is set to a small amplitude and a low frequency, the inertia torque of the motor 20 J_M s² θ_M and the inertia torque of theload 21. J_L s² θ_L, the viscous torque_D M S.theta_M of themotor 20, and, also decreases the influence of the viscous torque_D L S.theta_L of theload 21. Therefore, by deleting these terms in the equation of motion, the following equations (3) and (4) are derived.

式（３）より、機械系２の反復動作が小振幅かつ低周波数の条件下において、トルク指令値に従ってモータ２０が出力するトルクτは、モータ側摩擦係数τ_ｆＭと負荷側摩擦係数τ_ｆＬとの合計値となることが示される。
また、式（４）より、機械系２の反復動作が小振幅かつ低周波数の条件下において、負荷側摩擦係数τ_ｆＬをねじれ剛性係数Ｋ_Ｒで除した値とガタ変位ＢＫＬＳとの和がねじれ角度（θ_Ｍ−θ_Ｌ）となることが示される。即ち、軸２２におけるねじれ角度（θ_Ｍ−θ_Ｌ）からガタ変位ＢＫＬＳを差し引いた角度（変位）に、軸２２のばね定数（ねじれ剛性係数Ｋ_Ｒ）を乗じた値が、負荷側摩擦係数τ_ｆＬに一致する。From the equation (3), the torque τ output by themotor 20 according to the torque command value under the condition that the repetitive operation of themechanical system 2 has a small amplitude and a low frequency is a friction coefficient τ_fM on the motor side and a friction coefficient τ_fL on the load side. Is shown to be the total value of.
Further, from equation (4), under the conditions of repeated operation of themechanical system 2 is small amplitude and low frequencies, the sum of the value obtained by dividing the backlash displacement BKLS in stiffness coefficient K_R torsional load side friction coefficient tau_fL twist It is shown that the angle (θ_M − θ_L ) is obtained. That is, the angle (displacement) obtained by subtracting the backlash displacement BKLS from twist angle (theta_M - [theta]_L) in the axial 22, a value obtained by multiplying a spring constant of the shaft 22 (torsional rigidity coefficient_{K R)} is the load side friction coefficient τ Matches_fL .

以下、式（３）、（４）の関係を考慮しながら、図９に示すねじれ角度−トルク位相面図Ｐ１における各折れ点Ｔ１１〜Ｔ１４について説明する。 Hereinafter, each break point T11 to T14 in the twist angle-torque phase plane view P1 shown in FIG. 9 will be described while considering the relationship between the equations (3) and (4).

ねじれ角度−トルク位相面図Ｐ１における折れ点Ｔ１１〜折れ点Ｔ１２は、負方向に飽和していたトルクτが正方向に向けて反転し、これに応じてモータ２０が正方向への回転駆動を開始するまでの軌跡を示している。即ち、折れ点Ｔ１１において最小値（負方向に飽和状態）となっていたトルクτが正方向に向けて徐々に増加していく過程において、当該トルクτがモータ２０に生じる摩擦の飽和値（モータ側クーロン摩擦係数τ_ｆＭｃ）を上回った時点でモータ２０が正方向に回転駆動し始める。他方、折れ点Ｔ１２の時点では、不感帯（−ＢＬ〜＋ＢＬ）の存在により負荷２１の摩擦の影響は生じない。したがって、折れ点Ｔ１２に至った時点におけるトルクτは、式（３）より、モータ２０に生じる摩擦の飽和値（モータ側クーロン摩擦係数τ_ｆＭｃ）に一致する。At the bending points T11 to T12 in the torsion angle-torque phase view P1, the torque τ saturated in the negative direction is reversed in the positive direction, and themotor 20 is driven to rotate in the positive direction accordingly. It shows the trajectory until the start. That is, in the process in which the torque τ, which was the minimum value (saturated in the negative direction) at the break point T11, gradually increases in the positive direction, the torque τ is the saturation value of friction generated in the motor 20 (motor). When the side Coulomb friction coefficient τ_fMc ) is exceeded, themotor 20 starts rotationally driving in the positive direction. On the other hand, at the break point T12, the influence of the friction of theload 21 does not occur due to the presence of the dead zone (−BL to + BL). Therefore, the torque τ at the time when the break point T12 is reached matches the saturation value of the friction generated in the motor 20 (motor-side Coulomb friction coefficient τ_fMc ) from the equation (3).

また、ねじれ角度−トルク位相面図Ｐ１における折れ点Ｔ１２〜折れ点Ｔ１３は、軸２２のねじれ角度（θ_Ｍ−θ_Ｌ）が不感帯の最小値（−ＢＬ）から最大値（＋ＢＬ）に至るまでの軌跡を示している。即ち、折れ点Ｔ１２から折れ点Ｔ１３にかけては、ガタ変位ＢＫＬＳのみが変化し、負荷２１には動力が伝達されない。したがって、モータ２０のみが駆動するため、トルクτがモータ側クーロン摩擦係数τ_ｆＭｃ一定を維持しながら、ねじれ角度（θ_Ｍ−θ_Ｌ）が変化する。したがって、折れ点Ｔ１３に至った時点におけるねじれ角度（θ_Ｍ−θ_Ｌ）は、式（４）より、不感帯の最大値（＋ＢＬ）に一致する。Further, at the bending point T12 to the bending point T13 in the twist angle-torque phase view P1, the twist angle (θ_M − θ_L ) of theshaft 22 ranges from the minimum value (−BL) to the maximum value (+ BL) of the dead zone. Shows the trajectory of. That is, from the break point T12 to the break point T13, only the backlash displacement BKLS changes, and power is not transmitted to theload 21. Therefore, since only themotor 20 is driven, the twist angle (θ_M − θ_L ) changes while the torque τ maintains a constant Coulomb friction coefficient τ_fMc on the motor side. Therefore, the twist angle (θ_M − θ_L ) at the time of reaching the break point T13 corresponds to the maximum value (+ BL) of the dead zone from the equation (4).

また、ねじれ角度−トルク位相面図Ｐ１における折れ点Ｔ１３〜折れ点Ｔ１４は、ガタ変位ＢＫＬＳが正方向に飽和して、不感帯幅ＢＬを上回るねじれ角度（θ_Ｍ−θ_Ｌ）を通じて、負荷２１に印加されるトルクτ’が徐々に増加し、これに応じて負荷２１が正方向への回転駆動を開始するまでの軌跡を示している。即ち、折れ点Ｔ１３においてモータ２０のみを回転駆動させていたトルクτが正方向に向けて更に増加していく過程において、当該トルクτが、モータ２０に生じる摩擦の飽和値と負荷２１に生じる摩擦の飽和値（負荷側クーロン摩擦係数τ_ｆＬｃ）との合計値と釣り合った時点で負荷２１が正方向に回転駆動し始める。したがって、折れ点Ｔ１４に至った時点におけるトルクτは、式（３）より、モータ側クーロン摩擦係数τ_ｆＭｃと負荷側クーロン摩擦係数τ_ｆＬｃとの合計値に一致する。
また、折れ点Ｔ１４に至った時点におけるねじれ角度（θ_Ｍ−θ_Ｌ）は、式（４）より、“τ_ｆＬｃ／Ｋ_Ｒ＋ＢＬ”に一致する。Further, at the bending point T13 to the bending point T14 in the twist angle-torque phase view P1, the backlash displacement BKLS is saturated in the positive direction, and theload 21 is subjected to the twist angle (θ_M − θ_L ) exceeding the dead zone width BL. The applied torque τ'is gradually increased, and the trajectory until theload 21 starts the rotational drive in the positive direction is shown accordingly. That is, in the process in which the torque τ that rotationally drives only themotor 20 at the break point T13 increases further in the positive direction, the torque τ increases the saturation value of the friction generated in themotor 20 and the friction generated in theload 21. Theload 21 starts to rotate in the positive direction when it is balanced with the total value of the saturation value (load-side Coulomb friction coefficient τ_fLc ). Therefore, the torque τ at the time when the break point T14 is reached corresponds to the total value of the motor-side Coulomb friction coefficient τ_fMc and the load-side Coulomb friction coefficient τ_fLc from the equation (3).
Further, the twist angle at the time that led to the break point T14 (θ_M -θ_L), from equation (4), matches the_{"τ fLc / K R + BL} ".

以上の特性に基づき、パラメータ同定部１２２は、各折れ点Ｔ１１〜Ｔ１４の位置に基づいて各種モデルパラメータを同定する。
具体的には、パラメータ同定部１２２は、ねじれ角度−トルク位相面図Ｐ１における折れ点Ｔ１２（又は折れ点Ｔ１３）の縦軸の値を参照してモデルモータ側クーロン摩擦係数τ_ｆＭｃ０を同定する。また、パラメータ同定部１２２は、折れ点Ｔ１４における縦軸の値から、先に同定したモデルモータ側クーロン摩擦係数τ_ｆＭｃ０の値を差し引いてモデル負荷側クーロン摩擦係数τ_ｆＬｃ０を同定する。更に、パラメータ同定部１２２は、折れ点Ｔ１３（又は折れ点Ｔ１２）の横軸の値を参照してモデル不感帯幅ＢＬ_０を同定する。更に、パラメータ同定部１２２は、折れ点Ｔ１４における横軸の値と、先に同定したモデル不感帯幅ＢＬ_０及びモデル負荷側クーロン摩擦係数τ_ｆＬｃ０とに基づいて式（４）を解くことで、モデルねじれ剛性係数Ｋ_Ｒ０を同定する。Based on the above characteristics, theparameter identification unit 122 identifies various model parameters based on the positions of the break points T11 to T14.
Specifically, theparameter identification unit 122 identifies the Coulomb friction coefficient τ_fMc0 on the model motor side with reference to the value on the vertical axis of the break point T12 (or break point T13) in the twist angle-torque phase view P1. Further, theparameter identification unit 122 identifies the model load side Coulomb friction coefficient τ_fLc0 by subtracting the value of the model motor side Coulomb friction coefficient τ_fMc0 identified earlier from the value on the vertical axis at the break point T14. Further, theparameter identification unit 122 identifies the model dead band width BL₀ with reference to the value on the horizontal axis of the break point T13 (or break point T12). Further, theparameter identification unit 122 solves the model (4) based on the value on the horizontal axis at the break point T14, the model dead band width BL₀ identified earlier, and the model load-side Coulomb friction coefficient τ_fLc0. The torsional rigidity coefficient_KR0 is identified.

次に、式（３）、（４）の関係を考慮しながら、図１０に示すトルク−機械角速度位相面図Ｐ２における各折れ点Ｔ２１〜Ｔ２４について説明する。
トルク−機械角速度位相面図Ｐ２における折れ点Ｔ２１〜折れ点Ｔ２２は、負方向に飽和していたトルクτが正方向に向けて反転し、これに応じて、トルクτが最小値（負の飽和状態）からほとんど変化しないまま、モータ２０及び負荷２１の角速度がゼロとなるまでの軌跡を示している。
また、折れ点Ｔ２２〜折れ点Ｔ２３は、モータ２０及び負荷２１の角速度がゼロの状態から徐々に正方向にトルクτが上昇して行く中で、不感帯（−ＢＬ〜＋ＢＬ）の存在により、モータ角速度ω_Ｍのみが上昇する軌跡を示している。
また、折れ点Ｔ２３〜折れ点Ｔ２４は、トルクτが、モータ２０のみの駆動に要するトルク（モータ側クーロン摩擦係数τ_ｆＭｃ）を上回ることで負荷２１にトルクτ’が印加され、モータ角速度ω_Ｍと負荷角速度ω_Ｌとが等しく上昇する軌跡を示している。Next, each break point T21 to T24 in the torque-mechanical angular velocity phase plane view P2 shown in FIG. 10 will be described while considering the relationship between the equations (3) and (4).
At the break points T21 to T22 in the torque-mechanical angular velocity phase view P2, the torque τ saturated in the negative direction is reversed in the positive direction, and the torque τ is the minimum value (negative saturation) accordingly. It shows the trajectory from the state) until the angular velocity of themotor 20 and theload 21 becomes zero with almost no change.
Further, at the break points T22 to T23, the torque τ gradually increases in the positive direction from the state where the angular velocities of themotor 20 and theload 21 are zero, and the motors due to the presence of the dead zone (-BL to + BL). Only the angular velocity ω_M shows an ascending trajectory.
Further, at the break points T23 to T24, the torque_τ'is applied to theload 21 when the torque τ exceeds the torque required to drive only the motor 20 (motor side Coulomb friction coefficient τ_fMc ), and the motor angular velocity ω_M And the load angular velocity ω_L are shown to rise equally.

ここで、折れ点Ｔ２２の横軸の値は、モータ角速度ω_Ｍ、負荷角速度ω_Ｌがゼロであることに基づき、式（３）より“−τ_ｆＭｃ−τ_ｆＬｃ”と求めることができる。
また、折れ点Ｔ２３の横軸の値は、負荷２１の角速度が上昇を開始する時点（モータ２０のみが回転駆動している時点）におけるトルクである。したがって、式（３）より、折れ点Ｔ２３の横軸の値は、モータ側クーロン摩擦係数τ_ｆＭｃに一致する。Here, the value on the horizontal axis of the break point T22 can be_{obtained as} “_{−τfMc−τfLc} ” from the equation (3) based on the fact that the motor angular velocity ω_M and the load angular velocity ω_L are zero.
The value on the horizontal axis of the break point T23 is the torque at the time when the angular velocity of theload 21 starts to increase (when only themotor 20 is rotationally driven). Therefore, from the equation (3), the value on the horizontal axis of the break point T23 coincides with the motor-side Coulomb friction coefficient τ_fMc .

