CN108628256B - 机械学习装置以及热位移修正装置 - Google Patents
机械学习装置以及热位移修正装置 Download PDFInfo
- Publication number
- CN108628256B CN108628256B CN201810215390.2A CN201810215390A CN108628256B CN 108628256 B CN108628256 B CN 108628256B CN 201810215390 A CN201810215390 A CN 201810215390A CN 108628256 B CN108628256 B CN 108628256B
- Authority
- CN
- China
- Prior art keywords
- mentioned
- displacement amount
- measurement data
- rote learning
- heat displacement
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/414—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller
- G05B19/4142—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller characterised by the use of a microprocessor
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/182—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by the machine tool function, e.g. thread cutting, cam making, tool direction control
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/404—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by control arrangements for compensation, e.g. for backlash, overshoot, tool offset, tool wear, temperature, machine construction errors, load, inertia
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/34—Director, elements to supervisory
- G05B2219/34013—Servocontroller
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/49—Nc machine tool, till multiple
- G05B2219/49206—Compensation temperature, thermal displacement, use measured temperature
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/49—Nc machine tool, till multiple
- G05B2219/49209—Compensation by using temperature feelers on slide, base, workhead
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/49—Nc machine tool, till multiple
- G05B2219/49219—Compensation temperature, thermal displacement
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/49—Nc machine tool, till multiple
- G05B2219/49307—Learn, learn operational zone, feed, speed to avoid tool breakage
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Computer Hardware Design (AREA)
- Automatic Control Of Machine Tools (AREA)
- Numerical Control (AREA)
Abstract
提供可以低计算成本实施高精度的修正式的导出的机械学习装置以及热位移修正装置。热位移量预测计算式使用测量数据的时间延迟要素,计算式学习部具备:第一学习部,其根据将测量数据群代入热位移量预测计算式而计算出的机械要素的热位移量的推定值与机械要素的热位移量的实际测量值之间的差异,将热位移量预测计算式中除时间延迟要素相关的系数外的与测量数据相关的系数固定为预定值,通过机械学习设定与时间延迟要素相关的系数;第二学习部,其根据上述差异,将热位移量预测计算式中时间延迟要素相关的系数固定为预定值,通过机械学习设定除时间延迟要素相关的系数外的与测量数据相关的系数及重复部,其重复第一学习部和第二学习部的机械学习。
Description
技术领域
本发明涉及适用于机床的机械学习装置以及热位移修正装置。
背景技术
作为机床的加工误差的主要原因之一,有由于机床的机械要素的热膨胀而在工具和工件之间产生相对的热位移的问题。更具体地说,作为机床的结构要素,例如列举有主轴、主轴装置、床、柱、工件工作台、工具等。由于主轴旋转造成的发热、主轴驱动电动机的发热、从冷却液供给装置提供给工具的冷却液造成的吸热、从润滑油供给装置提供给主轴轴承的润滑油造成的吸热等,特别以主轴为中心,上述结构要素会热变形,并且会在工具与工件之间产生相对的热位移。
对此,目前使用以下一种技术,即考虑接近机床主轴的热源或室外气温等各种热源造成的主轴热膨胀的影响,通过修正用于控制机床的数值控制装置的指令值来提高加工精度(例如专利文献1)。
专利文献1:日本特开平7-75937号公报
发明内容
但是,在专利文献1记载的技术中,作为机床的特性值的取得方法只是简单涉及设置多个温度传感器的情况,不保证高精度的修正。
另外,通过热传导使由温度传感器测量到的热扩散并到热膨胀为止花费时间,因此高精度的修正需要时间延迟的评价,修正式将复杂化。
