JP7720920B2 - 電動機の診断装置、電動機の診断方法および電動機の異常予兆推論装置 - Google Patents

Description

本願は、電動機の診断装置、電動機の診断方法および電動機の異常予兆推論装置に関する。

プラントには電動機（モータ）が多数存在しており、その設備の診断はメンテナンス部門が五感診断により判定している。特に重要度の高い電動機に関しては、定期的な診断が必要になるためコストが高くなる。さらに、電動機ではその劣化が始まると加速度的に劣化の進行が起こる。交流機の場合には、機械的ストレスと熱劣化で生じた絶縁物の空隙および損傷部が放電等でレヤショート(層間短絡)を誘発し、突然、絶縁破壊に至る場合があるため、一度電動機が劣化すると劣化が進展する状態にしか進まない。

そこで、電動機の常時監視技術に関心が高まっている。しかしながら、電動機の常時監視の多くは、電動機毎に様々なセンサ等の計測機器を取り付けることを前提としている。計測機器としては、例えばトルクメータ、エンコーダおよび加速度センサ等である。ただし、数百から数千台の電動機を集中管理するモータコントロールセンタへの適用は配線の数が多くなることから、その適用は現実的ではない。そのため、特殊なセンサを用いずにモータコントロールセンタで計測される電流と電圧の情報から電動機の状態を簡易的に診断し、信頼性、生産性、安全性を向上するための装置が必要である。

これに対し、出願人は、電動機の電流を検出する電流検出回路と、電流検出回路の出力を入力して電動機の巻線短絡異常を判定する演算処理部とを備えた電動機の診断装置を提案している（特許文献１参照）。演算処理部は、電動機の運転状態を判定する運転状態判定部と、正常時の初期逆相電流を解析する初期逆相電流解析部と、運転時の電動機の電流から算出された逆相電流の初期逆相電流からの差分を評価値として電動機の巻線短絡を判定するものである。

国際公開第２０１９／２０２６５１号

上述の特許文献１に開示の電動機の診断装置は、商用電源で駆動される電動機の巻線短絡を検出する手法であった。最近ではインバータで駆動する電動機が増加しているので、インバータ駆動時の電動機の巻線短絡を検出することが求められている。しかし、特許文献１の電動機の診断装置は、インバータ駆動周波数を変化させて電動機を駆動するというインバータ駆動時の特徴を考慮していなかった。

本願は、上記の課題を解決するための技術を開示するものであり、インバータ駆動時の電動機の巻線短絡を検出することができる、電動機の診断装置、電動機の診断方法および電動機の異常予兆推論装置を提供することを目的とする。

本願に開示される電動機の診断装置は、インバータにより駆動される電動機の電流を検出する電流検出回路と、前記電流検出回路の出力が入力され前記電動機の巻線短絡異常を判定する演算処理部と、を備えた電動機の診断装置であって、前記演算処理部は、前記電動機の電流から実効値を算出して運転状態を判定する運転状態判定部と、インバータ駆動周波数を算出するインバータ駆動周波数算出部と、算出された前記インバータ駆動周波数に応じて、正常時の初期逆相電流を解析する初期逆相電流解析部と、運転時の前記電動機の電流から算出された逆相電流と、運転時に算出された前記インバータ駆動周波数に対応する前記初期逆相電流との差分により巻線短絡の評価値を算出する評価値解析部と、算出された前記評価値と予め設定された評価閾値との比較によって電動機の巻線短絡を判定する巻線短絡判定部と、を有し、前記巻線短絡判定部は、運転時に算出された前記インバータ駆動周波数に応じて前記評価閾値を変更するものである。

本願に開示される電動機の診断方法は、インバータにより駆動される電動機の電流を検出するステップと、前記電動機の電流から実効値を算出して前記電動機の運転状態を判定するステップと、前記電動機を駆動するインバータ駆動周波数を算出するステップと、前記算出されたインバータ駆動周波数に応じて正常時の初期逆相電流を解析するステップと、運転時の前記電動機の電流から算出された逆相電流と、運転時に算出された前記インバータ駆動周波数に対応する前記初期逆相電流との差分により巻線短絡の評価値を算出するステップと、算出された前記評価値と、予め設定された評価閾値との比較によって前記電動機の巻線短絡を判定するステップと、を備え、前記巻線短絡を判定するステップにおいて、運転時の前記インバータ駆動周波数に応じて前記評価閾値を変更する、ものである。

本願に開示される電動機の異常予兆推論装置は、上述の電動機の診断装置とともに用いられるものであって、前記電動機の診断装置から、前記評価値とその評価値に対応する巻線短絡の判定結果とを含む学習用データ取得するデータ取得部、および前記学習用データを用いて、前記電動機の診断装置の前記評価値のデータから前記電動機の異常予兆推論結果を推論するための学習済モデルを生成するモデル生成部、を有する学習装置と、前記学習済モデルを用いて、前記電動機の診断装置の前記評価値のデータから前記電動機の異常予兆推論結果を出力する推論部を有する推論装置と、を備えたものである。

本願によれば、インバータで駆動される電動機の運転時の電流から算出された逆相電流と前記初期逆相電流との差分を評価値として巻線短絡の判定を行うので、逆相アドミタンスを算出することがなく、また、巻線短絡の判定にインバータ駆動周波数を考慮するので、高精度に電動機の固定子巻線の短絡故障を検出できる。
また、本願に開示される電動機の異常予兆推論装置によれば、電動機の診断装置から学習データを生成し学習済モデルを生成するので、この学習済モデルを用いることで、電動機の異常予兆を容易に推論することが可能となる。