パラメータ同定部１２２は、トルク−機械角速度位相面図Ｐ２における折れ点Ｔ２２の横軸の値から、先に同定したモデルモータ側クーロン摩擦係数τ_ｆＭｃ０の値を差し引いてモデル負荷側クーロン摩擦係数τ_ｆＬｃ０を同定する。
ここで、ねじれ角度−トルク位相面図Ｐ１の折れ点Ｔ１４では、トルクτ、ねじれ角度（θ_Ｍ−θ_Ｌ）が完全には飽和せず、モータ側粘性係数Ｄ_Ｍ及び負荷側粘性係数Ｄ_Ｌに基づく誤差成分が生じることが分かっている。そうすると、ねじれ角度−トルク位相面図Ｐ１の折れ点Ｔ１４の位置に基づいてモデル負荷側クーロン摩擦係数τ_ｆＬｃ０を同定しようとすると、当該誤差成分に起因して精度が低下することが考えられる。
他方、トルク−機械角速度位相面図Ｐ２の折れ点Ｔ２２では、モータ角速度ω_Ｍ、負荷角速度ω_Ｌがゼロとなっている。したがって、折れ点Ｔ２２では、モータ角速度ω_Ｍ、負荷角速度ω_Ｌに比例する成分を与えるモータ側粘性係数Ｄ_Ｍ及び負荷側粘性係数Ｄ_Ｌの影響を受けていない。そのため、折れ点Ｔ２２の横軸の値から、より精度の高いモデル負荷側クーロン摩擦係数τ_ｆＬｃ０を同定することができる。Theparameter identification unit 122 subtracts the value of the model motor side Coulomb friction coefficient τ_fMc0 identified earlier from the value on the horizontal axis of the break point T22 in the torque-mechanical angular velocity phase view P2, and subtracts the value of the model load side Coulomb friction coefficient τ_fLc0. To identify.
Here, at the bending point T14 of the twist angle-torque phase view P1, the torque τ and the twist angle (θ_M − θ_L ) are not completely saturated, and the motor side viscosity coefficient_DM and the load side viscosity coefficient_DL It is known that an error component based on is generated. Then, when trying to identify the model load-side Coulomb friction coefficient τ_fLc0 based on the position of the bending point T14 in the twist angle-torque phase view P1, it is considered that the accuracy is lowered due to the error component.
On the other hand, at the break point T22 in the torque-mechanical angular velocity phase view P2, the motor angular velocity ω_M and the load angular velocity ω_L are zero. Thus, the break point T22, have not undergone the motor angular speed omega_M, the influence of the motor side viscosity gives a component proportional to the load angular velocity omega_L D_M and the load side viscosity coefficient D_L. Therefore, it is possible to identify the model load-side Coulomb friction coefficient τ_fLc0 with higher accuracy from the value on the horizontal axis of the break point T22.

また、パラメータ同定部１２２は、トルク−機械角速度位相面図Ｐ２における折れ点Ｔ２３の横軸の値を参照してモデルモータ側クーロン摩擦係数τ_ｆＭｃ０を同定する。Further, theparameter identification unit 122 identifies the Coulomb friction coefficient τ_fMc0 on the model motor side with reference to the value on the horizontal axis of the break point T23 in the torque-mechanical angular velocity phase view P2.

次に、式（３）、（４）の関係を考慮しながら、図１１に示すねじれ角度−機械角速度位相面図Ｐ３における各折れ点Ｔ３１〜Ｔ３４について説明する。
ねじれ角度−機械角速度位相面図Ｐ３における折れ点Ｔ３１〜折れ点Ｔ３２は、負方向に飽和していたトルクτが正方向に向けて反転し、これに応じて、ねじれ角度（θ_Ｍ−θ_Ｌ）が最小値（負の飽和状態）からほとんど変化しないまま、モータ２０及び負荷２１の角速度がゼロとなるまでの軌跡を示している。
また、折れ点Ｔ３２〜折れ点Ｔ３３は、不感帯（−ＢＬ〜＋ＢＬ）の存在により負荷角速度ω_Ｌがゼロのままモータ角速度ω_Ｍのみが上昇することで、ねじれ角度（θ_Ｍ−θ_Ｌ）が徐々に増大していく軌跡を示している。
また、折れ点Ｔ３３〜折れ点Ｔ３４は、ねじれ角度（θ_Ｍ−θ_Ｌ）が不感帯の最大値（＋ＢＬ）を上回ることで負荷２１にトルクτ’が印加され、モータ角速度ω_Ｍと負荷角速度ω_Ｌとが等しく上昇する軌跡を示している。Next, each break point T31 to T34 in the torsion angle-mechanical angular velocity phase plane view P3 shown in FIG. 11 will be described while considering the relationship between the equations (3) and (4).
Twist angle-mechanical angular velocity At the break points T31 to T32 in the phase plane view P3, the torque τ saturated in the negative direction is reversed in the positive direction, and the twist angle (θ_M − θ_{L) accordingly.} ) Shows the trajectory until the angular velocities of themotor 20 and theload 21 become zero while the value () hardly changes from the minimum value (negative saturation state).
Further, at the break points T32 to T33, the twist angle (θ_M − θ_L ) is increased by increasing only the motor angular velocity ω_{M while the} load angular velocity ω_L is zero due to the presence of the dead zone (−BL to + BL). It shows a gradually increasing trajectory.
Further, at the break points T33 to T34, the torque τ'is applied to theload 21 when the twist angle (θ_M − θ_L ) exceeds the maximum value (+ BL) of the dead zone, and the motor angular velocity ω_M and the load angular velocity ω are applied._It shows a trajectory in which_L rises equally.

ここで、折れ点Ｔ３２の横軸の値は、負荷角速度ω_Ｌがゼロであること、及び、ガタ変位ＢＫＬＳが“−ＢＬ”（θ_Ｍ−θ_Ｌ＜−ＢＬ）であることに基づき、式（４）より“−τ_ｆＬｃ／Ｋ_Ｒ−ＢＬ”と求めることができる。
また、折れ点Ｔ３３の横軸の値は、負荷２１の角速度が上昇を開始する時点（負荷角速度ω_Ｌがゼロの時点）におけるねじれ角度（θ_Ｍ−θ_Ｌ）である。したがって、折れ点Ｔ３３の横軸の値は、式（４）より、不感帯の最大値（＋ＢＬ）に一致する。Here, the value on the horizontal axis of the break point T32 is based on the fact that the load angular velocity ω_L is zero and the backlash displacement BKLS is “−BL” (θ_M − θ_L <−BL). (4) than can be obtained with_{"-τ fLc / K R -BL"} .
The value on the horizontal axis of the break point T33 is the twist angle (θ_M − θ_L ) at the time when the angular velocity of theload 21 starts to rise (when the load angular velocity ω_L is zero). Therefore, the value on the horizontal axis of the break point T33 corresponds to the maximum value (+ BL) of the dead zone from the equation (4).

パラメータ同定部１２２は、ねじれ角度−機械角速度位相面図Ｐ３における折れ点Ｔ３２の横軸の値と、先に同定したモデル不感帯幅ＢＬ_０及びモデル負荷側クーロン摩擦係数τ_ｆＬｃ０とに基づいて式（４）を解くことで、モデルねじれ剛性係数Ｋ_Ｒ０を同定する。
また、パラメータ同定部１２２は、ねじれ角度−機械角速度位相面図Ｐ３における折れ点Ｔ３３の横軸の値を参照してモデル不感帯幅ＢＬ_０を同定する。Theparameter identification unit 122 is based on the values on the horizontal axis of the break point T32 in the twist angle-mechanical angular velocity phase view P3, the model dead band width BL₀ identified earlier, and the model load-side Coulomb friction coefficient τ_fLc0. By solving 4), the model torsional rigidity coefficient_KR0 is identified.
Further, theparameter identification unit 122 identifies the model dead band width BL₀ with reference to the value on the horizontal axis of the break point T33 in the twist angle-mechanical angular velocity phase view P3.

次に、図１２に示すトルク−ねじれ速度位相面図Ｐ４から導出される各折れ点Ｔ４１〜Ｔ４３について説明する。
図１２に示すトルク−ねじれ速度位相面図Ｐ４は、トルク−機械角速度位相面図Ｐ２（図１０）に示されるモータ角速度ω_Ｍと負荷角速度ω_Ｌとの差を示す位相面図である。したがって、トルク−ねじれ速度位相面図Ｐ４における折れ点Ｔ４１の位置は、トルク−機械角速度位相面図Ｐ２における折れ点Ｔ２１の位置に対応する。また、トルク−ねじれ速度位相面図Ｐ４における折れ点Ｔ４２の位置は、トルク−機械角速度位相面図Ｐ２における折れ点Ｔ２３の位置に対応する。更に、トルク−ねじれ速度位相面図Ｐ４における折れ点Ｔ４３の位置は、トルク−機械角速度位相面図Ｐ２における折れ点Ｔ２４の位置に対応する。Next, the break points T41 to T43 derived from the torque-twist speed phase view P4 shown in FIG. 12 will be described.
The torque-torque velocity phase view P4 shown in FIG. 12 is a phase view showing the difference between the motor angular velocity ω_M and the load angular velocity ω_L shown in the torque-mechanical angular velocity phase view P2 (FIG. 10). Therefore, the position of the break point T41 in the torque-torque velocity phase view P4 corresponds to the position of the break point T21 in the torque-mechanical angular velocity phase view P2. Further, the position of the break point T42 in the torque-torque velocity phase view P4 corresponds to the position of the break point T23 in the torque-mechanical angular velocity phase view P2. Further, the position of the break point T43 in the torque-torque velocity phase view P4 corresponds to the position of the break point T24 in the torque-mechanical angular velocity phase view P2.

パラメータ同定部１２２は、トルク−ねじれ速度位相面図Ｐ４における折れ点Ｔ４２の横軸の値を参照してモデルモータ側クーロン摩擦係数τ_ｆＭｃ０を同定する。
ここで、図１２に示す通り、トルク−ねじれ速度位相面図Ｐ４における折れ点Ｔ４２は、トルク−機械角速度位相面図Ｐ２（図１０）における折れ点Ｔ２３よりも明確に示されている。したがって、より精度よくモデルモータ側クーロン摩擦係数τ_ｆＭｃ０を同定することができる。Theparameter identification unit 122 identifies the Coulomb friction coefficient τ_fMc0 on the model motor side with reference to the value on the horizontal axis of the break point T42 in the torque-torsion velocity phase view P4.
Here, as shown in FIG. 12, the break point T42 in the torque-torque velocity phase view P4 is more clearly shown than the break point T23 in the torque-mechanical angular velocity phase view P2 (FIG. 10). Therefore, the Coulomb friction coefficient τ_fMc0 on the model motor side can be identified more accurately.

次に、図１３に示すねじれ角度−ねじれ速度位相面図Ｐ５から導出される各折れ点Ｔ５１〜Ｔ５３について説明する。
図１３に示すねじれ角度−ねじれ速度位相面図Ｐ５は、ねじれ角度−機械角速度位相面図Ｐ３（図１１）に示されるモータ角速度ω_Ｍと負荷角速度ω_Ｌとの差を示す位相面図である。したがって、ねじれ角度−ねじれ速度位相面図Ｐ５における折れ点Ｔ５１の位置は、ねじれ角度−機械角速度位相面図Ｐ３における折れ点Ｔ３１の位置に対応する。また、ねじれ角度−ねじれ速度位相面図Ｐ５における折れ点Ｔ５２の位置は、ねじれ角度−機械角速度位相面図Ｐ３における折れ点Ｔ３２の位置に対応する。また、ねじれ角度−ねじれ速度位相面図Ｐ５における折れ点Ｔ５３の位置は、ねじれ角度−機械角速度位相面図Ｐ３における折れ点Ｔ３３の位置に対応する。更に、ねじれ角度−ねじれ速度位相面図Ｐ５における折れ点Ｔ５４の位置は、ねじれ角度−機械角速度位相面図Ｐ３における折れ点Ｔ３４の位置に対応する。Next, each break point T51 to T53 derived from the twist angle-twist speed phase top view P5 shown in FIG. 13 will be described.
The twist angle-twist speed phase view P5 shown in FIG. 13 is a phase view showing the difference between the motor angular velocity ω_M and the load angular velocity ω_L shown in the twist angle-mechanical angular velocity phase view P3 (FIG. 11). .. Therefore, the position of the break point T51 in the twist angle-twist velocity phase view P5 corresponds to the position of the break point T31 in the twist angle-mechanical angular velocity phase view P3. Further, the position of the break point T52 in the twist angle-twist velocity phase view P5 corresponds to the position of the break point T32 in the twist angle-mechanical angular velocity phase view P3. Further, the position of the break point T53 in the twist angle-twist speed phase view P5 corresponds to the position of the break point T33 in the twist angle-mechanical angular velocity phase view P3. Further, the position of the break point T54 in the twist angle-twist velocity phase view P5 corresponds to the position of the break point T34 in the twist angle-mechanical angular velocity phase view P3.