另外,由于装载数值控制装置的机械使结构或部件发生变化,因此根据机械的类别,最佳的热位移修正式会发生变化。
另外,在专利文献1记载的技术中,为了热位移量的推定而使用神经网络,但是以神经网络为代表的机械学习中通常需要大量的计算量,因此在廉价的数值控制装置中不能够处理复杂的模型。
鉴于这种情况,本发明目的为提供能够通过较少计算量实施高精度的修正式导出的机械学习装置以及能够进行基于上述修正式的高精度的修正的热位移修正装置。
(1)本发明的机械学习装置(例如后述的机械学习装置10、10A)通过机械学习将根据测量数据群推定上述机械要素的热位移量的计算式最优化,该测量数据群包括具有进行热膨胀的机械要素的机床(例如后述的机床35)的上述机械要素及其周边的温度数据和/或上述机械要素的动作状态数据,该机械学习装置具备:测量数据取得部(例如后述的测量数据取得部11),其取得上述测量数据群;热位移量取得部(例如后述的热位移量取得部12),其取得上述机械要素的热位移量的实际测量值;存储部(例如后述的存储部13),其将通过上述测量数据取得部取得的上述测量数据群作为输入数据,将通过上述热位移量取得部取得的上述机械要素的热位移量的实际测量值作为标签相互关联地存储为教师数据;以及计算式学习部(例如后述的计算式学习部14),其根据上述测量数据群和上述机械要素的热位移量的实际测量值来进行机械学习,由此设定根据上述测量数据群计算上述机械要素的热位移量的热位移量预测计算式,上述热位移量预测计算式使用测量数据的时间延迟要素,上述计算式学习部具备:第一学习部(例如后述的第一学习部14A),其根据将作为教师数据而存储在上述存储部中的预定期间内的上述测量数据群代入上述热位移量预测计算式而计算出的上述机械要素的热位移量的推定值与作为标签而存储在上述存储部中的上述预定期间内的上述机械要素的热位移量的实际测量值之间的差异,将上述热位移量预测计算式中的除与上述时间延迟要素相关的系数外的与上述测量数据相关的系数固定为预定值,通过机械学习设定与上述时间延迟要素相关的系数;第二学习部(例如后述的第二学习部14B),其根据上述差异,将上述热位移量预测计算式中的与上述时间延迟要素相关的系数固定为预定值,通过机械学习设定除上述时间延迟要素的系数外的上述测量数据相关的系数;以及重复部(例如后述的重复部14C),其重复上述第一学习部的机械学习和上述第二学习部的机械学习,使得将通过进行上述第一学习部的机械学习而设定的上述热位移量预测计算式中的与上述时间延迟要素相关的系数进行固定,执行上述第二学习部的机械学习,将通过进行上述第二学习部的机械学习而设定的上述热位移量预测计算式中的除与上述时间延迟要素相关的系数外的与上述测量数据相关的系数进行固定,执行上述第一学习部的机械学习。
(2)在(1)的机械学习装置中,上述测量数据取得部(例如后述的测量数据取得部11)进一步通过将测量数据追加到上述测量数据群中和/或从上述测量数据群排除测量数据,来取得第二测量数据群,将上述第二测量数据群作为输入数据存储于上述存储部(例如后述的存储部13),上述计算式学习部(例如后述的计算式学习部14)进一步设定根据上述第二测量数据群计算上述机械要素的热位移量的第二热位移量预测计算式。
(3)在(1)或(2)的机械学习装置中,上述时间延迟要素可以是上述测量数据群中包括的测量数据的1次延迟要素。
(4)在(1)或(2)的机械学习装置中,上述时间延迟要素可以是上述测量数据群中包括的测量数据的时间移位要素。
(5)在(1)~(4)的机械学习装置中,上述第二学习部(例如后述的第二学习部14B)可以进行基于多元回归分析模型而设定的上述热位移量预测计算式的机械学习。
(6)(1)~(5)的机械学习装置可以被包括在上述机床(例如后述的机床35)的控制装置(例如后述的控制装置30)中。
(7)本发明的热位移修正装置(例如后述的热位移修正装置20)具备:修正量计算部(例如后述的修正量计算部22),其根据通过(1)~(6)的机械学习装置(例如后述的机械学习装置10)而设定的热位移量预测计算式,计算与根据上述测量数据群计算出的上述机械要素的热位移量对应的修正量;以及修正部(例如后述的修正部24),其根据由上述修正量计算部计算出的上述机械要素的修正量来修正上述机械要素的机械位置。
(8)(7)的热位移修正装置包括在上述机床(例如后述的机床35)的控制装置(例如后述的控制装置30)中。
根据本发明,能够通过较少的计算量实施高精度的修正式的导出,并能够根据上述修正式进行高精度的修正。
附图说明
图1是表示本发明第一实施方式的热位移修正系统的框图。
图2是表示本发明第一实施方式的机械学习装置以及热位移修正装置的详细的框图。
图3是表示本发明第一实施方式的计算机学习部的细节的框图。
图4是表示本发明第一实施方式的机床以及控制装置的细节的框图。
图5是表示本发明第一实施方式的机械学习装置的机械学习时的动作的流程图。
图6A是表示本发明第一实施方式的机械学习装置的机械学习时的动作的流程图。
图6B是表示本发明第一实施方式的机械学习装置的机械学习时的动作的流程图。
图7是表示本发明第一实施方式的热位移修正装置的修正时的动作的流程图。
图8A是表示本发明第二实施方式的机械学习装置的机械学习时的动作的流程图。
图8B是表示本发明第二实施方式的机械学习装置的机械学习时的动作的流程图。
附图标记的说明
10、10A:机械学习装置;11:测量数据取得部;12:热位移量取得部;13:存储部;14:计算式学习部;14A:第一学习部;14B:第二学习部;14C:重复部;15:贡献度判定部;16:最优化测量数据选定部;17:检测部;20:热位移修正装置;22:修正量计算部;24:修正部;30:控制装置;35:机床;40:网络;100:热位移修正系统。
具体实施方式
[第一实施方式]
以下,根据附图说明本发明的第一实施方式。图1是表示本实施方式的热位移修正系统的框图。图2是表示本实施方式的机械学习装置以及热位移修正装置的细节的框图。图3是表示本实施方式的计算机学习部的细节的框图。图4是表示本实施方式的机床以及控制装置的细节的框图。
<热位移修正系统100的结构>
首先,说明本实施方式的热位移修正系统100的结构。如图1所示,热位移修正系统100具备机械学习装置10、热位移修正装置20、控制装置30、机床35以及网络40。另外,机械学习装置10、热位移修正装置20、控制装置30、机床35可以是1台也可以是多台。
这里,控制装置30和机床35为1对1的组,能够通信地连接。这些控制装置30和机床35的组例如可以在相同的工厂设置多个组,也可以设置在分别不同的工厂。
另外,机械学习装置10、热位移修正装置20、控制装置30、机床35分别与网络40连接,能够经由网络40相互进行通信。网络40是例如在工厂内构筑的LAN(Local AreaNetwork局域网)、英特网、公用电话网或者这些的组合。关于
