CN116224778A - 线材的矫正机的控制装置、控制系统以及控制方法 - Google Patents

线材的矫正机的控制装置、控制系统以及控制方法 Download PDF

Info

Publication number
CN116224778A
CN116224778A CN202211452817.3A CN202211452817A CN116224778A CN 116224778 A CN116224778 A CN 116224778A CN 202211452817 A CN202211452817 A CN 202211452817A CN 116224778 A CN116224778 A CN 116224778A
Authority
CN
China
Prior art keywords
value
curvature
operation amount
wire
learning
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.)
Pending
Application number
CN202211452817.3A
Other languages
English (en)
Inventor
藤井高史
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Omron Corp
Original Assignee
Omron Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Omron Corp filed Critical Omron Corp
Publication of CN116224778A publication Critical patent/CN116224778A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21F—WORKING OR PROCESSING OF METAL WIRE
    • B21F23/00—Feeding wire in wire-working machines or apparatus
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21C—MANUFACTURE OF METAL SHEETS, WIRE, RODS, TUBES OR PROFILES, OTHERWISE THAN BY ROLLING; AUXILIARY OPERATIONS USED IN CONNECTION WITH METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL
    • B21C51/00—Measuring, gauging, indicating, counting, or marking devices specially adapted for use in the production or manipulation of material in accordance with subclasses B21B - B21F
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21F—WORKING OR PROCESSING OF METAL WIRE
    • B21F1/00—Bending wire other than coiling; Straightening wire
    • B21F1/02—Straightening
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21F—WORKING OR PROCESSING OF METAL WIRE
    • B21F1/00—Bending wire other than coiling; Straightening wire
    • B21F1/02—Straightening
    • B21F1/026—Straightening and cutting
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Automation & Control Theory (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Medical Informatics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Wire Processing (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明提供线材的矫正机的控制装置、控制系统以及控制方法，提高对线材的矫正机的前馈控制的精度。对矫正机(200)的反馈操作量(rb)是由反馈控制单元(110)基于目标曲率(qr)与矫正曲率(q)的误差来决定的。前馈补偿单元(120)使用预测模型(Mp)，根据矫正机(200)的测量值(do)决定前馈补偿值(rf)。学习单元(130)使用教师数据(Ds)对预测模型(Mp)进行机器学习。学习单元(130)将包含误差(eq)的绝对值小于基准值(α)的情况下的测量值(do)和操作量(r)的至少一个组合追加到教师数据(Ds)中。

