ポンプシステムの誘導電動機に対するANNを用いたMRASセンサレス直接トルク制御の実験的検証

省エネのための賢いポンプ

電動ポンプは都市、農地、工場で大量の水を静かに移動させますが、その駆動用モータはトルクや回転速度が注意深く制御されないとエネルギーを浪費し、早期に摩耗することがあります。本稿は、壊れやすい機械式速度センサを使わずに一般的な産業用モータをポンプシステムで動かしながら、応答性・効率性・機器への負担の小ささを保つ新しい運転法を提示します。長年使われてきたモータ制御手法と現代の人工知能を融合することで、現実的な実験室試験においてエネルギー損失を削減し性能を向上させることを示しています。

一般的なモータが精密に制御しにくい理由

本研究は、エレベータや灌漑ポンプなどを駆動する産業の頑健な「働き馬」である誘導電動機に焦点を当てています。これらの機械は安価で信頼性がありますが、内部挙動が非線形で、回転子の磁束など重要な量が直接測定できないため、精密制御が難しいです。Direct Torque Control（DTC）と呼ばれる一般的な戦略は、モータへ供給するパワーエレクトロニクスをほぼ直接制御することで非常に高速なトルク応答と低速での良好な動作を実現します。しかし従来のDTCは速度センサや単純なオン／オフロジックに依存しており、その結果としてかなりのトルクリプル、電気的ノイズ、振動、および追加のハードウェアコストが発生することがあります。

センサをなくしても制御を失わない方法

機械式速度センサを取り除くために、エンジニアは電気的測定から速度を推定することがよく行われます。広く使われる1つの手法であるModel Reference Adaptive System（MRAS）は、速度に依存しない参照モデルと速度に依存する調整可能なモデルの2つを並列に動かします。それらの出力を比較することでアルゴリズムは実際のモータ速度を推定できます。MRASは比較的単純で計算負荷が小さいため魅力的ですが、非常に低速域で性能が悪く、抵抗や温度などモータパラメータの変化に敏感です。MRASをDTCと組み合わせると、これらの制約がトルクリプルを増大させたり、モータを駆動するスイッチングパターンを歪めたりする傾向があります。

スイッチ選択をニューラルネットワークに任せる

著者らはDTCスキーム内のいくつかの重要な意思決定ブロックを人工ニューラルネットワークに引き継がせるハイブリッド制御手法、DTC‑ANN+MRASを提案します。固定化されたヒステリシス比較器、単純な比例積分（PI）速度制御器、手作りのスイッチングテーブルの代わりに、訓練済みニューラルネットワークがインバータのスイッチをどのように駆動すべきかを計算し、トルク、磁束、速度を目標付近に保ちます。MRASブロックは依然として電圧・電流の測定値から速度を推定しますが、その出力はニューラル制御器に供給され、ニューラルネットワークはシミュレーションデータから学習して推定誤差やパラメータ変動に対処する方法を身につけています。

コンピュータモデルから実機へ

研究チームはまず、誘導電動機、パワーインバータ、回転数に応じて負荷が増す遠心ポンプの詳細な数学モデルを構築しました。次に複数の制御戦略をMATLAB/Simulinkで実装し、シミュレーションとdSPACE DS1104リアルタイム制御ボードで駆動する1.5 kWの実験用モータを用いた実機試験の両方で評価しました。比較された4つのアプローチは、従来のDTC、ニューラルネットワークで改善したDTC（DTC‑ANN）、MRAS速度推定を組み込んだDTC（DTC‑MRAS）、そして本論文で提案する完全ハイブリッドのDTC‑ANN+MRASです。性能評価は速度変化に対する応答時間、トルクリプルの大きさ、モータ電流の総高調波歪み（THD）という電気的“クリーンさ”と効率の重要指標を用いて行われました。

実験が明らかにしたこと

結果は、ニューラルネットワークを追加するだけで古典的DTCが既に改善されることを示しています：応答時間は0.80秒から0.72秒に短縮し、トルクリプルや電流歪みは大幅に低減しました。一方で、単にMRASをDTCに取り付けると電流品質が実際に悪化し、THDは9.76%から11.40%に上昇しトルクリプルも増加しました（ただし速度推定はセンサレスになります）。MRASとニューラル制御を組み合わせたハイブリッド設計はこれらの損失を回復し、さらに上回ります：応答時間は0.58秒に短縮し、DTC‑MRASと比べてトルクリプルは減少、THDは11.40%から7.80%に低下しました。ポンプ用途では、コントローラは広い負荷（−10〜10 N·m）と速度範囲（−157〜157 rad/s）で滑らかな速度制御を維持し、水流を安定させつつ電気的・機械的な負担を軽減します。

実際のポンプシステムへの含意

専門外の読者に向けた要点は、著者らが精密な速度センサに頼らずに標準的な産業用ポンプをより効率的かつ信頼性高く運転する方法を考案した、ということです。ニューラルネットワークがモータのパワースイッチの最適な駆動法を学習し、適応モデルが単純な電気測定から速度を推定することで、このシステムは既存のいくつかの代替手法よりも速い応答、よりクリーンな電流、より小さいトルク変動を実現します。本研究は、センサレスで知的な制御がポンプシステムのエネルギー使用を約15%削減し、装置の寿命を延ばし、保守コストを低減する可能性を示唆しており、今後他の最適化手法を取り入れることでさらなる改善が期待されます。

引用: Ech-chaouy, H., Derouich, A., Mahfoud, S. et al. Experimental validation of MRAS sensorless direct torque control using ANN for induction motors in a pumping system. Sci Rep 16, 10434 (2026). https://doi.org/10.1038/s41598-026-41127-9

キーワード: センサレスモータ制御, 誘導電動機ドライブ, ニューラルネットワーク制御, ポンプシステム, 省エネルギー駆動