実施の形態１に係る電動機の診断装置を示す回路構成図である。 実施の形態１に係る電動機の診断装置のハードウエア構成図である。 巻線短絡の概念図である。 実施の形態１に係る電動機の診断装置の演算処理部の構成図である。 インバータ駆動周波数と初期逆相電流との関係を示す図である。 図６Ａは、インバータ駆動周波数が変化した場合に電動機の異常を検知できない例を説明する図、図６Ｂは、インバータ駆動周波数が変化した場合に電動機の異常を検知可能な例を説明する図である。 実施の形態１に係る電動機の診断装置を用いた初期逆相電流を解析するフローチャートである。 実施の形態１に係る電動機の診断装置を用いて巻線短絡判定を行うフローチャートである。 実施の形態２に係る電動機の診断装置を示す回路構成図である。 実施の形態２に係る電動機の診断装置の演算処理部の構成図である。 各電圧不平衡率におけるインバータ駆動周波数と初期逆相電流との関係を示す図である。 各電圧不平衡率における電圧実効値と初期逆相電流との関係を示す図である。 実施の形態２に係る電動機の診断装置を用いた初期逆相電流を解析するフローチャートである。 実施の形態２に係る電動機の診断装置を用いて巻線短絡判定を行うフローチャートである。 実施の形態３に係る電動機の診断装置を示す回路構成図である。 実施の形態３に係る別の電動機の診断装置を示す回路構成図である。 実施の形態４に係る電動機の診断装置を示す回路構成図である。 実施の形態４に係る別の電動機の診断装置を示す回路構成図である。 実施の形態５に係る電動機の異常予兆推論装置の構成を示す図である。 実施の形態５に係る電動機の異常予兆推論装置の学習装置の構成を示す図である。 図２０の学習装置を用いて、学習を行うフローチャートである。 実施の形態５に係る電動機の異常予兆推論装置における推論装置の構成を示す図である。 図２２の推論装置を用いて、電動機の異常予兆推論を行うフローチャートである。 実施の形態５に係る電動機の異常予兆推論装置のハードウエア構成図である。

以下、本実施の形態について図を参照して説明する。なお、各図中、同一符号は、同一または相当部分を示すものとする。

実施の形態１．
以下、実施の形態１に係る電動機の診断装置を図１から図８に基づいて説明する。
図１は実施の形態１に係る電動機の診断装置を示す回路構成図で、主に閉鎖配電盤であるコントロールセンタで使用されるものである。図において、電力系統から引き込まれた電源の主回路１には、配線用遮断器２、電磁接触器３、駆動制御装置１７、主回路１の負荷電流を検出する計器用変成器４が設けられている。さらに負荷である電動機５が接続され、この電動機（モータ）５により機械設備６が運転駆動される。

駆動制御装置１７は、電源の主回路１の電圧を変換し、電動機５を駆動させる電力を供給する。駆動制御装置１７は、いわゆるインバータで構成され、電圧を変換する回路とこの回路を制御する制御部とを備える。

電動機の診断装置１００は、計器用変成器４に接続された電流検出回路７、演算処理部１０、記憶部１１、設定回路１２、表示部１３、駆動回路１４、外部出力部１５および通信回路１６を備えている。

電流検出回路７は、計器用変成器４により検出された主回路１の負荷電流を電動機５の相電流などの所定の信号に変換して電動機５の電流を検出し、演算処理部１０および記憶部１１に出力する。すなわち、電動機５に接続される電源の主回路１に流れる電流から電動機５の電流を検出する。

演算処理部１０には、電流検出回路７の出力が入力され、電動機の電流解析により逆相電流などを算出して、電動機稼働中の巻線短絡の判定を行う。

記憶部１１は、演算処理部１０および設定回路１２に接続され、演算処理部１０とデータのやり取りを行う。記憶部１１に接続された設定回路１２は、セットキーを有しており、このセットキーを押す(例えば長押しする)ことによって、初期の正常状態のデータを記憶部１１に記憶保持させる。また、セットキーを解除するまでの間のデータを記憶させることができる。
表示部１３は演算処理部１０に接続され、負荷電流等の検出された物理量および演算処理部１０が電動機５の異常を検出したときに異常状態、警告等を表示する。
駆動回路１４は演算処理部１０に接続され、計器用変成器４により検出された電流信号をもとに演算処理部１０が演算した結果に基づき、電磁接触器３を開閉する制御信号を出力する。
外部出力部１５は演算処理部１０からの異常状態および警告等の信号を外部に出力する。

外部の監視装置２００はＰＣ（パーソナルコンピュータ）等から構成され、１つあるいは複数の電動機の診断装置１００に接続されており、演算処理部１０の情報を通信回路１６を介して適宜受信するとともに電動機の診断装置１００の動作状況を監視する。この外部の監視装置２００と電動機の診断装置１００の通信回路１６との接続は、ケーブルを用いてもよいし、無線によるものであってもよい。複数の電動機の診断装置１００との間にネットワークを構成してインターネットを介した接続であってもよい。

なお、電動機の診断装置１００は、ハードウエアの一例を図２に示すように、プロセッサ１００１と記憶装置１００２から構成される。記憶装置１００２は図示していないが、ランダムアクセスメモリ（ＲＡＭ：Random Access Memory）等の揮発性記憶装置と、フラッシュメモリ等の不揮発性の補助記憶装置（例えば、ＥＥＰＲＯＭ：Electrically Erasable Programmable Read Only Memory）とを具備する。また、フラッシュメモリの代わりにハードディスクの補助記憶装置を具備してもよい。プロセッサ１００１は、記憶装置１００２から入力されたプログラムを実行する。この場合、補助記憶装置から揮発性記憶装置を介してプロセッサ１００１にプログラムが入力される。また、プロセッサ１００１は、演算結果等のデータを記憶装置１００２の揮発性記憶装置に出力してもよいし、揮発性記憶装置を介して補助記憶装置にデータを保存してもよい。

プロセッサ１００１は、プログラムを実行することにより、電動機の診断装置１００の演算処理部１０、記憶部１１、設定回路１２、表示部１３、駆動回路１４、外部出力部１５および通信回路１６の各機能を実現する。
なお、プロセッサ１００１は、演算処理装置としてＣＰＵ（Central Processing Unit）が備えられている。なお、演算処理装置として、ＡＳＩＣ（Application Specific Integrated Circuit）、ＩＣ（Integrated Circuit）、ＤＳＰ（Digital Signal Processor）等各種の論理回路、及び各種の信号処理回路等が備えられてもよい。

また、駆動制御装置１７も図２に示されるハードウエア構成を備えており、インバータとしての動作を実行する。

図３は、本開示により診断する巻線短絡の概念図である。図において、ａ相で短絡が発生し短絡電流Ｉfが流れた場合、その短絡巻数をＮfとする。全体の巻数Ｎとの比で短絡率μは
μ=Ｎf／Ｎ
と表わされ、一般化される。また、電動機５の固定子巻線は同層短絡および層間短絡のいずれも発生する可能性があり、本実施の形態ではいずれの短絡も巻線短絡として診断する。
なお、本開示では、動作開始前に、電動機５の定格情報を入力する必要がない。

図４は、実施の形態１に係る電動機の診断装置における演算処理部１０の概要を示す構成図である。演算処理部１０は、電流変換部２０、初期解析部３０、判定部４０、解析部５０、異常判定部６０を備える。

電流変換部２０は、実効値算出部２１、インバータ駆動周波数算出部２２、逆相電流算出部２３を備え、電流検出回路７で検出した三相の電流から、対称座標変換処理によって下記式（１）により、逆相電流Ｉsnを算出する。

