1.一种机械学习器，学习对设于机械装置的电动机进行冷却的风扇电动机的清扫频率，该机械学习器的特征在于，具备：
状态观测部，其观测所述机械装置的状态；以及
学习部，其基于由所述状态观测部观测到的状态量，来更新清扫所述风扇电动机的行为价值表。
2.根据权利要求1所述的机械学习器，其特征在于，
所述状态观测部观测所述电动机的电流、电压、温度及转差率、所述风扇电动机的清扫间隔以及所述机械装置的运转率中的至少1个状态量，
所述学习部基于由所述状态观测部观测到的所述电动机的电流、电压、温度及转差率、所述风扇电动机的清扫间隔以及所述机械装置的运转率中的至少1个状态量，来更新清扫所述风扇电动机的行为价值表。
3.根据权利要求2所述的机械学习器，其特征在于，
所述状态观测部进行如下动作：
接收所述电动机的电流、电压、温度以及转差率的第1状态量，作为从所述电动机向控制所述电动机的电动机控制部的反馈信号；
从所述电动机控制部接收所述风扇电动机的清扫间隔以及所述机械装置的运转率的第2状态量。
4.根据权利要求2或3所述的机械学习器，其特征在于，
所述状态观测部还观测所述电动机的周围温度的状态量，
所述学习部还考虑由所述状态观测部观测到的所述电动机的周围温度的状态量，来更新清扫所述风扇电动机的行为价值表。
5.根据权利要求4所述的机械学习器，其特征在于，
所述状态观测部从配置于所述电动机附近的温度测量部接收所述电动机的周围温度的第3状态量。
6.根据权利要求1～5中任一项所述的机械学习器，其特征在于，
所述学习部包括：
回报计算部，其基于由所述状态观测部观测到的状态量来计算回报；以及
价值函数更新部，其基于由所述回报计算部计算出的回报，来更新根据当前的状态变量决定所述风扇电动机的清扫间隔的变化量的函数。
7.根据权利要求6所述的机械学习器，其特征在于，
所述机械学习器还包括：意图决定部，其基于所述学习部的学习结果，根据当前的状态变量来决定是否清扫所述风扇电动机。
8.根据权利要求7所述的机械学习器，其特征在于，
所述回报计算部进行如下动作：
基于所述风扇电动机的清扫间隔的增大、观测到的所述电动机的温度与所述电动机的预测温度之间的差异的缩小、或者所述机械装置的运转率的降低给予较小的回报，
基于所述风扇电动机的清扫间隔的缩短、观测到的所述电动机的温度与所述电动机的预测温度之间的差异的增大、或者所述机械装置的运转率的上升给予较大的回报。
9.根据权利要求7或8所述的机械学习器，其特征在于，
该机械学习器还包括：警报输出部，其在清扫所述风扇电动机时，基于所述意图决定部的输出来输出警报。
10.根据权利要求1～9中任一项所述的机械学习器，其特征在于，
所述机械学习器具有神经网络。
11.一种电动机控制系统，包括多个权利要求6～10中任一项所述的机械学习器，该电动机控制系统的特征在于，
该电动机控制系统具有在多个所述机械学习器之间交换数据的单元，利用由多个所述机械学习器中的1个机械学习器的价值函数更新部更新后的函数，来更新其他机械学习器的价值函数更新部的函数。
12.根据权利要求11所述的电动机控制系统，其特征在于，
所述电动机控制系统包括多个所述电动机以及所述风扇电动机，所述机械学习器被设置成与各个所述风扇电动机相对应，利用通信介质共享或者相互交换所述机械学习器学习到的所述状态变量。
13.一种机械学习方法，学习对设于机械装置的电动机进行冷却的风扇电动机的清扫频率，该机械学习方法的特征在于，
观测所述机械装置的状态，
基于观测到的状态量来更新清扫所述风扇电动机的行为价值表。
14.根据权利要求13所述的机械学习方法，其特征在于，
所述机械装置的状态的观测是指，观测所述电动机的电流、电压、温度及转差率、所述风扇电动机的清扫间隔以及所述机械装置的运转率中的至少1个状态量，
清扫所述风扇电动机的行为价值表的更新是指，基于观测到的所述电动机的电流、电压、温度及转差率、所述风扇电动机的清扫间隔以及所述机械装置的运转率中的至少1个状态量，来更新清扫所述风扇电动机的行为价值表。
15.根据权利要求14所述的机械学习方法，其特征在于，
所述机械装置的状态的观测还指，观测所述电动机的周围温度的状态量，
清扫所述风扇电动机的行为价值表的更新是指，考虑观测到的所述电动机的周围温度的状态量，来更新清扫所述风扇电动机的行为价值表。