JP6307965B2 - 電動機の制御装置およびそれを備える燃焼装置 - Google Patents

Description

この発明は、電動機の制御装置およびそれを備える燃焼装置に関し、より特定的には、電動機の回転数制御に関する。

燃焼装置のファンモータの回転数制御において、目標回転数に基づいてフィードフォワード制御を行なうことが、特許第２５２６７３７号公報（以下、特許文献１）、特許第２５６０９５３号公報（以下、特許文献２）、特許第３０６０７２８号公報（以下、特許文献３）および、特許第３２８２１６９号公報（以下、特許文献４）等に記載されている。

特許文献１には、目標回転数と複数の定数との関係により操作量を設定するフィードフォワード制御とフィードバック制御とを組み合わせた制御において、プリパージ回転数でのフィードバック制御をオフした制御実績に応じて、フィードフォワード制御の定数を変更することが記載されている。

特許文献２〜４には、フィードバック制御での制御実績に基づいて、フォードフォワード制御を修正することが記載されている。

特許第２５２６７３７号公報 特許第２５６０９５３号公報 特許第３０６０７２８号公報 特許第３２８２１６９号公報

特許文献１にも記載されるように、燃焼ファンのモータ制御では、電動機の静特性に従った、目標回転数および複数の定数を含む一次関数式に従って、フィードフォワード制御を実行することができる。しかしながら、この一次関数式の実際の特性は、ファンを駆動する電動機の個体差や、ファンが設置された経路の閉塞状況等の設置状況に応じて変化する。

特許文献１によれば、プリパージ回転数での実績に基づいて、経年的変化による上記一次関数式の誤差を吸収するように、一次関数式中の定数を更新することができる。ここで、一次関数式（ｙ＝ａｘ＋ｂ）の誤差には、オフセット誤差（ｂの誤差）と傾き誤差（ａの誤差）とが存在する。

しかしながら、特許文献１によれば、特定の回転数（プリパージ回転数）での実績に基づく更新が行なわれるため、オフセット誤差の吸収には効果が期待できる一方で、傾き（ａ）の経年的変化を学習することが困難となることが懸念される。これにより、電動機の静特性の変化に対処できなくなり、フィードフォワード制御の効果が低減することによって、目標回転数の変化に対する制御性能の低下が懸念される。

この発明はこのような問題点を解決するためになされたものであって、この発明の目的は、電動機の固体差や設置状況の変化に応じた電動機の静特性の変化に対処したフィードフォワード制御によって、目標回転数の変化に対する制御性能を高めた電動機の制御装置、および、それを備えた燃焼装置を提供することである。

この発明に従う電動機の制御装置は、電気的入力に応じて回転数が変化する電動機の制御装置であって、制御部と、電動機の回転数を検出するための回転数センサと、学習部とを備える。制御部は、電気的入力に対する回転数の静特性を示す一次関数モデルに従って、回転数の目標値に応じて電気的入力の制御入力量を演算するように構成される。学習部は、制御入力量と回転数センサによる検出回転数とに基づいて、制御部での演算に用いられる一次関数モデルの傾きを逐次学習する。特に、学習部は、予め定められた基準入力量と制御入力量との差分、および、当該基準入力量における回転数を示す予め定められた基準回転数と検出回転数との差分の間の実績比率に基づいて、傾きの学習値を逐次更新するように構成される。

上記電動機の制御装置によれば、電動機の個体差や電動機の設置状況を含む電動機の静特性の変化に対応して、一次関数モデルの傾きを学習することができる。そして、学習された一次関数モデルに基づく制御（たとえば、フィードフォワード制御）により、電動機の目標回転数の変化に対して実際の回転数を速やかに追従させることが可能である。

好ましくは、学習部は、実績比率を学習値に反映する学習速度を、回転数が低いときに遅くする一方で回転数が高いときに速くするように構成される。

このようにすると、一般的に低回転領域に設定される基準回転数の近傍領域では、一次関数モデルの傾き実績（実績比率）の算出誤差が大きくなることが懸念されるため、学習速度を遅くすることができる。これにより、学習値が変動することを防止して、学習の安定度を向上することができる。

さらに好ましくは、学習部は、目標値に対する検出回転数の偏差が所定値よりも大きい間、または、目標値が変更されてから所定時間が経過するまでの間には、逐次更新を停止して学習値を維持する。

このようにすると、目標回転数の変化に対して電動機の回転数が追従する過渡的な制御応答時には学習を停止できるので、目標回転数が一定の下での定常的な制御応答時の傾き実績に基づいて、電動機の一次関数モデルを安定的に学習することができる。

この発明に従う燃焼装置は、上記のいずれかの電動機の制御装置と、送風ファンと、燃焼機構とを備える。送風ファンは、当該制御装置によって制御される電動機によって駆動される。燃焼機構は、燃料と送風ファンから供給された燃焼用空気との混合気を燃焼する。

