电动机控制装置、机械学习装置及其方法与流程

本发明涉及具有磁通控制部的电动机控制装置、机械学习装置及其方法。

背景技术：

在感应电动机中，在定子中流过一次电流而产生旋转磁场，转子切割基于旋转磁场的磁通，由此在转子中引起电压而流过二次电流，通过该二次电流与磁通的相互作用，产生转矩。以往，作为感应电动机的控制而使用向量控制即将流过定子的一次电流分为磁通方向的励磁电流和二次电流即转矩电流来进行控制。产生的转矩与由励磁电流产生的磁通和转矩电流的积成比例。

在稳定状态下，感应电动机的磁通的大小为与用于生成磁通的电流即励磁电流成比例的值，但随着向感应电动机施加的负荷、动作条件的变化，磁通的大小变化的情况下，磁通相对于励磁电流的变化一阶延迟地变化。

图8是说明向驱动钻孔机的感应电动机施加的负荷的图。此外，图9A是示例驱动图8的钻孔机的感应电动机的运行模式、励磁电流以及磁通的图，表示感应电动机的运行模式(钻孔加工)。图9B是示例驱动图8的钻孔机的感应电动机的运行模式、励磁电流以及磁通的图，表示流过感应电动机的励磁电流以及由该励磁电流产生的磁通。在钻孔机81对部件91开孔92时(钻孔加工运行模式)，向驱动钻孔机81的感应电动机(未图示)施加的负荷，比在开孔加工结束而从孔92拔出钻孔机81的钻头时、或使钻孔机81移动至下个加工位置时(钻头移动运行模式)，向驱动钻孔机81的感应电动机(未图示)施加的负荷大。因此，在钻孔机81对部件91开孔92时，感应电动机的运行模式从钻头移动运行模式切换为钻孔加工运行模式以便能够对应于高负荷。如图9A所示，为了进行基于钻孔机81的开孔加工，在时刻t₁将驱动钻孔机81的感应电动机切换为钻孔加工运行模式的情况下，在时刻t₁开始励磁，从电动机控制装置(未图示)输出该钻孔加工运行模式用励磁电流指令，与之对应地，在感应电动机中流过如图9B所示那样的该钻孔加工运行模式用励磁电流(用点划线表示)。然而，由励磁电流产生的磁通(用实线表示)相对于励磁电流以将感应电动机的电路常数设为时间常数的一阶延迟变化，因此，例如将产生开孔加工所需要的转矩成为最大转矩的最大磁通的时刻设为t₂时，在时刻t₁开始励磁起至达到开孔加工所需要的转矩成为最大转矩的最大磁通为止，需要时间“t₂－t₁”。

这样，感应电动机的磁通相对于励磁电流延迟而建立，但若不考虑该一阶延迟量地进行电流控制，则磁通在感应电动机的加减速时变化的情况下，转矩不连续地变化，由此有时发生在速度波形中产生波动的过度现象。因此，在感应电动机的控制中，要求根据负荷、动作条件的变化迅速地提高或变更磁通。

例如，如日本特开2008-306798号公报所记载的那样，作为用于使磁通的上升提前的电动机的控制方法，有从运行模式的切换等磁通上升开始定时时间点起流过额定以上的励磁电流的技术。

然而，根据日本特开2008-306798号公报所记载的发明，从磁通上升开始定时到来的时间点起使磁通上升，因此无法完全消除到磁通上升为止的等待时间(以下，称为“磁通上升等待时间”)。

此外，依然广泛要求容易且最佳地控制在各种运行模式下驱动的感应电动机的磁通。

技术实现要素：

本发明是鉴于上述问题而提出的，其目的是提供一种能够最佳地控制感应电动机的磁通，消除到磁通上升为止的等待时间的电动机控制装置、用于该电动机控制装置的机械学习装置及其方法。

为了实现上述目的，学习与用于由电动机控制装置进行的电动机的磁通控制的励磁电流指令以及基于磁通控制的磁通的上升开始的定时即励磁开始定时相关联的条件的机械学习装置具备：状态观测部，其观测由与磁通上升等待时间相关的数据以及与有无发生表示电动机过热的过热警报相关的数据中的至少一个构成的状态变量，其中，该磁通上升等待时间是从预定运行模式的开始指令时间点起到电动机的磁通达到与预定运行模式对应的最大磁通为止所需要的时间；以及学习部，其按照由状态变量构成的训练数据集，学习与励磁电流指令增量以及励磁开始定时调整量相关联的条件，其中，该励磁电流指令增量是向预先对预定运行模式的执行前的运行模式设定的电动机的励磁电流指令增加的量，该励磁开始定时调整量用于调整预先对预定运行模式设定的励磁开始定时。