ここで、Ｉsn：逆相電流、Ｉu：ｕ相電流、Ｉv：ｖ相電流、Ｉw：ｗ相電流である。

初期解析部３０は、初期逆相電流解析部３１を備える。初期逆相電流解析部３１は、巻線短絡判定をする前に正常時（電動機の初期状態あるいは故障の生じていない状態）の逆相電流値Ｉsnを解析する。例えば、１か月分の逆相電流値を算出し、それを平均化した値を初期逆相電流値Ｉsn0とする。同時にばらつきを調べるために標準偏差σを算出してもよい。

このとき、インバータ駆動周波数算出部２２で算出されたインバータ駆動周波数とともに初期逆相電流値Ｉsn0が記憶部１１に記憶される。インバータ駆動周波数は、インバータ内部からの信号を受取ることで周波数を特定する、すなわちインバータ駆動周波数算出部２２で算出する。もしくは、インバータ駆動周波数算出部２２において、電流波形からインバータ駆動周波数を算出する。電流波形からインバータ駆動周波数を算出する具体的な方法は、次の通りである。電流検出回路７で検出した電流の交流波形をサンプリングする。複数サイクルの交流波形のゼロクロス点間を時間計測するために、サンプリング数をカウントし、交流波形のゼロクロス点間の時間を算出する。算出した時間から、周波数を算出する。ここで、複数サイクルの間計測するのは、サンプリング間隔が誤差要因となるものの、複数回計測することで誤差を回数分で除算し小さくするためである。

図５に、インバータ駆動周波数と初期逆相電流との関係を示すが、このようにある範囲のインバータ駆動周波数毎に初期逆相電流値が記憶される。すなわち、インバータ周波数と初期逆相電流とが対応してマップ化されて記憶される。この理由は、インバータ駆動周波数によって逆相電流が変化するためである。インバータ駆動周波数毎での記憶の他に、電流実効値の数値範囲毎での記憶でもよい。インバータ駆動周波数あるいは電流実効値が同じ条件下の時に巻線短絡判定を行うのが好ましいためである。なお、図５のインバータ駆動周波数の範囲は例えば５（Ｈｚ）以上１０（Ｈｚ）未満と読む。

判定部４０は、運転状態判定部４１を備える。運転状態判定部４１は、実効値算出部２１で算出された電流の実効値を基に電動機の運転状態を判定する。電動機の運転状態の判定のためには、電流の実効値に限らず電流の瞬時値による判定あるいは電磁接触器３のオン、オフ信号から判定しても良い。

解析部５０は、評価値解析部５１を備え、異常判定部６０の巻線短絡判定部６１での判定のための解析が行われる。評価値解析部５１は、評価値Ａ＝｜Ｉsn－Ｉsn0｜の値を算出する。このときの逆相電流とＩsnと初期逆相電流Ｉsn0はインバータ駆動周波数が同じであることが好ましい。すなわち、同じインバータ駆動周波数の時に算出された逆相電流とＩsnと初期逆相電流Ｉsn0とを用いる。

次に評価値Ａの計算について説明する。
巻線短絡はコイル素線間の短絡現象で、巻線短絡が発生すると三相固定子電流は非対称となるため、逆相成分により検出できる。三相誘導電動機の固定子巻線の一部が巻線短絡した場合の短絡率をμ（μ=Ｎf／Ｎ）、μ≪1と仮定すると、正相電圧Ｖspと逆相電圧Ｖsn、正相電流Ｉspと逆相電流Ｉsnの間に以下の関係式が導かれる。

ここで、Ｙpp：正相-正相成分のアドミタンス、Ｙnn：逆相-逆相成分のアドミタンス、Ｙpn：正相-逆相成分のアドミタンス、Ｙnp：逆相-正相成分のアドミタンス、Ｙn：逆相アドミタンス、ω：電源角速度、ｒs：固定子抵抗、ｒr：回転子抵抗、ｒf：短絡抵抗、Ｌs：固定子漏れインダクタンス、Ｌr：回転子漏れインダクタンス、Ｌm：励磁インダクタンス、μ：短絡率である。

アドミタンスＹの非対角成分Ｙpnは巻線短絡の指標にできるが、実機において非対角成分Ｙpnを算出することは容易ではない。そのため、ここでは初期逆相電流Ｉsn0の正常時データを解析することにより、逆相電流Ｉsnのみを計測、監視する方法を採用する。

巻線短絡が発生しないとき（μ＝０）はアドミタンスＹの非対角成分Ｙpnはゼロであるため、
Ｉsn＝Ｙn・Ｖsn＝Ｉsn0 ・・・（６）
である。巻線短絡が発生すると、
Ｉsn＝Ｙn・Ｖsn＋Ｙpn・Ｖsp＝Ｉsn0＋Ｙpn・Ｖsp・・・（７）
とＩsnが変化する。

すなわち、初期逆相電流Ｉsn0を解析することにより、ＩsnとＩsn0のみを計測して、
評価値Ａ＝｜Ｉsn－Ｉsn0｜ ・・・（８）
を指標とすれば、巻線短絡発生を検出できることがわかる。
電動機導入初期は巻線短絡未発生として初期化（逆相アドミタンスＹnを計算）した後、式（８）の評価値Ａを監視することで巻線短絡を判定する。

異常判定部６０は、巻線短絡判定部６１を備え、評価値解析部５１で計算した評価値Ａに対して、予め設定された閾値δ１を超えたか否かにより、巻線短絡の有無を判定する。なお、閾値δ１は電動機５の定格によって異なる値である。閾値δ１は評価閾値である。

また、閾値δ１をインバータ駆動周波数によって補正することとする。図６Ａは、インバータ駆動周波数が変化しても閾値δ１を一定としたときに電動機の異常を検知できない例を説明する図、図６Ｂは、インバータ駆動周波数が変化した場合に閾値δ１を変更して電動機の異常を検知可能とする例を説明する図である。

図６Ａに示すように、インバータ駆動周波数に依らず閾値δ１を一定とすると、インバータ駆動周波数が例えば６０Ｈｚから４０Ｈｚに変化した時にレヤショートを検知できない状況が発生する。なぜなら、インバータ駆動周波数が低い場合、レヤショートによる逆相電流の変化が小さいためである。そのため、図６Ｂに示すようにインバータ駆動周波数が６０Ｈｚの時に設定されていた閾値δ１ａからインバータ駆動周波数が４０Ｈｚに変化した時に閾値δ１ｂに変更すると、巻線短絡の検知漏れを防ぐことができる。