上記燃焼装置によれば、燃焼機構へ燃焼用空気を供給するための送風ファンの回転数を目標回転数の変化に追従させて速やかに制御することができる。これにより、燃焼機構での要求発生熱量（燃焼燃料量）の変化に追従させて、燃焼用空気量を適切に制御できるので、燃焼状態を良好に維持することが可能となる。

この発明によれば、電動機の固体差や設置状況の変化に応じた電動機の静特性の変化に対処したフィードフォワード制御によって、目標回転数の変化に対する制御性能を高めた電動機の制御装置、および、それを備えた燃焼装置を提供することができる。

本実施の形態に従う電動機の制御装置が適用された燃焼装置の代表例として示される給湯装置の概略構成図である。 本実施の形態に従う電動機制御が適用されたファンモータの回転数制御の機能ブロック図である。 ファンモータの静特性モデルの一例を示すグラフである。 図１中の排気経路の閉塞度合いの変化に応じたファンモータの静特性の変化を示すグラフである。 ファンモータの静特性を示す一次関数モデルが誤差を有する場合の制御誤差の発生を説明するための概念的なグラフである。 図２に示された学習部による一次関数モデルの学習手法を説明するための概念図である。 図２に示された学習部による制御構成を説明するための機能ブロック図である。 図２に示されたフィードフォワード制御部による制御構成を説明する機能ブロック図である。 本実施の形態に従う電動機の制御装置による回転数制御の処理手順を説明するフローチャートである。

以下に、本発明の実施の形態について図面を参照して詳細に説明する。なお、以下では図中の同一または相当部分には同一符号を付して、その説明は原則的に繰返さないものとする。

図１は、本実施の形態に従う電動機の制御装置が適用された燃焼装置を含む給湯装置の概略構成図である。

図１を参照して、給湯装置１００は、一次熱交換器１１、二次熱交換器２１および燃焼バーナ３０等が格納された燃焼缶体（以下、単に「缶体」とも称する）１０と、送風ファン４０と、入水管５０と、バイパス管６０と、出湯管７０と、コントローラ２００とを備える。

入水管５０および出湯管７０の間にはバイパス管６０が配置される。入水管５０には、バイパス管６０への分流を制御するための分配弁８０が介挿接続される。さらに、入水管５０には、温度センサ１１０および流量センサ１５０が配置される。温度センサ１１０は、入水温度Ｔｗを検出する。

入水管５０には、水道水等が給水される。分配弁８０の開度に応じて、給水量の一部が入水管５０からバイパス管６０へ分流される。すなわち、入水管５０への全体給水量に対する分流量の割合は、分配弁８０の開度に応じて制御される。流量センサ１５０は、分配弁８０よりも下流側（缶体側）に配置される。したがって、流量センサ１５０によって検出される流量Ｑは、缶体１０を通過する流量（缶体流量）を示している。

入水管５０の水は、まず二次熱交換器２１によって予熱された後、一次熱交換器１１において主加熱される。一次熱交換器１１および二次熱交換器２１によって所定温度まで加熱された湯は、缶体１０から出湯管７０へ出力される。

出湯管７０は、合流点７５においてバイパス管６０と接続される。したがって、給湯装置１００からは、缶体１０から出力された高温湯と、バイパス管６０からの水とを混合した適温の湯が、台所や浴室等の給湯栓１９０や、図示しない風呂への注湯回路などの所定の給湯箇所に供給される。

出湯管７０には、流量調整弁９０および温度センサ１２０，１３０が設けられる。温度センサ１２０は、出湯管７０のバイパス管６０との合流点７５よりも上流側（缶体側）に配置されて、缶体１０からの出力湯温（以下、缶体温度）を検出する。温度センサ１３０は、合流点７５よりも下流側（出湯側）に設けられて、バイパス管６０からの水が混合された後の出湯温度Ｔｈを検出する。流量調整弁９０は、出湯流量を制御するために設けられる。たとえば、燃焼開始直後の加熱能力が不足する期間中において、流量調整弁９０の開度を絞ることにより、出湯温度Ｔｈが低下することを防止することができる。

給湯装置１００では、燃焼バーナ３０および送風ファン４０によって、燃焼装置を構成することができる。缶体１０では、当該燃焼装置による発生熱量により、一次熱交換器１１および二次熱交換器２１で、入水管５０から供給された水が加熱される。

缶体１０において、燃焼バーナ３０から出力された燃料ガスは、送風ファン４０からの燃焼用空気と混合される。図示しない点火装置によって混合気が着火されることにより、燃料ガスが燃焼されて火炎が生じる。燃焼バーナ３０からの火炎によって生じる燃焼熱は、缶体１０内で一次熱交換器１１および二次熱交換器２１へ与えられる。

一次熱交換器１１は、燃焼バーナ３０による燃焼ガスの顕熱（燃焼熱）により入水を熱交換によって加熱する。二次熱交換器２１は、燃焼バーナ３０からの燃焼排ガスの潜熱によって通流された水を熱交換によって加熱する。缶体１０の燃焼ガスの流れ方向下流側には熱交換後の燃焼排ガスを排出処理するための排気経路１５が設けられる。