在此，学习部也可以具备：回报计算部，其根据状态变量计算回报；函数更新部，其根据回报更新用于变更励磁电流指令增量以及励磁开始定时调整量的函数。

此外，在通过状态观测部观测到没有发生过热警报的情况下，在通过状态观测部观测到的磁通上升等待时间在规定时间内时，回报计算部增加回报。

此外，在通过状态观测部观测到的磁通上升等待时间在规定时间外时，回报计算部减少回报。

此外，在预定运行模式开始后，观测到发生了过热警报时，回报计算部减少回报。

此外，学习部也可以构成为，按照针对多个电动机控制装置取得的训练数据集，学习条件。

此外，具备上述机械学习装置的电动机控制装置还具备：运行模式指令输入部，其输入预定运行模式的开始指令；电流检测部，其检测流过电动机的实际电流；磁通计算部，其根据由电流检测部检测出的电动机的实际电流，计算电动机的磁通；温度测定部，其测定电动机的温度；警报输出部，其在由温度测定部测定出的温度达到了过热温度时，输出过热警报；时间测定部，其测定磁通上升等待时间；磁通控制部，其进行使由磁通计算部计算出的电动机的磁通追随与预定运行模式对应的最大磁通的磁通控制；以及意图决定部，其根据学习部按照训练数据集进行学习的结果，响应当前的状态变量的输入，决定励磁电流指令增量以及励磁开始定时调整量，磁通控制部根据通过对励磁电流指令加上由意图决定部决定的励磁电流指令增量而得的指令、以及通过由意图决定部决定的励磁开始定时调整量进行调整后的励磁开始定时，进行磁通控制。

在此，学习部也可以构成为，按照由当前的状态变量构成的追加的训练数据集，重新学习条件并更新。

此外，学习与用于由电动机控制装置进行的电动机的磁通控制的励磁电流指令以及基于上述磁通控制的磁通的上升开始的定时即励磁开始定时相关联的条件的机械学习方法具备如下步骤：状态观测步骤，观测由与磁通上升等待时间相关的数据以及与有无发生表示电动机过热的过热警报相关的数据中的至少一个构成的状态变量，其中，该磁通上升等待时间是从预定运行模式的开始指令时间点起到电动机的磁通达到与上述预定运行模式对应的最大磁通为止所需要的时间；以及学习步骤，按照由上述状态变量构成的训练数据集，学习与励磁电流指令增量以及励磁开始定时调整量相关联的条件，其中，该励磁电流指令增量是向预先对上述预定运行模式的执行前的运行模式设定的电动机的励磁电流指令增加的量，该励磁开始定时调整量用于调整预先对上述预定运行模式设定的励磁开始定时。