网络40的具体通信方式是有线连接以及无线连接的哪一个等并没有特别限定。另外,热位移修正装置20和控制装置30可以不是使用了网络40的通信,而经由连接部直接连接,机械学习装置10和控制装置30也可以经由连接部直接连接。
接着,根据图2说明热位移修正系统100中包括的这些装置的功能。图2是表示各个装置中包括的功能块的框图。另外,各个热位移修正装置20具有分别相同的功能,因此图2中只图示1台。同样,各个控制装置30或各个机床35也分别具有相同的功能,因此图2中只图示1台。另外,关于存在于各个装置间的网络40,省略其图示。
如图4所示,机床35通过安装有刀具并通过主轴电动机37而旋转的主轴36和送出该主轴36的进给轴38来进行切削加工。即,该刀具通过驱动主轴36的主轴电动机37而旋转,并通过驱动进给轴38的进给轴电动机39而被送出。另外,在实施例中,将机床35作为切削机械进行说明,但是不限于此。
如图2以及图4所示,控制装置30进行控制,使得对机床35送出控制信号,从而机床35进行预定的切削加工。控制装置30中存储根据工件的加工内容决定的多个加工程序31。并且,控制装置30具备:程序读取解释部32,其通过读取加工程序31并进行解释,来抽出切削加工的条件(例如主轴的加减速的频率、转速、切削负荷、切削时间)并将位置指令数据等输出给热位移修正装置20;电动机控制部33,其根据从热位移修正装置20输出的热位移修正后的位置指令数据,生成驱动机床35的主轴电动机37以及进给轴电动机39的动作指令;电动机驱动放大器34A,其放大动作指令并输出给机床35的主轴电动机37;以及电动机驱动放大器34B,其放大动作指令并输出给进给机床35的轴电动机39。另外,程序读取解释部32可以抽出切削加工的条件(例如主轴的加减速的频率、转速、切削负荷、切削时间)并输出给热位移修正装置20。另外,关于转速和切削时间等,控制装置30也可以将从主轴电动机37和/或进给轴电动机39实时得到的信息输出给热位移修正装置20。
另外,存在多个为了取得测量数据而将安装在机床35上的传感器与控制装置30连接的端子。通过从该端子拔插传感器的电缆,能够追加或拆除与控制装置30连接,且设置在机床35上的传感器。另外,能够变更设置在机床35上的传感器的配置。另外,关于传感器的配置变更能够以从机床35的设置场所拆除并将该传感器加到设置变更场所的方式进行处理。
如图2所示,机械学习装置10通过有监督机械学习来学习机床35的热位移量预测计算式。因此,机械学习装置10具备测量数据取得部11、热位移量取得部12、存储部13以及计算式学习部14。
测量数据取得部11从控制装置30取得测量数据群。这里,测量数据可以包括通过温度传感器测量到的机床35的机械要素与其周边的温度数据。进一步,测量数据可以包括机床35的机械要素的动作状态数据,具体地说例如机床35的主轴转速、针对主轴的冷却液流量、针对主轴轴承的润滑油量等不能够粘贴温度传感器的场所的物理属性值。
热位移量取得部12取得例如通过探测器检测出的机床35的机械要素的热位移量的实际测量值。
存储部13将通过测量数据取得部11取得的测量数据群作为输入数据,将通过热位移取得部12取得的机械要素的热位移量的实际测量值作为标签,相互关联地存储为教师数据。
计算式学习部14根据测量数据群和机械要素的热位移量的实际测量值进行机械学习,由此设定根据测量数据群计算机械要素的热位移量的热位移量预测计算式。热位移量预测计算式增加了测量数据的时间延迟要素。
更具体地说,测量数据群内存在多个独立变量,因此对于根据一般化线形模型的多元回归分析而设定的多项式,使用增加了测量数据的时间延迟要素的热位移量预测计算式。作为时间延迟要素,例如能够使用测量数据的1次延迟要素,也能够使用测量数据的时间移位要素。
在将时刻t的热位移量的推定值设为Y(t),并将时刻t的传感器Xk的测量值设为Xk(t)时,作为时间延迟要素而使用了测量数据的1次延迟要素的热位移量预测计算式成为以下的公式(1)。
[公式1]
这里,a1、a2……an是通过多元回归分析决定的系数,b1、b2……bn以及Tk是与延迟量对应的系数。另外,△tk是传感器Xk的测量值的采样时间。
另外,在将时刻t的热位移量的推定值设为Y(t),并将时刻t的传感器Xk的测量值设为Xk(t)时,作为时间延迟要素而使用了测量数据的时间移位要素的热位移量预测计算式成为以下的公式(2)。
[公式2]
这里,a0、a1……an是通过多元回归分析决定的系数,Tk、bk0、bk1……bkTk是与延迟量对应的系数。另外,△tk是传感器Xk的测量值的采样时间。
计算式学习部14设定应该求出的热位移量预测计算式,并根据代入作为教师数据存储在存储部13中的预定期间内的测量数据群而计算出的机械要素的热位移量的推定值与作为标签存储在存储部13中的预定期间内的机械要素的热位移量的实际测量值之间的差异,例如通过最小平方法等以差异成为最小的方式设定热位移量预测计算式。
另外,具体地说,计算式学习部14将测量数据(输入数据)设为X1、X2……Xn,在对于构成机床的主轴、床、柱等结构要素的每一个将热位移量的预测值作为f(X1、X2……,Xn)(n是自然数)、将热位移量的实际测量值作为YL时,设定f(X1、X2……,Xn)与YL之间的差异成为最小的热位移量预测计算式。
图3表示计算式学习部14的细节。具体地说,计算式学习部14具备第一学习部14A、第二学习部14B以及重复部14C。
第一学习部14A将热位移量预测计算式中的除去与时间延迟要素相关的系数外的与测量数据相关的系数固定为预定值,将测量数据(输入数据)设为X1、X2……Xn,对于构成机床的主轴、床、柱等结构要素的每一个将热位移量的预测值设为f(X1、X2……,Xn)(n是自然数)、将热位移量的实际测量值设为YL时,通过机械学习设定与时间延迟要素相关的系数,使得f(X1、X2……,Xn)与YL之间的差异成为最小。
第二学习部14B将热位移量预测计算式中的与时间延迟要素相关的系数固定为预定值,将测量数据(输入数据)设为X1、X2……Xn,对于构成机床的主轴、床、柱等结构要素的每一个将热位移量的预测值设为f(X1、X2……,Xn)(n是自然数)、将热位移量的实际测量值设为YL时,通过机械学习设定除去与时间延迟要素相关的系数外的与测量数据相关的系数,使得f(X1、X2……,Xn)与YL之间的差异成为最小。