燃焼バーナ３０へのガス供給管３１には、元ガス電磁弁３２、ガス比例弁３３および、能力切換弁３５ａ〜３５ｃが配置される。元ガス電磁弁３２は、燃焼バーナ３０への燃料ガスの供給をオンオフする機能を有する。ガス供給管３１のガス流量は、ガス比例弁３３の開度に応じて制御される。

能力切換弁３５ａ〜３５ｃは、複数の燃焼バーナ３０のうちの、燃料ガスの供給対象となるバーナ本数を切換えるために開閉制御される。図１の例では、１０本の燃焼バーナ３０のうち、図中左側の５本の燃焼バーナ３０に対する燃料ガスの供給が、能力切換弁３５ａの開閉に応じてオンオフされる。同様に、図中央の２本の燃焼バーナ３０に対する燃料ガスの供給が、能力切換弁３５ｂの開閉に応じてオンオフされ、図中右側の３本の燃焼バーナ３０に対する燃料ガスの供給が、能力切換弁３５ｃの開閉に応じてオンオフされる。

燃焼装置からの発生熱量は、バーナ本数およびガス流量の組み合わせによって決まる、燃焼バーナ３０全体からの供給ガス量に比例する。したがって、燃焼装置に対する要求発生熱量に対応させて、能力切換弁３５ａ〜３５ｃの開閉パターン（バーナ本数）およびガス比例弁３３の開度（ガス流量）の組み合わせを決定する設定マップを予め作成することができる。

送風ファン４０による送風量は、燃焼バーナ３０全体からの供給ガス量との空燃比が所定値（たとえば、理想空燃比）となるように制御される。送風ファン４０の送風量は、ファン回転数と比例するので、送風ファン４０の回転数は、供給ガス量の変化に応じて設定される目標回転数に従って制御される必要がある。

送風ファン４０は、「電動機」で構成されたファンモータ４２によって駆動される。一般的に、電動機は、電気的入力（電圧および／または電流）に応じて回転数が変化する特性を有する。図１の例では、ファンモータ４２は、直流電動機によって構成される。すなわち、ファンモータ４２の回転数は、図示しない電力変換器からファンモータに供給されるファン駆動電圧によって制御される。送風ファン４０の回転数（ファン回転数）は、回転数センサ４５によって検出される。

図１の構成例では、ファン回転数は、ファンモータ４２の回転数に対応する。したがって、図１に示された給湯装置中の燃焼装置では、送風ファン４０のファン回転数制御は、ファンモータ４２の回転数制御と等価である。たとえば、回転数センサ４５は、送風ファン４０またはファンモータ４２の回転体に取付けられた電磁ピックアップ式のセンサによって構成される。

コントローラ２００は、各センサからの出力信号（検出値）およびユーザ操作を受けて、給湯装置１００の全体動作を制御するために、各機器への制御指令を発生する。ユーザ操作には、給湯装置１００の運転オン／オフ指令および設定湯温（Ｔｒ＊）指令が含まれる。制御指令には、各弁の開閉および開度指令、ファンモータ４２への電気的入力指令（ファン駆動電圧指令）が含まれる。

コントローラ２００は、給湯装置１００の運転指令がオンされると、流量センサ１５０によって検出される流量Ｑが最低作動流量（ＭＯＱ）を超えるのに応じて、燃焼装置による燃焼動作をオンする。燃焼動作がオンされると、元ガス電磁弁３２が開放されて、燃焼バーナ３０への燃料ガスの供給が開始される。

給湯装置１００では、合流点７５よりも下流側（出湯側）に配置された流量調整弁９０からは、缶体１０からの加熱水（温度Ｔｗ＋ΔＴ）と、バイパス管６０からの非加熱水（温度Ｔｗ）とを混合した湯が出力される。なお、全体の給水量に対する、分配弁８０の開度に応じたバイパス管６０への分流率を（１−ｒ）とすると（０＜ｒ≦１．０）、流量センサ１５０によって検出される流量Ｑ（缶体流量）を用いて、流量調整弁９０からの出湯流量は、Ｑ／ｒで示される。

コントローラ２００は、燃焼動作のオン時には、燃焼装置に対する要求発生熱量Ｐ＊を算出する。具体的には、分配弁８０による分流率を考慮して、設定湯温Ｔｒ＊および入水温度Ｔｗから缶体温度の目標値が算出される。燃焼装置による昇温量をΔＴとすると缶体温度はＴｗ＋ΔＴとなるため、缶体温度の上記目標値から入水温度Ｔｗを減算することによって、燃焼装置による昇温量ΔＴを求めることができる。

コントローラ２００は、燃焼装置への要求発生熱量Ｐ＊を、流量Ｑおよび昇温量ΔＴから算出する（Ｐ＊＝Ｑ・ΔＴ）。さらに、コントローラ２００は、要求発生熱量Ｐ＊に応じて、燃焼バーナ３０全体からの供給ガス量を設定する。具体的には、当該供給ガス量を実現するようなバーナ本数およびガス流量の組合せが、上記設定マップに従って定められる。コントローラ２００は、当該設定マップに従ったバーナ本数およびガス流量が実現されるように、ガス比例弁３３の開度および能力切換弁３５ａ〜３５ｃの開閉を制御する。