附图说明

通过参照以下的附图，更明确地理解本发明。

图1是实施例的机械学习装置的原理框图。

图2A是说明实施例的机械学习装置的动作原理的图，表示感应电动机的运行模式。

图2B是说明实施例的机械学习装置的动作原理的图，表示流过感应电动机的励磁电流以及由该励磁电流产生的磁通。

图3是实施例的机械学习方法的动作流程的流程图。

图4是实施例的使用强化学习的机械学习装置的原理框图。

图5是表示实施例的使用强化学习的机械学习方法的动作流程的流程图。

图6是表示具备实施例的机械学习装置的电动机控制装置的原理框图。

图7是表示具备实施例的使用强化学习的机械学习装置的电动机控制装置的动作流程的流程图。

图8是说明向驱动钻孔机的感应电动机施加的负荷的图。

图9A是示例驱动图8的钻孔机的感应电动机的运行模式、励磁电流以及磁通的图，表示感应电动机的运行模式(钻孔加工)。

图9B是示例驱动图8的钻孔机的感应电动机的运行模式、励磁电流以及磁通的图，表示流过感应电动机的励磁电流以及由该励磁电流产生的磁通。

具体实施方式

以下，参照附图对具有磁通控制部的电动机控制装置、机械学习装置及其方法进行说明。然而，应当理解本发明并不限定于附图或以下说明的实施方式。

图1是实施例的机械学习装置的原理框图。以下，在不同的附图中赋予了相同参照符号的部件表示是具有相同功能的构成要素。

实施例的机械学习装置1学习与用于由电动机控制装置进行的电动机的磁通控制的励磁电流指令以及基于上述磁通控制的磁通的上升开始的定时即励磁开始定时相关联的条件。

机械学习装置1具备状态观测部11和学习部12。

作为训练数据集，状态观测部11观测由与磁通上升等待时间相关的数据以及与有无发生表示电动机过热的过热警报相关的数据中的至少一个构成的状态变量，其中，磁通上升等待时间为从预定运行模式的开始指令时间点至电动机的磁通达到与预定运行模式对应的最大磁通为止所需要的时间。最大磁通为使要驱动的感应电动机产生最大转矩的磁通。

学习部12按照由状态变量构成的训练数据集，学习向预先对预定运行模式执行前的运行模式设定的电动机的励磁电流指令增加的励磁电流指令增量、以及用于调整预先对预定运行模式设定的励磁开始定时的励磁开始定时调整量。另外，也可以从多个电动机控制装置取得训练数据集，在该情况下，学习部12按照针对多个电动机控制装置取得的训练数据集，学习励磁电流指令增量以及励磁开始定时调整量。

图2A是说明实施例的机械学习装置的动作原理的图，表示感应电动机的运行模式。图2B是说明实施例的机械学习装置的动作原理的图，表示流过感应电动机的励磁电流以及由该励磁电流产生的磁通。

如上所述，由流过感应电动机的励磁电流产生的磁通相对于励磁电流以将感应电动机的电路常数设为时间常数的一阶延迟变化。在实施例中，考虑该磁通的一阶延迟，在感应电动机的运行模式从低负荷运行模式切换为高负荷运行模式的时间点之前开始励磁，在成为已切换为高负荷运行模式的时间点时，调整励磁开始定时以便产生得到最大转矩的最大磁通，并且，调整在高负荷运行模式前执行的低负荷运行模式的励磁电流指令。具体为如下所示。

如图2A所示，考虑在时刻t₁感应电动机的运行模式从低负荷运行模式切换为高负荷运行模式的情况。一般，预先将励磁开始定时设定为与从低负荷运行模式切换为高负荷运行模式的定时(即时刻t₁)相同，但在实施例中，如图2B所示，比感应电动机的运行模式从低负荷运行模式切换为高负荷运行模式的时刻t₁提前时间Δt开始励磁，消除磁通上升等待时间，以便在成为已切换为高负荷运行模式的时间点时，产生得到最大转矩的最大磁通。即，使用励磁开始定时调整量Δt调整预先对高负荷运行模式设定的励磁开始定时。此外，在实施例中，将在高负荷运行模式前执行的低负荷运行模式的励磁电流指令设定得比预先对低负荷运行模式设定的励磁电流指令高ΔI，由此在低负荷运行模式下使流过感应电动机的励磁电流比以往多，缩短达到与高负荷运行模式对应的最大磁通为止的时间。即，将ΔI设为励磁电流指令增量，将其加到在高负荷运行模式前执行的低负荷运行模式的励磁电流指令中。在2B中，用点划线表示流过感应电动机的励磁电流，用实线表示应用本发明的调整后的磁通，用虚线表示没有应用本发明的调整前的磁通。

在实施例中，机械学习装置1自己学习并调整励磁电流指令增量ΔI以及励磁开始定时调整量Δt，由此消除磁通上升等待时间，使感应电动机的磁通成为最佳，其中，励磁电流指令增量ΔI是相加到预先对上述的预定运行模式(高负荷运行模式)执行前的运行模式(低负荷运行模式)设定的电动机的励磁电流指令的增量，励磁开始定时调整量Δt用于调整预先对预定运行模式(高负荷运行模式)设定的励磁开始定时。

图3是表示实施例的机械学习方法的动作流程的流程图。学习与用于由电动机控制装置进行的电动机的磁通控制的励磁电流指令以及基于上述磁通控制的磁通的上升开始的定时即励磁开始定时相关联的条件的机械学习方法具备状态观测步骤S101和机械学习步骤S102。