重复部14C重复第一学习部14A进行的机械学习和第二学习部14B进行的机械学习。更具体地说,重复部14C例如在初始设定的热位移量预测计算式中,在固定热位移量预测计算式中的除去与时间延迟要素相关的系数外的与测量数据相关的系数后,执行由第一学习部14A进行的机械学习,由此暂时设定热位移量预测计算式中的与时间延迟要素相关的系数。接着,重复部14C在这样地暂时设定的热位移量预测计算式中固定预测计算式中的与时间延迟要素相关的系数后,执行由第二学习部14B进行的机械学习,通过执行第二学习部14B进行的机械学习来暂时设定热位移量预测计算式中的除去与时间延迟要素相关的系数外的与测量数据相关的系数。在重复部14C进一步在这样地暂时设定的热位移量预测计算式中再次在固定热位移量预测计算式中的除去与时间延迟要素相关的系数外的与测量数据相关的系数后,执行由第一学习部14A进行的机械学习来重复第一学习部14A进行的机械学习和第二学习部14B进行的机械学习。
重复部14C在满足了预先设定的结束条件时结束上述的重复。这里,作为结束条件举出以下情况,例如使用当前时间点暂时设定的热位移量预测计算式计算出的热位移量推定值与热位移量实际测量值之间的误差为阈值以内,该热位移量预测计算式的精度为预定值以上。
这样,计算式学习部14对于复杂的热位移量预测计算式,也能够通过重复由第一学习部14A进行的机械学习、第二学习部14B进行的机械学习,减少同时执行的计算量,也能够装载到比较廉价的装置上。
如图2所示,热位移修正装置20具备作为修正量计算单元的修正量计算部22和作为修正执行单元的修正部24。
修正量计算部22根据通过机械学习装置10设定的热位移量预测计算式来计算与根据测量数据群(判定数据)计算出的机械要素的热位移量对应的修正量。
修正部24根据由修正量计算部22计算出的机械要素的修正量来修正机械要素的机械位置。或者,修正部24将该机械要素的修正量发送给控制装置30。更具体地说,如图4所示,修正部24在使用该机械要素的修正量修正从控制装置30的程序读取解释部32输出的切削加工的条件后,将位置指令据据输出给电动机控制部33。
<机械学习时的动作>
接着,说明本实施方式的热位移修正系统100的机械学习时的动作。图5是表示该机械学习时的机械学习装置10的动作的流程图。
在步骤S11中,机械学习装置10的测量数据取得部11从控制装置30取得测量数据群。更具体地说,测量数据取得部11取得机床35的机械要素及其周边的温度数据和/或动作状态数据。作为动作状态数据例如可以包括主轴的转速、冷却液流量以及润滑油流量。
另外,例如可以不取得温度自身的数据而取得温度变化量的数据作为测量数据。进一步,可以取得从初始温度的温度变化量的数据作为温度变化量的数据,也可以取得从上次测量到的温度到这次测量到的温度位置的温度变化量的数据。
另外,作为动作状态数据可以包括冷却液的吸热量、润滑油吸热量。
在步骤S12中,机械学习装置10的热位移量取得部12取得例如通过探测器检测出的机床35的机械要素的热位移量的实际测量值。具体地说,例如可以测量热位移量的X、Y、Z轴方向成分,并将这些测量值的组作为实际测量值。
在步骤S13中,机械学习装置10的存储部13将通过测量数据取得部11取得的测量数据群作为输入数据,将通过热位移量取得部12取得的机械要素的热位移量的实际测量值作为标签,作为相互关联的组存储为教师数据。
另外,机械学习装置10在通过在线连续取得该教师数据后,能够执行后述的机械学习。或者,在预先取得所有的教师数据作为批量数据后,能够使用该批量数据执行后述的机械学习。或者,在将该批量数据分割为多个小的组并作为小批量数据后,能够使用该小批量数据执行后述的机械学习。
在步骤S14中,机械学习装置10的计算式学习部14根据该教师数据执行机械学习。后面详细描述步骤S14。
在步骤S15中,机械学习装置10的计算式学习部14判定是结束机械学习还是重复机械学习。这里,能够如上述那样任意地决定使机械学习结束的结束条件。这里,在结束机械学习时(S15:是),处理转到步骤S16。在重复机械学习时(S15:否),处理返回步骤S11,重复相同的处理。
在步骤S16中,机械学习装置10经由网络40将通过到该时间点为止的机械学习而设定的热位移量预测计算式发送给各个热位移修正装置20。
另外,机械学习装置10的存储部13存储该热位移量预测计算式。由此,在从新设置的热位移修正装置20请求热位移量预测计算式时,能够将该热位移量预测计算式发送给该热位移修正装置20。另外,在取得了新的教师数据时,能够进行进一步的机械学习。
<机械学习方法的细节>
如上所述,在图4的步骤S14中,计算式学习部14使用教师数据实施机械学习,详细描述该方法。
作为第一方法,通过使用了最小平方法的机械学习来推论并设定公式(1)即通过使用了测量数据的1次延迟要素的热位移量预测计算式计算出的热位移量的推定值与热位移量的实际测量值之间的双重误差成为最小的系数。
更具体地说,在将测量数据设为Xk,将标签设为YL时,求出将公式(3)对多个教师数据进行合计后的值成为最小的系数ak、bk以及Tk的组。另外,n是自然数,表示学习所使用的教师数据的测量得分。
[公式3]
作为第二方法,通过使用最小平方法的机械学习来推论并设定公式(2)即通过使用测量数据的时间移位要素的热位移量预测计算式计算出的热位移量的推定值与热位移量的实际测量值之间的双重误差成为最小的系数。
更具体地说,在将测量数据设为Xk,将标签设为YL时,求出将公式(4)对多个教师数据进行合计后的值成为最小的系数ak、bkτ以及Tk的组。另外,n是自然数,表示学习所使用的教师数据的测量得分。
[公式4]
关于第一方法的公式(1)的ak、bk、Tk,重复在固定了与时间没有关联的参数ak的状态下的由与时间关联的参数bk以及Tk的机械学习进行的设定、在固定了与时间关联的参数bk以及Tk的状态下的由与时间没有关联的参数ak的机械学习进行的设定,从而决定ak、bk以及Tk的组。图6A是表示用于实施该决定方法的步骤S14的子步骤的流程图。
在步骤S14A中,第一学习部14A使用教师数据,在只固定了ak的状态下通过机械学习设定bk以及Tk。
在步骤S14B中,重复部14C将机械学习的主体切换为第二学习部14B,第二学习部14B在使用教师数据将bk以及Tk固定为在步骤S14A中设定的值的状态下,通过机械学习只设定ak。
在步骤S14C中,在利用使用了当前时间点ak、bk以及Tk的热位移量预测式计算出的热位移量推定值与热位移量实际测量值之间的误差在阈值以内时(S14C:是),即在当前时间点的热位移量预测式的精度为预定值以上时,结束处理。当上述误差超过阈值时(S14C:否),处理返回步骤S14A。具体地说,在步骤S14A中,重复部14C将机械学习的主体切换为第一学习部14A,第一学习部14A在只将ak固定为在步骤S14B设定的值的状态下,通过机械学习设定bk以及Tk。
关于第二方法的公式(2)的ak、bkτ、Tk,重复在固定了与时间没有关联的参数ak的状态下的由与时间关联的参数bk0、bk1……bkTk以及Tk的机械学习进行的设定、在固定了与时间关联的参数bk0、bk1……bkTk以及Tk的状态下的由与时间没有关联的参数ak的机械学习进行的设定,从而决定ak、bkτ、Tk。图6B是表示用于实施该决定方法的步骤S14的子步骤的流程图。