さらに、コントローラ２００は、ファン回転数の目標値Ｎ＊（以下、目標回転数Ｎ＊）を設定する。上述のように、目標回転数Ｎ＊は、燃焼装置からの要求発生熱量Ｐ＊、すなわち燃焼バーナ３０全体からの供給ガス量に比例して設定される必要がある。

さらに、コントローラ２００は、送風ファン４０を駆動するファンモータ４２の制御によって、ファン回転数を目標回転数Ｎ＊に制御する。

図２は、本実施の形態に従う電動機制御が適用されたファンモータの回転数制御の機能ブロック図である。なお、図２を始めとする各機能ブロック図中の各ブロックの機能は、コントローラ２００の所定プログラムの実行によるソフトウェア処理によって実現されてもよく、当該機能を実現するための専用のハードウェア（電子回路）をコントローラ２００内に構築してもよい。

図２を参照して、コントローラ２００は、偏差演算部２０５と、フィードバック制御部２１０と、フィードフォワード制御部２２０と、学習部２３０と、加算部２５０とを有する。

コントローラ２００は、回転数制御の制御対象であるファンモータ４２の制御入力量Ｕｖを制御周期毎に演算する。制御入力量Ｕｖは、ファンモータ４２を構成する直流電動機に供給される電圧ないし電流である。

偏差演算部２０５は、目標回転数Ｎ＊と、回転数センサ４５によるファン回転数Ｎの検出値（以下、検出回転数Ｎｄとも称する）との回転数偏差ΔＮ（ΔＮ＝Ｎ＊−Ｎｄ）を演算する。フィードバック制御部２１０は、回転数偏差ΔＮに応じて、フィードバック制御量Ｕｆｂを算出する。たとえば、フィードバック制御部２１０は、回転数偏差ΔＮに対する、Ｐ（比例）制御、Ｉ（積分）制御およびＤ（微分）制御のうちの少なくとも一部によって構成される。

フィードフォワード制御部２２０は、目標回転数Ｎ＊に応じてフィードフォワード制御量Ｕｆｆを演算する。加算部２５０は、フィードフォワード制御量Ｕｆｆおよびフィードバック制御量Ｕｆｂの和に従って、ファンモータ４２の制御入力量Ｕｖを算出する。

このように、コントローラ２００は、フィードフォワード制御およびフィードバック制御の組み合わせによって、検出回転数Ｎｄを目標回転数Ｎ＊と一致させるように、制御入力量Ｕｖを算出する。

ここで、回転数制御には、目標回転数Ｎ＊の変化に検出回転数Ｎｄを速やかに追従させる過渡応答制御と、一定の目標回転数Ｎ＊に対して検出回転数Ｎｄを安定させる定常制御との両方が求められる。フィードバック制御は、回転数偏差ΔＮに基づく制御であるので、主に定常制御に寄与する。一方で、過渡応答制御は、主にフィードフォワード制御によって実現される。

上述のように、給湯装置１００においては、目標回転数Ｎ＊は、燃焼装置における要求発生熱量Ｐ＊（すなわち、燃焼バーナ３０全体からのガス供給量）に応じて変化する。このため、目標回転数Ｎ＊は、１回の燃焼運転中において、一定に維持されることはなく、流量Ｑ等の変化に応じて変化する。したがって、目標回転数Ｎ＊の変化に対応するためのフィードフォワード制御の重要度が高まる。

フィードフォワード制御部２２０は、ファンモータ４２の静特性を示す一次関数モデルに従ってフィードフォワード制御量Ｕｆｆを算出する。

図３は、ファンモータ４２の静特性モデルの一例を示すグラフである。図３には、ファンモータ４２の制御入力量Ｕｖを横軸とし、ファン回転数Ｎを縦軸とするＵｖ−Ｎ座標平面が示される。

図３を参照して、ファン回転数Ｎは、ファンモータ４２への制御入力量Ｕｖの変化に対して、下記（１）式によって示される、Ｕｖ−Ｎ座標平面上の一次関数モデル５００に従って変化する。

Ｎ＝ｋ・Ｕｖ＋ｂ …（１）
（１）式において、一次関数の傾きｋは、ファンモータ４２への制御入力量Ｕｖの変化量ΔＵｖに対するファン回転数の変化量ΔＮで示される。ｂは定数項である。

実機実験結果等に従って一次関数モデル５００を策定することにより、目標回転数Ｎ＊の変化に応じて、フィードフォワード制御量Ｕｆｆを、目標回転数Ｎ＊の変化量ΔＮ＊に応じて、ｋ・ΔＮ＊だけ即座に変化させることができる。