次に示す式（９）は、巻線短絡時の逆相電流がインバータ駆動周波数によって変化することを示している。ｆsはインバータ駆動周波数算出部で算出したインバータ駆動周波数であり、ｆbは基準となる電源周波数（商用周波数）である。同じ短絡率でも、インバータ駆動周波数が小さいと逆相電流の変化も小さくなる。この特性はＶ／ｆ制御と関係がある。一般にＶ／ｆ制御では、インバータ駆動周波数ｆsが電源周波数ｆb以下（６０Ｈｚ以下、もしくは５０Ｈｚ以下）で、電圧値が変化する。一方で、電源周波数ｆb以上（６０Ｈｚ以上もしくは５０Ｈｚ以上）の時には電圧値は一定であるためこの範囲においては閾値δ１を補正する必要がない場合もある。補正の有無はインバータの駆動方式毎に変更するのが好ましい。

ここで、Ｖsp,rated：基準となる電源周波数の正相電圧、Ｌls：固定子巻線インダクタンスである。

なお、初期逆相電流解析時に初期逆相電流の平均値Ｉsn0avと標準偏差σを算出しているため、例えば簡易的には閾値δ１をＩsn0av＋３σあるいはＩsn0av＋４σなどとしてもよい。

次に、電動機の診断装置１００を用いて診断する処理工程について図７および図８を用いて説明する。
図７は、実施の形態１に係る電動機の診断装置を用いた初期逆相電流を解析するフローチャートである。電流検出回路７より電動機５の電流（各相の電流）を取得し（ステップＳ１１）、実効値算出部２１で電流の実効値を算出する（ステップＳ１２）。電流の実効値から運転状態判定部４１で電動機５が運転状態か否か判断し、運転状態と判定されれば（ステップＳ１３でＹｅｓ）、インバータ駆動周波数算出部２２でインバータ駆動周波数を算出する（ステップＳ１４）。続いて、逆相電流算出部２３で逆相電流を算出する（ステップＳ１５）。逆相電流の算出回数が所定回数を超えたか否か判定し、所定回数を超えたと判定されれば（ステップＳ１６でＹｅｓ）、所定回数の逆相電流値を平均化し、正常時の初期逆相電流値Ｉsn0とする（ステップＳ１７）。同時に標準偏差σを算出しておくとよい。この初期逆相電流値Ｉsn0は記憶部１１に記憶される。逆相電流の算出回数が所定回数に満たない場合（ステップＳ１６でＮｏ）、再度電動機の電流を取得し、所定回数になるまでステップＳ１１からステップＳ１６を繰り返す。

初期逆相電流値Ｉsn0を算出した後、巻線短絡判定の診断を行う。巻線短絡判定の診断は電動機の運転時に行う。
図８は、巻線短絡判定を行うフローチャートである。電流検出回路７より電動機５の電流（各相の電流）を取得し（ステップＳ２１）、実効値算出部２１で電流の実効値を算出する（ステップＳ２２）。電流の実効値から運転状態判定部４１で電動機５が運転状態か否か判断し、運転状態と判定されれば（ステップＳ２３でＹｅｓ）、インバータ駆動周波数算出部２２でインバータ駆動周波数を算出する（ステップＳ２４）。算出されたインバータ駆動周波数を基に予め設定された閾値δ１を補正する（ステップＳ２５）。閾値δ１はインバータ駆動周波数で変化するため、予めインバータ駆動周波数毎の閾値をマップ化しデータベース化しておいてもよい。続いて、逆相電流算出部２３で逆相電流Ｉsnを算出する（ステップＳ２６）。

次に、図７のステップＳ１６で算出し、記憶部１１に記憶されている初期逆相電流Ｉsn0とステップＳ２６で算出した逆相電流Ｉsnとから評価値解析部５１で式（８）の評価値Ａを算出する（ステップＳ２７）。巻線短絡判定部６１で、評価値ＡとステップＳ２５で補正された閾値δ１とを比較し、Ａ≧δ１を満たせば（ステップＳ２８でＹｅｓ）、巻線短絡と判定し、外部へ出力する（ステップＳ２９）。

ステップＳ２８でＡ＜δ１の場合、再度電動機５の電流（各相の電流）を取得するステップＳ２１に戻る。なお、ステップＳ２４で算出されたインバータ駆動周波数が変化していない場合は、ステップＳ２５で閾値δ１の補正は行われず、次のステップＳ２６に進む。

以上のように、実施の形態１によれば、巻線短絡の評価値Ａとして、逆相電流の初期値からの差分を用い、評価値Ａと予め設定された閾値δ１を比較することで、巻線短絡の判断を行う。この時、逆相電流を算出した運転時のインバータ駆動周波数に対応する初期逆相電流との間の差分を用いるので、初期状態をオフセットでき、逆相アドミタンスを算出することがないので、高精度にインバータによって駆動される電動機の固定子巻線の短絡故障を検出できる。また、電圧検出回路も不要となるので、簡易な構成で消費電力も抑制され高精度に電動機の固定子巻線の短絡故障を検出できる、電動機の診断装置の提供が可能となる。

さらに、運転時にインバータ駆動周波数が変化した場合、評価値Ａと予め設定された閾値δ１に対しインバータ駆動周波数に応じて、あるいは電流実効値に応じて補正された閾値δ１とを比較することで巻線短絡の判断を行うようにしたので、インバータによって駆動される電動機の固定子巻線の短絡故障の検出漏れを抑制できる。

なお、本実施の形態においては、電圧不平衡率が小さい場合を想定している。電圧不平衡率が大きい場合には負荷トルクの変動によって逆相電流値が変わるため、巻線短絡判定の際に誤検出する可能性が高まるためである。本実施の形態で例示した閉鎖配電盤であるコントロールセンタで使用される系においては、負荷バランスから予め電圧不平衡率の大小を選別できる。本実施の形態では、選別された電圧不平衡率が小さい系を対象とすればよい。あるいは後述する電圧不平衡率の測定を並行して実施し、または予め取得しておき、本実施の形態が適用可能か判断すればよい。

実施の形態２．
以下、実施の形態２に係る電動機の診断装置を図９から図１４に基づいて説明する。
図９は実施の形態２に係る電動機の診断装置を示す回路構成図で、実施の形態１と異なるのは、主回路１には主回路１の電圧を検出する計器用変圧器８が設けられ、電動機の診断装置１００には、計器用変圧器８に接続された電圧検出回路９が設けられたことである。それ以外の構成は実施の形態１と同様である。

