モーターパラメータ
計算結果
基本方程式
$T = \dfrac{K_t}{R_a}(V - K_e\omega)$
$P_{mech}= T\omega,\quad \eta = \dfrac{T\omega}{VI_a}$
実務メモ： サーボアンプはPWMで実効電圧を変化させトルク-速度特性を変えます。Raが小さいほど特性曲線は急峻になります。
サーボモーター特性・トルク-速度曲線とは
🧑🎓
このグラフの線は、モーターのどんな状態を表しているんですか？
🎓
ざっくり言うと、モーターが出せるトルクと回転数の関係だね。左端は回転数ゼロ（止まっている）状態で最大トルクが出せる「停動トルク」、右端はトルクゼロで回転数が最大の「無負荷回転数」だ。上の「電源電圧V」のスライダーを動かすと、この線全体が伸び縮みするのがわかるよ。
🧑🎓
「トルク定数Kt」と「逆起電力定数Ke」って何が違うんですか？数値を変えるとグラフがどう変わりますか？
🎓
Ktは「電流がどれだけトルクに変わるか」、Keは「回転がどれだけ逆起電力（ブレーキ役の電圧）を生むか」の定数だ。理想的なモーターではこの二つは数値が等しくなる。シミュレーターで試してみて、Ktだけを大きくすると停動トルクが上がるけど、Keを同じ値にしないと無負荷回転数が変わらない、という現象が観察できるよ。
🧑🎓
効率のカーブに山があるみたいです。最高効率が出るのはどんな時なんですか？
🎓
良いところに気づいたね！モーターはフルパワー（停動トルク）でも、無負荷（最高回転）でも効率は悪い。最高効率は、だいたい停動トルクの30〜50%くらいの負荷で得られるんだ。右側の「効率」のグラフを見ながら、「電機子抵抗Ra」の値を小さくしてみてごらん。抵抗が小さいほど、効率の山が高く、広くなるのがわかるはずだ。
物理モデルと主要な数式
DCサーボモーターの基本的な動作は、電機子回路の電圧平衡式とトルク発生の式で表されます。電源電圧Vは、抵抗Raによる電圧降下と、回転によって発生する逆起電力Keω、そして電機子インダクタンスによる電圧に分けられますが、定常状態では次式が成立します。
$$V = R_a I_a + K_e \omega$$
ここで、$V$: 電源電圧 [V], $R_a$: 電機子抵抗 [Ω], $I_a$: 電機子電流 [A], $K_e$: 逆起電力定数 [Vs/rad], $\omega$: 角速度 [rad/s] です。この式は「供給電圧は、抵抗での消費と、回転による発電で打ち消される」ことを意味します。
発生する機械的トルクTは、電機子電流Iaに比例します。この関係と上の式を組み合わせることで、トルクTと速度ωの関係式（トルク-速度特性）が導出されます。
$$T = K_t I_a = \frac{K_t}{R_a}(V - K_e \omega)$$
ここで、$T$: 発生トルク [Nm], $K_t$: トルク定数 [Nm/A] です。この式がシミュレーターで描いている直線の正体です。ω=0とすると停動トルク $T_{stall}= \frac{K_t V}{R_a}$ が、T=0とすると無負荷回転数 $\omega_0 = \frac{V}{K_e}$ が求まります。
実世界での応用
産業用ロボットアーム：関節の駆動にサーボモーターが使われます。アームが重い物を持ち上げる（高トルク低速度）時と、素早く移動する（低トルク高速度）時の動作点が、このトルク-速度曲線のどこに位置するかを設計時にシミュレーションします。効率が悪い領域での連続運転は発熱問題を引き起こします。
CNC工作機械の送り軸：切削抵抗に応じて必要なトルクが変化します。モーターと駆動系の慣性モーメント（パラメータJ）が大きいと加速・減速時の過渡応答が遅くなるため、曲線だけでなく動的な特性もCAEで評価します。
電気自動車の駆動モーター：広い速度範囲で高い効率を維持することが燃費に直結します。実務では、このような特性曲線を基に、モーターと減速ギアの組み合わせを最適化し、車両の要求トルク-速度領域を最高効率域でカバーする設計が行われます。
サーボアンプ（ドライバ）の制御設計：実際の制御では、電源電圧VをPWM（パルス幅変調）で実効的に変化させて、このトルク-速度曲線そのものをシフトさせ、目標のトルクと速度を実現します。CAEシミュレーションでは、モーター特性と制御器の応答を連成させたモデルを構築します。