状态观测步骤S101由状态观测部11执行，即观测由与磁通上升等待时间相关的数据以及与有无发生表示电动机过热的过热警报相关的数据中的至少一个构成的状态变量，其中，磁通上升等待时间为从预定运行模式的开始指令时间点至电动机的磁通达到与预定运行模式对应的最大磁通为止所需要的时间。

机械学习步骤S102由学习部12执行，按照由状态变量构成的训练数据集，学习与励磁电流指令增量ΔI以及励磁开始定时调整量Δt相关联的条件，其中，励磁电流指令增量ΔI是相加到预先对预定运行模式执行前的运行模式设定的电动机的励磁电流指令上的增量，励磁开始定时调整量Δt用于调整预先对预定运行模式设定的励磁开始定时。

学习部12使用的学习算法可以是任意的。作为一例，对应用强化学习(Reinforcement Learning)的情况进行说明。强化学习是某环境内的智能体(行为主体)观测当前状态，决定应采取的行为的学习。智能体选择行为，由此从环境获得回报，通过一连串的行为学习获得最多回报的策略。作为强化学习的代表性方法，已知Q学习(Q-learning)、TD学习(TD-learning)。例如，为Q学习的情况下，用式1表示行为价值函数Q(s，a)的一般的更新式(行为价值表)。

在式1中，s_t表示时刻t的环境，a_t表示时刻t的行为。通过行为a_t，环境变为s_t+1。r_t+1表示根据该环境的变化得到的回报(reward)，γ表示折扣率，α表示学习系数。在应用Q学习的情况下，励磁电流指令增量ΔI以及励磁开始定时调整量Δt成为行为a_t。

图4是实施例的使用强化学习的机械学习装置的原理框图。学习部12具备回报计算部21和函数更新部22。回报计算部21根据状态变量计算回报。函数更新部22根据回报更新用于变更励磁电流指令增量ΔI以及励磁开始定时调整量Δt的函数。例如为Q学习的情况下，将用式1表示的行为价值函数Q(s，a)用作用于变更行为a_t即励磁电流指令增量ΔI以及励磁开始定时调整量Δt的函数。另外，对于除此以外的构成要素与图1所示的构成要素相同，因此对相同的构成要素赋予相同符号，并省略对该构成要素的详细的说明。

图5是表示实施例的使用强化学习的机械学习方法的动作流程的流程图。

首先，在状态观测步骤S101中，状态观测部11观测由与磁通上升等待时间相关的数据以及与有无发生表示电动机过热的过热警报相关的数据中的至少一个构成的状态变量，其中，磁通上升等待时间为从预定运行模式开始指令时间点至电动机的磁通达到与预定运行模式对应的最大磁通为止所需要的时间。

接着，在回报计算步骤S102-1中，回报计算部21根据在步骤S101中观测到的状态变量来计算回报。

接着，在函数更新步骤S102-2中，函数更新部22根据回报更新用于变更励磁电流指令增量ΔI以及励磁开始定时调整量Δt的函数。

接着，对具备上述机械学习装置的电动机控制装置进行说明。在此，作为一例说明作为学习部的学习算法而使用强化学习的情况。

图6是表示具备实施例的机械学习装置的电动机控制装置的原理框图。在此，说明对1个感应电动机104进行驱动控制的电动机控制装置1000。此外，作为感应电动机104的运行模式，交互地执行低负荷运行模式和高负荷运行模式。

关于电动机控制装置1000，作为其主要电路结构具备整流器101、逆变器102以及DC链路电容器105。电动机控制装置1000的三相交流输入侧与交流电源103连接，电动机控制装置1000的交流电动机侧与三相的感应电动机104连接。

整流器101将从交流电源103侧提供的交流电力变换为直流电力并输出到DC链路。在本发明中，并不对所使用的整流器101的实施方式进行特别限定，例如有二极管整流器或PWM控制方式的整流电路等。