Description

线材的矫正机的控制装置、控制系统以及控制方法
技术领域
本公开涉及线材的矫正机的控制装置、控制系统以及控制方法。
背景技术
以往，已知有控制线材的矫正机的结构。例如，在日本特开2016-196037号公报中公开了一种线材矫正装置，其基于线材的变形的信息，使矫正用辊单独地移动到矫正该变形的位置。根据该线材矫正装置，在线材的矫正中，能够消除实际运转时的矫正调整的负担，并且能够自动地进行准确的矫正。
在日本特开2016-196037号公报所公开的线材矫正装置中，根据矫正后的线材的变形量(矫正曲率)来变更矫正用辊的位置(反馈控制)。另外，根据绕线管的卷绕位置来变更矫正用辊的位置(前馈补偿)。在该前馈补偿中，矫正用辊的移动量表现为绕线管的卷绕位置的一次式。但是，矫正用辊的移动量相对于绕线管的卷绕位置并不均匀，有时也无法表现为绕线管的卷绕位置的一次式。另外，决定线材的初始曲率的绕线管的卷绕位置只不过是对矫正曲率造成影响的因素之一。在日本特开2016-196037号公报中，除了绕线管的卷绕位置以外，未考虑对矫正曲率造成影响的因素的变动。
发明内容
本公开是为了解决上述那样的课题而完成的，其目的在于提高针对线材的矫正机的前馈控制的精度。
本公开一个方面的矫正机的控制装置以使由矫正机矫正后的线材的矫正曲率接近目标曲率的方式，决定与对矫正机的反馈操作量对应的前馈补偿值。矫正机的控制装置包含线材供给部、多个辊以及线材移动部。线材供给部具有卷绕的线材。多个辊以夹着从线材供给部引出的线材的方式互相错开配置，对线材进行按压。线材移动部从线材供给部引出线材并使它们通过多个辊。矫正曲率是通过了多个辊的、线材的第1部分的曲率。反馈操作量是由反馈控制单元基于目标曲率与矫正曲率的误差而决定的。将反馈操作量与前馈补偿值之和作为操作量输出到矫正机。控制装置具有前馈补偿单元和学习单元。前馈补偿单元使用预测模型，根据从矫正机得到的测量值来决定前馈补偿值。学习单元使用教师数据对预测模型进行机器学习。学习单元取得包含目标曲率、与目标曲率对应的操作量、测量值、以及与测量值和操作量双方对应的矫正曲率的至少一个第1组合。学习单元将至少一个第1组合中的、包含误差的绝对值小于第1基准值的情况下的测量值和操作量的至少一个第2组合追加到教师数据中。
根据本公开，由于从前馈控制的结果中选择教师数据，因此能够与前馈控制并行地使预测模型实时地适合于测量值以及矫正机的特性。其结果，能够提高对矫正机的前馈控制的精度。
在上述公开中，操作量可以使多个辊的位置以及线材的移动速度中的至少一个发生变化。控制装置可以根据测量值取得以下参数中的至少一个：线材的移动速度；第1部分的位置；被多个辊按压前的线材的第2部分的位置、第2部分的尺寸和第2部分的曲率；线材供给部中的线材的卷绕位置；以及多个辊各自的位置、多个辊各自的半径、多个辊的间距和多个辊的压力。
根据本公开，基于对矫正曲率造成影响的各种因素来优化预测模型。其结果，能够进一步提高对矫正机的前馈控制的精度。
在上述公开中，学习单元可以计算教师数据中测量值的绝对值小于第2基准值的情况下的操作量的平均值。学习单元可以将由预测模型表现的、测量值与作为操作量和平均值之差的前馈补偿值之间的关系近似为以前馈补偿值为目标变量并且以测量值为解释变量的函数。学习单元在至少一个第2组合中的测量值的绝对值大于第2基准值的第4组合的数量相对于至少一个第1组合中的测量值的绝对值大于第2基准值的第3组合的数量的比例大于第3基准值的情况下，结束机器学习。
根据本公开，机器学习持续至预测模型的精度变得足够高为止，因此能够充分提高对矫正机的前馈控制的精度。
在上述公开中，学习单元可以计算教师数据中测量值的绝对值小于第2基准值的情况下的操作量的平均值。学习单元可以将由预测模型表现的、测量值与操作量之间的关系近似为以操作量为目标变量并且以测量值为解释变量的函数。学习单元在至少一个第2组合中的测量值的绝对值大于第2基准值的第4组合的数量相对于至少一个第1组合中的测量值的绝对值大于第2基准值的第3组合的数量的比例大于第3基准值的情况下，结束机器学习。前馈补偿单元将从预测模型根据测量值预测出的操作量中减去平均值而得的值决定为前馈补偿值。
根据本公开，机器学习持续至预测模型的精度变得足够高为止，因此能够充分提高对矫正机的前馈控制的精度。
在上述公开中，学习单元在机器学习结束且比例小于第3基准值的情况下，再次开始机器学习。
根据本发明，预测模型根据矫正机的特性的变化而重新适应该特性，因此能够抑制因矫正机的特性变化引起的前馈控制的精度下降。
本公开的另一方面的控制系统以使由矫正机矫正后的线材的矫正曲率接近目标曲率的方式，将对矫正机的反馈操作量与前馈补偿值之和作为操作量输出到矫正机。矫正机的控制装置包含线材供给部、多个辊以及线材移动部。线材供给部具有卷绕的线材。多个辊以夹着从线材供给部引出的线材的方式互相错开配置，对线材进行按压。线材移动部从线材供给部引出线材并使它们通过多个辊。矫正曲率是通过了多个辊的、线材的部分的曲率。控制系统具有反馈控制装置和学习装置。反馈控制装置基于目标曲率与矫正曲率的误差来决定反馈操作量。前馈补偿装置使用预测模型，根据从矫正机得到的测量值来决定前馈补偿值。学习装置使用教师数据对预测模型进行机器学习。学习装置取得包含目标曲率、与目标曲率对应的操作量、测量值、以及与测量值和操作量双方对应的矫正曲率的至少一个第1组合。学习装置将至少一个第1组合中的、包含误差的绝对值小于第1基准值的情况下的测量值和操作量的至少一个第2组合追加到教师数据中。
根据本公开，由于从前馈控制的结果中选择教师数据，因此能够与前馈控制并行地使预测模型实时地适合于测量值以及矫正机的特性。其结果，能够提高对矫正机的前馈控制的精度。
本公开的另一方面的控制方法是以使由矫正机矫正后的线材的矫正曲率接近目标曲率的方式，决定与对矫正机的反馈操作量对应的前馈补偿值的矫正机的控制方法。矫正机的控制装置包含线材供给部、多个辊以及线材移动部。线材供给部具有卷绕的线材。多个辊以夹着从线材供给部引出的线材的方式互相错开配置，对线材进行按压。线材移动部从线材供给部引出线材并使它们通过多个辊。矫正曲率是通过了多个辊的、线材的部分的曲率。反馈操作量是由反馈控制单元基于目标曲率与矫正曲率的误差而决定的。将反馈操作量与前馈补偿值之和作为操作量输出到矫正机。控制方法包含以下步骤：使用预测模型，根据从矫正机得到的测量值来决定前馈补偿值；以及使用教师数据对预测模型进行机器学习。进行机器学习的步骤包含以下步骤：取得包含目标曲率、与目标曲率对应的操作量、测量值、以及与测量值和操作量双方对应的矫正曲率的至少一个第1组合；以及将至少一个第1组合中的、包含误差的绝对值小于第1基准值的情况下的测量值和操作量的至少一个第2组合追加到教师数据中。
根据本公开，由于从前馈控制的结果中选择教师数据，因此能够与前馈控制并行地使预测模型实时地适合于测量值以及矫正机的特性。其结果，能够提高对矫正机的前馈控制的精度。
本发明的上述以及其他目的、特征、方面以及优点根据与附图相关联地理解的和本发明有关的以下详细说明而变得明确。
附图说明
图1是表示实施方式1的、线材矫正机的控制装置的功能结构的框图。
图2是表示图1的矫正机的具体结构的图。
图3是表示图1的矫正机的具体结构的另一例的图。
图4是表示图2和图3的多个辊对线材的矫正过程的图。
图5是测量值组以及操作量的分布图。
图6是表示图5的操作量与预测模型的目标变量的关系的图。
图7是表示由已学习的预测模型表现的、目标变量与解释变量的关系的图。
图8是表示分别包含4个组合的4个数据集的包含关系的文氏图。
图9是表示预测模型未学习的情况下的矫正曲率、操作量以及测量值组各自的时序图的图。
图10是表示预测模型已学习的情况下的矫正曲率、操作量以及测量值组各自的时序图的图。
图11是表示由图1的反馈控制系统、前馈控制系统以及学习单元分别进行的处理流程的流程图的图。
图12是表示图11的机器学习处理的具体处理流程的流程图。
图13是表示由图1的学习单元进行的追加学习处理的流程的图。
图14是表示图11的机器学习处理的具体处理流程的另一例的流程图。
图15是表示实施方式1的变形例2的、线材的矫正机的控制装置的功能结构的框图。
图16是表示实施方式2的控制系统2的功能结构的框图。
图17是表示实施方式3的控制系统3的网络结构例的示意图。
图18是表示图17的控制装置的硬件结构例的框图。
具体实施方式
以下，参照附图详细说明实施方式。另外，对图中相同或相应部分标注相同标号并在原则上不再反复其说明。
[实施方式1]
＜应用例＞
图1是表示实施方式1的、线材矫正机200的控制装置100的功能结构的框图。如图1所示，控制装置100具有反馈控制单元110、前馈补偿单元120、学习单元130、存储单元140、减法器150以及加法器160。
控制装置100以使由矫正机200矫正后的线材的矫正曲率q接近目标曲率qr(例如0)的方式，将对矫正机200的反馈操作量rb与前馈补偿值rf之和作为操作量r输出到矫正机200。此外，控制装置100也可以向矫正机200输出多个操作量r。
存储单元140中保存有预测模型Mp和教师数据Ds。控制装置100和矫正机200也可以经由网络(例如，互联网或云系统)连接，相互远程配置。作为构建预测模型Mp的机器学习算法，可以举出深二叉树或支持向量机。
以下，将包含反馈控制单元110和减法器150的结构也称为反馈控制系统，将包含前馈补偿单元120和加法器160的结构也称为前馈控制系统。
减法器150将目标曲率qr与矫正曲率q的误差eq(＝qr-q)输出到反馈控制单元110。反馈控制单元110基于误差eq决定反馈操作量rb并输出到加法器160。前馈补偿单元120使用预测模型Mp，根据从矫正机200得到的测量值集do预测前馈补偿值rf并输出到加法器160。在测量值集do中包含至少一个测量值。加法器160将反馈操作量rb与前馈补偿值rf之和作为操作量r输出到矫正机200以及学习单元130。
学习单元130使用教师数据Ds对预测模型Mp进行机器学习。学习单元130取得包含目标曲率qr、与目标曲率qr对应的操作量r、测量值集do、以及与测量值集do和操作量r双方对应的矫正曲率q的至少一个组合Cm1(第1组合)。学习单元130将至少一个组合Cm1中的、包含误差eq的绝对值小于基准值α(第1基准值)的情况下(对矫正机200进行了高精度的控制的情况下)的测量值集do和操作量r的至少一个组合Cm2(第2组合)作为机器学习的正解数据追加到教师数据Ds。基准值α例如能够基于实机实验、仿真、产品的标准值、或者制造工序的管理值来适当决定。
学习单元130计算教师数据Ds中测量值集do所包含的至少一个测量值各自的绝对值小于与该测量值对应的基准值β(第2基准值)的情况下(控制系统为稳定状态的情况下)的操作量r的平均值rb0。基准值β例如能够基于实机实验、仿真、产品的标准值、或者制造工序的管理值来适当决定。学习单元130将测量值集do、与作为操作量r和平均值rb0之差(＝r-rb0)的前馈补偿值rf的关系近似为以前馈补偿值rf为目标变量并且以测量值集do为解释变量的函数(回归曲线)。预测模型Mp包含该函数。学习单元130在至少一个组合Cm2中的该测量值的绝对值大于基准值β的组合Cm4(第4组合)的数量相对于至少一个组合Cm1中的测量值集do所包含的测量值的任意的绝对值大于基准值β的组合Cm3(第3组合)的数量的比例Cr大于基准值δ(第3基准值)的情况下，结束针对预测模型Mp的机器学习。
学习单元130在针对预测模型Mp的机器学习(初次的学习或追加学习)结束且比例Cr为基准值δ以下的情况下，认为矫正机200的特性发生了变化，再次开始针对预测模型Mp的机器学习(追加学习)。基准值δ例如能够基于实机实验、仿真、产品的标准值、某个制造工序的管理值来适当决定。矫正机200的特性例如包含测量值集do及操作量r、与矫正曲率q的对应关系。
根据控制装置100，由于从前馈控制的结果选择教师数据Ds，因此能够与前馈控制并行地使预测模型Mp实时地适合于测量值集do以及矫正机200的特性。其结果，能够减轻矫正机200的调整所需的用户的负担，并且能够提高针对矫正机200的前馈控制的精度而减少矫正曲率的偏差以及波动。另外，由于基于对矫正曲率q造成影响的各种因素来优化预测模型，因此能够进一步提高对矫正机的前馈控制的精度。另外，由于机器学习持续到预测模型Mp的精度变得足够高为止，因此能够充分提高针对矫正机200的前馈控制的精度。进而，由于预测模型Mp根据矫正机200的特性变化而再适合于该特性，因此能够抑制因矫正机200的特性变化而引起的前馈控制的精度下降。
图2是表示图1的矫正机200的具体结构的图。在图2中，X轴、Y轴以及Z轴相互垂直。在后面说明的图3中也是同样如此。如图2所示，矫正机200包含绕线管Bn(线材供给部)、多个辊Ro1～Ro7、切断部Ct、线材移动部Mu、传感器Sd1、Sd2、Sd3、Sd4、Sd5、Sd6、Sd7、传感器Sd10、Sd11、Sd12、Sd13、Sd14、Sd15、Sd16、Sd17、传感器SL2、SL3、SL4、SL5、SL6以及伺服电机Ms2、Ms4、Ms6。
在绕线管Bn中，在沿X轴方向延伸的卷绕轴Ws上卷绕有线材Wr。切断部Ct以恒定的间隔切断线材Wr，生成多个切断线材Cw。
多个辊Ro1～Ro7以在Z轴方向上夹着从绕线管Bn引出的线材Wr的方式在Y轴方向上互相错开配置，在Z轴方向上按压线材Wr。伺服电机Ms2、Ms4、Ms6根据来自控制装置100的操作量r，使辊Ro2、Ro4、Ro6的Z轴方向的位置发生变化。辊Ro2、Ro4、Ro6分别向Z轴方向的正方向按压线材Wr。辊Ro3、Ro5分别向Z轴方向的负方向按压线材Wr。
线材移动部Mu从绕线管Bn拉出线材Wr并经由多个辊Ro1～Ro7使它们沿Y轴方向移动至切断部Ct。线材移动部Mu包含伺服电机Ms8和编码器Se。伺服电机Ms8根据来自控制装置100的操作量r使旋转速度变化，由此使线材Wr的Y轴方向的移动速度变化。由编码器Se测量出的与线材Wr相关的测量值包含在测量值集do中。该测量值由控制装置100用来取得线材Wr的Y轴方向的移动速度。
由传感器Sd1～Sd7分别测量的与多个辊Ro1～Ro7相关的多个测量值包含在测量值集do中。该多个测量值由控制装置100用来取得多个辊Ro1～Ro7各自的多个位置、或者多个辊Ro1～Ro7的辊间距(在Y轴方向上相邻的辊间的间隔)。传感器Sd1～Sd7中的每一个例如包含位移传感器或温度传感器。
由传感器Sd10测量的与线材Wr相关的测量值包含在测量值集do中。该测量值由控制装置100用来取得绕线管Bn的卷绕位置(在卷绕轴Ws的半径方向上位于最外侧的线材Wr的位置)。传感器Sd10例如包含位移传感器。
由传感器Sd11测量的与线材Wr相关的测量值包含在测量值集do中。该测量值由控制装置100用来取得被多个辊Ro1～Ro7按压前的、线材Wr的部分(第2部分)的位置、尺寸以及初始曲率。传感器Sd11例如包含长度测量传感器或位移传感器。
由传感器Sd12～Sd16分别测量的与多个辊Ro2～Ro6相关的多个测量值包含在测量值集do中。该多个测量值由控制装置100用来分别取得辊Ro2～Ro6的位置。传感器Sd12至Sd16中的每一个例如包含位移传感器。
由传感器SL2～SL6测量的多个测量值包含在测量值集do中。该多个测量值由控制装置100用来分别取得由辊Ro2～Ro6施加于线材Wr的多个压力。传感器SL2～SL6分别例如包含载荷传感器。
由传感器Sd17测量的与线材Wr相关的测量值由控制装置100用来取得被多个辊Ro1～Ro7按压后、且被切断部Ct切断前的线材Wr的部分(第1部分)的矫正曲率q。传感器Sd17例如包含位移传感器。
此外，矫正曲率q也可以根据切断线材Cw的测量值来计算。图3是表示图1的矫正机200的具体结构的另一例的图。图3所示的矫正机200的结构是代替图2的传感器Sd17而增加了传感器Sd18的结构。除此以外的结构与图2相同，因此不重复对相同结构的说明。
如图3所示，由传感器Sd18测量出的与切断线材Cw相关的测量值由控制装置100用来取得矫正曲率q。
图4是表示基于图2以及图3的多个辊Ro1～Ro7的、线材Wr的矫正过程的图。在图4中，纵轴表示由多个辊Ro1～Ro7分别施加于线材Wr的弯曲力矩，横轴表示线材Wr的曲率。弯曲力矩Me1～Me2的区域表示线材Wr弹性变形的弹性区域。弯曲力矩Me2为正，弯曲力矩Me1为负。弯曲力矩Me1的绝对值等于弯曲力矩Me2的绝对值。若弯曲力矩的绝对值超过弹性区域，则在线材Wr产生基于屈服应力的塑性变形。弹性区域根据线材Wr的屈服应力而变化。
同时参照图2和图4，对矫正的概念进行说明。严格地说，通过前后的辊来决定线材Wr的曲率以及弯曲力矩，但在此简化地进行说明。点Ps处的曲率和弯曲力矩分别为κs(＜0)和0。曲率κs是初始曲率。从点Ps到点P2的过程是由辊Ro2进行的矫正过程。在该过程中，辊Ro2将线材Wr向Z轴方向的正方向按压。点P2处的曲率和弯曲力矩分别为κ2(＞0)和M2(＞Me2)。
从点P2到点P3的过程是由辊Ro3进行的矫正过程。在该过程中，辊Ro3将线材Wr向Z轴方向的负方向按压。点P3处的曲率和弯曲力矩分别为κ3(＜0)和M3(＜Me1)。
从点P3到点P4的过程是由辊Ro4进行的矫正过程。在该过程中，辊Ro4将线材Wr向Z轴方向的正方向按压。点P4处的曲率和弯曲力矩分别为κ4(＞0)和M4(＞Me2)。曲率κ4小于曲率κ2。弯曲力矩M4小于弯曲力矩M2。
从点P4到点P5的过程是由辊Ro5进行的矫正过程。在该过程中，辊Ro5将线材Wr向Z轴方向的负方向按压。点P5处的曲率和弯曲力矩分别为κ5(＜0)和M5(＜Me1)。曲率κ5大于曲率κ3。弯曲力矩M5大于弯曲力矩M3。
从点P5到点P6的过程是由辊Ro6进行的矫正过程。在该过程中，辊Ro6将线材Wr向Z轴方向的正方向按压。点P6处的曲率和弯曲力矩分别为κ6(＞0)和M6(＞Me2)。曲率κ6小于曲率κ4。弯曲力矩M6小于弯曲力矩M4。
在多个辊Ro1～Ro7对线材Wr的按压结束后，伴随着线材Wr的弯曲力矩的减小，线材Wr的曲率从曲率κ6变化为矫正曲率κf(＜κ6)。
图5是测量值集do和操作量r的分布图。此外，在图5中，为了容易理解与教师数据Ds以及预测模型Mp相关的说明，示出了测量值集do所包含的测量值为1个(测量值集do的维度为1)的最简单的情况下的分布图。后面说明的图6、图7、图9、图10也同样如此。
在图5中，方形的点表示多个组合Cm1中的误差eq的绝对值为基准值α以上的情况下的组合Cm1，圆形的点表示误差eq的绝对值小于基准值α的情况下的组合Cm2。学习单元130将由圆点表示的多个组合Cm2追加到教师数据Ds中。
图6是表示图5的操作量r与预测模型Mp的目标变量rf的关系的图。如图6所示，从多个组合Cm2各自的操作量r减去平均值rb0而得到的数据与目标变量rf对应。
图7是表示由已学习的预测模型Mp表现的、目标变量rf与解释变量do的关系的图。该关系由学习单元130近似为回归曲线Rc。如图7所示，预测模型Mp接受测量值集do，在回归曲线Rc中输出与测量值集do对应的目标变量rf。
图8是表示分别包含4个组合Cm1～Cm4的4个数据组Scm1、Scm2、Scm3、Scm4的包含关系的文氏图。数据集Scm1是包含全部组合Cm1的数据集，组合Cm1包含目标曲率qr、操作量r、测量值集do、矫正曲率q。数据集Scm2是数据集Scm1中的、包含全部组合Cm2的数据集，组合Cm2包含误差eq的绝对值小于基准值α的情况下的测量值集do和操作量r。数据集Scm3是数据集Scm1中的、包含测量值集do的各测量值的绝对值大于与该测量值对应的基准值β的情况下的全部组合Cm3的数据集。数据集Scm4是数据集Scm2中的、包含测量值集do的各测量值的绝对值大于与该测量值对应的基准值β的全部组合Cm4的数据集。如图8所示，数据集Scm1包含数据集Scm2、Scm3。数据集Scm4是数据集Scm2与Scm3的公共部分(积集)。平均值rb0是从数据集Scm2中除去数据集Scm4后的数据集的平均值。
图9是表示预测模型Mp为未学习的情况下的测量值集do、操作量r以及矫正曲率q各自的时序图的图。如图9所示，在500秒的时刻，输入进行与一次延迟系统的阶跃响应同样的变化的测量值集do。根据测量值集do，在500秒至600秒的时间间隔中的矫正曲率q上叠加有脉冲状的噪声。
图10是表示预测模型Mp为已学习的情况下的测量值集do、操作量r以及矫正曲率q各自的时序图的图。在图10中也与图9同样地，在500秒的时刻，输入进行与一次延迟系统的阶跃响应同样的变化的测量值集do。但是，在矫正曲率q中几乎不产生图9所示那样的脉冲状的噪声。在图10中，通过已学习的预测模型Mp预测的前馈补偿值rf来修正操作量r，由此矫正曲率q的变动得到了抑制。
图11是表示由图1的反馈控制系统、前馈控制系统以及学习单元130分别进行的处理流程的流程图的图。与反馈控制系统以及前馈控制系统各自的流程图对应的例程例如在每个采样时间执行。与学习单元130的流程图对应的例程例如对应于与前馈控制系统的各个流程图对应的例程的初次执行来执行。以下将步骤简记为S。
如图11所示，减法器150在S111中计算目标曲率qr与矫正曲率q的误差eq并输出到反馈控制单元110。反馈控制单元110在S112中，基于误差eq决定反馈操作量rb并输出到加法器160，然后结束处理。
前馈补偿单元120在S121中根据测量值集do决定前馈补偿值rf并输出到加法器160。加法器160在S122中将反馈操作量rb与前馈补偿值rf之和作为操作量r输出到矫正机200以及学习单元130，然后结束处理。
学习单元130在S130中对预测模型Mp进行使用了教师数据Ds的机器学习，然后结束处理。此外，在从控制装置100向矫正机200输出多个操作量r的情况下，对多个操作量r分别进行图11所示的处理。
图12是表示图11的机器学习处理S130的具体处理流程的流程图。学习单元130在S131中取得目标曲率qr、操作量r、测量值集do以及矫正曲率q来计算误差eq，然后使处理进入S132。学习单元130在S132中判定误差eq的绝对值是否小于基准值α。在误差eq的绝对值为基准值α以上的情况下(S132中为“否”)，学习单元130使处理进入S137。
在误差eq的绝对值小于基准值α的情况下(S132中为“是”)，学习单元130在S133中，将包含测量值集do和操作量r的组合Cm2追加到教师数据Ds，使处理进入S134。学习单元130在S134中，计算教师数据Ds中测量值集do的各测量值的绝对值小于与该测量值对应的基准值β的情况下的操作量r的平均值rb0，使处理进入S135。学习单元130在S135中，将由预测模型Mp表现的、测量值集do与作为操作量r和平均值rb0之差的前馈补偿值rf之间的关系近似为以前馈补偿值rf为目标变量并且以测量值集do为解释变量的函数(回归曲线)，使处理进入S136。
学习单元130在S136中计算至少一个组合Cm2中的测量值集do的绝对值大于基准值β的组合Cm4的数量N2相对于至少一个组合Cm1中的测量值集do的绝对值大于基准值β的组合Cm3的数量N1的比例Cr(＝N2/N1)，使处理进入S137。学习单元130在S137中判定比例Cr是否大于基准值δ。在比例Cr为基准值δ以下的情况下(S137中为“否”)，学习单元130认为向矫正机200的前馈控制的精度不充分，使处理返回S131。在比例Cr大于基准值δ的情况下(S137中为“是”)，认为向矫正机200的前馈控制的精度充分提高，学习单元130结束机器学习。
图13是表示由图1的学习单元130进行的追加学习处理流程的图。图13所示的处理例如在初次的机器学习开始后，按每个采样时间执行。学习单元130在S131A中判定机器学习是否结束且比例Cr是否为基准值δ以下。在机器学习未结束或者比例Cr大于基准值δ的情况下(在131A中为“否”)，认为矫正机200的特性未变化，现有的已学习的预测模型Mp适合于矫正机200，学习单元130结束处理。
在机器学习结束且比例Cr为基准值δ以下的情况下(在S131A中为“是”)，学习单元130认为在上次的机器学习结束后矫正机200的特性发生了变化，为了使预测模型Mp重新适应矫正机200的特性，在与图11同样的S130中再次开始针对预测模型Mp的机器学习。利用控制装置100，根据矫正机200的特性变化来进行针对预测模型Mp的追加学习，因此能够抑制因矫正机200的特性变化而引起的前馈控制的精度下降。
[实施方式1的变形例1]
在实施方式1中，说明了通过预测模型来表现测量值集do、与作为操作量r和平均值rb0之差的前馈补偿值rf之间的关系的情况。在实施方式1的变形例1中，对由预测模型表现的关系是测量值集do与操作量r之间的关系的情况进行说明。
图14是表示图11的机器学习处理S130的具体处理流程的另一例的流程图。图14所示的流程图是将图12的S135置换为S135B的流程图。如图14所示，学习单元130在与实施方式1同样地进行S131～S134之后，在S135B中，将由预测模型Mp表现的、测量值集do与操作量r的关系近似为以操作量r为目标变量并且以测量值集do为解释变量的函数(回归曲线)，使处理进入S136。学习单元130与实施方式1同样地进行S136、S137后结束处理。前馈补偿单元120使用预测模型Mp根据测量值集do预测操作量r，将从操作量r减去平均值rb0而得到的值(＝r-rb0)作为前馈补偿值rf输出到加法器160。
[实施方式1的变形例2]
在实施方式1中，对包含反馈控制系统以及前馈控制系统双方的结构进行了说明。在实施方式1的变形例2中，对不包含反馈控制系统的结构进行说明。
图15是表示实施方式1的变形例2的、线材的矫正机200的控制装置100A的功能结构的框图。控制装置100A的结构是从图1的控制装置100去除了减法器150以及反馈控制单元110的结构。除此以外是同样的，因此不重复对同样的结构的说明。此外，加法器160也可以不包含于控制装置100A。
控制装置100A以使由矫正机200矫正后的线材的矫正曲率q接近目标曲率qr的方式决定前馈补偿值rf。根据控制装置100A，在保留现有的反馈控制系统的同时，在该反馈控制系统中追加控制装置，由此能够容易地将现有的反馈控制系统扩展为包含前馈控制系统以及学习功能的控制系统。
以上，根据实施方式1以及变形例1、2的控制装置以及控制方法，能够提高针对线材的矫正机的前馈控制的精度。
[实施方式2]
在实施方式1中，对在1个控制装置中包含反馈控制系统、前馈控制系统、以及对预测模型进行机器学习的结构的情况进行了说明。在实施方式2中，对反馈控制系统、前馈控制系统、以及对预测模型进行机器学习的结构被分为相互独立的装置的结构进行说明。
图16是表示实施方式2的控制系统2的功能结构的框图。在图16中标注有与图1相同的参照标号的结构具有与在实施方式1中说明的由该参照标号确定的结构相同的功能，因此不重复对该相同结构的说明。
如图16所示，控制系统2具有反馈控制装置11、前馈补偿装置12以及学习装置13。反馈控制装置11包含反馈控制单元110和减法器150。前馈补偿装置12包含前馈补偿单元120和加法器160。学习装置13包含学习单元130和存储单元140。反馈控制装置11、前馈补偿装置12、学习装置13以及矫正机200也可以经由网络相互连接，并相互远程配置。另外，加法器160也可以不包含在前馈补偿装置12中，而包含在反馈控制装置11中。
根据控制系统2，在保留现有的反馈控制装置的同时，在该反馈控制装置中追加前馈补偿装置以及学习装置，由此能够容易地扩展现有的控制系统。
以上，根据实施方式2的控制系统以及控制方法，能够提高针对线材的矫正机的前馈控制的精度。
[实施方式3]
在实施方式3中，作为实施方式1的控制装置的一例，对该控制装置包含PLC(Programmable Logic Controller：可编程逻辑控制器)的结构进行说明。
＜控制系统的网络结构例＞
图17是表示实施方式3的控制系统3的网络结构例的示意图。如图17所示，控制系统3包含多个设备构成为能够相互通信的设备组。典型地，设备可包含作为执行控制程序的处理主体的控制装置300、以及连接于控制装置300的外围装置。控制装置300具有与图1所示的控制装置100相同的功能结构。
控制装置300相当于对各种设备或装置等控制对象进行控制的工业用控制器。控制装置300是执行控制运算的一种计算机，典型的是包含PLC(Programmable LogicController：可编程逻辑控制器)。控制装置300经由现场网络20与矫正机200连接。控制装置300经由现场网络20，与至少一个矫正机200之间交换数据。
在控制装置300中执行的控制运算包含收集在矫正机200中收集或生成的数据的处理、生成针对矫正机200的指令值(操作量)等数据的处理、以及将生成的输出数据发送到对象矫正机200的处理等。在矫正机200中收集或生成的数据中包含与从矫正机200得到的测量值相关的数据、以及作为矫正机200按照指令值实际动作的结果的控制量。针对矫正机200的指令值如下决定：对基于控制目标值(目标曲率)与实际的控制量(矫正曲率)之间的误差而暂时计算出的操作量，加上由预测模型根据测量值预测出的前馈补偿值，所述控制目标值(目标曲率)是基于由控制装置300执行的控制程序而计算出的。
现场网络20优选采用进行恒定周期通信的总线或网络。作为进行这样的恒定周期通信的总线或网络，已知EtherCAT(注册商标)、EtherNet/IP(注册商标)、DeviceNet(注册商标)或CompoNet(注册商标)等。在保证数据的到达时间方面，优选为EtherCAT(注册商标)。
在现场网络20上能够连接其他矫正机200以及任意的现场设备。现场设备包含对位于现场侧的机器人或输送机等赋予某些物理作用的致动器、及与现场之间交换信息的输入输出装置等。
控制装置300还经由上位网络32与其他装置连接。上位网络32经由网关700与作为外部网络的互联网900连接。上位网络32也可以采用作为通常的网络协议的以太网(注册商标)或EtherNet/IP(注册商标)。更具体而言，也可以在上位网络32上连接至少一个服务器装置600以及至少一个显示装置500。
作为服务器装置600，可设想数据库系统或制造执行系统(MES：ManufacturingExecution System)等。制造执行系统取得来自作为控制对象的制造装置或设备的信息，对生产整体进行监视和管理，还能够处理订单信息、品质信息或出货信息等。不限于此，也可以在上位网络32上连接提供信息系统服务的装置。作为信息系统服务，可设想取得来自作为控制对象的制造装置或设备的信息，并进行宏观或微观的分析等的处理。例如，作为信息系统服务，可设想从来自作为控制对象的制造装置或设备的信息中提取该信息所包含的某些特征性趋势的数据挖掘，或者用于基于来自作为控制对象的设备或机械的信息进行机器学习的机器学习工具等。
显示装置500受理来自用户的操作，对控制装置300输出与用户操作对应的命令等，并且图形化地显示控制装置300中的运算结果等。
可对控制装置300连接支持装置400。支持装置400也可经由上位网络32或互联网900与控制装置300连接。支持装置400是辅助控制装置300对控制对象进行控制所需的准备的装置。具体而言，支持装置400提供由控制装置300执行的程序的开发环境(程序创建编辑工具、解析器及编译器等)、用于设定控制装置300及与控制装置300连接的各种设备的结构信息(配置)的设定环境、将所生成的程序输出到控制装置300的功能、以及在线地对在控制装置300上执行的程序等进行修正及变更的功能等。
在控制系统3中，控制装置300、支持装置400及显示装置500各自分体地构成，但也可以采用将这些功能的全部或一部分集成于单一装置的结构。
控制装置300不限于仅在一个生产现场使用的情况，也在其他生产现场使用。另外，有时在一个生产现场内也在多个不同的生产线中使用。
＜控制装置的硬件结构例＞
图18是表示图17的控制装置300的硬件结构例的框图。如图18所示，控制装置300包含处理器302、主存储器304、储存器360、存储卡接口312、上位网络控制器306、现场网络控制器308、本地总线控制器316以及提供USB(Universal Serial Bus：通用串行总线)接口的USB控制器370。这些组件经由处理器总线318连接。
处理器302相当于执行控制运算的运算处理部，由CPU(Central ProcessingUnit：中央处理单元)和/或GPU(Graphics Processing Unit：图形处理单元)等构成。具体而言，处理器302读出储存器360中保存的程序，在主存储器304中展开并执行，由此实现针对矫正机200的控制运算。
主存储器304由DRAM(Dynamic Random Access Memory：动态随机存取存储器)和/或SRAM(Static Random Access Memory：静态随机存取存储器)等易失性存储装置等构成。储存器360例如由SSD(Solid State Drive：固态驱动器)和/或HDD(Hard Disk Drive：硬盘驱动器)等非易失性存储装置等构成。
在储存器360中保存有控制程序Pc、教师数据Ds、预测模型Mp。储存器360对应于图1的存储单元140。控制程序Pc包含用于统一地对控制装置300进行控制来实现控制装置300的各功能的程序。即，执行控制程序Pc的处理器302对应于图1的反馈控制系统(反馈控制单元110和减法器150)、前馈控制系统(前馈补偿单元120和加法器160)、以及学习单元130。
存储卡接口312接受作为可装卸的存储介质的一例的存储卡314。存储卡接口312能够对存储卡314读写任意的数据。
上位网络控制器306经由上位网络32(例如局域网)，与连接于上位网络32的任意信息处理装置之间交换数据。
现场网络控制器308经由现场网络20与矫正机200之间交换数据。
本地总线控制器316经由本地总线322与构成控制装置300的任意功能单元380之间交换数据。功能单元380例如由负责模拟信号的输入和/或输出的模拟I/O单元、负责数字信号的输入和/或输出的数字I/O单元以及受理来自编码器等的脉冲的计数器单元等构成。
USB控制器370经由USB连接与任意的信息处理装置之间交换数据。USB控制器370例如与支持装置400连接。
以上，根据实施方式3的控制装置以及控制方法，能够提高针对线材的矫正机的前馈控制的精度。
＜附记＞
如上所述的本实施方式包含以下这样的技术思想。
[结构1]
一种矫正机(200)的控制装置(100、100A、300)，其以使由矫正机(200)矫正后的线材(Wr)的矫正曲率(q)接近目标曲率(qr)的方式，决定与对所述矫正机(200)的反馈操作量(rb)对应的前馈补偿值(rf)，其中，
所述矫正机(200)包含：
线材供给部(Bn)，其具有卷绕的所述线材(Wr)；
多个辊(Ro1～Ro7)，它们以夹着从所述线材供给部(Bn)引出的所述线材(Wr)的方式互相错开配置，对所述线材(Wr)进行按压；以及
线材移动部(Mu)，其从所述线材供给部(Bn)引出所述线材(Wr)并使它们通过所述多个辊(Ro1～Ro7)，
所述矫正曲率(q)是通过了所述多个辊(Ro1～Ro7)的、所述线材(Wr)的第1部分的曲率，
所述反馈操作量(rb)是由反馈控制单元(110)基于所述目标曲率(qr)与所述矫正曲率(q)的误差(eq)而决定的，
将所述反馈操作量(rb)与所述前馈补偿值(rf)之和作为操作量(r)输出到所述矫正机(200)，
所述控制装置(100、100A、300)具有：
前馈补偿单元(120)，其使用预测模型(Mp)，根据从所述矫正机(200)得到的测量值(do)来决定所述前馈补偿值(rf)；以及
学习单元(130)，其使用教师数据(Ds)对所述预测模型(Mp)进行机器学习，
所述学习单元(130)取得包含所述目标曲率(qr)、与所述目标曲率(qr)对应的所述操作量(r)、所述测量值(do)、以及与所述测量值(do)和所述操作量(r)双方对应的所述矫正曲率(q)的至少一个第1组合(Cm1)，
所述学习单元(130)将所述至少一个第1组合(Cm1)中的、包含所述误差(eq)的绝对值小于第1基准值(α)的情况下的所述测量值(do)和所述操作量(r)的至少一个第2组合(Cm2)追加到所述教师数据(Ds)。
[结构2]
在结构1所记载的矫正机(200)的控制装置(100、100A、300)中，
所述操作量(r)使所述多个辊(Ro2～Ro6)的位置以及所述线材(Wr)的移动速度中的至少一个发生变化，
所述控制装置(100、100A、300)根据所述测量值(do)取得以下参数中的至少一个：
所述线材(Wr)的移动速度；
所述第1部分的位置；
被所述多个辊(Ro1～Ro7)按压前的所述线材(Wr)的第2部分的位置、所述第2部分的尺寸和所述第2部分的曲率；
所述线材供给部(Bn)中的所述线材(Wr)的卷绕位置；以及
所述多个辊(Ro2～Ro6)各自的位置、所述多个辊(Ro1～Ro7)各自的半径、所述多个辊(Ro1～Ro7)的间距和所述多个辊(Ro2～Ro6)的压力。
[结构3]
在结构1或2所记载的控制装置(100、100A、300)中，
所述学习单元(130)计算所述教师数据(Ds)中所述测量值(do)的绝对值小于第2基准值(β)的情况下的所述操作量(r)的平均值(rb0)，
所述学习单元(130)将由所述预测模型(Mp)表现的、所述测量值(do)与作为所述操作量(r)和所述平均值(rb0)之差的所述前馈补偿值(rf)之间的关系近似为以所述前馈补偿值(rf)为目标变量并且以所述测量值(do)为解释变量的函数，
所述学习单元(130)在所述至少一个第2组合(Cm2)中的所述测量值(do)的绝对值大于所述第2基准值(β)的第4组合(Cm4)的数量相对于所述至少一个第1组合(Cm1)中的所述测量值(do)的绝对值大于所述第2基准值(β)的第3组合(Cm3)的数量的比例(Cr)大于第3基准值(δ)的情况下，结束所述机器学习。
[结构4]
在结构1或2所记载的控制装置(100、100A、300)中，
所述学习单元(130)计算所述教师数据(Ds)中所述测量值(do)的绝对值小于第2基准值(β)的情况下的所述操作量(r)的平均值(rb0)，
所述学习单元(130)将由所述预测模型(Mp)表现的、所述测量值(do)与所述操作量(r)之间的关系近似为以所述操作量(r)为目标变量并且以所述测量值(do)为解释变量的函数，
所述学习单元(130)在所述至少一个第2组合(Cm2)中的所述测量值(do)的绝对值大于所述第2基准值(β)的第4组合(Cm4)的数量相对于所述至少一个第1组合(Cm1)中的所述测量值(do)的绝对值大于所述第2基准值(β)的第3组合(Cm3)的数量的比例(Cr)大于第3基准值(δ)的情况下，结束所述机器学习，
所述前馈补偿单元(120)将从所述预测模型(Mp)根据所述测量值(do)预测出的所述操作量(r)中减去所述平均值(rb0)而得到的值决定为所述前馈补偿值(rf)。
[结构5]
在结构3或4所记载的控制装置(100、100A、300)中，
所述学习单元(130)在所述机器学习结束且所述比例(Cr)小于所述第3基准值(δ)的情况下，再次开始所述机器学习。
[结构6]
一种控制系统(2)，其以使由矫正机(200)矫正后的线材(Wr)的矫正曲率(q)接近目标曲率(qr)的方式，将对所述矫正机(200)的反馈操作量(rb)与前馈补偿值(rf)之和作为操作量(r)输出到所述矫正机(200)，其中，
所述矫正机(200)包含：
线材供给部(Bn)，其具有卷绕的所述线材(Wr)；
多个辊(Ro1～Ro7)，它们以夹着从所述线材供给部(Bn)引出的所述线材(Wr)的方式互相错开配置，对所述线材(Wr)进行按压；以及
线材移动部(Mu)，其从所述线材供给部(Bn)引出所述线材(Wr)并使它们通过所述多个辊(Ro1～Ro7)，
所述矫正曲率(q)是通过了所述多个辊(Ro1～Ro7)的、所述线材(Wr)的部分的曲率，
所述控制系统(2)具有：
反馈控制装置(11)，其基于所述目标曲率(qr)与所述矫正曲率(q)的误差(eq)来决定所述反馈操作量(rb)；
前馈补偿装置(12)，其使用预测模型(Mp)，根据从所述矫正机(200)得到的测量值(do)来决定所述前馈补偿值(rf)；以及
学习装置(13)，其使用教师数据(Ds)对所述预测模型(Mp)进行机器学习，
所述学习装置(13)取得包含所述目标曲率(qr)、与所述目标曲率(qr)对应的所述操作量(r)、所述测量值(do)、以及与所述测量值(do)和所述操作量(r)双方对应的所述矫正曲率(q)的至少一个第1组合(Cm1)，
所述学习装置(13)将所述至少一个第1组合(Cm1)中的、包含所述误差(eq)的绝对值小于第1基准值(α)的情况下的所述测量值(do)和所述操作量(r)的至少一个第2组合(Cm2)追加到所述教师数据(Ds)。
[结构7]
一种矫正机(200)的控制方法，以使由矫正机(200)矫正后的线材(Wr)的矫正曲率(q)接近目标曲率(qr)的方式，决定与对所述矫正机(200)的反馈操作量(rb)对应的前馈补偿值(rf)，其中，
所述矫正机(200)包含：
线材供给部(Bn)，其具有卷绕的所述线材(Wr)；
多个辊(Ro1～Ro7)，它们以夹着从所述线材供给部(Bn)引出的所述线材(Wr)的方式互相错开配置，对所述线材(Wr)进行按压；以及
线材移动部(Mu)，其从所述线材供给部(Bn)引出所述线材(Wr)并使它们通过所述多个辊(Ro1～Ro7)，
所述矫正曲率(q)是通过了所述多个辊(Ro1～Ro7)的、所述线材(Wr)的部分的曲率，
所述反馈操作量(rb)是由反馈控制单元(110)基于所述目标曲率(qr)与所述矫正曲率(q)的误差(eq)而决定的，
将所述反馈操作量(rb)与所述前馈补偿值(rf)之和作为操作量(r)输出到所述矫正机(200)，
所述控制方法包含以下步骤：
使用预测模型(Mp)，根据从所述矫正机(200)得到的测量值(do)来决定所述前馈补偿值(rf)；以及
使用教师数据(Ds)对所述预测模型(Mp)进行机器学习，
进行所述机器学习的步骤包含以下步骤：
取得包含所述目标曲率(qr)、与所述目标曲率(qr)对应的所述操作量(r)、所述测量值(do)、以及与所述测量值(do)和所述操作量(r)双方对应的所述矫正曲率(q)的至少一个第1组合(Cm1)；以及
将所述至少一个第1组合(Cm1)中的、包含所述误差(eq)的绝对值小于第1基准值(α)的情况下的所述测量值(do)和所述操作量(r)的至少一个第2组合(Cm2)追加到所述教师数据(Ds)。
对本发明的实施方式进行了说明，但应认为此次公开的实施方式在所有方面都是例示而不是限制性的。本发明的范围由权利要求书表示，意在包含与权利要求书等同的意思以及范围内的所有变更。

Claims (7)

1.一种矫正机的控制装置，其以使由矫正机矫正后的线材的矫正曲率接近目标曲率的方式，决定与对所述矫正机的反馈操作量对应的前馈补偿值，其中，
所述矫正机包含：
线材供给部，其具有卷绕的所述线材；
多个辊，它们以夹着从所述线材供给部引出的所述线材的方式互相错开配置，对所述线材进行按压；以及
线材移动部，其从所述线材供给部引出所述线材并使它们通过所述多个辊，
所述矫正曲率是通过了所述多个辊的、所述线材的第1部分的曲率，
所述反馈操作量是由反馈控制单元基于所述目标曲率与所述矫正曲率的误差而决定的，
将所述反馈操作量与所述前馈补偿值之和作为操作量输出到所述矫正机，
所述控制装置具有：
前馈补偿单元，其使用预测模型，根据从所述矫正机得到的测量值来决定所述前馈补偿值；以及
学习单元，其使用教师数据对所述预测模型进行机器学习，
所述学习单元取得包含所述目标曲率、与所述目标曲率对应的所述操作量、所述测量值、以及与所述测量值和所述操作量双方对应的所述矫正曲率的至少一个第1组合，
所述学习单元将所述至少一个第1组合中的、包含所述误差的绝对值小于第1基准值的情况下的所述测量值和所述操作量的至少一个第2组合追加到所述教师数据中。
2.根据权利要求1所述的矫正机的控制装置，其中，
所述操作量使所述多个辊的位置以及所述线材的移动速度中的至少一个发生变化，
所述控制装置根据所述测量值取得以下参数中的至少一个：
所述线材的移动速度；
所述第1部分的位置；
被所述多个辊按压前的所述线材的第2部分的位置、所述第2部分的尺寸和所述第2部分的曲率；
所述线材供给部中的所述线材的卷绕位置；以及
所述多个辊各自的位置、所述多个辊各自的半径、所述多个辊的间距和所述多个辊的压力。
3.根据权利要求1或2所述的矫正机的控制装置，其中，
所述学习单元计算所述教师数据中所述测量值的绝对值小于第2基准值的情况下的所述操作量的平均值，
所述学习单元将由所述预测模型表现的、所述测量值与作为所述操作量和所述平均值之差的所述前馈补偿值之间的关系近似为以所述前馈补偿值为目标变量并且以所述测量值为解释变量的函数，
所述学习单元在所述至少一个第2组合中的所述测量值的绝对值大于所述第2基准值的第4组合的数量相对于所述至少一个第1组合中的所述测量值的绝对值大于所述第2基准值的第3组合的数量的比例大于第3基准值的情况下，结束所述机器学习。
4.根据权利要求1或2所述的矫正机的控制装置，其中，
所述学习单元计算所述教师数据中所述测量值的绝对值小于第2基准值的情况下的所述操作量的平均值，
所述学习单元将由所述预测模型表现的、所述测量值与所述操作量之间的关系近似为以所述操作量为目标变量并且以所述测量值为解释变量的函数，
所述学习单元在所述至少一个第2组合中的所述测量值的绝对值大于所述第2基准值的第4组合的数量相对于所述至少一个第1组合中的所述测量值的绝对值大于所述第2基准值的第3组合的数量的比例大于第3基准值的情况下，结束所述机器学习，
所述前馈补偿单元将从所述预测模型根据所述测量值预测出的所述操作量中减去所述平均值而得到的值决定为所述前馈补偿值。
5.根据权利要求3所述的矫正机的控制装置，其中，
所述学习单元在所述机器学习结束且所述比例小于所述第3基准值的情况下，再次开始所述机器学习。
6.一种控制系统，其以使由矫正机矫正后的线材的矫正曲率接近目标曲率的方式，将对所述矫正机的反馈操作量与前馈补偿值之和作为操作量输出到所述矫正机，其中，
所述矫正机包含：
线材供给部，其具有卷绕的所述线材；
多个辊，它们以夹着从所述线材供给部引出的所述线材的方式互相错开配置，对所述线材进行按压；以及
线材移动部，其从所述线材供给部引出所述线材并使它们通过所述多个辊，
所述矫正曲率是通过了所述多个辊的、所述线材的部分的曲率，
所述控制系统具有：
反馈控制装置，其基于所述目标曲率与所述矫正曲率的误差来决定所述反馈操作量；
前馈补偿装置，其使用预测模型，根据从所述矫正机得到的测量值来决定所述前馈补偿值；以及
学习装置，其使用教师数据对所述预测模型进行机器学习，
所述学习装置取得包含所述目标曲率、与所述目标曲率对应的所述操作量、所述测量值、以及与所述测量值和所述操作量双方对应的所述矫正曲率的至少一个第1组合，
所述学习装置将所述至少一个第1组合中的、包含所述误差的绝对值小于第1基准值的情况下的所述测量值和所述操作量的至少一个第2组合追加到所述教师数据中。
7.一种矫正机的控制方法，以使由矫正机矫正后的线材的矫正曲率接近目标曲率的方式，决定与对所述矫正机的反馈操作量对应的前馈补偿值，其中，
所述矫正机包含：
线材供给部，其具有卷绕的所述线材；
多个辊，它们以夹着从所述线材供给部引出的所述线材的方式互相错开配置，对所述线材进行按压；以及
线材移动部，其从所述线材供给部引出所述线材并使它们通过所述多个辊，
所述矫正曲率是通过了所述多个辊的、所述线材的部分的曲率，
所述反馈操作量是由反馈控制单元基于所述目标曲率与所述矫正曲率的误差而决定的，
将所述反馈操作量与所述前馈补偿值之和作为操作量输出到所述矫正机，
所述控制方法包含以下步骤：
使用预测模型，根据从所述矫正机得到的测量值来决定所述前馈补偿值；以及
使用教师数据对所述预测模型进行机器学习，
进行所述机器学习的步骤包含以下步骤：
取得包含所述目标曲率、与所述目标曲率对应的所述操作量、所述测量值、以及与所述测量值和所述操作量双方对应的所述矫正曲率的至少一个第1组合；以及
将所述至少一个第1组合中的、包含所述误差的绝对值小于第1基准值的情况下的所述测量值和所述操作量的至少一个第2组合追加到所述教师数据中。
CN202211452817.3A 2021-12-06 2022-11-21 线材的矫正机的控制装置、控制系统以及控制方法 Pending CN116224778A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021-197682 2021-12-06
JP2021197682A JP2023083787A (ja) 2021-12-06 2021-12-06 線材の矯正機の制御装置、制御システム、および制御方法

Publications (1)

Publication Number Publication Date
CN116224778A true CN116224778A (zh) 2023-06-06

Family

ID=84361501

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211452817.3A Pending CN116224778A (zh) 2021-12-06 2022-11-21 线材的矫正机的控制装置、控制系统以及控制方法

Country Status (4)

Country Link
US (1) US20230173573A1 (zh)
EP (1) EP4191348B1 (zh)
JP (1) JP2023083787A (zh)
CN (1) CN116224778A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116984421B (zh) * 2023-09-25 2023-12-08 太仓庄正数控设备有限公司 一种矫平机的滚筒控制方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2937267B1 (fr) * 2008-10-17 2010-11-12 Dimeco Alipresse Dispositif de redressage et d'amenee d'une bande de matiere semi-rigide dans une machine.
JP2016196037A (ja) 2015-04-06 2016-11-24 三菱電機株式会社 線材矯正装置、太陽電池ストリング製造装置および線材矯正方法
CN107894711B (zh) * 2017-10-16 2020-07-24 淮阴工学院 一种基于模糊支持向量机智能线缆自动制作机
FI20195790A1 (en) * 2019-09-20 2021-03-21 Maillefer Extrusion Oy QUALITY FORECAST BASED ON MACHINE LEARNING OF MANUFACTURED FIBER OPTIC CABLE

Also Published As

Publication number Publication date
US20230173573A1 (en) 2023-06-08
JP2023083787A (ja) 2023-06-16
EP4191348A1 (en) 2023-06-07
EP4191348B1 (en) 2024-05-22

Similar Documents

Publication Publication Date Title
JP6567205B1 (ja) 機械学習装置、補正パラメータ調整装置および機械学習方法
US11640557B2 (en) Machine learning device, numerical control system, and machine learning method
US9122261B2 (en) Apparatus and method for real-time sequential quadratic programming in industrial process control systems
US11914333B2 (en) Machine learning device, servo control device, servo control system, and machine learning method
JP4952025B2 (ja) 運転制御方法，運転制御装置及び運転制御システム
JP2017030067A (ja) 加工時間測定機能とオンマシン測定機能を有する制御装置付き加工装置
CN108880399B (zh) 机器学习装置、伺服控制系统以及机器学习方法
JP2018173777A (ja) 機械学習装置、サーボ制御装置、サーボ制御システム、及び機械学習方法
US11023827B2 (en) Machine learning device, servo control device, servo control system, and machine learning method for suppressing variation in position error using feedforward control
JP6740279B2 (ja) 調整装置及び調整方法
US10359742B2 (en) Learning model construction device, and control information optimization device
US10901396B2 (en) Machine learning device, control device, and machine learning method
JP6784722B2 (ja) 出力装置、制御装置、及び評価関数値の出力方法
JP2021092954A (ja) ワークモデルの修正量を学習する機械学習装置、制御装置、加工システム、及び機械学習方法
CN111033396B (zh) 用于模型预测控制的控制参数的设定方法
CN116224778A (zh) 线材的矫正机的控制装置、控制系统以及控制方法
CN113050539A (zh) 热位移校正装置
JP2020035159A (ja) パラメータ調整装置
KR20180014364A (ko) Cnc 공구 마모 보정 장치 및 방법
JP6618656B1 (ja) 保守支援システム、数値制御装置および保守支援システムの制御方法
CN109507879B (zh) 控制装置以及机器学习装置
JP6909616B2 (ja) 製造システムおよび製造方法
WO2022224450A9 (ja) 機械学習装置、加減速調整装置及びコンピュータ読み取り可能な記憶媒体
WO2020162200A1 (ja) 制御装置および制御プログラム
US20230141311A1 (en) Reduction of friction within a machine tool

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