ボールねじ送り機構でタクトアップを図るためにサーボモータの制御ゲインを上げた途端、停止時に激しい振動や異音が発生して頭を抱えていないでしょうか。「カップリングのねじり剛性不足による機械共振」を疑い、より剛性の高い部品への置き換えを検討する設計者は多いですが、安易な高剛性化だけで解決を図るのは極めて危険です。
結論から言うと、停止時の振動はカップリング単体の剛性不足だけでなく、「負荷慣性モーメント比(イナーシャ比)の過大」および「ゲイン上昇に伴う機械共振」が複合して生じている可能性が高いです。本記事では、理論に基づいたねじり固有振動数の計算手法から、高剛性化に伴う機械トラブルを未然に防ぐ実践的な回避策までを体系的に解説します。
ボールねじ機構における共振回避の基本計算プロセス
実際の数値は軸形状や周辺環境等の要素に影響されますが、まずは理論上の目安として以下の2ステップで動的特性を評価します。
1. 負荷慣性モーメント比(イナーシャ比)の評価
剛性を検討する大前提として、モータ慣性モーメント J_M に対する負荷慣性モーメント J_L の比(J_L / J_M)を算出します。
高応答・高加減速の位置決め機構では、制御安定性を保つためにイナーシャ比を推奨値内に収めることが必須です。一般的な目安として5〜10倍以下、高精度位置決め用途では3〜5倍以下に抑える必要があります。この比率が過大な状態では、どれほど結合部を固めても制御ループが不安定になり、停止時にハンチングを引き起こします。
2. ねじり固有振動数 fn の計算と剛性評価
次に、駆動系全体のねじり固有振動数を求めます。カップリングとねじ軸等の合成ねじり剛性を K_total、負荷慣性モーメントを J_L と置いた場合、固有振動数 fn [Hz] は以下の式で算出されます。
fn = (1 / (2 * 3.14)) * sqrt(K_total / J_L)
制御ゲインを高めて位置決め時間を短縮するには、このねじり固有振動数 fn を制御応答周波数の3〜5倍以上に引き上げる必要があります。fn が応答周波数に近い場合、加減速の急激なトルク変動によって機械共振が励起され、振動や異音へと直結します。
ねじり剛性を稼ぐ部品選定としては、鍋屋バイテック(NBK)や三木プーリなどの高剛性ディスク型(板ばね式)カップリングが第一候補となります。
現場の落とし穴:安易な高剛性化が招く最悪のシナリオと回避策
剛性計算の結果だけを見て「とにかく剛性の高いカップリングに変えれば解決する」と判断すると、現場で重大なトラブルを引き起こすことになります。
若手設計者が陥る最悪のシナリオ
最も避けなければならない事態は、「イナーシャ比の過大を見落としたまま極度に硬いカップリングを採用し、制御ハンチングが収まらないばかりか、わずかな芯ズレによる過大なラジアル反力でモータ軸折損やサポートユニット軸受の早期破損・焼き付きを招く」というシナリオです。
ディスク型などの超高剛性カップリングは、ねじり方向のたわみが極めて小さい反面、軸方向の偏心や偏角に対する許容値が狭小です。組付け誤差が存在する状態で剛性のみを跳ね上げると、回転ごとに軸受へ過大な曲げ荷重とラジアル反力が加わり、異音の悪化だけでなく機構部品の致命的な破損を招きます。
機械・制御・製造の3方向から攻めるプロの回避策
このトラブルを根本から防ぐためには、単一部品の変更に頼らず、以下の複合的な対策を講じるのが定石です。
- イナーシャ比の適正化(機構側):可動部テーブルの肉抜き軽量化や、ボールねじリードの選定見直し(リードを小さくしてモータ軸換算イナーシャを下げる)を行い、J_L / J_M を推奨値内に収めます。
- 制御フィルタの適用(制御側):サーボアンプのオートチューニング機能を活用し、特定周波数のゲインを下げるノッチフィルタを設定して共振周波数を電気的に減衰させます。
- ダブルディスク型の採用と芯出し管理(製造・組付側):偏心を逃がす柔軟性を持たせるため、シングルディスクではなく中間スペーサーを備えた「ダブルディスク型」を採用します。その上で、モータブラケットにインロー加工を施し、ダイヤルゲージを用いた芯出し作業(振れ0.02mm以下)を図面指示および作業標準に落とし込んでください。
まとめ
ボールねじ駆動機構の停止時振動を解決するためには、カップリングのねじり剛性計算(fnの引き上げ)だけでなく、負荷慣性モーメント比の抑制、アンプ側ノッチフィルタの併用、そして取付精度の徹底管理をセットで進めることが不可欠です。
机上計算で安全率を満たしているように見えても、実際の組付け剛性やアライメント誤差によって動特性は変化します。最終仕様の決定にあたっては、必ず実機(プロトタイプ)での検証を行い、安定した位置決め応答が得られているかを確認してください。
💡 体系的に深く学びたい方はこちら