パラメータ同定部１２２は、ねじれ角度−ねじれ速度位相面図Ｐ５における折れ点Ｔ５３の横軸の値を参照して、モデル不感帯幅ＢＬ_０を同定する。
また、パラメータ同定部１２２は、ねじれ角度−ねじれ速度位相面図Ｐ５における折れ点Ｔ５２の横軸の値と、先に同定したモデル不感帯幅ＢＬ_０及びモデル負荷側クーロン摩擦係数τ_ｆＬｃ０とに基づいて式（４）を解くことで、モデルねじれ剛性係数Ｋ_Ｒ０を同定する。
ここで、図１３に示す通り、ねじれ角度−ねじれ速度位相面図Ｐ５における折れ点Ｔ５２及び折れ点Ｔ５３は、ねじれ角度−機械角速度位相面図Ｐ３（図１１）における折れ点Ｔ３２、Ｔ３３よりも明確に示されている。したがって、より精度よくモデル不感帯幅ＢＬ_０及びモデルねじれ剛性係数Ｋ_Ｒ０を同定することができる。Theparameter identification unit 122 identifies the model dead band width BL₀ with reference to the value on the horizontal axis of the break point T53 in the twist angle-twist velocity phase top view P5.
Further, theparameter identification unit 122 is based on the value of the horizontal axis of the break point T52 in the twist angle-twist velocity phase view P5, the model dead band width BL₀ identified earlier, and the model load-side Coulomb friction coefficient τ_fLc0. By solving Eq. (4), the model torsional rigidity coefficient_KR0 is identified.
Here, as shown in FIG. 13, the break point T52 and the break point T53 in the twist angle-twist velocity phase view P5 are clearer than the break points T32 and T33 in the twist angle-mechanical angular velocity phase view P3 (FIG. 11). It is shown in. Therefore, the model dead band width BL₀ and the model torsional rigidity coefficient_{KR 0} can be identified more accurately.

次に、図１４に示す負荷角度−トルク位相面図Ｐ６から導出される折れ点Ｔ６１及び折れ点Ｔ６３について説明する。
折れ点Ｔ６１及び折れ点Ｔ６３の時点においては、モータ側摩擦係数τ_ｆＭ及び負荷側摩擦係数τ_ｆＬの両方が飽和状態である。したがって、式（３）より、折れ点Ｔ６１の縦軸の値は、“−τ_ｆＭｃ−τ_ｆＬｃ”、折れ点Ｔ６３の縦軸の値は、“τ_ｆＭｃ＋τ_ｆＬｃ”と求めることができる。Next, the break point T61 and the break point T63 derived from the load angle-torque phase view P6 shown in FIG. 14 will be described.
At the break points T61 and T63, both the motor-side friction coefficient τ_fM and the load-side friction coefficient τ_fL are saturated. Therefore, the equation (3), the value of the vertical axis of the break point_{T61, "- τ fMc -τ fLc} ", the value of the vertical axis of the break point T63 can be obtained as_"τ fMc + τ fLc".

パラメータ同定部１２２は、負荷角度−トルク位相面図Ｐ６における折れ点Ｔ６３の縦軸の値から、先に同定したモデルモータ側クーロン摩擦係数τ_ｆＭｃ０の値を差し引いてモデル負荷側クーロン摩擦係数τ_ｆＬｃ０を同定する。
ここで、図１４に示す通り、負荷角度−トルク位相面図Ｐ６における折れ点Ｔ６３は、ねじれ角度−トルク位相面図Ｐ１（図９）における折れ点Ｔ１４よりも明確に示されている。したがって、より精度よくモデル負荷側クーロン摩擦係数τ_ｆＬｃ０を同定することができる。Theparameter identification unit 122 subtracts the value of the model motor side Coulomb friction coefficient τ_fMc0 identified earlier from the value on the vertical axis of the break point T63 in the load angle-torque phase plane view P6, and subtracts the value of the model load side Coulomb friction coefficient τ_fLc0. To identify.
Here, as shown in FIG. 14, the break point T63 in the load angle-torque phase view P6 is shown more clearly than the break point T14 in the twist angle-torque phase view P1 (FIG. 9). Therefore, the Coulomb friction coefficient τ_fLc0 on the model load side can be identified more accurately.

本実施形態に係るパラメータ同定部１２２は、例えば、トルク−ねじれ速度位相面図Ｐ４の折れ点Ｔ４２から同定されたモデルモータ側摩擦係数τ_ｆＭ０、トルク−機械角速度位相面図Ｐ２の折れ点Ｔ２２から同定されたモデル負荷側摩擦係数τ_ｆＬ０を採用する。
また、パラメータ同定部１２２は、例えば、ねじれ角度−ねじれ速度位相面図Ｐ５の折れ点Ｔ５２及び折れ点Ｔ５３の各々から同定されたモデル不感帯幅ＢＬ_０及びモデルねじれ剛性係数Ｋ_Ｒ０を採用する。
これにより、いずれのモデルパラメータについても高い精度で同定することができる。Theparameter identification unit 122 according to the present embodiment is, for example, from the model motor side friction coefficient τ_fM0 identified from the break point T42 of the torque-torque velocity phase view P4 and the break point T22 of the torque-mechanical angular velocity phase view P2. The identified model load-side friction coefficient τ_fL0 is adopted.
Further, theparameter identification unit 122 adopts, for example, the model dead zone width BL₀ and the model torsional rigidity coefficient_KR0 identified from each of the break point T52 and the break point T53 in the twist angle-twist velocity phase view P5.
As a result, any model parameter can be identified with high accuracy.

なお、パラメータ同定部１２２は、同定されたモデルモータ側クーロン摩擦係数τ_ｆＭｃ０をモータ側摩擦特性関数ＧＭに代入する（図３（ｂ）参照）。そして、パラメータ同定部１２２は、モデルモータ側クーロン摩擦係数τ_ｆＭｃ０に対し予め定められた係数を乗じることで、モータ側摩擦特性関数ＧＭを構成する各種定数（傾きＫ_１、Ｋ_２、Ｋ_３、Ｋ_４、オフセットτ_ｆＭ１、τ_ｆＭ２、τ_ｆＭ３、τ_ｆＭ４、τ_ｆＭ５）を同定する。これにより、パラメータ同定部１２２は、モデルモータ側摩擦係数τ_ｆＭ０を同定する。
同様に、パラメータ同定部１２２は、同定されたモデル負荷側クーロン摩擦係数τ_ｆＬｃ０を付加側摩擦特性関数Ｇ_Ｌに代入する。そして、パラメータ同定部１２２は、モデル負荷側クーロン摩擦係数τ_ｆＬｃ０に対し予め定められた係数を乗じることで、負荷側摩擦特性関数Ｇ_Ｌを構成する各種定数（傾き、オフセット）を同定する。これにより、パラメータ同定部１２２は、モデル負荷側摩擦係数τ_ｆＬ０を同定する。Theparameter identification unit 122 substitutes the identified model motor-side Coulomb friction coefficient τ_fMc0 into the motor-side friction characteristic function GM (see FIG. 3B). Then, theparameter identification unit 122 multiplies the model motor-side Coulomb friction coefficient τ_fMc0 by a predetermined coefficient to form various constants (slopes K₁ , K₂ , K₃ , K₃₎ constituting the motor-side friction characteristic function GM. K₄ , offsets τ_fM1 , τ_fM2 , τ_fM3 , τ_fM4 , τ_fM5 ) are identified. As a result, theparameter identification unit 122 identifies the friction coefficient τ_fM0 on the model motor side.
Similarly, theparameter identification unit 122 substitutes the identified model load-side Coulomb friction coefficient τ_fLc0 into the addition-side friction characteristic function_GL . Then, theparameter identification unit 122 identifies various constants (slopes, offsets) constituting the load-side friction characteristic function_GL by multiplying the model load-side Coulomb friction coefficient τ_fLc0 by a predetermined coefficient. As a result, theparameter identification unit 122 identifies the model load-side friction coefficient τ_fL0 .

なお、本実施形態に係るパラメータ同定部１２２は、生成された各種位相面図に対し、ＰＳＯ（Particle Swarm Optimization）等を施し、各位相面図に示されたヒステリシス曲線との誤差面積が最小となるような折れ線近似演算を行うことで、各折れ点を検出する。 Theparameter identification unit 122 according to the present embodiment applies PSO (Particle Swarm Optimization) or the like to the generated various phase views to minimize the error area from the hysteresis curve shown in each phase view. Each polygonal point is detected by performing such a polygonal line approximation calculation.

（作用、効果）
以上、第１の実施形態に係るパラメータ同定装置１２は、上述のデータ取得部１２０と、位相面図生成部１２１と、パラメータ同定部１２２と、を備える態様とする。
このようにすることで、複数の位相面図に表された複数の折れ点等から、機械系２のモータ側摩擦係数τ_ｆＭ、負荷側摩擦係数τ_ｆＬ、不感帯幅ＢＬ及びねじれ剛性係数Ｋ_Ｒを別個独立に評価して、上記各種パラメータに対応するモデルパラメータを精度良く同定することができる。
したがって、モータ２０及び負荷２１を有する機械系２を精度よく模した２慣性系モデルＭＯＤを得ることができる。(Action, effect)
As described above, theparameter identification device 12 according to the first embodiment includes the above-mentioneddata acquisition unit 120, the phase planeview generation unit 121, and theparameter identification unit 122.
In this way, a plurality of break points such as represented in a plurality of phase-sectional view, of themechanical system 2 motor side friction coefficient tau_fM, load side friction coefficient tau_fL, the dead zone width BL and torsional rigidity coefficient K_R Can be evaluated separately and independently to accurately identify the model parameters corresponding to the above-mentioned various parameters.
Therefore, it is possible to obtain a bi-inertial model MOD that accurately imitates themechanical system 2 having themotor 20 and theload 21.

また、第１の実施形態に係る位相面図生成部１２１は、位相面図として、トルクτと軸２２のねじれ速度（ω_Ｍ−ω_Ｌ）との関係を示すトルク−ねじれ速度位相面図Ｐ４を生成する。そして、パラメータ同定部１２２は、トルク−ねじれ速度位相面図Ｐ４における折れ点の位置に基づいてモータ２０の摩擦を示すモデルパラメータ（モデルモータ側摩擦係数τ_ｆＭ０）を同定する。
このようにすることで、モデルモータ側摩擦係数τ_ｆＭ０を一層精度よく同定することができる。Further, the phaseview generation unit 121 according to the first embodiment has a torque-torque velocity phase view P4 showing the relationship between the torque τ and the torsional speed (ω_M −ω_L ) of theshaft 22 as a phase view. To generate. Then, theparameter identification unit 122 identifies a model parameter (friction coefficient τ_fM0 on the model motor side) indicating the friction of themotor 20 based on the position of the break point in the torque-torsion velocity phase view P4.
By doing so, the coefficient of friction τ_fM0 on the model motor side can be identified more accurately.

また、第１の実施形態に係る位相面図生成部１２１は、位相面図として、軸２２のねじれ角度（θ_Ｍ−θ_Ｌ）と軸２２のねじれ速度（ω_Ｍ−ω_Ｌ）との関係を示すねじれ角度−ねじれ速度位相面図Ｐ５を生成する。そして、パラメータ同定部１２２は、ねじれ角度−ねじれ速度位相面図Ｐ５における折れ点の位置に基づいて軸２２の剛性、及び、不感帯幅を示すモデルパラメータ（モデルねじれ剛性係数Ｋ_Ｒ０、モデル不感帯幅ＢＬ_０）を同定する。
このようにすることで、モデルねじれ剛性係数Ｋ_Ｒ０、モデル不感帯幅ＢＬ_０を一層精度よく同定することができる。The phaseview generation unit 121 according to the first embodiment, as a phase plane view, the twist angle (θ_M -θ_L) and the relationship between the twist rate of the axial 22 (ω_M -ω_L) of theshaft 22 The twist angle-twist speed phase view P5 showing the above is generated. Then, theparameter identification unit 122 indicates the rigidity of theshaft 22 and the model parameter (model torsional rigidity coefficient_KR0 , model dead band width BL) indicating the rigidity of theshaft 22 and the dead band width based on the position of the break point in the twist angle-twist speed phase view P5.₀ ) is identified.
In this way, the model torsional rigidity coefficient K_R0, can be a model dead zone width BL₀ to identify more accurately.

また、第１の実施形態に係る位相面図生成部１２１は、位相面図として、トルクτとモータ２０の角速度又は負荷２１の角速度との関係を示すトルク−機械角速度位相面図Ｐ２を生成する。そして、パラメータ同定部１２２は、トルク−機械角速度位相面図Ｐ２における折れ点の位置に基づいて負荷２１の摩擦を示すモデルパラメータ（モデル負荷側摩擦係数τ_ｆＬ０）を同定する。
このようにすることで、モデル負荷側摩擦係数τ_ｆＬ０を一層精度よく同定することができる。Further, the phaseview generation unit 121 according to the first embodiment generates, as a phase view, a torque-mechanical angular velocity phase view P2 showing the relationship between the torque τ and the angular velocity of themotor 20 or the angular velocity of theload 21. .. Then, theparameter identification unit 122 identifies a model parameter (model load-side friction coefficient τ_fL0 ) indicating the friction of theload 21 based on the position of the break point in the torque-mechanical angular velocity phase view P2.
By doing so, the model load-side friction coefficient τ_fL0 can be identified more accurately.

また、第１の実施形態に係る位相面図生成部１２１は、位相面図として、負荷２１の角度（負荷角度θ_Ｌ）とトルクτとの関係を示す負荷角度−トルク位相面図Ｐ６を生成する。そして、パラメータ同定部１２２は、負荷角度−トルク位相面図Ｐ６における折れ点の位置に基づいて負荷２１の摩擦を示すモデルパラメータ（モデル負荷側摩擦係数τ_ｆＬ０）を同定する。
このようにすることで、モデル負荷側摩擦係数τ_ｆＬ０を一層精度よく同定することができる。Further, the phaseview generation unit 121 according to the first embodiment generates a load angle-torque phase view P6 showing the relationship between the angle of the load 21 (load angle θ_L ) and the torque τ as the phase view. To do. Then, theparameter identification unit 122 identifies a model parameter (model load side friction coefficient τ_fL0 ) indicating the friction of theload 21 based on the position of the break point in the load angle-torque phase view P6.
By doing so, the model load-side friction coefficient τ_fL0 can be identified more accurately.