電圧検出回路９は、電動機５に接続される電源の主回路１の線間電圧を検出して、電動機５の相電圧等所定の信号に変換して電動機５の電圧を検出し、演算処理部１０および記憶部１１に出力する。
演算処理部１０には、電流検出回路７および電圧検出回路９の出力が入力され、電動機５の電圧および電流の解析により逆相電流、電圧不平衡率などを算出して、電動機稼働中の巻線短絡を判定して検出を行う。
なお、本実施の形態２に係る電動機の診断装置１００も図２で示したハードウエアを備えている。

図１０は、実施の形態２に係る電動機の診断装置における演算処理部１０の概要を示す構成図である。演算処理部１０は、電流電圧変換部２０ａ、初期解析部３０、判定部４０ａ、解析部５０、異常判定部６０を備える。

電流電圧変換部２０ａは、実効値算出部２１、インバータ駆動周波数算出部２２、逆相電流算出部２３および電圧不平衡率算出部２４を備え、電流検出回路７で検出した三相の電流から、対称座標変換処理によって実施の形態１で述べた式（１）により、逆相電流Ｉsnを算出する。

電圧不平衡率算出部２４は、各相の相電圧もしくは線間電圧を用いて電圧不平衡率Ｖunbalを算出する。電圧不平衡率Ｖunbalは、例えば線間電圧から算出する場合、次の式を用いて求める。
Ｖunbal＝（（各線間電圧と平均電圧との最大差）／平均電圧）×１００％
即ち （Ｖuv－Ｖavg）／Ｖavg×１００％
（Ｖvw－Ｖavg）／Ｖavg×１００％
（Ｖwu－Ｖavg）／Ｖavg×１００％ の最大値
但し、平均電圧Ｖavg＝（Ｖuv＋Ｖvw＋Ｖwu）／３
ここで、Ｖuv：ｕ相―ｖ相間の線間電圧、Ｖvw：ｖ相―ｗ相間の線間電圧、Ｖwu：ｗ相―ｕ相間の線間電圧である。

電圧不平衡率算出部２４において、電圧不平衡率Ｖunbalが１％以下のときのみ逆相電流を算出し、電圧不平衡率が１％を超える場合には、逆相電流を計算しないのが好ましい。なぜなら、電圧不平衡率が大きい場合には負荷トルクの変動によって逆相電流値が変わるため、巻線短絡判定の際に誤検出する可能性が高まるためである。短絡判定するときにも、例えば電圧不平衡率が１％以下のときのみと限定することで、巻線短絡判定精度を高めることができる。

初期解析部３０は、初期逆相電流解析部３１を備える。初期逆相電流解析部３１は、巻線短絡判定をする前に正常時の逆相電流値Ｉsnを解析する。実施の形態１と同様に例えば、１か月分の逆相電流値を算出し、それを平均化した値を初期逆相電流値Ｉsn0とする。同時にばらつきを調べるために標準偏差σを算出してもよい。

このとき、インバータ駆動周波数および電圧不平衡率ともに初期逆相電流値Isn0が記憶部１１に記憶される。例えば図１１のように、ある範囲の電圧不平衡率毎に、ある範囲のインバータ駆動周波数における初期逆相電流値がマップ化されて記憶される。この理由は、インバータ駆動周波数および電圧不平衡率毎に逆相電流が変化するためである。電圧検出器で取得した電圧実効値、もしくは正相電圧と電圧不平衡率毎に記録されるようにしてもよい。電圧実効値および正相電圧によって逆相電流の変化量が変わるためである。図１２には、ある範囲の電圧不平衡率毎に、ある範囲の電圧実効値における初期逆相電流値の関係を示している。このような関係が記憶部１１に記憶される。なお、図１１において、インバータ駆動周波数の範囲は例えば５（Ｈｚ）以上１０（Ｈｚ）未満と読み、図１２において、電圧実効値の範囲は例えば１００（Ｖ）以上１１０（Ｖ）未満と読む。

判定部４０ａは、運転状態判定部４１および電圧不平衡判定部４２を備える。運転状態判定部４１は、実効値算出部２１で算出された電流の実効値および電圧の実効値を基に電動機の運転状態を判定する。電動機の運転状態の判定のためには、電流の実効値および電圧の実効値に限らず電流または電圧の瞬時値による判定あるいは電磁接触器３のオン、オフ信号から判定しても良い。
電圧不平衡判定部４２は、電圧不平衡率Ｖunbalが予め設定された閾値δ２より大きいか否かを判定する。閾値δ２は上述したように、例えば１％の値を用いる。閾値δ２は電圧不平衡率閾値である。

解析部５０は、評価値解析部５１を備え、異常判定部６０の巻線短絡判定部６１での判定のための解析が行われる。評価値解析部５１は、式（８）の評価値Ａ＝｜Ｉsn－Ｉsn0｜の値を算出する。評価値Ａの算出方法は実施の形態１と同様であり、同じインバータ駆動周波数の時に算出された逆相電流とＩsnと初期逆相電流Ｉsn0とを用いる。
すなわち、初期逆相電流Ｉsn0を解析することにより、ＩsnとＩsn0のみを計測して、評価値Ａを指標とすれば、巻線短絡発生を検出できることがわかる。
このとき、電圧不平衡率Ｖunbalは例えば１％以下の場合と限定すると高精度に検出できる。また、電動機５の導入初期は巻線短絡未発生として初期化（逆相アドミタンスＹnを計算）した後、式（８）の評価値Ａを監視することで巻線短絡を判定する。

異常判定部６０の構成は実施の形態１と同様であり、巻線短絡判定部６１を備え、評価値解析部５１で計算した評価値Ａに対して、予め設定された閾値δ１を超えたか否かにより、巻線短絡の有無を判定する。
また、閾値δ１をインバータ駆動周波数もしくは電圧実効値もしくは正相電圧によって補正することとする。補正の理由は式（９）で示したように、また上述したように、巻線短絡時の逆相電流は、インバータ駆動周波数、電圧実効値および正相電圧値によって変化するためである。

なお、実施の形態１と同様に、初期逆相電流解析時に初期逆相電流の平均値Ｉsn0avと標準偏差σを算出しているため、例えば簡易的には閾値δ１をＩsn0av＋３σあるいはＩsn0av＋４σなどとしてもよい。

次に、電動機の診断装置１００を用いて診断する処理工程について図１３および図１４を用いて説明する。
図１３は、実施の形態２に係る電動機の診断装置を用いた初期逆相電流を解析するフローチャートである。電流検出回路７より電動機５の電流（各相の電流）を取得するとともに電圧検出回路９より電動機５の電圧（線間電圧または相電圧）を取得し（ステップＳ３１）、実効値算出部２１で電流の実効値および電圧の実効値を算出する（ステップＳ３２）。電流の実効値および電圧の実効値から運転状態判定部４１で電動機５が運転状態か否か判断し、運転状態と判定されれば（ステップＳ３３でＹｅｓ）、電圧不平衡率算出部２４で電圧不平衡率Ｖunbalを算出する（ステップＳ３４）。

電圧不平衡率Ｖunbalと予め設定された閾値δ２とを比較し、電圧不平衡率Ｖunbal≦δ２を満たせば（ステップＳ３５でＹｅｓ）、インバータ駆動周波数算出部２２でインバータ駆動周波数を算出する（ステップＳ３６）。続いて、逆相電流算出部２３で逆相電流を算出する（ステップＳ３７）。逆相電流の算出回数が所定回数を超えたか否か判定し、所定回数を超えたと判定されれば（ステップＳ３８でＹｅｓ）、所定回数の逆相電流値を平均化し、初期逆相電流値Ｉsn0とする（ステップＳ３９）。同時に標準偏差σを算出しておくとよい。この初期逆相電流値Ｉsn0は記憶部１１に記憶される。逆相電流の算出回数が所定回数に満たない場合（ステップＳ３８でＮｏ）、再度電動機の電流を取得し、所定回数になるまでステップＳ３１からステップＳ３８を繰り返す。

初期逆相電流値Ｉsn0を算出した後、巻線短絡判定の診断を行う。
図１４は、巻線短絡判定を行うフローチャートである。電流検出回路７より電動機５の電流（各相の電流）を取得するとともに電圧検出回路９より電動機５の電圧（線間電圧または相電圧）を取得し（ステップＳ４１）、実効値算出部２１で電流の実効値および電圧の実効値を算出する（ステップＳ４２）。電流の実効値および電圧の実効値から運転状態判定部４１で電動機５が運転状態か否か判断し、運転状態と判定されれば（ステップＳ４３でＹｅｓ）、電圧不平衡率算出部２４で電圧不平衡率Ｖunbalを算出する（ステップＳ４４）。

電圧不平衡率Ｖunbalと予め設定された閾値δ２とを比較し、電圧不平衡率Ｖunbal≦δ２を満たせば（ステップＳ４５でＹｅｓ）、インバータ駆動周波数算出部２２でインバータ駆動周波数を算出する（ステップＳ４６）。ステップＳ４６で算出されたインバータ駆動周波数、ステップＳ４２で算出された電圧実効値もしくは正相電圧を基に予め設定された閾値δ１を補正する（ステップＳ４７）。続いて、逆相電流算出部２３で逆相電流Ｉsnを算出する（ステップＳ４８）。

次に、図１３のステップＳ３９で算出され、記憶部１１に記憶されている初期逆相電流Ｉsn0とステップＳ４８で算出された逆相電流Ｉsnとから評価値解析部５１で式（８）の評価値Ａを算出する（ステップＳ４９）。巻線短絡判定部６１で、評価値ＡとステップＳ４７で補正された閾値δ１とを比較し、Ａ≧δ１を満たせば（ステップＳ５０でＹｅｓ）、巻線短絡と判定し、外部へ出力する（ステップＳ５１）。

ステップＳ５０でＡ＜δ１の場合、再度電動機５の電流（各相の電流）、電圧（線間電圧または相電圧）を取得するステップＳ４１に戻る。なお、ステップＳ４６で算出されたインバータ駆動周波数が変化していない場合は、ステップＳ４７で閾値δ１の補正は行われず、次のステップＳ４８に進む。あるいは、ステップＳ４６で算出されたインバータ駆動周波数が変化していない場合は、ステップＳ４７で同じ閾値δ１が再度設定され、次のステップＳ４８に進む。

以上のように、実施の形態２によれば、実施の形態１と同様の効果を奏する。さらに、電圧不平衡率Ｖunbalが未知のものあるいは大きいと推測されるものについて、電圧不平衡率Ｖunbalを求め、電圧不平衡率Ｖunbalが予め設定した閾値δ２、例えば１％より大の場合は、逆相電流での短絡判定を行わないと規定するため、短絡判定の誤差が抑制される。算出された電圧不平衡率Ｖunbalが予め設定した閾値δ２より小さければ、図１３および図１４のフローチャートに従って、巻線短絡判定が行われることは言うまでもない。

実施の形態３．
以下、実施の形態３に係る電動機の診断装置について説明する。
図１５は実施の形態３に係る電動機の診断装置１００ａを示す回路構成図である。実施の形態１と異なるのは、実施の形態１で示した構成が、コントロールセンタの形態であるのに対し、実施の形態３では、主回路１の電流を検出する計器用変成器４が、例えばクランプ式であり適宜主回路に取付けられる構造となっていることである。このような構成とすることで、電動機の診断装置１００ａとして、各配電盤に取付けることが可能となる。すなわち、外付けの装置を構成することができる。

また、図１６は、実施の形態３に係る別の電動機の診断装置１００ａを示す回路構成図である。図１６は、実施の形態２と異なるのは、主回路１の電流を検出する計器用変成器４および電圧を検出する計器用変圧器８がともに、例えばクランプ式であり適宜主回路に取付けられる構造となっていることである。このような構成とすることで、電動機の診断装置１００ａとして、各配電盤に取付けることが可能となる。すなわち、外付けの装置を構成することができる。

以上のように、実施の形態３によれば、実施の形態１に効果に加え、電動機の診断装置１００ａを独立して構成することができ、電動機の接続された主回路に必要に応じて取付けることが可能となる。

実施の形態４．
以下、実施の形態４に係る電動機の診断装置について説明する。
図１７は実施の形態４に係る電動機の診断装置１００ｂを示す回路構成図である。実施の形態１では、電動機の診断装置１００が駆動制御装置１７とは独立して設けられていたが、本実施の形態４に係る電動機の診断装置１００ｂは駆動制御装置の中に電動機の診断機能が組み込まれた構成である。例えば、駆動制御装置のマイコンに診断機能を持たせる構成であり、駆動制御装置に内蔵された診断装置である。

また、図１８は、実施の形態４に係る別の電動機の診断装置１００ｂを示す回路構成図である。図１８は、実施の形態２の電動機の診断装置の機能を駆動制御装置の中に組み込むように構成した例である。この場合も、駆動制御装置のマイコンに診断機能を持たせる構成であり、駆動制御装置に内蔵された診断装置である。

以上のように、実施の形態４によれば、実施の形態１に効果に加え、駆動装置と一体化して構成することができ、装置の小型化が可能となる。

実施の形態５．
以下、実施の形態５に係る電動機の異常予兆診断装置について説明する。
上述の実施の形態１から４の電動機の診断装置１００、１００ａ、１００ｂに本実施の形態５に示す異常予兆推論装置を付加しても良い。内蔵しても良いし、外付けの監視装置２００に内蔵しても良いし、さらに、監視装置２００の外付けでも良い。
図１９は、本実施の形態５に係る電動機の異常予兆診断装置の構成を示す図で、電動機の診断装置１００、１００ａ、１００ｂに付加する構成例である。図１９において、電動機の異常予兆推論装置３００は、学習装置３１０と推論装置３２０とを備えている。以下、電動機の異常予兆を推論する手順を「学習フェーズ」と実際に推論を行う「活用フェーズ」に分けて説明する。

＜学習フェーズ＞
図２０は学習装置３１０の構成を示す図である。学習装置３１０は、データ取得部３１１、モデル生成部３１２および学習済モデル記憶部３１３を備える。
図２１は、学習装置３１０を用いて学習フェーズを実行する処理手順を示すフローチャートである。

データ取得部３１１は、入力データとして評価値Ａの時系列データｂ１および巻線短絡の判定結果ｂ２を電動機の診断装置から取得し、両者の組み合わせを関連付けて学習用データとする（ステップＳ１０１）。

モデル生成部３１２は、データ取得部３１１から出力される学習用データに基づいて、電動機の異常予兆を学習する（ステップＳ１０２）。すなわち、巻線短絡の異常と判定される前の一定期間の複数個の評価値Ａの時系列データから、異常の判断に共通する時系列パターンを学習して学習済モデル３１４を生成する。学習済モデル３１４の生成を行う学習には、巻き線短絡の異常と判定される前の一定期間の複数個の評価値Ａの時系列データから、異常の判断に共通する時系列パターンであって、正常の判断の場合の時系列パターンに含まれないパターンを深層学習（Deep Learning）により推論する方法を用いることができる。また、公知の遺伝的プログラミング、機能論理プログラミング、サポートベクターマシーンなどの機械学習を実行してもよい。

モデル生成部３１２は、以上のような学習を実行することで学習済モデル３１４を生成して出力し、学習済モデル記憶部３１３は、モデル生成部３１２から出力された学習済モデル３１４を記憶する（ステップＳ１０３）。

＜活用フェーズ＞
図２２は推論装置３２０の構成を示す図である。推論装置３２０は、データ取得部３２１および推論部３２２を備える。
図２３は、推論装置３２０を用いて電動機の異常予兆を推論する、活用フェーズを実行する処理手順を示すフローチャートである。

データ取得部３２１は、入力データとして評価値Ａの時系列データｂ１を電動機の診断装置から取得する（ステップＳ１１１）。

推論部３２２は、学習済モデル３１４を利用して電動機の異常予兆を推論する。すなわち、この学習済モデル３１４にデータ取得部で取得した評価値Ａの時系列データを入力する（ステップＳ１１２）ことで、評価値Ａの時系列データから推論される電動機の異常予兆推論結果３２３を出力することができる（ステップＳ１１３）。

電動機の異常予兆推論結果３２３は電動機の診断装置１００、１００ａ、１００ｂから例えば監視装置２００に出力される（ステップＳ１１４）。
例えば異常の予兆ありと推論された場合は、監視装置２００へその情報が送信される。異常の予兆をいち早く入手することで、電動機５メンテナンスを計画的に実行できるとともに、電動機５に接続された機械設備６の停止期間を調整することが可能となる。また、ステップＳ１１４において、監視装置２００へ情報を送信することに限るものではない。例えば、異常の予兆ありの情報を、演算処理部１０を介して、表示部１３に表示する、外部出力部１５から異常予兆および警告等の信号を外部に出力する、あるいは駆動制御装置１７に反映して、電動機５の負荷を低減するように駆動することも可能でなる。このように、電動機５の異常予兆を推論により得ることで、電動機が異常に至るまでに様々な手当てを講じることが可能となる。

また、電動機の異常の予兆が見られないと推論された場合、対象の電動機に急を要するメンテナンスが不要であり、プラント内に配置された多くの電動機５のメンテナンス計画を円滑に遂行できるという効果がある。このように、電動機の異常予兆の有無の情報を監視装置２００に集約することで、プラント内に配置された多くの電動機５のメンテナンス計画を遂行する、あるいは速やかに変更することが可能となる。

本実施の形態５では、モデル生成部３１２で学習した学習済モデル３１４を用いて電動機の異常予兆推論結果３２３を出力するものとして説明したが、他の外部から学習済モデルを取得し、この学習済モデルに基づいて異常予兆推論結果を出力するようにしてもよい。
また、本実施の形態５では学習フェーズと活用フェーズに分けて記載したが、先に学習フェーズを実施し、その後、活用フェーズを実施してもよいし、双方並行して実施しても良い。双方並行して実施する場合は、データ取得数など何らかの学習完了の閾値を設け、学習が未完了な間は学習のみを実施し、学習完了後は、双方並行して実施する。

なお、電動機の異常予兆推論装置３００は、ハードウエアの一例を図２４に示すように、プロセッサ３５０と記憶装置３６０から構成される。この構成は図２で説明したハードウエアと同様であるので説明は省略する。
プロセッサ３５０は、プログラムを実行することにより、電動機の異常予兆推論装置３００の学習装置３１０、推論装置３２０の具備する各機能を実現する。

以上のように、実施の形態５によれば、実施の形態１の効果に加え、電動機の診断装置で取得した評価値Ａの時系列データｂ１および巻線短絡の判定結果ｂ２の組み合わせを学習データとして学習済モデルを生成し、この学習済みモデルに電動機の診断装置から取得した評価値Ａの時系列データｂ１を入力することで、電動機の異常予兆を推論するので、その結果をもとに電動機の健全な運用、メンテナンス計画を遂行することが可能となる。

本開示は、様々な例示的な実施の形態及び実施例が記載されているが、１つ、または複数の実施の形態に記載された様々な特徴、態様、及び機能は特定の実施の形態の適用に限られるのではなく、単独で、または様々な組み合わせで実施の形態に適用可能である。
従って、例示されていない無数の変形例が、本願明細書に開示される技術の範囲内において想定される。例えば、少なくとも１つの構成要素を変形する場合、追加する場合または省略する場合、さらには、少なくとも１つの構成要素を抽出し、他の実施の形態の構成要素と組み合わせる場合が含まれるものとする。

１：主回路、 ２：配線用遮断器、 ３：電磁接触器、 ４：計器用変成器、 ５：電動機、 ６：機械設備、 ７：電流検出回路、 ８：計器用変圧器、 ９：電圧検出回路、 １０：演算処理部、 １１：記憶部、 １２：設定回路、 １３：表示部、 １４：駆動回路、 １５：外部出力部、 １６：通信回路、 １７：駆動制御装置（インバータ）、 ２０：電流変換部、 ２０ａ：電流電圧変換部、 ２１：実効値算出部、 ２２：インバータ駆動周波数算出部、 ２３：逆相電流算出部、 ２４：電圧不平衡率算出部、 ３０：初期解析部、 ３１：初期逆相電流解析部、 ４０、４０ａ：判定部、 ４１：運転状態判定部、 ４２：電圧不平衡判定部、 ５０：解析部、 ５１：評価値解析部、 ６０：異常判定部、 ６１：巻線短絡判定部、 １００、１００ａ、１００ｂ：電動機の診断装置、 ２００：監視装置、 ３００：電動機の異常予兆推論装置、 ３１０：学習装置、 ３１１：データ取得部、 ３１２：モデル生成部、 ３１３：学習済モデル記憶部、 ３１４：学習済モデル、 ３２０：推論装置、 ３２１：データ取得部、 ３２２：推論部、 ３２３：電動機の異常予兆推論結果、 ３５０、１００１：プロセッサ、 ３６０、１００２：記憶装置。

Claims (9)

1. インバータにより駆動される電動機の電流を検出する電流検出回路と、
   前記電流検出回路の出力が入力され前記電動機の巻線短絡異常を判定する演算処理部と、
   を備えた電動機の診断装置であって、
   前記演算処理部は、
   前記電動機の電流から電流実効値を算出して運転状態を判定する運転状態判定部と、
   インバータ駆動周波数を算出するインバータ駆動周波数算出部と、
   算出された前記インバータ駆動周波数に応じて、正常時の初期逆相電流を解析する初期逆相電流解析部と、
   運転時の前記電動機の電流から算出された逆相電流と、運転時に算出された前記インバータ駆動周波数に対応する前記初期逆相電流との差分により巻線短絡の評価値を算出する評価値解析部と、
   算出された前記評価値と予め設定された評価閾値との比較によって電動機の巻線短絡を判定する巻線短絡判定部と、
   を有し、
   前記巻線短絡判定部は、運転時に算出された前記インバータ駆動周波数に応じて前記評価閾値を変更する、電動機の診断装置。
2. 前記インバータ駆動周波数算出部は、前記電流検出回路で検出された電流の波形からインバータ駆動周波数を算出する、あるいは前記インバータから受信した信号を用いてインバータ駆動周波数を算出する、請求項１に記載の電動機の診断装置。
3. 前記初期逆相電流解析部は、前記インバータ駆動周波数に対応する前記初期逆相電流をマップ化して記憶する、請求項１または２に記載の電動機の診断装置。
4. 前記電動機の電圧を検出する電圧検出回路をさらに備え、
   前記演算処理部は、
   前記電動機の電流および電圧からそれぞれ電流実効値および電圧実効値を算出して運転状態を判定する前記運転状態判定部と、
   前記電動機の電圧から電圧不平衡率を算出し、算出された前記電圧不平衡率と設定された電圧不平衡率閾値とを比較し巻線短絡判定を行うか判定する電圧不平衡率判定部と、
   前記電圧不平衡率判定部で巻線短絡判定を行うと判定された場合、前記インバータ駆動周波数算出部により算出された前記インバータ駆動周波数に応じて、正常時の初期逆相電流を解析する前記初期逆相電流解析部と、
   前記電圧不平衡率判定部で巻線短絡判定を行うと判定された場合、運転時の前記電動機の電流から算出された逆相電流と前記インバータ駆動周波数に対応する前記初期逆相電流との差分により巻線短絡の評価値を算出する前記評価値解析部と、
   前記評価値と予め設定された評価閾値との比較によって電動機の巻線短絡を判定するとともに、運転時に算出された前記インバータ駆動周波数に応じて前記評価閾値を変更する、前記巻線短絡判定部と、
   を有する請求項１に記載の電動機の診断装置。
5. 前記インバータ駆動周波数算出部は、前記電流検出回路で検出された電流の波形からインバータ駆動周波数を算出する、あるいは前記インバータから受信した信号を用いてインバータ駆動周波数を算出する、請求項４に記載の電動機の診断装置。
6. 前記初期逆相電流解析部は、前記電圧不平衡率、前記インバータ駆動周波数および前記初期逆相電流を対応させたマップ、前記電圧不平衡率、前記電圧実効値および前記初期逆相電流を対応させたマップ、前記電圧不平衡率、前記電動機の正相電圧および前記初期逆相電流を対応させたマップの少なくとも１つを記憶する、請求項４または５に記載の電動機の診断装置。
7. 前記電動機を駆動するインバータと一体化して構成された請求項１から６のいずれか１項に記載の電動機の診断装置。
8. インバータにより駆動される電動機の電流を検出するステップと、
   前記電動機の電流から実効値を算出して前記電動機の運転状態を判定するステップと、
   前記電動機を駆動するインバータ駆動周波数を算出するステップと、
   前記算出されたインバータ駆動周波数に応じて正常時の初期逆相電流を解析するステップと、
   運転時の前記電動機の電流から算出された逆相電流と、運転時に算出された前記インバータ駆動周波数に対応する前記初期逆相電流との差分により巻線短絡の評価値を算出するステップと、
   算出された前記評価値と、予め設定された評価閾値との比較によって前記電動機の巻線短絡を判定するステップと、を備え、
   前記巻線短絡を判定するステップにおいて、運転時の前記インバータ駆動周波数に応じて前記評価閾値を変更する、電動機の診断方法。
9. 請求項１から７のいずれか１項に記載の電動機の診断装置とともに用いられる電動機の異常予兆推論装置であって、前記電動機の診断装置から、前記評価値とその評価値に対応する巻線短絡の判定結果とを含む学習用データを取得するデータ取得部、および前記学習用データを用いて、前記電動機の診断装置の前記評価値のデータから前記電動機の異常予兆推論結果を推論するための学習済モデルを生成するモデル生成部を有する学習装置と、
   前記学習済モデルを用いて、前記電動機の診断装置の前記評価値のデータから前記電動機の異常予兆推論結果を出力する推論部を有する推論装置と、
   を備えた電動機の異常予兆推論装置。