逆变器102是与DC链路连接，将DC链路中的直流电力变换为交流电力并提供给感应电动机104的装置，但一般是可进行直交双向变换的电力变换器。即，逆变器102能够在DC链路的直流电力与感应电动机104的驱动电力或作为再生电力的交流电力之间进行双向的电力变换，按照从电动机控制部14接收到的电动机驱动指令，进行将直流电力变换为交流电力的再生动作(逆变换动作)以及将交流电力变换为直流电力的动力运行动作(整流动作)中的某一个。具体地，逆变器102根据从电动机控制部14接收到的电动机驱动指令，使开关元件进行开关动作，将从DC链路侧提供的直流电力变换为用于驱动感应电动机104的所希望的电压以及所希望的频率的三相交流电力。由此，感应电动机104根据所供给的电压可变以及频率可变的三相交流电力进行动作。此外，在感应电动机104减速时产生再生电力，但在该情况下，根据从电动机控制部14接收到的电动机驱动指令，将在感应电动机104产生的交流再生电力变换为直流电力后返回给DC链路。逆变器102例如由PWM逆变器等由开关元件和与开关元件逆并联连接的二极管的电桥电路构成。

此外，作为电动机控制装置1000的控制系统以及测定系统具备参照图4和图5说明的使用强化学习的机械学习装置1、意图决定部13、具有磁通控制部37的电动机控制部14、运行模式指令输入部31、电流检测部32、磁通计算部33、温度测定部34、警报输出部35以及时间测定部36。

运行模式指令输入部31输入预定运行模式(高负荷运行模式)的开始指令。即，该开始指令是将感应电动机104的运行模式从低负荷运行模式切换为高负荷运行模式的指令，从电动机控制部14输入。

电流检测部32检测流过感应电动机104的实际电流。

磁通计算部33根据由电流检测部32检测出的感应电动机104的实际电流，计算感应电动机104的磁通。

温度测定部34测定感应电动机104的温度。

警报输出部35在由温度测定部34测定的温度达到过热温度时，输出过热警报。

时间测定部36测定从预定运行模式(高负荷运行模式)的开始指令时间点至感应电动机104的磁通达到与预定运行模式对应的最大磁通为止所需要的时间即磁通上升等待时间。

电动机控制部14具备用于对感应电动机104进行向量控制的磁通控制部37。磁通控制部37进行使由磁通计算部33计算出的感应电动机104的磁通追随与各运行模式对应的磁通的磁通控制。在后面叙述电动机控制部14的细节。

机械学习装置1具备状态观测部11和学习部12。此外，学习部12具备回报计算部21和函数更新部22。

状态观测部11观测由与磁通上升等待时间相关的数据以及与有无发生表示电动机过热的过热警报相关的数据中的至少一个构成的状态变量，其中，磁通上升等待时间为从预定运行模式的开始指令时间点至感应电动机104的磁通达到与预定运行模式对应的最大磁通为止所需要的时间。将观测到的状态变量作为训练数据集用于学习部12的学习。根据由磁通计算部33计算出的感应电动机104的磁通，通过时间测定部36测定磁通上升等待时间。从警报输出部35输出过热警报。

学习部12内的回报计算部21根据状态观测部11观测到的状态变量计算回报。

将与磁通上升等待时间相关的数据设为状态变量的情况下，在通过状态观测部11没有观测到过热警报的发生时，在通过状态观测部11观测到的磁通上升等待时间在规定时间内时，回报计算部21增加回报。此外，在通过状态观测部11观测到的磁通上升等待时间在规定时间外时，回报计算部21减少回报。这样在磁通上升等待时间在规定时间内时增加回报，在规定时间外时减少回报是因为磁通上升等待时间越短，越能够最佳地控制感应电动机104的磁通。

将与有无发生表示电动机104过热的过热警报相关的数据设为状态变量的情况下，回报计算部21开始预定运行模式(高负荷运行模式)后，通过状态观测部11观测到发生了过热警报时减少回报。这样在观测到发生了过热警报时减少回报是因为为了作为机械学习装置1的学习结果而使用在感应电动机104中产生的磁通，感应电动机104变得过热，不是优选的学习结果。

学习部12内的函数更新部22根据回报计算部21计算出的回报，更新用于变更励磁电流指令增量ΔI以及励磁开始定时调整量Δt的函数。例如为Q学习的情况下，将用式1表示的行为价值函数Q(s，a)作为用于变更励磁电流指令增量ΔI以及励磁开始定时调整量Δt的函数。

意图决定部13根据学习部12按照训练数据集学习的结果，响应当前的状态变量的输入，决定励磁电流指令增量ΔI以及励磁开始定时调整量Δt。在本实施例中，作为一例，作为学习算法而使用强化学习，因此根据通过学习部12内的回报计算部21计算出的回报，学习部12内的函数更新部22更新用于变更励磁电流指令增量ΔI以及励磁开始定时调整量Δt的函数，意图决定部13根据更新后的函数，选择得到最多回报的励磁电流指令增量ΔI以及励磁开始定时调整量Δt。

在电动机控制部14内的磁通控制部37中，将针对预定运行模式(高负荷运行模式)执行前的运行模式(低负荷运行模式)预先设定的励磁电流指令加上由意图决定部13决定的励磁电流指令增量ΔI，由此得到针对低负荷运行模式的新的励磁电流指令(参照图2A以及图2B)。此外，将比感应电动机的运行模式从低负荷运行模式切换为高负荷运行模式时刻提前时间Δt的时刻设为针对高负荷运行模式的新的励磁开始定时(参照图2A以及图2B)。即，磁通控制部37根据将针对预定运行模式(高负荷运行模式)执行前的运行模式(低负荷运行模式)预先设定的励磁电流指令加上由意图决定部13决定的励磁电流指令增量ΔI而得的指令、以及通过由意图决定部13决定的励磁开始定时调整量Δt进行调整后的励磁开始定时，进行使磁通计算部33计算出的感应电动机104的磁通追随与预定运行模式(高负荷运行模式)对应的磁通的磁通控制。通过磁通控制部37的磁通控制，生成磁通指令。

电动机控制部14根据磁通控制部37生成的磁通指令，使用预定的速度指令、感应电动机104的动作程序、逆变器102的交流电动机侧的交流电流或交流电压和/或感应电动机104的转速等，对逆变器102指令将交流电力变换为直流电力的动力运行动作(整流动作)以及将直流电力变换为交流电力的再生动作(逆变换动作)中的某一个，作为用于控制感应电动机104的速度、转矩，或转子的位置的驱动指令。

图7是表示具备实施例的使用强化学习的机械学习装置的电动机控制装置的动作流程的流程图。

一般，在强化学习中随机选择行为的初始值。在实施例中，在步骤S201中，随机选择作为行为的励磁电流指令增量ΔI和励磁开始定时调整量Δt。

在步骤S202中，对于逆变器102，电动机控制部14根据磁通控制部37使用设定的励磁电流指令增量ΔI和励磁开始定时调整量Δt生成的磁通指令，使用预定的速度指令、感应电动机104的动作程序、逆变器102的交流电动机侧的交流电流或交流电压和/或感应电动机104的转速等，对逆变器102指令将交流电力变换为直流电力的动力运行动作(整流动作)以及将直流电力变换为交流电力的再生动作(逆变换动作)中的某一个，作为用于控制感应电动机104的速度、转矩，或转子的位置的驱动指令。由此，感应电动机104进行驱动。在本实施例中，作为感应电动机104的运行模式，交互地执行低负荷运行模式和高负荷运行模式，将由低负荷运行模式和高负荷运行模式构成的1组设为1个周期。在该期间，电流检测部32检测流过感应电动机104的实际电流，磁通计算部33从感应电动机104的实际电流计算出感应电动机104的磁通，温度测定部34测定感应电动机104的温度，警报输出部35在由温度测定部34测定出的温度达到过热温度时输出过热警报，时间测定部36测定磁通上升等待时间。

在步骤S203中，状态观测部11观测状态变量，该状态变量由与磁通上升等待时间相关的数据、以及与有无发生表示电动机过热的过热警报相关的数据中的至少一个构成。另外，在本实施例中，作为一例将这些2个数据设为状态变量，但也可以将这些2个数据中的至少一个设为状态变量。

在步骤S204中，判定由低负荷运行模式和高负荷运行模式构成的1个周期是否结束。例如，通过电动机控制部14执行该判定。

在步骤S204中，若判定为由低负荷运行模式和高负荷运行模式构成的1个周期结束，则向步骤S205前进。

在步骤S205中，状态观测部11根据与有无发生表示电动机过热的过热警报相关的数据，判别是否发生了过热警报。在通过状态观测部11观测到过热警报时，在步骤S208中回报计算部21减少回报。另一方面，在通过状态观测部11未观测到过热警报时，向步骤S206前进。

在步骤S206中，状态观测部11根据与磁通上升等待时间相关的数据，判别观测到的磁通上升等待时间是否在规定时间内。在通过状态观测部11观测到磁通上升等待时间在规定时间内时，在步骤S207中回报计算部21增加回报。另一方面，在通过状态观测部11观测到磁通上升等待时间在规定时间外时，在步骤S208中回报计算部21减少回报。

在步骤S209中，函数更新部22根据回报计算部21计算出的回报，更新用于变更励磁电流指令增量ΔI以及励磁开始定时调整量Δt的函数。

接着，在步骤S210中，意图决定部13根据在步骤S209中更新后的函数，选择得到的回报最多的励磁电流指令增量ΔI以及励磁开始定时调整量Δt。之后，返回到步骤S202，以后，重复执行步骤S202～S210的处理。由此，机械学习装置1学习感应电动机104的磁通最佳的励磁电流指令增量ΔI以及励磁开始定时调整量Δt。另外，也可以从多个整流器101取得训练数据集，在该情况下，学习部12按照针对多个整流器101取得的训练数据集，重复执行步骤S201～S210的处理，学习励磁电流指令增量ΔI以及励磁开始定时调整量Δt。针对多个整流器101取得训练数据集，由此可以进一步提高机械学习装置1的学习精度。

另外，上述的状态观测部11、学习部12以及意图决定部13例如可以以软件程序形式构筑，或通过各种电子电路和软件程序的组合来构筑。例如，以软件程序形式构筑上述各部的情况下，使电动机控制装置1000内的运算处理装置按照该软件程序动作，由此能够实现上述各部的功能。此外，或者也可以将具备状态观测部11和学习部12的机械学习装置1作为写入了实现各部的功能的软件程序的半导体集成电路来实现。此外，或者也可以以不仅包含具备状态观测部11和学习部12的机械学习装置1还包含意图决定部13的形式，实现写入了用于实现各部的功能的软件程序的半导体集成电路。

此外，使用通过电动机控制装置1000为了驱动控制感应电动机104而本来具备的电流检测部32检测出的与感应电动机104的实际电流相关的数据、以及通过温度测定部34测定的与感应电动机104的温度相关的数据来执行本发明的机械学习处理，因此不需要如现有技术那样设置新的硬件装置，从而也可以之后装于已有的电动机控制装置而应用。在该情况下，只要将写入了用于实现机械学习装置1、意图决定部13的各部的功能的软件程序的半导体集成电路组装到该已有的电动机控制装置上，或将用于实现机械学习装置1、意图决定部13的各部的功能的软件程序本身追加安装到该已有的电动机控制装置内的运算处理装置中即可。此外，也可以将对某电动机控制装置学习了励磁电流指令增量ΔI以及励磁开始定时调整量Δt的机械学习装置1安装于与某电动机控制装置不同的别的电动机控制装置上，再对该别的电动机控制装置学习励磁电流指令增量ΔI以及励磁开始定时调整量Δt并进行更新。

通过本发明，可以实现最佳地控制感应电动机的磁通，能够消除到磁通上升之前的等待时间的电动机控制装置、用于该电动机控制装置的机械学习装置及其方法。

通过本发明，对正在动作的电动机控制装置，为了使感应电动机的磁通成为最佳，机械学习装置亲自学习并调整励磁电流指令增量以及励磁开始定时调整量，因此能够容易最佳地控制在各种运行模式下驱动的感应电动机的磁通，其中，励磁电流指令增量是向预先针对高负荷运行模式执行前的低负荷运行模式设定的电动机的励磁电流指令增加的量，励磁开始定时调整量用于调整预先对高负荷运行模式设定的励磁开始定时。

此外，通过本发明，机械学习装置自己学习用于调整励磁电流指令增量以及励磁开始定时的励磁开始定时调整量并进行调整以便在感应电动机的运行模式从低负荷运行模式切换为高负荷运行模式的时间点之前开始励磁，在切换为高负荷运行模式的时间点产生得到最大转矩的最大磁通，因此能够容易消除磁通上升等待时间。

在相互施加高负荷和低负荷的感应电动机中，在电动机控制装置的磁通控制中需要频繁地使磁通变化，但通过本发明，能够最佳地控制感应电动机的磁通，消除等待磁通上升的时间。