在步骤S14D中,第一学习部14A使用教师数据,在固定了ak的状态下通过机械学习设定bk0、bk1……bkTk以及Tk。
在步骤S14E中,重复部14C将机械学习的主体切换为第二学习部14B,第二学习部14B在使用教师数据将bk0、bk1……bkTk以及Tk固定为在步骤S14D中设定的值的状态下,通过机械学习只设定ak。
在步骤S14F中,在利用使用了当前时间点的ak、bkτ、Tk的热位移量预测式计算出的热位移量推定值与热位移量实际测量值之间的误差在阈值以内时(S14F:是),即在当前时间点的热位移量预测式的精度为预定值以上时,结束处理。当上述误差超过阈值时(S14F:否),处理返回步骤S14D。具体地说,在步骤S14D中,重复部14C将机械学习的主体切换为第一学习部14A,第一学习部14A在将ak固定为在步骤S14E设定的值的状态下,通过机械学习设定bk0、bk1……bkTk以及Tk。
<修正时的动作>
接着,说明本实施方式的热位移修正系统100的修正时的动作。图7是表示该修正时的热位移修正装置20的动作的流程图。
在步骤S21中,修正量计算部22根据由机械学习装置10设定的热位移量预测计算式计算与根据测量数据群计算出的机械要素的热位移量对应的修正量。
在步骤S22中,修正部24根据由修正量计算部22计算出的上述机械要素的修正量来修正上述机械要素的机械位置,从而抵消补偿热位移量。
另外,与图7的记载不同,但是在步骤S22中,修正部24可以将该机械要素的修正量发送给控制装置30。更具体地说,修正部24可以使用该机械要素的修正量修正从控制装置30的程序读取解释部32输出的坐标位置并将位置指令数据输出给电动机控制部33,也可以在使用该修正量预先修正了加工程序13后执行加工程序31。
<第一实施方式所产生的效果>
如上所述,在本实施方式中,将机械学习分割为第一学习部进行的学习和第二学习部进行的学习,通过第一学习部设定与时间延迟要素相关的系数,通过第二学习部设定除去与时间延迟要素相关的系数外的与测量数据相关的系数,由此能够以较少的计算量来实施高精度的修正式的导出。
另外,在本实施方式中,进行传感器的追加和配置变更,将该测量结果追加到热位移量预测计算式以及基于热位移量预测计算式的修正式的变量中,通过机械学习自动决定热位移量预测计算式或修正式,由此能够简单地提高精度。
另外,在本实施方式中,能够将上述的时间延迟要素设为测量数据群中包括的测量数据的1次延迟要素。由此,能够考虑通过温度传感器测量到的热由于热传导而扩散到进行热膨胀为止的时间来进行修正。
另外,在本实施方式中能够将上述的时间延迟要素设为测量数据群中包括的测量数据的时间移位要素。这样,能够考虑通过温度传感器测量到的热由于热传导而扩散到进行热膨胀为止的时间来进行修正。
另外,在本实施方式中能够根据多元回归分析模型设定热位移量预测计算式。通过在多元回归分析模型中使用多个变量,能够设定容易计算且误差少的热位移量预测计算式。
另外,在本实施方式中能够将上述机械学习装置包括在机床35的控制装置30中。这样,在单一的廉价控制装置中,能够实现基于高精度的热位移量预测计算式的修正。
另外,本实施方式的热位移修正装置20根据由上述机械学习装置10设定的热位移量预测计算式来执行修正。这样,能够执行高精度的修正。
另外,在本实施方式中能够将上述机械学习装置10包括在热位移修正装置20中。这样,在单一的廉价热位移修正装置中,能够以较少的计算量导出高精度的修正式,并进行高精度的修正。
另外,根据机床35的动作环境或机床35的类别,能够调整热位移量预测计算式和基于热位移量预测计算式的修正式并提高精度。
[第二实施方式]
第二实施方式的机械学习装置10A的结构与第一实施方式的机械学习装置10的结构相同,因此省略其结构以及结构要素的功能的说明。
在第一实施方式中,关于公式(1)的ak、bk以及Tk,重复在固定了ak的状态下的机械学习进行的bk以及Tk的设定、在固定了bk以及Tk的状态下的机械学习进行的ak的设定,使用通过热位移量预测式计算出的热位移量推定值与热位移量实际测量值之间的误差为阈值以内的阶段的ak、bk以及Tk的组来决定热位移量预测式。另外,关于公式(2)的ak、bkτ、Tk,重复在固定了ak的状态下的机械学习进行的bk0、bk1……bkTk以及Tk的设定、在固定了bk0、bk1……bkTk以及Tk的状态下的机械学习进行的ak的设定,使用通过热位移量预测式计算出的热位移量推定值与热位移量实际测量值之间的误差为阈值以内的阶段的ak、bkτ、Tk的组来决定热位移量预测式。
另一方面,在第二实施方式中,关于公式(1)的ak和bk以及Tk,使用在固定了ak的状态下的机械学习进行的bk以及Tk的设定、在固定了bk以及Tk的状态下的机械学习进行的ak的设定的重复的结束条件为重复次数成为预先设定的预定值的阶段的ak、bk以及Tk的组来决定热位移量预测式。图8A是表示用于实施该决定方法的步骤S14的子步骤的流程图。
在步骤S14G中,将重复次数j设为初始值0。
在步骤S14H中,在第一学习部14A使用教师数据只固定ak的状态下,通过机械学习设定bk以及Tk。
在步骤S14I中,重复部14C将机械学习的主体切换为第二学习部14B,第二学习部14B在使用教师数据将bk以及Tk固定为在步骤S14H中设定的值的状态下,通过机械学习只设定ak。
在步骤S14J中,对j加1。
在步骤S14K中,当j达到预定值时(S14K:是),即在重复步骤S14H以及步骤S14I预定次数时,结束处理。另一方面,当j没有达到预定值时(S14K:否),即在步骤S14H以及步骤S14I还没有重复预定次数时,处理返回步骤S14H。具体地说,在步骤S14H中,重复部14C将机械学习的主体切换为第一学习部14A,第一学习部14A在将ak固定为在步骤S14I中设定的值的状态下,通过机械学习设定bk以及Tk。
另外,关于公式(2)的ak、bkτ以及Tk,使用在只固定了ak的状态下的机械学习进行的bk0、bk1……bkTk以及Tk的设定、在固定了bk0、bk1……bkTk以及Tk的状态下的机械学习进行的只有ak的设定的重复的结束条件为该重复次数成为预先设定的预定值的阶段的ak、bkτ、Tk的组来决定热位移量预测式。图8B是表示用于实施该决定方法的步骤S14的子步骤的流程图。
在步骤S14L中,将重复次数j设定为初始值0。
在步骤S14M中,在第一学习部14A使用教师数据固定了ak的状态下,通过机械学习设定bk0、bk1……bkTk以及Tk。
在步骤S14N中,重复部14C将机械学习的主体切换为第二学习部14B,第二学习部14B在使用教师数据将bk0、bk1……bkTk以及Tk固定为在步骤S14M中设定的值的状态下,通过机械学习只设定ak。