また、第１の実施形態に係る位相面図生成部１２１は、位相面図として、軸２２のねじれ角度（θ_Ｍ−θ_Ｌ）とトルクτとの関係を示すねじれ角度−トルク位相面図Ｐ１を生成する。そして、パラメータ同定部１２２は、ねじれ角度−トルク位相面図Ｐ１における折れ点の位置に基づいて、モータ２０の摩擦、負荷２１の摩擦、軸２２の剛性、及び、軸２２の不感帯幅のうちの少なくとも何れか一つを示すモデルパラメータを同定する。
このようにすることで、一つの位相面図から、モデルモータ側摩擦係数τ_ｆＭ０、モデル負荷側摩擦係数τ_ｆＬ０、モデルねじれ剛性係数Ｋ_Ｒ０及びモデル不感帯幅ＢＬ_０を同定することができる。Further, the phaseview generation unit 121 according to the first embodiment has a twist angle-torque phase view P1 showing the relationship between the twist angle (θ_M − θ_L ) of theshaft 22 and the torque τ as the phase view. To generate. Then, theparameter identification unit 122 is among the friction of themotor 20, the friction of theload 21, the rigidity of theshaft 22, and the dead band width of theshaft 22 based on the position of the break point in the twist angle-torque phase view P1. Identify model parameters that indicate at least one.
By doing so, the single phase plane view, it is possible to identify the model motor side friction coefficient tau_FM0, model load side friction coefficient tau_fL0, model torsional rigidity coefficient K_R0 and model dead zone width BL_0.

以上、第１の実施形態に係るモータ制御システム１及びパラメータ同定装置１２について詳細に説明したが、モータ制御システム１、パラメータ同定装置１２の具体的な態様は、上述のものに限定されることはなく、要旨を逸脱しない範囲内において種々の設計変更等を加えることは可能である。 Themotor control system 1 and theparameter identification device 12 according to the first embodiment have been described in detail above, but the specific embodiments of themotor control system 1 and theparameter identification device 12 are not limited to those described above. It is possible to make various design changes, etc. within the range that does not deviate from the gist.

例えば、他の実施形態に係るパラメータ同定部１２２は、複数の位相面図（Ｐ１〜Ｐ６）から同定可能なモデルパラメータのうち、同種のものについて複数の値が同定された場合、その平均値をモデルパラメータとしてもよい。例えば、パラメータ同定部１２２は、ねじれ角度−トルク位相面図Ｐ１から同定されたモデル不感帯幅ＢＬ_０と、ねじれ角度−ねじれ速度位相面図Ｐ５から同定されたモデル不感帯幅ＢＬ_０と、の平均値を２慣性系モデルＭＯＤに採用するモデル不感帯幅ＢＬ_０としてもよい。For example, theparameter identification unit 122 according to another embodiment determines the average value when a plurality of values of the same type are identified among the model parameters that can be identified from the plurality of phase views (P1 to P6). It may be a model parameter. For example, theparameter identification unit 122 has an average value of the model dead band width BL₀ identified from the twist angle-torque phase view P1 and the model dead band width BL₀ identified from the twist angle-torque velocity phase view P5. May be set to the model dead band width BL₀ which is adopted in the two-inertial frame model MOD.

また、他の実施形態に係る位相面図生成部１２１は、一つの位相面図（ねじれ角度−トルク位相面図Ｐ１）のみを生成する態様であってもよい。この場合、パラメータ同定部１２２は、生成されたねじれ角度−トルク位相面図Ｐ１からモデルモータ側摩擦係数τ_ｆＭ０、モデル負荷側摩擦係数τ_ｆＬ０、モデルねじれ剛性係数Ｋ_Ｒ０及びモデル不感帯幅ＢＬ_０の全てを同定する。
このようにすることで、各モデルパラメータの同定処理を簡素化することができる。Further, the phaseview generation unit 121 according to another embodiment may be in a mode of generating only one phase view (twist angle-torque phase view P1). In this case, theparameter identification unit 122, the generated twist angle - torque phase plane plot P1 model motor side friction coefficient tau_FM0 from sitting load side friction coefficient tau_fL0, model torsional rigidity coefficient_{K R0} and model dead zone width BL₀ Identify everything.
By doing so, the identification process of each model parameter can be simplified.

また、他の実施形態に係る位相面図生成部１２１は、機械系２の反復動作ごとに実測データの取得を複数回繰り返し、これを平均化したものに基づいて各位相面図を生成してもよい。
このようにすることで、実測データのばらつき誤差が低減されるため、モデルパラメータの同定精度を更に高めることができる。Further, the phaseview generation unit 121 according to another embodiment repeats the acquisition of the measured data a plurality of times for each repetitive operation of themechanical system 2, and generates each phase view based on the averaged result. May be good.
By doing so, the variation error of the measured data is reduced, so that the identification accuracy of the model parameters can be further improved.

また、第１の実施形態に係るパラメータ同定装置１２は、モータ制御システム１におけるフィードフォワード機能に対してだけではなく、モータ制御システム１の異常診断や機械調整にも利用することができる。 Further, theparameter identification device 12 according to the first embodiment can be used not only for the feedforward function in themotor control system 1 but also for abnormality diagnosis and mechanical adjustment of themotor control system 1.

また、第１の実施形態において、パラメータ同定装置１２は、上位機器から入力されるトルク指令値を「トルクτ」として、上述の各種処理を行うものとして説明したが、他の実施形態においてはこの態様に限定されない。
例えば、他の実施形態に係るパラメータ同定装置１２は、“トルク指令値”ではなく、モータ２０に流れる検出電流値から求まる“実測トルク”を「トルクτ」として用いて、上述の各種処理を行う態様であってもよい。Further, in the first embodiment, theparameter identification device 12 has been described as performing the above-mentioned various processes with the torque command value input from the host device as “torque τ”, but in other embodiments, this is described. It is not limited to the mode.
For example, theparameter identification device 12 according to another embodiment uses the "measured torque" obtained from the detected current value flowing through themotor 20 as the "torque τ" instead of the "torque command value" to perform the above-mentioned various processes. It may be an embodiment.

また、重力等の定常外乱がある場合には、トルクτやねじれ角度（θ_Ｍ−θ_Ｌ）に一定のオフセットがかかる。そこで、他の実施形態に係るパラメータ同定装置１２は、更に、トルクτ、ねじれ角度（θ_Ｍ−θ_Ｌ）の平均を求めてオフセット分を除去する機能、折れ点を正負で平均をとる機能を有していてもよい。Further, when there is a steady disturbance such as gravity, a constant offset is applied to the torque τ and the twist angle (θ_M − θ_L ). Therefore, theparameter identification device 12 according to another embodiment further has a function of finding the average of the torque τ and the twist angle (θ_M − θ_L ) and removing the offset portion, and a function of averaging the break points with positive and negative values. You may have.

＜第２の実施形態＞
機械制御において、第１の実施形態で説明した位相面図（Ｐ１〜Ｐ６）によれば、機械系２の特性を示す複数の信号間の関係を可視化することができ、時間応答だけでは見つけにくい機械特性を詳細に把握することができる。このような位相面図を、基準となる位相面図と比較することで、機械系２の異常検知やヘルスモニタリングのための機械診断を行うことができる。<Second embodiment>
In machine control, according to the phase plane views (P1 to P6) described in the first embodiment, it is possible to visualize the relationship between a plurality of signals showing the characteristics of themechanical system 2, and it is difficult to find it only by the time response. It is possible to grasp the mechanical characteristics in detail. By comparing such a phase view with a reference phase view, it is possible to perform mechanical diagnosis for abnormality detection and health monitoring of themechanical system 2.

しかしながら、機械系２から取得した位相面図に基づいて異常検知、ヘルスモニタリング等を行う場合、人の目視による比較（判断）に頼る必要があり、取得した位相面図と基準位相面図との比較に基づく異常診断を自動ですることは困難である。即ち、「位相面図における２つの移動軌跡の差が大きければ異常である。」との判断は、人の目視によって行うことは容易であるが、これでは効率的に行うことができないし、類否判断が曖昧となり得る。すなわち、装置（コンピュータ等）を用いて、診断対象とする機械系２から取得した位相面図と、基準位相面図との比較に基づく異常の有無を自動的に判断する手法を確立することが望まれる。 However, when performing abnormality detection, health monitoring, etc. based on the phase view acquired from themechanical system 2, it is necessary to rely on visual comparison (judgment) by humans, and the acquired phase view and the reference phase view are used. It is difficult to automatically diagnose abnormalities based on comparison. That is, it is easy for a person to visually judge that "it is abnormal if the difference between the two movement loci in the phase view is large", but this cannot be done efficiently, and is similar. The negative judgment can be ambiguous. That is, it is possible to establish a method of automatically determining the presence or absence of an abnormality based on a comparison between the phase view acquired from themechanical system 2 to be diagnosed and the reference phase view using a device (computer or the like). desired.

ところで、地図上の移動軌跡データの類似度の検索手法として、動的時間伸縮法（ＤＴＷ：Dynamic Time Warping）がある。機械系２の機械特性を示す二次元のパラメータセット（例えば、トルクτとねじれ角度（θ_Ｍ-θ_Ｌ）との組み合わせ）の時系列データを空間上（ねじれ角度−トルク位相面図Ｐ１上）にプロットし、これを当該位相面図上における移動軌跡データとみなしてＤＴＷを適用することで、２つの移動軌跡データの類似度に基づく異常診断を行うことができる。By the way, there is a dynamic time warping method (DTW) as a method of searching the similarity of movement trajectory data on a map. Time-series data of a two-dimensional parameter set (for example, a combination of torque τ and twist angle (θ_M -θ_L )) showing the mechanical characteristics ofmechanical system 2 is spatially (twist angle-torque phase view P1). By plotting on the above and applying DTW by regarding this as the movement locus data on the phase plan, it is possible to perform an abnormality diagnosis based on the similarity between the two movement locus data.

しかしながら、ＤＴＷはノイズに弱いため、位相面図に用いた場合、信号のノイズにより精度が悪くなりやすい。
また、ガタや非線形摩擦の影響を把握可能な微小応答を位相面図に表すと、位相面図上においてサンプルポイントが著しく偏在し、そのままではＤＴＷを適用できない。
更に、移動軌跡データのデータ数が大きい場合、ＤＴＷは計算量が過大となる。However, since DTW is vulnerable to noise, when used in a phase plan, the accuracy tends to deteriorate due to signal noise.
Further, when the minute response that can grasp the influence of the backlash and the non-linear friction is represented in the phase view, the sample points are remarkably unevenly distributed on the phase view, and the DTW cannot be applied as it is.
Further, when the number of movement locus data is large, the amount of calculation of DTW becomes excessive.

第２の実施形態に係る移動軌跡成形装置、及び、当該移動軌跡成形装置を備える異常診断システムは、上記課題に鑑みてなされたものである。以下、第２の実施形態に係る移動軌跡成形装置、及び、当該移動軌跡成形装置を備える異常診断システムについて、図１５〜図２２を参照しながら詳細に説明する。 The movement locus forming apparatus according to the second embodiment and the abnormality diagnosis system including the moving locus forming apparatus are made in view of the above problems. Hereinafter, the moving locus forming apparatus according to the second embodiment and the abnormality diagnosis system including the moving locus forming apparatus will be described in detail with reference to FIGS. 15 to 22.

（全体構成）
図１５は、第２の実施形態に係るモータ制御システム、機械系、及び、異常診断システムの全体構成を示す図である。(overall structure)
FIG. 15 is a diagram showing the overall configuration of the motor control system, the mechanical system, and the abnormality diagnosis system according to the second embodiment.

モータ制御システム１及び機械系２については、第１の実施形態と同様であるため、詳細な説明を省略する。
異常診断システム３は、機械系２の異常診断、ヘルスモニタリングを行うシステムである。異常診断システム３は、一般に用いられる汎用のコンピュータ等であってよい。
異常診断システム３は、モータ制御システム１の位相面図生成部１２１（図６参照）を通じて、移動軌跡データを取得する。ここで、「移動軌跡データ」とは、多次元のパラメータセット（多次元ベクトル）の時系列データであって、本実施形態においては、ねじれ角度−トルク位相面図Ｐ１上のプロットで示される、トルクτとねじれ角度（θ_Ｍ−θ_Ｌ）との組み合わせの時系列データ（実測データ）である（図８、図９等を参照）。
なお、「移動軌跡データ」は、「トルクτとねじれ角度（θ_Ｍ−θ_Ｌ）との組み合わせの時系列データ」に限定されない。他の実施形態においては、移動軌跡データは、他の位相面図（Ｐ２〜Ｐ６）上に示されるパラメータセット（例えば、トルクτとねじれ速度（ω_Ｍ−ω_Ｌ）との組み合わせ、負荷角度θ_Ｌとトルクτとの組み合わせ等）の時系列データであってもよい。Since themotor control system 1 and themechanical system 2 are the same as those in the first embodiment, detailed description thereof will be omitted.
Theabnormality diagnosis system 3 is a system for performing abnormality diagnosis and health monitoring of themechanical system 2. Theabnormality diagnosis system 3 may be a general-purpose computer or the like that is generally used.
Theabnormality diagnosis system 3 acquires movement locus data through the phase plane view generation unit 121 (see FIG. 6) of themotor control system 1. Here, the "moving locus data" is time-series data of a multidimensional parameter set (multidimensional vector), and in the present embodiment, it is shown by a plot on the twist angle-torque phase plane view P1. It is time series data (actual measurement data) of the combination of the torque τ and the twist angle (θ_M − θ_L ) (see FIGS. 8 and 9 and the like).
The “movement locus data” is not limited to “time series data of a combination of torque τ and twist angle (θ_M − θ_L )”. In other embodiments, the travel locus data is a combination of a set of parameters (eg, torque τ and torsional speed (ω_M − ω_L )) shown on other phase views (P2 to P6), load angle θ._It may be time series data (combination of_L and torque τ, etc.).

第２の実施形態に係る異常診断システム３は、内部に移動軌跡成形装置３０を備えている。移動軌跡成形装置３０は、モータ制御システム１を通じて得られた移動軌跡データ（移動軌跡）を適切に成形する機能を有している。 Theabnormality diagnosis system 3 according to the second embodiment includes a movementlocus forming device 30 inside. The movementlocus forming apparatus 30 has a function of appropriately forming the movement locus data (movement locus) obtained through themotor control system 1.

（機能構成）
図１６は、第２の実施形態に係る異常診断システムの機能構成を示す図である。
図１６に示すように、異常診断システム３は、ＣＰＵ３０Ａと、メモリ３１と、表示部３２と、操作部３３と、接続インターフェイス３４と、記録媒体３５と、を備えている。
ＣＰＵ３０Ａは、異常診断システム３の動作全体を司るプロセッサである。ＣＰＵ３０Ａは、記録媒体等に格納されたプログラムやデータをメモリ３１上に読み出し、当該プログラムに規定される処理を実行することで、後述の各機能を実現する。
メモリ３１は、ＣＰＵ３０Ａのワークエリア等として用いられる揮発性のメモリ（ＲＡＭ）である。
表示部３２は、例えば、液晶ディスプレイ、有機ＥＬディスプレイ等により実現され、ＣＰＵ３０Ａによる処理結果を表示する。
操作部３３は、例えば、マウス、タッチパネル及びキーボード等で構成され、操作者（ユーザ）の指示を受けてＣＰＵ３０Ａに各種操作等を入力する。
接続インターフェイス３４は、外部装置とのインターフェイスである。特に、本実施形態においては、接続インターフェイス３４は、モータ制御システム１と接続される。
記録媒体３５は、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）等の大容量記録デバイスにより実現され、ＯＳ（Operation System）、アプリケーションプログラム、及び、各種データ等を記憶する。本実施形態に係る記録媒体３５は、例えば、後述する「基準移動軌跡データ」などを予め記録保存している。(Functional configuration)
FIG. 16 is a diagram showing a functional configuration of the abnormality diagnosis system according to the second embodiment.
As shown in FIG. 16, theabnormality diagnosis system 3 includes a CPU 30A, amemory 31, adisplay unit 32, an operation unit 33, aconnection interface 34, and arecording medium 35.
The CPU 30A is a processor that controls the entire operation of theabnormality diagnosis system 3. The CPU 30A realizes each function described later by reading a program or data stored in a recording medium or the like onto thememory 31 and executing a process specified in the program.
Thememory 31 is a volatile memory (RAM) used as a work area or the like of the CPU 30A.
Thedisplay unit 32 is realized by, for example, a liquid crystal display, an organic EL display, or the like, and displays the processing result by the CPU 30A.
The operation unit 33 is composed of, for example, a mouse, a touch panel, a keyboard, and the like, and inputs various operations and the like to the CPU 30A in response to instructions from the operator (user).
Theconnection interface 34 is an interface with an external device. In particular, in this embodiment, theconnection interface 34 is connected to themotor control system 1.
Therecording medium 35 is realized by, for example, a large-capacity recording device such as an HDD (Hard Disk Drive) or SSD (Solid State Drive), and stores an OS (Operation System), an application program, various data, and the like. Therecording medium 35 according to the present embodiment records and stores in advance, for example, "reference movement locus data" described later.

第２の実施形態に係るＣＰＵ３０Ａは、上述のプログラムに基づいて動作することで、図２に示す移動軌跡データ取得部３００、平滑化処理部３０１、正規化処理部３０２、等間隔化処理部３０３、及び、異常判定部３０４としての機能を発揮する。 The CPU 30A according to the second embodiment operates based on the above program, so that the movement locusdata acquisition unit 300, the smoothingprocessing unit 301, thenormalization processing unit 302, and theequalization processing unit 303 shown in FIG. 2 are operated. , And the function as theabnormality determination unit 304 is exhibited.

移動軌跡データ取得部３００は、接続インターフェイス３４を通じて、モータ制御システム１から移動軌跡データを取得する。上述した通り、本実施形態の例としては、移動軌跡データ取得部３００は、トルクτとねじれ角度（θ_Ｍ−θ_Ｌ）との組み合わせである、二次元のパラメータセット（二次元ベクトル）の時系列データを取得する。The movement locusdata acquisition unit 300 acquires movement locus data from themotor control system 1 through theconnection interface 34. As described above, as an example of the present embodiment, when the movement locusdata acquisition unit 300 is a two-dimensional parameter set (two-dimensional vector) which is a combination of the torque τ and the twist angle (θ_M − θ_L ). Get series data.

平滑化処理部３０１は、予め規定された平滑化フィルタ（後述する「バイラテラル軌跡フィルタｆ」）を適用して、移動軌跡データ取得部３００が取得した移動軌跡データを平滑化する。 The smoothingprocessing unit 301 applies a predetermined smoothing filter (“bilateral locus filter f” described later) to smooth the movement locus data acquired by the movement locusdata acquisition unit 300.

正規化処理部３０２は、上記二次元のパラメータセット（トルクτとねじれ角度（θ_Ｍ−θ_Ｌ）との組み合わせ）を、次元別（トルクτ、ねじれ角度（θ_Ｍ−θ_Ｌ）別）に正規化する。Thenormalization processing unit 302 divides the above-mentioned two-dimensional parameter set (combination of torque τ and twist angle (θ_M − θ_L )) into dimensions (torque τ, twist angle (θ_M − θ_L )). Normalize.

等間隔化処理部３０３は、平滑化処理部３０１によって平滑化された移動軌跡データによって移動軌跡曲線を特定する。そして、等間隔化処理部３０３は、当該移動軌跡曲線を二次元空間内（位相面図内）において等間隔で刻むとともに、当該等間隔で刻まれた移動軌跡曲線上の各点の座標のデータ系列を取得する。 Theequidistant processing unit 303 identifies the movement locus curve from the movement locus data smoothed by the smoothingprocessing unit 301. Then, theequidistant processing unit 303 engraves the movement locus curve at equal intervals in the two-dimensional space (in the phase view), and data on the coordinates of each point on the movement locus curve engraved at the equidistant intervals. Get the series.

上述の移動軌跡データ取得部３００、平滑化処理部３０１、正規化処理部３０２及び異常判定部３０４は、移動軌跡成形装置３０を構成する。 The movement locusdata acquisition unit 300, the smoothingprocessing unit 301, thenormalization processing unit 302, and theabnormality determination unit 304 constitute the movementlocus forming device 30.

異常判定部３０４は、等間隔化処理部３０３が取得したデータ系列からなる評価対象移動軌跡データ（移動軌跡成形装置３０によって成形された移動軌跡データ）と、予め用意された基準移動軌跡データとの対比に基づいて、移動軌跡データに異常があるか否かを判定する。 Theabnormality determination unit 304 includes the evaluation target movement locus data (movement locus data formed by the movement locus forming apparatus 30) and the reference movement locus data prepared in advance, which are composed of the data series acquired by theequalization processing unit 303. Based on the comparison, it is determined whether or not there is an abnormality in the movement trajectory data.

（異常診断システムの処理フロー）
図１７は、第２の実施形態に係る異常診断システムの処理フローを示す図である。
図１８〜図２２は、それぞれ、第２の実施形態に係る異常診断システムの各処理を詳細に説明するための第１の図〜第５の図である。
図１７に示す一連の処理フローは、例えば、機械系２に対して定期的に行われるヘルスチェック（異常診断）を行う際に実施される。(Processing flow of abnormality diagnosis system)
FIG. 17 is a diagram showing a processing flow of the abnormality diagnosis system according to the second embodiment.
18 to 22, respectively, are FIGS. 1 to 5 for explaining each process of the abnormality diagnosis system according to the second embodiment in detail.
The series of processing flows shown in FIG. 17 is performed, for example, when performing a health check (abnormality diagnosis) periodically performed on themechanical system 2.

まず、ＣＰＵ３０Ａの移動軌跡データ取得部３００は、接続インターフェイス３４を通じて、モータ制御システム１から移動軌跡データを取得する（ステップＳ１１）。移動軌跡データ取得部３００が取得する移動軌跡データの特徴について、図１８、図１９を参照しながら説明する。 First, the movement locusdata acquisition unit 300 of the CPU 30A acquires the movement locus data from themotor control system 1 through the connection interface 34 (step S11). The features of the movement locus data acquired by the movement locusdata acquisition unit 300 will be described with reference to FIGS. 18 and 19.

図１８は、トルクτ（モータトルク）の時系列データと、ねじれ角度（θ_Ｍ−θ_Ｌ）の時系列データの例を示している。また、図１９は、トルクτの時系列データと、ねじれ角度（θ_Ｍ−θ_Ｌ）の時系列データと、に基づいて作成される移動軌跡データＥ１（ねじれ角度−トルク位相面図Ｐ１上にプロットされるサンプルポイントの群）を示している。FIG. 18 shows an example of time-series data of torque τ (motor torque) and time-series data of twist angle (θ_M − θ_L ). Further, FIG. 19 shows a movement locus data E1 (twist angle-torque phase plane view P1) created based on the time series data of the torque τ and the time series data of the twist angle (θ_M − θ_L ). The group of sample points to be plotted) is shown.

ここで、第１の実施形態では、ガタや非線形摩擦の特性を位相面図上に顕在化させる目的で、機械系２の反復動作を小振幅かつ低周波数（微小応答）とし、モータ２０の慣性トルクＪ_Ｍｓ^２θ_Ｍ、負荷２１の慣性トルクＪ_Ｌｓ^２θ_Ｌ、モータ２０の粘性トルクＤ_Ｍｓθ_Ｍ、及び、負荷２１の粘性トルクＤ_Ｌｓθ_Ｌの影響を小さくすることを説明した。
この場合、図１８に示すように、各時系列データは、負荷角度θ_Ｌの方向反転時付近の時間領域（領域Ｒ１、Ｒ２）に属するサンプルポイントの数よりも、負荷角度θ_Ｌが同一方向への移動を続ける時間領域（トルクτ、ねじれ角度（θ_Ｍ−θ_Ｌ）が安定する時間領域）（領域Ｑ１、Ｑ２）に属するサンプルポイントの数の方が大きくなる。
また、図１９に示すように、ねじれ角度−トルク位相面図Ｐ１上に描かれる移動軌跡の大部分は、領域Ｒ１、Ｒ２に属するサンプルポイントによって形成され、領域Ｑ１、Ｑ２に属する多数のサンプルポイントは、移動軌跡の形成にほとんど寄与しない。即ち、微小応答時に取得された移動軌跡データＥ１の各サンプルポイントは、ねじれ角度−トルク位相面図Ｐ１上に描かれる移動軌跡の一部の領域に著しく偏在する。Here, in the first embodiment, in order to make the characteristics of backlash and non-linear friction manifest on the phase plan, the repetitive operation of themechanical system 2 is set to a small amplitude and a low frequency (small response), and the inertia of themotor 20 is set. torque_JM^{s 2}_θ M, inertia torque_JL^{s 2}_θ L of theload 21, themotor 20 viscous torque_D M S.theta_M, and has been described to reduce the influence of the viscous torque_D L S.theta_L of theload 21 ..
In this case, as shown in FIG. 18, the time-series data, the load angle theta time domain (region R1, R2) in the vicinity of the time direction reversal of_L than the number of sample points belonging to the load angle theta_L in the same direction The number of sample points belonging to the time domain (time domain in which torque τ and twist angle (θ_M − θ_L ) are stable) (regions Q1 and Q2) that continue to move to is larger.
Further, as shown in FIG. 19, most of the movement loci drawn on the twist angle-torque phase view P1 are formed by the sample points belonging to the regions R1 and R2, and a large number of sample points belonging to the regions Q1 and Q2. Makes little contribution to the formation of the movement locus. That is, each sample point of the movement locus data E1 acquired at the time of a minute response is remarkably unevenly distributed in a part of the movement locus drawn on the twist angle-torque phase plane view P1.

図１７に示す処理フローにおいて、次に、ＣＰＵ３０Ａの正規化処理部３０２は、移動軌跡データＥ１の正規化処理を行う（ステップＳ１２）。ここで、移動軌跡データＥ１の各次元（トルクτ、ねじれ角度（θ_Ｍ−θ_Ｌ））は、スケールや単位が異なるため、それぞれが属する数値範囲が大きく異なる。そこで、正規化処理部３０２は、トルクτ及びねじれ角度（θ_Ｍ−θ_Ｌ）を同一のスケール、単位として扱えるように、“−１〜＋１”の範囲に収まるように正規化を行う。In the processing flow shown in FIG. 17, next, thenormalization processing unit 302 of the CPU 30A performs normalization processing of the movement locus data E1 (step S12). Here, since each dimension (torque τ, twist angle (θ_M − θ_L )) of the movement locus data E1 has a different scale and unit, the numerical range to which each belongs is significantly different. Therefore, thenormalization processing unit 302 normalizes the torque τ and the twist angle (θ_M − θ_L ) so that they can be handled as the same scale and unit within the range of “-1 to +1”.

次に、ＣＰＵ３０Ａの平滑化処理部３０１は、ステップＳ１２で正規化された移動軌跡データＥ１に対し、「エッジ保存の平滑化処理」を行う（ステップＳ１３）。「エッジ保存の平滑化処理」とは、具体的には、移動軌跡データＥ１のうち大きく変化するエッジ領域（即ち、図１８、図１９に示す領域Ｒ１、Ｒ２）のサンプルポイントを動かすことなく保存して、それ以外の領域（図１８、図１９に示す領域Ｑ１、Ｑ２）のサンプルポイントのみを選択的に平滑化する処理を指す。
この「エッジ保存の平滑化処理」の詳細については、図２０を参照しながら説明する。Next, the smoothingprocessing unit 301 of the CPU 30A performs "edge preservation smoothing processing" on the movement locus data E1 normalized in step S12 (step S13). Specifically, the “edge preservation smoothing process” means that the sample points of the edge regions (that is, the regions R1 and R2 shown in FIGS. 18 and 19) that change significantly in the movement trajectory data E1 are preserved without moving. Then, it refers to a process of selectively smoothing only the sample points of the other regions (regions Q1 and Q2 shown in FIGS. 18 and 19).
The details of this "edge preservation smoothing process" will be described with reference to FIG.

図２０は、エッジ保存の平滑化処理を実現する平滑化フィルタであるバイラテラル軌跡フィルタｆを示している。
バイラテラル軌跡フィルタｆは、２つの重み付け関数（第１の重み付け関数Ｗ１、第２の重み付け関数Ｗ２）の積によって規定される。
第１の重み付け関数Ｗ１は、サンプルポイントどうしの時間の差が大きくなるにつれて平滑化の影響度が小さくなる重み付けを規定する。具体的には、第１の重み付け関数Ｗ１は、横軸を“サンプリングされた時間の差”とする、平均μ＝０、標準偏差σｇのガウス分布関数である。
第２の重み付け関数Ｗ２は、サンプルポイントどうしの位相面（ねじれ角度−トルク位相面図Ｐ１）上の位置が離れるにつれて平滑化の影響度が小さくなる重み付けを規定する。具体的には、第２の重み付け関数Ｗ２は、横軸を“位相面上の位置の差”とする、平均μ＝０、標準偏差σｃのガウス分布関数である。FIG. 20 shows a bilateral locus filter f, which is a smoothing filter that realizes edge preservation smoothing processing.
The bilateral locus filter f is defined by the product of two weighting functions (first weighting function W1 and second weighting function W2).
The first weighting function W1 defines a weighting in which the influence of smoothing decreases as the time difference between sample points increases. Specifically, the first weighting function W1 is a Gaussian distribution function having a mean μ = 0 and a standard deviation σg, with the horizontal axis as the “difference in sampled time”.
The second weighting function W2 defines a weighting in which the influence of smoothing decreases as the positions of the sample points on the phase plane (twist angle-torque phase plane view P1) increase. Specifically, the second weighting function W2 is a Gaussian distribution function having an average μ = 0 and a standard deviation σc, with the horizontal axis as the “difference in position on the phase plane”.

バイラテラル軌跡フィルタｆは、例えば、式（５）のように規定される。 The bilateral locus filter f is defined as, for example, the equation (5).

ここで、式（５）の“Ｙ（ｉ）”は、移動軌跡データのｉ番目のサンプルポイントの二次元ベクトル（トルクτとねじれ角度（θ_Ｍ−θ_Ｌ）との組み合わせ）である。Here, “Y (i)” in the equation (5) is a two-dimensional vector (combination of torque τ and twist angle (θ_M − θ_L )) of the i-th sample point of the movement locus data.

バイラテラル軌跡フィルタｆによれば、以下のようなフィルタリング効果が得られる。
まず、第１の重み付け関数Ｗ１により、主に、サンプリングされた時間の差が小さいサンプルポイントどうしで平滑化（平均化）がなされる。これにより、短い時間間隔で細かく変動するノイズ成分を除去（平滑化）することができる。
他方、第２の重み付け関数Ｗ２によれば、隣り合うサンプルポイント間の距離（位相面上の位置の差）が大きいほど、それらのサンプルポイントの平滑化への寄与度（重み）は小さくなる。したがって、時間間隔が小さいサンプルポイントどうしであっても、当該時間間隔で大きな移動軌跡の変化があった場合には、それらのサンプルポイントどうしでの平滑化はなされなくなる。これにより、エッジ保存の効果が得られる。
以上より、移動軌跡データＥ１にバイラテラル軌跡フィルタｆを適用することで、領域Ｑ１、Ｑ２に属するサンプルポイントのみが選択的に平滑化され、小さい時間間隔で大きな変化が生じたエッジ部分（領域Ｒ１、Ｒ２）に属するサンプルポイントは平滑化されず、そのまま保存されることとなる。
以下、バイラテラル軌跡フィルタｆにより「エッジ保存の平滑化」がなされた移動軌跡データを、「平滑化移動軌跡データＥ２」と表記して説明する。According to the bilateral locus filter f, the following filtering effect can be obtained.
First, the first weighting function W1 mainly performs smoothing (averaging) between sample points having a small difference in sampled time. As a result, it is possible to remove (smooth) noise components that fluctuate finely at short time intervals.
On the other hand, according to the second weighting function W2, the larger the distance (difference in position on the topological surface) between adjacent sample points, the smaller the contribution (weight) of those sample points to smoothing. Therefore, even if the sample points have a small time interval, if there is a large change in the movement locus in the time interval, the sample points will not be smoothed. As a result, the effect of edge preservation can be obtained.
From the above, by applying the bilateral locus filter f to the movement locus data E1, only the sample points belonging to the regions Q1 and Q2 are selectively smoothed, and the edge portion (region R1) in which a large change occurs at a small time interval. , R2) are not smoothed and are stored as they are.
Hereinafter, the movement locus data in which “edge preservation smoothing” is performed by the bilateral locus filter f will be described as “smoothing movement locus data E2”.

なお、第１の重み付け関数Ｗ１の標準偏差σｇと第２の重み付け関数Ｗ２の標準偏差σｃとは、平滑化処理の対象とする移動軌跡データの、平滑化したいノイズの大きさ、及び、保存したい（平滑化したくない）エッジの大きさ等に応じて適宜調整される。 The standard deviation σg of the first weighting function W1 and the standard deviation σc of the second weighting function W2 are the magnitude of noise to be smoothed and the noise to be saved in the movement locus data to be smoothed. It is adjusted appropriately according to the size of the edge (which you do not want to smooth).

図１７に示す処理フローにおいて、次に、ＣＰＵ３０Ａの等間隔化処理部３０３は、平滑化移動軌跡データＥ２に対し、「等間隔化処理」を行う（ステップＳ１４）。「等間隔化処理」とは、平滑化移動軌跡データＥ２に示される移動軌跡の形を維持したまま、当該移動軌跡の一部分に偏在するサンプルポイントを均等化させる処理である。
この「等間隔化処理」の詳細については、図２１を参照しながら説明する。In the processing flow shown in FIG. 17, next, theequalization processing unit 303 of the CPU 30A performs "equalization processing" on the smoothed movement locus data E2 (step S14). The “equal spacing process” is a process of equalizing sample points unevenly distributed in a part of the moving locus while maintaining the shape of the moving locus shown in the smoothed moving locus data E2.
The details of this "equal spacing process" will be described with reference to FIG.

等間隔化処理部３０３は、図２１に示す３つの処理ステップＳ１４１、Ｓ１４２、Ｓ１４３を実行する。 Theequidistant processing unit 303 executes the three processing steps S141, S142, and S143 shown in FIG.

まず、等間隔化処理部３０３は、平滑化移動軌跡データＥ２において時系列上で隣り合うサンプルポイント間の距離を計測するとともに、各距離の総和を演算することで移動軌跡の全長を特定する（ステップＳ１４１）。
具体的には、図２１のステップＳ１４１に示すように、等間隔化処理部３０３は、平滑化移動軌跡データＥ２を構成する各サンプルポイントｅ１、ｅ２、・・・、ｅＭ（“Ｍ”は、平滑化移動軌跡データＥ２の総サンプルポイント数）のうち、隣り合うものどうしの各距離ｄ１、ｄ２、・・ｄ（Ｍ−１）を演算する。ここで、ｉ番目のサンプルポイントｅｉは、ねじれ角度−トルク位相面図Ｐ１上の座標（ｘｉ、ｙｉ）にプロットされるものとする。この場合、ｉ−１番目のサンプルポイントｅ（ｉ−１）からｉ番目のサンプルポイントｅｉまでの距離ｄｉ、及び、１番目のサンプルポイントｅ１からｉ番目のサンプルポイントｅｉまでの距離の総和ｓｉは、式（６）によって求められる。First, theequalization processing unit 303 measures the distance between adjacent sample points in the smoothing movement locus data E2 in time series, and specifies the total length of the movement locus by calculating the sum of the distances (the sum of the distances). Step S141).
Specifically, as shown in step S141 of FIG. 21, theequalization processing unit 303 includes sample points e1, e2, ..., EM (“M” is a symbol) constituting the smoothing movement locus data E2. Of the total number of sample points of the smoothed movement locus data E2), the distances d1, d2, ... D (M-1) between adjacent ones are calculated. Here, it is assumed that the i-th sample point ei is plotted at the coordinates (xi, yi) on the twist angle-torque phase plan P1. In this case, the sum of the distance di from the i-1st sample point e (i-1) to the i-th sample point ei and the distance si from the first sample point e1 to the i-th sample point ei is , Obtained by equation (6).

等間隔化処理部３０３は、式（６）に基づいて平滑化移動軌跡データＥ２の最後のサンプルポイントｅＭまでの距離の総和ｓＭ（移動軌跡の全長）を算出する。 Theequidistant processing unit 303 calculates the total sM (total length of the movement locus) of the distances to the last sample point eM of the smoothing movement locus data E2 based on the equation (6).

次に、等間隔化処理部３０３は、平滑化移動軌跡データＥ２を構成する各サンプルポイントｅ１、ｅ２、・・、ｅＭに基づく曲線（以下、移動軌跡曲線Ｈと表記する。）を特定する。ある座標空間上にプロットされる複数のポイントに基づいて曲線を特定する手法は、既存技術を適用できる。例えば、等間隔化処理部３０３は、各サンプルポイントｅ１、ｅ２、・・、ｅＭを滑らかに接続するスプライン曲線によって移動軌跡曲線Ｈを特定してもよいし、曲線に振動を生じさせないようにする区分的三次エルミート内挿多項式で移動軌跡曲線Ｈを特定してもよい。 Next, theequalization processing unit 303 specifies a curve (hereinafter, referred to as a movement locus curve H) based on each sample point e1, e2, ..., EM constituting the smoothing movement locus data E2. Existing techniques can be applied to the method of identifying a curve based on multiple points plotted on a coordinate space. For example, theequalization processing unit 303 may specify the movement locus curve H by a spline curve that smoothly connects the sample points e1, e2, ..., EM, and prevents the curve from vibrating. The moving locus curve H may be specified by a piecewise cubic Elmeat interpolated polynomial.

次に、等間隔化処理部３０３は、ステップＳ１４２で求めた移動軌跡曲線Ｈを、ねじれ角度−トルク位相面図Ｐ１上において等間隔（距離ｄｃ）で刻み、刻まれた各点を新たなサンプルポイントｅ１’、ｅ２’、・・として特定する（ステップＳ１４３）。ここで、移動軌跡曲線Ｈを均等に１００分割する場合、等間隔化処理部３０３は、距離の総和ｓＭを分割数（１００）で割ることで距離ｄｃを算出する（ｄｃ＝ｓＭ／１００）。
以下、移動軌跡曲線Ｈが等間隔で刻まれて規定される新たなサンプルポイントｅ１’、ｅ２’、・・のデータ系列を、「評価対象移動軌跡データＥ２’」と表記して説明する。Next, theequidistant processing unit 303 engraves the movement locus curve H obtained in step S142 at equal intervals (distance dc) on the twist angle-torque phase top view P1, and each engraved point is a new sample. It is specified as points e1', e2', ... (Step S143). Here, when the movement locus curve H is evenly divided into 100, theequidistant processing unit 303 calculates the distance dc by dividing the total distance sM by the number of divisions (100) (dc = sM / 100).
Hereinafter, the data series of the new sample points e1', e2', ..., In which the movement locus curve H is carved at equal intervals, will be described as "evaluation target movement locus data E2'".

図１７において、次に、ＣＰＵ３０Ａの異常判定部３０４は、ステップＳ１４で取得された評価対象移動軌跡データＥ２’と、予め用意された基準移動軌跡データとのＤＴＷ距離を演算する。ここで、「基準移動軌跡データ」とは、機械系２が正常な状態に取得される、代表的な移動軌跡データである。即ち、評価対象移動軌跡データＥ２’が基準移動軌跡データと類似していれば、診断の対象である機械系２は「異常なし」と判断することができる。また、「ＤＴＷ距離」とは、動的時間伸縮法に基づいて２つの移動軌跡データの類似度を示す指標となるパラメータである。
以下、図２２を参照しながら、ＤＴＷ距離の求め方について説明する。In FIG. 17, next, theabnormality determination unit 304 of the CPU 30A calculates the DTW distance between the evaluation target movement locus data E2'acquired in step S14 and the reference movement locus data prepared in advance. Here, the "reference movement locus data" is typical movement locus data acquired by themechanical system 2 in a normal state. That is, if the evaluation target movement locus data E2'is similar to the reference movement locus data, it can be determined that themechanical system 2 to be diagnosed is "no abnormality". Further, the "DTW distance" is a parameter that serves as an index indicating the degree of similarity between the two movement locus data based on the dynamic time expansion / contraction method.
Hereinafter, how to obtain the DTW distance will be described with reference to FIG. 22.