よくある誤解と注意点
このシミュレーターを使い始める際、特にCAE初心者がハマりがちな落とし穴がいくつかあります。まず第一に、「トルク定数Ktと逆起電力定数Keは、単位が違うだけで同じ値」と思い込むことです。確かに理想的なモーターでは数値が一致しますが、実機では設計や磁気飽和の影響で差が出ることがあります。データシートに両方の値が載っていればそれを使い、Keしかなければ「Ke ≒ Kt」と仮置きしてスタートするのが現実的なやり方です。
次に、電機子抵抗Raを過小評価しがちな点。この値は温度で大きく変動します。データシートの値は常温（25℃）でのもの。実際の連続運転ではコイルが熱を持ち、抵抗が1.5倍になることも珍しくありません。例えば、Ra=1Ωと入力して最高効率を求めても、実機では熱くなった段階で効率のピークがずれ、出力が低下する可能性があります。熱対策を考える際は、想定する最高動作温度での抵抗値を使ったシミュレーションも行いましょう。
最後に、このツールが示すのは「モーター単体の定常状態」の特性だという根本的な理解です。実際の装置では、減速機の効率や慣性モーメント、ドライバの電流制限が曲線を大きく変えます。例えば、停動トルクが1Nmのモーターに10:1の減速機をつけても、減速機効率が80%なら出力軸で得られるトルクは8Nm止まりです。この「システムとしての特性」を評価するには、次のステップとして減速機や負荷慣性を加えたモデリングが必要です。
関連する工学分野
このトルク-速度曲線の計算は、DCサーボモーターの理解の入口に過ぎません。ここから紐解いていくと、制御工学、熱流体解析、機構力学といった重要な工学分野と直結していることがわかります。
まず制御工学。この直線的な特性は、速度制御や位置制御の「プラントモデル」そのものです。例えば、比例積分（PI）制御器を設計する時、この曲線の傾き（速度変化に対するトルクの感度）がシステムのゲイン設計に直接影響します。また、電流制限値はモーターの出力を規定するため、制御系の飽和非線形要素としてモデルに組み込まれます。
次に熱流体解析（熱CAE）。損失 $P_{loss} = I_a^2 R_a$ は全て熱に変わります。この発熱量を元に、モーターケースの熱抵抗や放熱フィンの性能をシミュレーションし、許容温度を超えないかを確認します。連続運転領域を決めるのは、実はこの熱的な限界であることが多いのです。
さらに機構力学（多体系ダイナミクス）。モーターはロボットアームや搬送装置の「関節」として使われます。この時、負荷の慣性モーメントJが加速トルク $T_{acc} = J \frac{d\omega}{dt}$ を要求し、トルク-速度曲線上の動作点を瞬間瞬間で移動させます。動的な動作を評価するには、この慣性と曲線を組み合わせた過渡応答解析が不可欠です。
発展的な学習のために
このツールで直感的な理解ができたら、次のステップは「数式を自分の手でいじってみる」ことです。まずは、導出されたトルク-速度の式 $$T = \frac{K_t}{R_a}(V - K_e \omega)$$ を、エクセルやPython（NumPy）で再現してみましょう。パラメータを変えた時の曲線の変化を、シミュレーターの結果と比較することで、式の意味が血肉となります。
その次におすすめなのは、「過渡状態」のモデル化です。定常状態の式には無かった電機子インダクタンスLaと、負荷の慣性モーメントJを加えます。これにより、電圧を印加してから速度が立ち上がるまでの「時系列」を表す微分方程式系を立てることができます。例えば、 $$\begin{cases} V = R_a I_a + L_a \frac{dI_a}{dt} + K_e \omega \\ T = K_t I_a = J \frac{d\omega}{dt} + T_{load} \end{cases}$$ この連立方程式を解くことで、加速時間や電流サージを評価できるようになります。
最終的には、これらの知識を統合し、モーター、ドライバ、制御器、機械負荷を一体としたシステムシミュレーションに挑戦しましょう。ツールとしては、MATLAB/Simulink、PythonのSimPyやModelicaなどの物理モデリング言語が有力です。ここまでできれば、単なる部品選定から、性能、発熱、応答性をすべて考慮した「最適設計」の領域に踏み込むことができます。