在步骤S14O中,对j加1。
在步骤S14P中,当j达到预定值时(S14P:是),即在重复步骤S14M以及步骤S14N预定次数时,结束处理。另一方面,当j没有达到预定值时(S14P:否),即在步骤S14M以及步骤S14N还没有重复预定次数时,处理返回步骤S14M。具体地说,在步骤S14M中,重复部14C将机械学习的主体切换为第一学习部14A,第一学习部14A在只将ak固定为在步骤S14N中设定的值的状态下,通过机械学习设定bk0、bk1……bkTk以及Tk。
<第二实施方式所产生的效果>
如上所述,在第二实施方式中,达到与第一实施方式同样的效果。
[其他实施方式]
上述实施方式是本发明的优选实施方式,但是不将本发明的范围限定于上述实施方式,而在不脱离本发明主旨的范围内能够实施进行了各种变更的方式。
[变形例1]
在上述实施方式中,根据一般化线形模型的多元回归分析,将热位移量预测计算式设为了多项式,但是不限于此,也可以为基于非线形模型的多元回归分析的计算式。
[变形例2]
当机械学习的结果为所设定的热位移量预测计算式的精度不满阈值时,实施测量数据的追加和/或除外,从而能够使测量数据群最优化。
当在机床的维护人员和终端用户侧追加和/或将传感器除外时,通过基于热位移量预测计算式的修正式的自动调整来提高热位移修正的精度。
另外,例如为了提高热位移修正的精度,例如可以由改变温度传感器的配置位置而得到的测量数据群进行机械学习。此时,评价例如由切换配置后得到的热位移预测式计算出的热位移量预测值和热位移量实际测量值之间的误差与由根据切换配置前的测量数据群的机械学习而得到的热位移修正式计算出的热位移量预测值和热位移量实际测量值之间的误差之间的差异,由此能够判定是否提高了精度。
[变形例3]
另外,在上述实施方式中,将机床35设为切削机械但不限于此。机床35例如也可以是线放电加工机或激光加工机。
[变形例4]
另外,控制装置30也可以构成为具备热位移修正装置20。
或者,控制装置30也可以构成为具备机械学习装置10。
[变形例5]
上述实施方式的机械学习装置10以及10A可以是具备CPU的计算机系统。此时,CPU读出例如存储在ROM等存储部中的程序,根据该程序使计算机作为测量数据取得部11、热位移量取得部12、存储部13、计算式学习部14来执行。
Claims (8)
1.一种机械学习装置,通过机械学习将根据测量数据群推定机械要素的热位移量的计算式最优化,该测量数据群包括上述机械要素及其周边的温度数据和/或上述机械要素的动作状态数据,并且上述机械要素在机床中进行热膨胀,该机械学习装置的特征在于,
具备:
测量数据取得部,其取得上述测量数据群;
热位移量取得部,其取得上述机械要素的热位移量的实际测量值;
存储部,其将通过上述测量数据取得部取得的上述测量数据群作为输入数据,将通过上述热位移量取得部取得的上述机械要素的热位移量的实际测量值作为标签相互关联地存储为教师数据;以及
计算式学习部,其根据上述测量数据群和上述机械要素的热位移量的实际测量值来进行机械学习,由此设定根据上述测量数据群计算上述机械要素的热位移量的热位移量预测计算式,
上述热位移量预测计算式使用测量数据的时间延迟要素,
上述计算式学习部具备:
第一学习部,其根据上述机械要素的热位移量的推定值与上述机械要素的热位移量的实际测量值之间的差异,将上述热位移量预测计算式中的除与上述时间延迟要素相关的系数外的与上述测量数据相关的系数固定为预定值,通过机械学习设定与上述时间延迟要素相关的系数,其中,上述机械要素的热位移量的推定值是将作为教师数据而存储在上述存储部中的上述测量数据群代入上述热位移量预测计算式而计算出的,上述机械要素的热位移量的实际测量值作为标签而存储在上述存储部中;
第二学习部,其根据上述差异,将上述热位移量预测计算式中的与上述时间延迟要素相关的系数固定为预定值,通过机械学习设定除与上述时间延迟要素相关的系数外的与上述测量数据相关的系数;以及
重复部,其将通过进行上述第一学习部的机械学习而设定的上述热位移量预测计算式中的与上述时间延迟要素相关的系数进行固定,执行上述第二学习部的机械学习,将通过进行上述第二学习部的机械学习而设定的上述热位移量预测计算式中的除与上述时间延迟要素相关的系数外的与上述测量数据相关的系数进行固定,执行上述第一学习部的机械学习而重复上述第一学习部进行的机械学习和上述第二学习部进行的机械学习。
2.根据权利要求1所述的机械学习装置,其特征在于,
上述测量数据取得部进一步通过将测量数据追加到上述测量数据群中和/或从上述测量数据群排除测量数据,来取得第二测量数据群,
将上述第二测量数据群作为输入数据存储于上述存储部,
上述计算式学习部进一步设定根据上述第二测量数据群计算上述机械要素的热位移量的第二热位移量预测计算式。
3.根据权利要求1或2所述的机械学习装置,其特征在于,
上述时间延迟要素是上述测量数据群中包括的测量数据的1次延迟要素。
4.根据权利要求1或2所述的机械学习装置,其特征在于,
上述时间延迟要素是上述测量数据群中包括的测量数据的时间移位要素。
5.根据权利要求1或2所述的机械学习装置,其特征在于,
上述第二学习部进行基于多元回归分析模型而设定的上述热位移量预测计算式的机械学习。
6.根据权利要求1或2所述的机械学习装置,其特征在于,
上述机械学习装置包括在上述机床的控制装置中。
7.一种机床的热位移修正装置,其特征在于,
该机床的热位移修正装置具备:
修正量计算部,其根据通过权利要求1~6中的任意一项所述的机械学习装置而设定的热位移量预测计算式,计算与根据上述测量数据群计算出的上述机械要素的热位移量对应的修正量;以及
修正部,其根据由上述修正量计算部计算出的上述机械要素的修正量来修正上述机械要素的机械位置。
8.根据权利要求7所述的热位移修正装置,其特征在于,
上述热位移修正装置包括在上述机床的控制装置中。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017-054267 | 2017-03-21 | ||
JP2017054267A JP6464220B2 (ja) | 2017-03-21 | 2017-03-21 | 機械学習装置及び熱変位補正装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108628256A CN108628256A (zh) | 2018-10-09 |
CN108628256B true CN108628256B (zh) | 2019-11-22 |
Family