図２２には、ねじれ角度−トルク位相面図Ｐ１上にプロットされた２つのデータ系列Ｘ、Ｙを示している。図２２に示すデータ系列Ｘが評価対象移動軌跡データＥ２’であり、データ系列Ｙが基準移動軌跡データであるものとする。
異常判定部３０４は、データ系列Ｘのサンプルポイントごとに、データ系列Ｙの各サンプルポイントのうち最も距離が短いサンプルポイントを特定する。例えば、データ系列Ｘのうちのｉ番目のサンプルポイントｘ（ｉ）と最も距離が短いデータ系列Ｙのサンプルポイントは、ｊ番目のサンプルポイントｙ（ｊ）となる。また、データ系列Ｘのうちの（ｉ＋１）番目のサンプルポイントｘ（ｉ＋１）と最も距離が短いデータ系列Ｙのサンプルポイントも、ｊ番目のサンプルポイントｙ（ｊ）となる。FIG. 22 shows two data series X and Y plotted on the twist angle-torque phase plane view P1. It is assumed that the data series X shown in FIG. 22 is the evaluation target movement locus data E2'and the data series Y is the reference movement locus data.
Theabnormality determination unit 304 identifies the sample point having the shortest distance among the sample points of the data series Y for each sample point of the data series X. For example, the sample point of the data series Y having the shortest distance from the i-th sample point x (i) of the data series X is the j-th sample point y (j). Further, the sample point of the data series Y having the shortest distance from the (i + 1) th sample point x (i + 1) in the data series X is also the jth sample point y (j).

異常判定部３０４は、特定されたデータ系列Ｘのサンプルポイントとデータ系列Ｙのサンプルポイントとの組（例えば｛ｘ（ｉ），ｙ（ｊ）｝の組）の距離（ｃｏｓｔ）を算出し、更に、全ての組のｃｏｓｔの総和（ＤＴＷ距離）を算出する。
なお、ＤＴＷ距離の具体的な算出式は、式（７）に示す通りである。Theabnormality determination unit 304 calculates the distance (cost) of the set of the sample points of the specified data series X and the sample points of the data series Y (for example, the set of {x (i), y (j)}). Further, the total cost (DTW distance) of all the sets is calculated.
The specific calculation formula for the DTW distance is as shown in the formula (7).

式（７）において、ＤＴＷ（ｉ，ｊ）は、｛ｘ（ｉ），ｙ（ｊ）｝の組までのＤＴＷ距離である。 In equation (7), DTW (i, j) is the DTW distance to the set of {x (i), y (j)}.

図１７において、最後に、異常判定部３０４は、ステップＳ１５で算出したＤＴＷ距離が予め規定された所定の判定閾値を上回ったか否かの判定を行う（ステップＳ１６）。ステップＳ１５で算出したＤＴＷ距離が所定の判定閾値を上回っている場合、評価対象移動軌跡データＥ２’が基準移動軌跡データと大きく異なっていることから、異常判定部３０４は、「異常あり」との判定をする。他方、ステップＳ１５で算出したＤＴＷ距離が所定の判定閾値以下であった場合、評価対象移動軌跡データＥ２’が基準移動軌跡データと類似していることから、異常判定部３０４は、「異常なし」との判定をする。 Finally, in FIG. 17, theabnormality determination unit 304 determines whether or not the DTW distance calculated in step S15 exceeds a predetermined determination threshold value defined in advance (step S16). When the DTW distance calculated in step S15 exceeds the predetermined determination threshold value, the evaluation target movement locus data E2'is significantly different from the reference movement locus data, so that theabnormality determination unit 304 indicates that there is an abnormality. Make a judgment. On the other hand, when the DTW distance calculated in step S15 is equal to or less than the predetermined determination threshold value, the evaluation target movement locus data E2'is similar to the reference movement locus data, so that theabnormality determination unit 304 is "no abnormality". To make a judgment.

（作用・効果）
以上の通り、第２の実施形態に係る異常診断システム３（移動軌跡成形装置３０）は、多次元のパラメータセット（トルクτとねじれ角度（θ_Ｍ−θ_Ｌ）との組み合わせ）の時系列データである移動軌跡データを取得する。また、異常診断システム３は、予め規定された平滑化フィルタ（バイラテラル軌跡フィルタｆ）を適用して、取得した移動軌跡データを平滑化する。そして、上述のバイラテラル軌跡フィルタｆは、パラメータセットどうしの時間の差が大きくなるにつれて平滑化の影響度が小さくなる重み付けを規定する第１の重み付け関数Ｗ１と、パラメータセットどうしの多次元空間（位相面図）内の位置が離れるにつれて平滑化の影響度が小さくなる重み付けを規定する第２の重み付け関数Ｗ２と、の積からなる。
このようにすることで、移動軌跡の特徴が強く現れる“エッジ”（短時間内に位置が大きく変化する領域）を平滑化させることなく保存し、ノイズ成分のみを平滑化（除去）することができる。即ち、異常診断システム３によれば、移動軌跡データのノイズを適切に除去することができる。
なお、ＤＴＷはノイズの影響を受けて類否判断を誤りやすい特徴を有している。しかし、上述のとおり、エッジ保存の平滑化により移動軌跡データのノイズを適切に除去することで、ＤＴＷに基づく移動軌跡の類否判断の信頼性を高めることができる。(Action / effect)
As described above, the abnormality diagnosis system 3 (moving locus forming apparatus 30) according to the second embodiment has time-series data of a multidimensional parameter set (combination of torque τ and twist angle (θ_M − θ_L )). Acquires the movement locus data that is. Further, theabnormality diagnosis system 3 applies a predetermined smoothing filter (bilateral locus filter f) to smooth the acquired movement locus data. The bilateral locus filter f described above includes a first weighting function W1 that defines a weighting that reduces the influence of smoothing as the time difference between the parameter sets increases, and a multidimensional space between the parameter sets ( It is composed of a product of a second weighting function W2 that defines a weighting in which the degree of influence of smoothing decreases as the position in the phase view) increases.
By doing so, it is possible to preserve the "edge" (the area where the position changes significantly within a short time) where the characteristics of the movement locus strongly appear without smoothing, and smooth (remove) only the noise component. it can. That is, according to theabnormality diagnosis system 3, the noise of the movement locus data can be appropriately removed.
It should be noted that DTW has a feature that it is easy to make a mistake in determining similarity due to the influence of noise. However, as described above, by appropriately removing the noise of the movement locus data by smoothing the edge preservation, the reliability of the similarity judgment of the movement locus based on the DTW can be improved.

また、第２の実施形態に係る異常診断システム３（移動軌跡成形装置３０）は、多次元のパラメータセット（トルクτとねじれ角度（θ_Ｍ−θ_Ｌ）との組み合わせ）を、次元別に正規化する。
このようにすることで、異なる単位、異なるスケールのパラメータの組み合わせを同系列のパラメータとして扱うことができるので、ＤＴＷに基づく移動軌跡の類否判断（異常診断）をより適切に行うことができる。Further, the abnormality diagnosis system 3 (moving locus forming apparatus 30) according to the second embodiment normalizes a multidimensional parameter set (combination of torque τ and twist angle (θ_M − θ_L )) for each dimension. To do.
By doing so, the combination of parameters of different units and different scales can be treated as parameters of the same series, so that the similarity judgment (abnormality diagnosis) of the movement locus based on DTW can be performed more appropriately.

更に、第２の実施形態に係る異常診断システム３（移動軌跡成形装置３０）は、平滑化移動軌跡データＥ２によって特定される移動軌跡曲線Ｈを、多次元空間（位相面図）内において等間隔で刻むとともに、当該等間隔で刻まれた移動軌跡曲線Ｈ上の各点の座標のデータ系列（評価対象移動軌跡データＥ２’）を取得する。
このようにすることで、移動軌跡上におけるサンプルポイントの偏在を解消することができる。これにより、ＤＴＷに基づく移動軌跡の類否判断（異常診断）をより適切に行うことができる。
また、移動軌跡データのサンプルポイント数を適切に（例えば１００ポイント程度）に削減することができるので、ＤＴＷの計算量を大幅に削減することができる。Further, the abnormality diagnosis system 3 (movement locus forming apparatus 30) according to the second embodiment displays the movement locus curves H specified by the smoothed movement locus data E2 at equal intervals in the multidimensional space (phase view). The data series of the coordinates of each point on the movement locus curve H carved at equal intervals (evaluation target movement locus data E2') is acquired.
By doing so, it is possible to eliminate the uneven distribution of sample points on the movement trajectory. As a result, it is possible to more appropriately determine the similarity of the movement trajectory (abnormality diagnosis) based on the DTW.
In addition, since the number of sample points of the movement trajectory data can be appropriately reduced (for example, about 100 points), the amount of DTW calculation can be significantly reduced.

更に、第２の実施形態に係る異常診断システム３は、評価対象移動軌跡データＥ２’と、予め用意された基準移動軌跡データとの対比に基づいて、移動軌跡データに異常があるか否かを判定する。
また、異常診断システム３は、評価対象移動軌跡データＥ２’と基準移動軌跡データとの間のＤＴＷ距離を演算する。そして、異常診断システム３は、算出されたＤＴＷ距離が所定の判定閾値を上回ったか否かに基づいて、移動軌跡データに異常があるか否かを判定する。
これにより、位相面図に描かれる移動軌跡の類否判断を、ＤＴＷ距離に基づいて精度良く行うことができる。したがって、位相面図を用いた機械系２の異常診断を実現することができる。Further, theabnormality diagnosis system 3 according to the second embodiment determines whether or not there is an abnormality in the movement locus data based on the comparison between the evaluation target movement locus data E2'and the reference movement locus data prepared in advance. judge.
Further, theabnormality diagnosis system 3 calculates the DTW distance between the evaluation target movement locus data E2'and the reference movement locus data. Then, theabnormality diagnosis system 3 determines whether or not there is an abnormality in the movement locus data based on whether or not the calculated DTW distance exceeds a predetermined determination threshold value.
As a result, it is possible to accurately determine the similarity of the movement locus drawn on the phase view based on the DTW distance. Therefore, it is possible to realize an abnormality diagnosis of themechanical system 2 using the phase view.

なお、同一空間（位相面図）内にプロットされる２つのデータ系列（移動軌跡）の類否判断の手法は、第２の実施形態で説明したＤＴＷに限定されない。他の実施形態に係る異常診断システム３は、公知の手法であってＤＴＷ以外の類否判断の手法を用いてもよい。 The method for determining the similarity of two data series (moving loci) plotted in the same space (topological view) is not limited to the DTW described in the second embodiment. Theabnormality diagnosis system 3 according to the other embodiment is a known method and may use a method for determining similarity other than DTW.

また、第２の実施形態においては、移動軌跡データは、二次元のパラメータセット（トルクτとねじれ角度（θ_Ｍ−θ_Ｌ）との組み合わせ）の時系列であるものとして説明したが、他の実施形態においてはこの態様に限定されない。
他の実施形態においては、移動軌跡データは、三次元のパラメータセット（例えば、トルクτ、ねじれ角度（θ_Ｍ−θ_Ｌ）及びねじれ速度（ω_Ｍ−ω_Ｌ）の組み合わせ等）であってもよい。この場合、異常診断システム３による各処理（正規化処理、エッジ保存の平滑化処理、等間隔化処理、及び、ＤＴＷ距離の演算処理）は、三次元空間内にプロットされる移動軌跡データについて実行される。
更に、移動軌跡データは、四次元以上のパラメータセットの時系列データであってもよい。Further, in the second embodiment, the movement locus data has been described as being a time series of a two-dimensional parameter set (combination of torque τ and twist angle (θ_M − θ_L )), but other The embodiments are not limited to this aspect.
In other embodiments, the travel locus data may be a three-dimensional parameter set (eg, a combination of torque τ, twist angle (θ_M − θ_L ) and twist speed (ω_M − ω_L ), etc.). Good. In this case, each process (normalization process, edge preservation smoothing process, equalization process, and DTW distance calculation process) by theabnormality diagnosis system 3 is executed for the movement locus data plotted in the three-dimensional space. Will be done.
Further, the movement locus data may be time series data of a parameter set having four or more dimensions.

また、第２の実施形態に係る移動軌跡成形装置３０は、異常診断システム３に組み込まれ、機械系２の異常診断、ヘルスモニタリングの用途に用いるものとして説明したが、他の実施形態に係る移動軌跡成形装置３０は、他の用途に用いられてもよい。 Further, the movementlocus forming apparatus 30 according to the second embodiment has been described as being incorporated in theabnormality diagnosis system 3 and used for the purpose of abnormality diagnosis and health monitoring of themechanical system 2, but the movement according to another embodiment has been described. Thelocus forming apparatus 30 may be used for other purposes.

例えば、他の実施形態に係る移動軌跡成形装置３０は、小型飛行体（ドローン等）が実空間（三次元空間）内を移動する際に取得される三次元移動軌跡データに対し、ノイズ除去、等間隔化処理等を実行し、移動軌跡を成形する用途に用いられてもよい。
また、他の実施形態に係る移動軌跡成形装置３０は、アウトレットモール、百貨店、コンビニエンスストア等を徒歩移動する利用客の移動軌跡データに対し、ノイズ除去、等間隔化処理等を実行し、移動軌跡を成形する用途に用いられてもよい。
以上のような用途に用いることで、移動軌跡の類否判断、統計的分析を高確度、かつ、低負荷で実施することができる。For example, the movementlocus forming apparatus 30 according to another embodiment removes noise from the three-dimensional movement locus data acquired when a small flying object (drone or the like) moves in the real space (three-dimensional space). It may be used for the purpose of forming a movement locus by executing an evenly spaced process or the like.
Further, the movementlocus molding apparatus 30 according to another embodiment executes noise removal, equalization processing, and the like on the movement locus data of a user who walks through an outlet mall, a department store, a convenience store, or the like, and performs a movement locus. May be used for molding.
By using it for the above purposes, it is possible to perform similarity judgment and statistical analysis of movement loci with high accuracy and low load.

また、上述の各実施形態においては、異常診断システム３及び移動軌跡成形装置３０の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより各手順を行うものとしている。ここで、上述した異常診断システム３及び移動軌跡成形装置３０の各処理の過程は、プログラムの形式でコンピュータ読み取り可能な記録媒体に記憶されており、このプログラムをコンピュータが読み出して実行することによって上記各種処理が行われる。ここで、コンピュータ読み取り可能な記録媒体とは、磁気ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、半導体メモリ等をいう。また、このコンピュータプログラムを通信回線によってコンピュータに配信し、この配信を受けたコンピュータが当該プログラムを実行するようにしても良い。
また、異常診断システム３及び移動軌跡成形装置３０の各機能が、ネットワークで接続される複数の装置に渡って具備される態様であってもよい。Further, in each of the above-described embodiments, a program for realizing the functions of theabnormality diagnosis system 3 and the movinglocus shaping device 30 is recorded on a computer-readable recording medium, and the program recorded on the recording medium is recorded on the computer. Each procedure is to be performed by loading it into the system and executing it. Here, each process of theabnormality diagnosis system 3 and the movinglocus forming apparatus 30 described above is stored in a computer-readable recording medium in the form of a program, and the computer reads and executes the program to perform the above-mentioned process. Various processes are performed. Here, the computer-readable recording medium refers to a magnetic disk, a magneto-optical disk, a CD-ROM, a DVD-ROM, a semiconductor memory, or the like. Further, this computer program may be distributed to a computer via a communication line, and the computer receiving the distribution may execute the program.
Further, each function of theabnormality diagnosis system 3 and the movementlocus forming device 30 may be provided across a plurality of devices connected by a network.

以上、本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものとする。 Although some embodiments of the present invention have been described above, these embodiments are shown as examples and are not intended to limit the scope of the invention. These embodiments can be implemented in various other forms, and various omissions, replacements, and changes can be made without departing from the gist of the invention. These embodiments and modifications thereof shall be included in the scope of the invention described in the claims and the equivalent scope thereof, as well as in the scope and gist of the invention.

１ モータ制御システム
１０ フィードバック制御部
１１ フィードフォワード制御部
１２ パラメータ同定装置
１２０ データ取得部
１２１ 位相面図生成部
１２２ パラメータ同定部
２ 機械系
２０ モータ
２１ 負荷
２２ 軸
３ 異常診断システム
３０ 移動軌跡成形装置
３０Ａ ＣＰＵ
３００ 移動軌跡データ取得部
３０１ 平滑化処理部
３０２ 正規化処理部
３０３ 等間隔化処理部
３０４ 異常判定部
３１ メモリ
３２ 表示部
３３ 操作部
３４ 接続インターフェイス
３５ 記録媒体
θ_ｔ 目標角度（目標回転角度）
τ、τ’ トルク
θ_Ｍ モータ角度（モータの角度）
ω_Ｍ モータ角速度（モータの角速度）
Ｊ_Ｍ モータ側慣性モーメント
Ｄ_Ｍ モータ側粘性係数
τ_ｆＭ モータ側摩擦係数
τ_ｆＭｃ モータ側クーロン摩擦係数
θ_Ｌ 負荷角度（負荷の角度）
ω_Ｌ 負荷角速度（負荷の角速度）
Ｊ_Ｌ 負荷側慣性モーメント
Ｄ_Ｌ 負荷側粘性係数
τ_ｆＬ 負荷側摩擦係数
τ_ｆＬｃ 負荷側クーロン摩擦係数
Ｋ_Ｒ ねじれ剛性係数
Ｄ_Ｒ ねじれ粘性係数
ＢＬ 不感帯幅
ＭＯＤ ２慣性系モデル
Ｊ_Ｍ０ モデルモータ側慣性モーメント
Ｄ_Ｍ０ モデルモータ側粘性係数
τ_ｆＭ０ モデルモータ側摩擦係数
τ_ｆＭｃ０ モデルモータ側クーロン摩擦係数
Ｊ_Ｌ０ モデル負荷側慣性モーメント
Ｄ_Ｌ０ モデル負荷側粘性係数
τ_ｆＬ０ モデル負荷側摩擦係数
τ_ｆＬｃ０ モデル負荷側クーロン摩擦係数
ＢＬ_０ モデル不感帯幅
Ｋ_Ｒ０ モデルねじれ剛性係数
Ｆ１ 不感帯特性関数
Ｆ１’ ガタ変位関数
Ｇ_Ｍ モータ側摩擦特性関数
Ｇ_Ｌ 負荷側摩擦特性関数
Ｐ１ ねじれ角度−トルク位相面図
Ｐ２ トルク−機械角速度位相面図
Ｐ３ ねじれ角度−機械角速度位相面図
Ｐ４ トルク−ねじれ速度位相面図
Ｐ５ ねじれ角度−ねじれ速度位相面図
Ｐ６ 負荷角度−トルク位相面図
ｆ バイラテラル軌跡フィルタ
Ｗ１ 第１の重み付け関数
Ｗ２ 第２の重み付け関数
Ｈ 移動軌跡曲線1Motor control system 10 Feedback control unit 11Feedforward control unit 12Parameter identification device 120Data acquisition unit 121 Phaseview generation unit 122Parameter identification unit 2Mechanical system 20Motor 21Load 22Axis 3Abnormality diagnosis system 30 Movement locus shaping device 30A CPU
300 Movement locusdata acquisition unit 301Smoothing processing unit 302Normalization processing unit 303Equalization processing unit 304Abnormality determination unit 31Memory 32 Display unit 33Operation unit 34Connection interface 35 Recording medium θ_t Target angle (target rotation angle)
τ, τ'Torque θ_M Motor angle (motor angle)
ω_M Motor angular velocity (motor angular velocity)
J_M Moment of inertia on the motor side D_M Motor side viscosity coefficient τ_fM Motor side friction coefficient τ_fMc Motor side Coulon friction coefficient θ_L Load angle (load angle)
ω_L Load angular velocity (load angular velocity)
J_L load inertia_{D L} load side viscosity tau_fL load side friction coefficient tau_FLC load side Coulomb friction coefficient_{K R} torsional rigidity coefficient_{D R} twist viscosity coefficient BL deadzone width MOD 2 inertia model_{J M0} model motor side inertia moment D_M0 model Motor side viscosity coefficient τ_fM0 model Motor side friction coefficient τ_fMc0 model Motor side Coulomb friction coefficient J_L0 model Load side moment of inertia_DL0 model Load side viscosity coefficient τ_fL0 model Load side friction coefficient τ_fLc0 model Load side Coulomb friction coefficient BL₀ model dead zone width_{K R0} model torsional rigidity coefficient F1 dead zone characteristic function F1 'backlash displacement function_{G M} motor side friction characteristic function_{G L} load side friction characteristic function P1 twist angle - torque phase plane view P2 torque - mechanical angular phase plane Fig. P3 Twist angle-Mechanical angle Speed phase view P4 Torque-Twist speed phase view P5 Twist angle-Twist speed phase view P6 Load angle-Torque phase view f Bilateral locus filter W1 First weighting function W2 Second Weighted function H Movement locus curve

Claims (9)

Translated fromJapanese

多次元のパラメータセットの時系列データである移動軌跡データを取得する移動軌跡データ取得部と、
予め規定された平滑化フィルタを適用して前記移動軌跡データを平滑化する平滑化処理部と、
を備え、
前記平滑化フィルタは、
前記パラメータセットどうしの時間の差が大きくなるにつれて平滑化の影響度が小さくなる重み付けを規定する第１の重み付け関数と、前記パラメータセットどうしの多次元空間内の位置が離れるにつれて平滑化の影響度が小さくなる重み付けを規定する第２の重み付け関数と、の積からなる
移動軌跡成形装置。A movement locus data acquisition unit that acquires movement locus data, which is time-series data of a multidimensional parameter set,
A smoothing processing unit that smoothes the movement locus data by applying a predetermined smoothing filter,
With
The smoothing filter is
The first weighting function that defines the weighting that the influence of smoothing becomes smaller as the time difference between the parameter sets increases, and the influence of smoothing as the positions of the parameter sets in the multidimensional space are separated from each other. A moving locus forming apparatus consisting of a product of a second weighting function that defines a weighting that reduces. 前記第１の重み付け関数及び前記第２の重み付け関数は、ガウス分布関数である
請求項１に記載の移動軌跡成形装置。The moving locus forming apparatus according to claim 1, wherein the first weighting function and the second weighting function are Gaussian distribution functions. 前記多次元のパラメータセットを、次元別に正規化する正規化処理部を更に備える
請求項１又は請求項２に記載の移動軌跡成形装置。The moving locus forming apparatus according to claim 1 or 2, further comprising a normalization processing unit that normalizes the multidimensional parameter set for each dimension. 平滑化された前記移動軌跡データによって特定される移動軌跡曲線を、多次元空間内において等間隔で刻むとともに、当該等間隔で刻まれた前記移動軌跡曲線上の各点の座標のデータ系列を取得する等間隔化処理部
を更に備える請求項１から請求項３の何れか一項に記載の移動軌跡成形装置。The movement locus curve specified by the smoothed movement locus data is carved at equal intervals in the multidimensional space, and the data series of the coordinates of each point on the movement locus curve carved at the equal intervals is acquired. The moving locus forming apparatus according to any one of claims 1 to 3, further comprising an evenly spaced processing unit. 前記多次元のパラメータセットは、
モータと、負荷と、前記モータ及び前記負荷を連結する連結部材と、を具備する機械系における、前記モータのトルク、前記モータの角速度、前記負荷の角度、前記負荷の角速度、前記連結部材のねじれ角度、及び、前記連結部材のねじれ角速度のうちの少なくとも何れか一つを含む
請求項１から請求項４の何れか一項に記載の移動軌跡成形装置。The multidimensional parameter set
In a mechanical system including a motor, a load, and a connecting member that connects the motor and the load, the torque of the motor, the angular velocity of the motor, the angle of the load, the angular velocity of the load, and the twist of the connecting member. The moving locus forming apparatus according to any one of claims 1 to 4, which includes at least one of an angle and a torsion angular velocity of the connecting member. 請求項１から請求項５の何れか一項に記載の移動軌跡成形装置と、
当該移動軌跡成形装置によって成形された移動軌跡データである評価対象移動軌跡データと予め用意された基準移動軌跡データとの対比に基づいて、前記移動軌跡データに異常があるか否かを判定する異常判定部と、
を備える異常診断システム。The moving locus molding apparatus according to any one of claims 1 to 5.
An abnormality that determines whether or not there is an abnormality in the movement locus data based on a comparison between the evaluation target movement locus data, which is the movement locus data formed by the movement locus molding apparatus, and the reference movement locus data prepared in advance. Judgment unit and
Abnormality diagnosis system equipped with. 前記異常判定部は、
前記評価対象移動軌跡データと前記基準移動軌跡データとの間のＤＴＷ距離を演算し、算出された前記ＤＴＷ距離が所定の判定閾値を上回ったか否かに基づいて、前記移動軌跡データに異常があるか否かを判定する
請求項６に記載の異常診断システム。The abnormality determination unit
The DTW distance between the evaluation target movement locus data and the reference movement locus data is calculated, and there is an abnormality in the movement locus data based on whether or not the calculated DTW distance exceeds a predetermined determination threshold value. The abnormality diagnosis system according to claim 6, which determines whether or not the data is present. 多次元のパラメータセットの時系列データである移動軌跡データを取得する移動軌跡データ取得ステップと、
予め規定された平滑化フィルタを適用して前記移動軌跡データを平滑化する平滑処理ステップと、
を有し、
前記平滑化フィルタは、
前記パラメータセットどうしの時間の差が大きくなるにつれて平滑化の影響度が小さくなる重み付けを規定する第１の重み付け関数と、前記パラメータセットどうしの多次元空間内の位置が離れるにつれて平滑化の影響度が小さくなる重み付けを規定する第２の重み付け関数と、の積からなる
移動軌跡成形方法。The movement locus data acquisition step for acquiring the movement locus data which is the time series data of the multidimensional parameter set, and
A smoothing process step that smoothes the movement locus data by applying a predetermined smoothing filter, and
Have,
The smoothing filter is
The first weighting function that defines the weighting that the influence of smoothing becomes smaller as the time difference between the parameter sets increases, and the influence of smoothing as the positions of the parameter sets in the multidimensional space are separated from each other. A method of forming a moving locus, which comprises the product of a second weighting function that defines a weighting that reduces. コンピュータに、
多次元のパラメータセットの時系列データである移動軌跡データを取得する移動軌跡データ取得ステップと、
予め規定された平滑化フィルタを適用して前記移動軌跡データを平滑化する平滑処理ステップと、
を実行させるプログラムであって、
前記平滑化フィルタは、
前記パラメータセットどうしの時間の差が大きくなるにつれて平滑化の影響度が小さくなる重み付けを規定する第１の重み付け関数と、前記パラメータセットどうしの多次元空間内の位置が離れるにつれて平滑化の影響度が小さくなる重み付けを規定する第２の重み付け関数と、の積からなる
プログラム。On the computer
The movement locus data acquisition step for acquiring the movement locus data which is the time series data of the multidimensional parameter set, and
A smoothing process step that smoothes the movement locus data by applying a predetermined smoothing filter, and
Is a program that executes
The smoothing filter is
The first weighting function that defines the weighting that the influence of smoothing becomes smaller as the time difference between the parameter sets increases, and the influence of smoothing as the positions of the parameter sets in the multidimensional space are separated from each other. A program consisting of the product of a second weighting function that defines a weighting that reduces.

Images