したがって、一次関数モデル５００に誤差が生じると、フィードフォワード制御量Ｕｆｆの変化量（ｋ・ΔＮ＊）が過剰あるいは不足となることによって、ファン回転数Ｎが目標回転数Ｎ＊の変化に迅速に追従できなくなる。たとえば、図３に示した一次関数モデル５００が、モータの個体差や設置状況の変化等の影響によって、実際の静特性に対して誤差を有することが懸念される。

図１に示した給湯装置１００への適用例では、排気経路１５における煤の付着等によって、送風ファン４０の回転に対する空気抵抗が変化することによって、ファンモータ４２の静特性（制御入力量Ｕｖ−ファン回転数Ｎ）が変化することが懸念される。この静特性は、煤の付着度合い、すなわち、排気経路１５の閉塞度合いに応じて変化する。

図４には、排気経路１５の閉塞度合いの変化に応じたファンモータの静特性の変化を示すグラフが示される。図４において、横軸にはファンモータ４２の制御入力量Ｕｖが示され、縦軸には検出回転数Ｎｄが示される。

図４を参照して、ファンモータ４２の静特性は、排気経路１５の閉塞度合いが一定の下で、制御入力量Ｕｖを変化させながら検出回転数Ｎｄをサンプリングするとともに、測定データに最小二乗法等を適用することによって得られる。排気経路１５の閉塞度合いを複数水準に設定し、各水準において得られた静特性が、図４中の特性線５００〜５０４として示される。

図４において、特性線５００は、新品時、すなわち排気経路１５に閉塞がない場合における、一次関数モデルに相当する。これに対して、特性線５０１〜５０４は、排気経路１５に閉塞が生じた際の一次関数モデルに相当する。特性線５０１、５０２，５０３および５０４の順に、排気経路１５の閉塞度合いが高くなる。

閉塞度合いが高くなると、送風ファン４０の回転に応じて導入される外気量が減少する。このため、空気抵抗の減少に応じて、同一の制御入力量Ｕｖに対するファン回転数が上昇する。このような、排気経路１５の閉塞による静特性の変化は、設置状況等による経年的変化の代表例として示される。あるいは、ファンモータ４２の個体差によって、新品当初から、ファンモータ４２の実際の静特性が、一次関数モデル５００に対して誤差を有することもあり得る。

図５には、一次関数モデルが誤差を有する場合の制御誤差の発生を説明するための概念的なグラフが示される。

図５には、ファンモータ４２の実際の静特性が特性線５０５（図５）で示される状態において、一次関数モデル５００に従ってフィードフォワード制御を実行したときの制御動作が示される。図５において、横軸にはファン回転数Ｎが示され、縦軸にはファンモータ４２の制御入力量Ｕｖが示される。

図５を参照して、目標回転数Ｎ＊＝Ｎ１の状態では、実際の特性線５０５に沿って、制御入力量Ｕｖ＝Ｕ１となった状態でファン回転数Ｎ＝Ｎ１に制御される。したがって、一次関数モデル５００に従ったフィードフォワード制御では、制御入力量ＵｖがΔＵ１不足する。この不足分ΔＵ１は、フィードバック制御量Ｕｆｂによって補償されている。

この状態から目標回転数Ｎ＊がＮ２へ変化した場合を考える。この場合、フィードフォワード制御量Ｕｆｆは、一次関数モデル５００の傾きが等しい特性線５００♯に従って増加する。特性線５００♯は、一次関数モデル５００をΔＵ１シフトしたものに相当する。

一方で、ファン回転数Ｎ＝Ｎ２に制御するためには、実際の特性線５０５に従って、制御入力量Ｕｖ＝Ｕ２とすることが必要である。このため、フィードフォワード制御のみでは、制御入力量ＵｖがΔＵ２不足するため、ΔＵ２に相当する回転数偏差が発生する。この回転数誤差は、回転数偏差に応じたフィードバック制御によって補償される。

フィードバック制御は、主に、比例項および積分項によって定常的な偏差を補償する。特に積分項は、オフセット誤差を補償して、定常的な偏差を解消することには有効であるが、位相遅れが必然的に存在するため、制御目標値（ここでは、目標回転数Ｎ＊）が頻繁に変化する制御系では、制御ゲインを高めることが困難である。

したがって、図１に示された給湯装置１００内のファンモータ４２の回転数制御のように、制御目標値（ここでは、目標回転数Ｎ＊）が高頻度に変化する制御系では、フィードフォワード制御が重要である。本実施の形態に従う電動機制御では、図２に示した学習部２３０によって、ファンモータ４２の実際の動作状態に基づいて一次関数モデル式を学習することによって、フィードフォワード制御の精度を向上させる。

再び図２を参照して、学習部２３０は、ファンモータ４２の制御入力量Ｕｖおよびファン回転数Ｎの実績（検出回転数Ｋｄ）に基づいて、一次関数モデル５００の傾きｋの学習値ｋＬ（以下、傾き学習値ｋＬとも称する）を逐次演算する。

図６は、学習部２３０による一次関数モデルの学習手法を説明するための概念図である。図６には、図３と同様にＵｖ−Ｎ座標平面が示される。

図６を参照して、本実施の形態に従う電動機制御では、ファンモータ４２の一次関数モデル５００上に、傾きｋが変化しても常に通過する一定の基準点５５０が設定される。基準点５５０は、Ｕｖ−Ｎ座標平面上の基準入力量Ｕ０および基準回転数Ｎ０の組み合わせによって規定される。

図４に示された一次関数モデル５００および特性線５０１〜５０４からも、低回転数領域において、同一の制御入力量Ｕｖに対するファン回転数Ｎをほぼ同一とみなせる基準点（Ｕ０，Ｎ０）を、実機実験等によって決定できることが理解される。

したがって、学習部２３０は、図６に示されるように、一次関数モデル５００を、基準点（Ｕ０，Ｎ０）を通る一次関数であると定義して、実際の制御入力量Ｕｖおよびファン回転数Ｎから、傾きｋを学習する。たとえば、一次関数モデル５００の初期状態では、傾きｋの学習値ｋＬ＝ｋ０（初期値）である。初期状態から、ファンモータ４２の静特性が変化して、特性線５０５に従ってファン回転数Ｎが変化する状態では、学習部２３０によって、学習値ｋＬ＝ｋ１に更新される。したがって、更新された学習値ｋＬを用いてフィードフォワード制御を行なうことにより、図５に示された制御入力量Ｕｖの誤差ΔＵ１，ΔＵ２を減少することができる。

図７は、学習部２３０による制御構成を説明するための機能ブロック図である。
図７を参照して、学習部２３０は、傾き演算部２３２および更新処理部２３５を有する。傾き演算部２３２は、実際の制御入力量Ｕｖおよび検出回転数Ｎｄに基づいて、基準点（Ｕ０，Ｎ０）を通過する一次関数モデルの傾きｋを、逐次演算する。

たとえば、傾き演算部２３２は、第ｎ（ｎ：自然数）番目の制御周期において、下記（２）式に従って、前回の第（ｎ−１）番目の制御周期における一次関数モデルの傾きｋ（ｎ−１）の実績値を演算する。

ｋ（ｎ−１）＝（Ｎｄ（ｎ−１）−Ｎ０）／（Ｕｖ（ｎ−１）−Ｕ０） …（２）
なお、式（２）中において、Ｎｄ（ｎ−１）およびＵｖ（ｎ−１）は、第（ｎ−１）番目の制御周期における検出回転数Ｎｄおよびファンモータ４２の制御入力量Ｕｖをそれぞれ示す。すなわち、傾き演算部２３２は、各制御周期において、基準入力量Ｕ０（定数）と実際の制御入力量Ｕｖとの差分、および、基準回転数Ｎ０（定数）と検出回転数Ｎｄとの差分の間の実績比率を、一次関数モデルの傾きの実績値として逐次演算している。

更新処理部２３５は、各制御周期で逐次得られる傾きｋの時系列変化を平滑化処理することによって、傾き学習値ｋＬを逐次更新する。

たとえば、更新処理部２３５は、ローパスフィルタ処理により、これまでの傾き学習値ｋＬに対して、新たに演算された傾き実績値ｋ（ｎ−１）を反映することによって、傾き学習値ｋＬを更新する。たとえば、更新処理部２３５は、下記（３），（４）式に従って、第ｎ番目の制御周期における傾き学習値ｋＬ（ｎ）を算出する。

ｋＬ（ｎ）＝α・ｋ（ｎ−１）＋（１−α）・ｋＬ（ｎ−１） …（３）
α＝１／（Ｌ＋１），（１−α）＝Ｌ／（Ｌ＋１） …（４）
式（４）に示されたＬは、更新処理部２３５における学習速度を調整するためのパラメータであり、Ｌ≧０である。Ｌ＝０とすると、α＝１となるので、逐次演算された傾き実績値ｋ（ｎ−１）がそのまま傾き学習値ｋＬ（ｎ）とされる（ｋＬ（ｎ）＝ｋ（ｎ−１））。すなわち、学習速度は最大値となる。一方で、Ｌ＝∞とすると、α＝０となるので、傾き学習値ｋＬ（ｎ）は変化しなくなる。すなわち、学習が停止される。

このように、調整パラメータＬが大きくなる程、αは小さくなり、傾き実績値を傾き学習値に反映する割合が低くなる。すなわち、学習速度は低くなる。一方で、調整パラメータＬが小さくなる程、αは大きくなり、傾き実績値を傾き学習値に反映する割合が高くなる。すなわち、学習速度は高くなる。

なお、調整パラメータＬは、一定値としてもよく。ファンモータ４２の状態に応じて変化させてもよい。たとえば、基準点５５０に近い低回転領域では、傾き実績値の検出誤差が高くなることが懸念されるので、調整パラメータＬを小さくすることによって、学習速度を低下させることが好ましい。反対に、高回転領域では、調整パラメータＬを大きくすることによって、学習速度を上昇させることが好ましい。このように、検出回転数Ｎｄに応じて、調整パラメータＬを変化させることができる。

また、ファンモータ４２の静特性（一次関数モデル）は、回転速度が安定している状態で学習することが精度上好ましい。すなわち、目標回転数Ｎ＊の変化に対してファン回転数Ｎを追従させている過渡応答制御時には、一次関数モデルの学習を非実行とすることが好ましい。たとえば、目標回転数Ｎ＊が変化してから一定時間が経過するまでの間、あるいは、回転数偏差の大きさ｜ΔＮ｜が所定値よりも大きい間には、学習部２３０は一次関数モデルの学習を停止することが好ましい。学習部２３０は、学習の停止時には、制御周期毎の傾き学習値ｋＬの更新を停止するので、傾き学習値ｋＬが維持される。

図８は、図２に示されたフィードフォワード制御部２２０による制御構成を説明する機能ブロック図である。

図８を参照して、フィードフォワード制御部２２０は、減算部２２２と、乗算部２２３と、加算部２２４とを含む。減算部２２２は、目標回転数Ｎ＊から基準点５５０（図６）に対応する基準回転数Ｎ０を減算する。減算部２２２は、演算によって得られた（Ｎ＊−Ｎ０）を乗算部２２３へ出力する。

乗算部２２３は、学習部２３０によって得られた傾き学習値ｋＬを、減算部２２２からの（Ｎ＊−Ｎ０）に乗算する。第ｎ番目の制御周期において、乗算部２２３は、学習値ｋＬ（ｎ）・（Ｎ＊（ｎ）−Ｎ０）を加算部２２４へ出力する。

加算部２２４は、乗算部２２３からのｋＬ・（Ｎ＊−Ｎ０）と、基準点５５０（図６）に対応する基準入力量Ｕ０とを加算して、フィードフォワード制御量Ｕｆｆを算出する。

このようにフィードフォワード制御部２２０によれば、基準点５５０（図６）および学習部２３０によって逐次学習された傾き学習値ｋＬ（ｎ）に従う一次関数モデルに従って、目標回転数Ｎ＊に応じたフィードフォワード制御量Ｕｆｆを設定することができる。この結果、図５で説明した、一次関数モデルの誤差に起因する制御誤差を抑制することによって、目標回転数Ｎ＊の変化に対するファン回転数Ｎの追従性を高めることができる。すなわち、フィードフォワード制御部２２０は、「制御部」の一実施例に対応する。

図９は、本実施の形態に従う電動機の制御装置における回転数制御の処理手順を説明するフローチャートである。図９に示した制御処理は、コントローラ２００によるファン回転数制御として制御周期毎に実行される。図９には、第ｎ番目の制御周期における制御処理手順が示される。

図９を参照して、コントローラ２００は、ステップＳ１００により、第ｎ番目の制御周期における目標回転数Ｎ＊（ｎ）および検出回転数Ｎｄ（ｎ）を取得する。コントローラ２００は、ステップＳ１１０により、前回の制御周期で取得した検出回転数Ｎｄ（ｎ−１）および制御入力量Ｕｖ（ｎ−１）を用いて、第ｎ番目の制御周期における傾き学習値ｋＬ（ｎ）を、式（２）に従って演算する。ステップＳ１１０による処理は、図２および図７に示した学習部２３０の機能に相当する。

さらに、コントローラ２００は、ステップＳ１２０により、ステップＳ１１０で演算された傾き学習値ｋＬ（ｎ）を用いたフィードフォワード制御演算により、フィードフォワード制御量Ｕｆｆ（ｎ）を算出する。ステップＳ１２０による処理は、図２および図８に示したフィードフォワード制御部２２０の機能に相当する。

コントローラ２００は、ステップＳ１３０により、ステップＳ１００で取得された目標回転数Ｎ＊（ｎ）および検出回数数Ｎ（ｎ）の偏差に基づくフィードバック制御演算により、フィードバック制御量Ｕｆｂ（ｎ）を算出する。すなわち、ステップＳ１３０による処理は、図２に示したフィードバック制御部２１０の機能に相当する。

コントローラ２００は、ステップＳ１４０により、ステップＳ１２０で演算されたフィードフォワード制御量Ｕｆｆ（ｎ）と、ステップＳ１３０で演算されたフィードバック制御量Ｕｆｂ（ｎ）とを加算して、ファンモータ４２の制御入力量Ｕｖ（ｎ）を算出する。ステップＳ１４０による処理は、図２に示した加算部２５０の機能に相当する。

さらに、コントローラ２００は、ステップＳ１４０で演算された制御入力量Ｕｖ（ｎ）を、次の制御周期における学習のためにメモリする。第（ｎ＋１）番目の制御周期では、メモリされたＵＶ（ｎ）を用いたステップＳ１１０での演算により、傾き学習値ｋＬが更新される。

以上説明したように、本実施の形態に従う電動機制御によれば、電動機の個体差や電動機の設置状況を含む経年的変化による電動機（ファンモータ４２）の静特性の変化に対応して、一次関数モデルの傾きを学習することができる。そして、学習された一次関数モデルに基づいてフィードフォワード制御を実行することにより、目標回転数Ｎ＊の変化に対して、実際のファン回転数Ｎを速やかに追従させることが可能である。

特に、燃焼装置における燃焼用空気の送風ファンの駆動モータでは、燃焼装置での燃料供給量の変化に応じて目標回転数Ｎ＊が頻繁に変化する。このため、目標回転数の変化に対する追従性能が高い、本実施の形態に従う電動機制御を適用することにより、燃焼用空気の量を適切に制御して燃焼状態を安定化することができる。

さらに、フィードバック制御における積分制御は、位相遅れが必然的に存在するために、目標回転数Ｎ＊が高頻度に変化する制御系では制御ゲインの調整が困難であるところ、本実施の形態に従う電動機制御では、フィードフォワード制御の効果を高めることにより、積分フィードバック制御への依存度を低下できる。これにより、フィードフォワード制御およびフィードバック制御の組合せによる電動機の回転数制御の精度を向上できることが期待される。

なお、本実施の形態では、給湯装置に適用された燃焼装置における燃焼用空気の送風ファンを制御対象とする電動機制御を例示したが、本発明の適用はこのような例に限定されるものではない。すなわち、給湯装置以外に適用される燃焼装置の送風ファンを駆動する電動機、あるいは、燃焼装置以外に適用される電動機の回転数制御に対しても、本実施の形態に従う電動機制御を適用することが可能である。特に、上述のように、電動機の目標回転数が高頻度に変化する制御系に対して、本実施の形態に従う電動機制御の適用効果が高い。

今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

１０ 缶体、１１ 一次熱交換器、１５ 排気経路、２１ 二次熱交換器、３０ 燃焼バーナ、３１ ガス供給管、３２ 元ガス電磁弁、３３ ガス比例弁、３５ａ，３５ｂ，３５ｃ 能力切換弁、４０ 送風ファン、４２ ファンモータ、４５ 回転数センサ、５０ 入水管、６０ バイパス管、７０ 出湯管、７５ 合流点、８０ 分配弁、９０ 流量調整弁、１００ 給湯装置、１１０，１２０，１３０ 温度センサ、１５０ 流量センサ、１９０ 給湯栓、２００ コントローラ、２０５ 偏差演算部、２１０ フィードバック制御部、２２０ フィードフォワード制御部、２２２ 減算部、２２３ 乗算部、２２４，２５０ 加算部、２３０ 学習部、２３２ 傾き演算部、２３５ 更新処理部、５００ 一次関数モデル（特性線）、５０１〜５０５ 特性線、５５０ 基準点、Ｌ 調整パラメータ（学習速度）、Ｎ＊ 目標回転数、Ｎ ファン回転数、Ｎ０ 基準回転数、Ｎｄ 検出回転数、Ｐ 要求発生熱量、Ｑ 流量、Ｔｈ 出湯温度、Ｔｒ＊ 設定湯温、Ｔｗ 入水温度、Ｕ０ 基準入力量、Ｕｆｂ フィードバック制御量、Ｕｆｆ フィードフォワード制御量、Ｕｖ 制御入力量、ｋ 傾き（一次関数モデル）、ｋＬ 傾き学習値。

Claims (4)

1. 電気的入力に応じて回転数が変化する電動機の制御装置であって、
   前記電気的入力に対する前記回転数の静特性を示す一次関数モデルに従って、前記回転数の目標値に応じて前記電気的入力の制御入力量を演算するための制御部と、
   前記電動機の回転数を検出するための回転数センサと、
   前記制御入力量と前記回転数センサによる検出回転数とに基づいて、前記制御部での演算に用いられる前記一次関数モデルの傾きを逐次学習するための学習部とを備え、
   前記学習部は、予め定められた基準入力量と前記制御入力量との差分、および、当該基準入力量における前記回転数を示す予め定められた基準回転数と前記検出回転数との差分の間の実績比率に基づいて、前記傾きの学習値を逐次更新するように構成される、電動機の制御装置。
2. 前記学習部は、前記実績比率を前記学習値に反映する学習速度を、前記検出回転数と前記基準回転数との差が小さいときに遅くする一方で前記検出回転数と前記基準回転数との差が大きいときに速くするように構成される、請求項１記載の電動機の制御装置。
3. 前記学習部は、前記目標値に対する前記検出回転数の偏差が所定値よりも大きい間、または、前記目標値が変更されてから所定時間が経過するまでの間には、前記逐次更新を停止して前記学習値を維持する、請求項１または２に記載の電動機の制御装置。
4. 請求項１〜３のいずれか１項に記載の電動機の制御装置と、
   前記制御装置によって制御される電動機によって駆動される送風ファンと、
   燃料と前記送風ファンから供給された燃焼用空気との混合気を燃焼するための燃焼機構とを備える、燃焼装置。

Images