ID=63450638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810215390.2A Active CN108628256B (zh) | 2017-03-21 | 2018-03-15 | 机械学习装置以及热位移修正装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10592824B2 (zh) |
JP (1) | JP6464220B2 (zh) |
CN (1) | CN108628256B (zh) |
DE (1) | DE102018204132B4 (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6673950B2 (ja) * | 2018-01-31 | 2020-04-01 | ファナック株式会社 | 基準温度設定装置、基準温度設定方法及び基準温度設定プログラム |
CN112997124A (zh) * | 2018-09-03 | 2021-06-18 | Hsd 股份有限公司 | 用于机床的操作装置 |
JP6875347B2 (ja) * | 2018-10-12 | 2021-05-26 | ファナック株式会社 | 熱変位補正装置及び数値制御装置 |
JP6890110B2 (ja) * | 2018-10-31 | 2021-06-18 | Dmg森精機株式会社 | 工作機械の熱変位補正方法 |
WO2020090030A1 (ja) * | 2018-10-31 | 2020-05-07 | 三菱電機株式会社 | 数値制御装置、学習装置および学習方法 |
CN109709894B (zh) * | 2019-01-18 | 2022-02-08 | 汪祖兵 | 一种数控机床热误差软件补偿方法 |
JP7053518B2 (ja) | 2019-02-18 | 2022-04-12 | ファナック株式会社 | 切削液量調整装置及び切削液量調整システム |
EP3935581A4 (en) | 2019-03-04 | 2022-11-30 | Iocurrents, Inc. | DATA COMPRESSION AND COMMUNICATION USING MACHINE LEARNING |
JP7156982B2 (ja) * | 2019-03-11 | 2022-10-19 | 株式会社日立製作所 | リアルタイムコントローラおよびそれを用いた分散制御システム、産業機械 |
WO2020217282A1 (ja) * | 2019-04-22 | 2020-10-29 | 三菱電機株式会社 | サーボ制御装置 |
JP6784868B1 (ja) * | 2019-09-02 | 2020-11-11 | ヤマザキマザック株式会社 | 制御装置、工作機械、算出方法及びプログラム |
CN111240268B (zh) * | 2020-01-14 | 2021-03-16 | 重庆大学 | 基于slstm神经网络的轴系统热误差建模方法和热误差补偿系统 |
WO2021256364A1 (ja) * | 2020-06-17 | 2021-12-23 | ファナック株式会社 | 情報処理装置、制御装置、及び最適化方法 |
KR20230119360A (ko) * | 2022-02-07 | 2023-08-16 | 주식회사 디엔솔루션즈 | 공작기계의 열변위 보정 장치 및 보정 방법 |
JP7466801B1 (ja) | 2023-07-21 | 2024-04-12 | 三菱電機株式会社 | 制御装置、工作機械システム、および加工方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0775937A (ja) * | 1993-09-07 | 1995-03-20 | Sodick Co Ltd | 工作機械及びその制御方法 |
JP2003094291A (ja) * | 2001-09-27 | 2003-04-03 | Kanto Seiki Kk | 工作機械の熱変形補正方法および装置 |
JP4488564B2 (ja) * | 1999-11-17 | 2010-06-23 | 関東精機株式会社 | 工作機械の熱変形抑制方法および温度制御装置 |
CN103926874A (zh) * | 2013-12-03 | 2014-07-16 | 江苏齐航数控机床有限责任公司 | 数控机床热误差补偿建模温度测点组合的选择优化方法 |
CN104972360A (zh) * | 2014-04-08 | 2015-10-14 | 发那科株式会社 | 机床的热位移补偿装置 |
CN106488828A (zh) * | 2014-10-29 | 2017-03-08 | 山崎马扎克公司 | 具备热位移修正量设定变更装置的机床 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH068107A (ja) * | 1992-06-29 | 1994-01-18 | Hitachi Seiko Ltd | 工作機械における熱変位補正方法 |
JPH08300242A (ja) * | 1995-05-07 | 1996-11-19 | Hitachi Seiki Co Ltd | 工作機械の熱変位補正方法及びその装置 |
JPH11114776A (ja) * | 1997-10-13 | 1999-04-27 | Niigata Eng Co Ltd | 工作機械の熱変位補正装置 |
JP2004154907A (ja) * | 2002-11-07 | 2004-06-03 | Toshiba Mach Co Ltd | 多軸工作機械の熱変位補正方法および装置 |
JP4242760B2 (ja) * | 2003-12-25 | 2009-03-25 | オークマ株式会社 | 工作機械の熱変位補正方法 |
JP4891104B2 (ja) * | 2007-01-29 | 2012-03-07 | オークマ株式会社 | 工作機械の熱変位推定方法 |
JP2010120150A (ja) * | 2008-11-22 | 2010-06-03 | Mori Seiki Co Ltd | 工作機械の熱変形補正のための推定方法 |
DE102015115838B4 (de) * | 2015-09-18 | 2021-12-16 | Grob-Werke Gmbh & Co. Kg | Bearbeitungsmaschine, Verfahren für das Einfahren einer Bearbeitungsmaschine, Verfahren zur Kompensation des temperaturbedingten Wärmeganges in einer Bearbeitungsmaschine |
-
2017
- 2017-03-21 JP JP2017054267A patent/JP6464220B2/ja active Active
-
2018
- 2018-03-14 US US15/920,820 patent/US10592824B2/en active Active
- 2018-03-15 CN CN201810215390.2A patent/CN108628256B/zh active Active
- 2018-03-19 DE DE102018204132.6A patent/DE102018204132B4/de active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0775937A (ja) * | 1993-09-07 | 1995-03-20 | Sodick Co Ltd | 工作機械及びその制御方法 |
JP4488564B2 (ja) * | 1999-11-17 | 2010-06-23 | 関東精機株式会社 | 工作機械の熱変形抑制方法および温度制御装置 |
JP2003094291A (ja) * | 2001-09-27 | 2003-04-03 | Kanto Seiki Kk | 工作機械の熱変形補正方法および装置 |
CN103926874A (zh) * | 2013-12-03 | 2014-07-16 | 江苏齐航数控机床有限责任公司 | 数控机床热误差补偿建模温度测点组合的选择优化方法 |
CN104972360A (zh) * | 2014-04-08 | 2015-10-14 | 发那科株式会社 | 机床的热位移补偿装置 |
CN106488828A (zh) * | 2014-10-29 | 2017-03-08 | 山崎马扎克公司 | 具备热位移修正量设定变更装置的机床 |
Also Published As
Publication number | Publication date |
---|---|
CN108628256A (zh) | 2018-10-09 |
US20180276570A1 (en) | 2018-09-27 |
JP6464220B2 (ja) | 2019-02-06 |
JP2018153902A (ja) | 2018-10-04 |
DE102018204132A1 (de) | 2018-09-27 |
DE102018204132B4 (de) | 2020-01-16 |
US10592824B2 (en) | 2020-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108628256B (zh) | 机械学习装置以及热位移修正装置 | |
CN108629419A (zh) | 机器学习装置以及热位移修正装置 | |
CN108287525B (zh) | 机床的机器学习装置以及热位移修正装置 | |
DE102015109237B4 (de) | Vorrichtung zur Korrektur einer thermischen Versetzung für eine Arbeitsmaschine | |
CN110501972B (zh) | 热位移校正装置 | |
CN109308048B (zh) | 加工机械系统以及制造系统 | |
US10852710B2 (en) | Thermal displacement compensation apparatus | |
CN107798160A (zh) | 用于数控机床的热变形预测的方法和装置 | |
US11680916B2 (en) | Machine learning device, control system, and machine learning method | |
JP6856162B2 (ja) | 制御システム | |
KR20180014364A (ko) | Cnc 공구 마모 보정 장치 및 방법 | |
CN117170308B (zh) | 一种基于指令序列分析的机床动态误差补偿方法及系统 | |
US20190033820A1 (en) | Numerical controller | |
JP6882364B2 (ja) | 機械学習装置及び熱変位補正装置 | |
US20220171363A1 (en) | Method and Device for Compensating for a Thermally Induced Change in Position on a Numerically Controlled Machine Tool | |
JP2019130627A (ja) | 熱変位補正装置及び機械学習装置 | |
WO2023047545A1 (ja) | 追加学習データ選定装置及びコンピュータ読み取り可能な記録媒体 | |
US20230205167A1 (en) | Information processing device, control device, and optimization method | |
Naumann et al. | Hybrid Thermal Error Compensation Combining Integrated Deformation Sensor and Regression Analysis Based Models for Complex Machine Tool Designs | |
US20190179272A1 (en) | A method, system, computer program product and computer data-base for controlling an industrial process or machine | |
El Ouafi et al. | A multisensor approach for error compensation in cnc machine tools | |
Xu | Smart machining system platform for CNC milling with the integration of a power sensor and cutting model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |