CN116348822A - 仿真程序、仿真装置及仿真方法 - Google Patents
仿真程序、仿真装置及仿真方法 Download PDFInfo
- Publication number
- CN116348822A CN116348822A CN202180071137.4A CN202180071137A CN116348822A CN 116348822 A CN116348822 A CN 116348822A CN 202180071137 A CN202180071137 A CN 202180071137A CN 116348822 A CN116348822 A CN 116348822A
- Authority
- CN
- China
- Prior art keywords
- model
- driver
- mechanical
- machine
- simulation
- 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
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 340
- 238000000034 method Methods 0.000 title claims description 44
- 238000012821 model calculation Methods 0.000 claims abstract description 60
- 238000013528 artificial neural network Methods 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 17
- 238000010801 machine learning Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 description 42
- XXQCMVYBAALAJK-UHFFFAOYSA-N ethyl n-[4-[benzyl(2-phenylethyl)amino]-2-(2-phenylethyl)-1h-imidazo[4,5-c]pyridin-6-yl]carbamate Chemical compound N=1C=2C(N(CCC=3C=CC=CC=3)CC=3C=CC=CC=3)=NC(NC(=O)OCC)=CC=2NC=1CCC1=CC=CC=C1 XXQCMVYBAALAJK-UHFFFAOYSA-N 0.000 description 36
- 238000010586 diagram Methods 0.000 description 28
- 230000006870 function Effects 0.000 description 19
- 238000004804 winding Methods 0.000 description 15
- 230000015654 memory Effects 0.000 description 9
- 101001101476 Bacillus subtilis (strain 168) 50S ribosomal protein L21 Proteins 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 5
- 238000011960 computer-aided design Methods 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 4
- 230000020169 heat generation Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 101710190981 50S ribosomal protein L6 Proteins 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 101710135913 50S ribosomal protein L27 Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012840 feeding operation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000002076 thermal analysis method Methods 0.000 description 1
Images
Classifications
-
- 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
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
一种仿真程序,其使用对机械的动作进行模拟的机械模型和对电动机驱动器的动作进行模拟的驱动器模型,对具备具有电动机的机械、对电动机进行控制的电动机驱动器和对电动机驱动器进行控制的控制器的机械系统的动作进行模拟,该仿真程序使计算机执行:模型选择步骤,基于设定有仿真的抽象度的抽象度设定,从对机械模型的候选和驱动器模型的候选进行保持的模型库(13)对仿真所使用的机械模型和驱动器模型进行选择;以及模型运算步骤,使用选择出的机械模型及驱动器模型而对机械系统的动作进行模拟,通过不同的抽象度对1个机械进行模拟的多个机械模型包含于机械模型的候选,或者通过不同的抽象度对1个电动机驱动器进行模拟的多个驱动器模型包含于驱动器模型的候选。
Description
技术领域
本发明涉及对机械的动作及电动机驱动器的动作中的至少一者的动作进行模拟的仿真程序、仿真装置及仿真方法。
背景技术
由电动机驱动的机械为了执行期望的动作,需要进行决定机械结构的设计参数、用于对电动机进行控制的控制参数等参数的调整。如果为了进行这些参数的调整而重复进行机械的试制和试验动作,则会花费大量的工作量、时间及费用。因此,使用通过对机械的动作进行模拟的仿真装置得到的数值计算的计算结果而调整参数。
为了对机械的动作进行仿真,需要用于在软件上对机械的动作进行模拟的模型。并且,规格针对每个用途而不同的机械是多种多样的,机械的模型也需要与规格相应地创建。例如,对以调整参数为目的的仿真中使用的模型要求精度,但在使用以高精度对机械整体进行模拟的模型实施的仿真中会花费大量的计算成本。因此,使用与仿真的目的相应地对需要的部分高精度地进行模拟,将其他部分简化这样的针对每个部分具有适当的抽象度的模型。
专利文献1所记载的模拟器创建对电动机进行控制的电动机驱动器、用于输入传感器信号的传感器信号单元等的模型,通过将这些模型进行组合,从而针对各种机械使模型的创建容易化。
专利文献1:国际公开第2008/120304号
发明内容
但是,在上述专利文献1的技术中,虽然能够针对结构不同的机械而创建模型,但无法针对1个机械而使用抽象度不同的模型。因此,在上述专利文献1的技术的情况下,在每次希望进行仿真的内容发生改变时,用户需要创建适当的抽象度的模型,模型的创建会花费时间及工作量,因此存在无法简易地实现计算效率良好的仿真这样的问题。
本发明就是鉴于上述情况而提出的,其目的在于得到能够简易地实现计算效率良好的仿真的仿真程序。
为了解决上述课题,并达到目的,本发明是一种仿真程序,其使用对机械的动作进行模拟的机械模型和对电动机驱动器的动作进行模拟的驱动器模型,对具备具有电动机并且由电动机驱动的机械、对电动机进行控制的电动机驱动器和对电动机驱动器进行控制的控制器的机械系统的动作进行模拟,该仿真程序使计算机执行模型选择步骤,从对机械模型的候选和驱动器模型的候选进行保持的模型库,基于设定有对机械系统的动作进行模拟时的仿真的抽象度的信息即抽象度设定,选择对机械的动作进行模拟时所使用的机械模型和对电动机驱动器的动作进行模拟时所使用的驱动器模型。另外,仿真程序使计算机执行模型运算步骤,使用通过模型选择步骤选择出的机械模型及驱动器模型而对机械系统的动作进行模拟。机械模型的候选及驱动器模型的候选的至少一者为多个,在机械模型的候选为多个的情况下,在机械模型的候选中包含有通过不同的抽象度对1个机械进行模拟的多个机械模型,在驱动器模型的候选为多个的情况下,在驱动器模型的候选中包含有通过不同的抽象度对1个电动机驱动器进行模拟的多个驱动器模型。
发明的效果
本发明所涉及的仿真程序具有下述效果,即,能够简易地实现计算效率良好的仿真。
附图说明
图1是表示由实施方式1所涉及的仿真装置对动作进行仿真的机械系统的结构的图。
图2是表示实施方式1所涉及的仿真装置的结构的图。
图3是表示通过实施方式1所涉及的仿真装置进行的仿真的处理顺序的流程图。
图4是表示实施方式2所涉及的仿真装置的结构的图。
图5是用于说明由实施方式2所涉及的仿真装置对动作进行模拟的机械系统所使用的定序程序的图。
图6是表示实施方式3所涉及的仿真装置的结构的图。
图7是用于说明实施方式3所涉及的仿真装置所使用的神经网络的图。
图8是表示实施方式4所涉及的仿真装置的结构的图。
图9是用于说明实施方式4所涉及的仿真装置通过模型的简化而生成新的模型的处理的图。
图10是表示实施方式5所涉及的仿真装置的结构的图。
图11是用于说明实施方式5所涉及的仿真装置所使用的神经网络的图。
图12是表示由实施方式6所涉及的仿真装置对动作进行仿真的机械系统的结构的图。
图13是表示实施方式6所涉及的仿真装置的结构的图。
图14是表示实现实施方式1所涉及的仿真装置的硬件结构例的图。
具体实施方式
下面,基于附图,对本发明的实施方式所涉及的仿真程序、仿真装置及仿真方法详细地进行说明。
实施方式1.
图1是表示由实施方式1所涉及的仿真装置对动作进行仿真的机械系统的结构的图。在实施方式1中,对由仿真装置执行仿真的情况进行说明,该仿真是对图1所示的具有3轴的电动机的机械系统20A的动作进行模拟的处理。
机械系统20A具有:机械1,其由电动机进行驱动;以及控制器10A,其对机械1进行控制。另外,机械1具有台板5和头部6。在下面的说明中,将与台板5的上表面平行的面内的2个方向且彼此正交的2个方向设为X方向及Y方向。另外,将与X方向及Y方向正交的方向设为Z方向。
机械1具有由在X方向延伸的X轴1a、在Y方向延伸的Y轴1b和在Z方向延伸的Z轴1c构成的3轴的电动机。
台板5与X轴1a及Y轴1b连接,通过X轴1a的动作及Y轴1b的动作在XY平面内进行移动。头部6与Z轴1c连接,通过Z轴1c的动作在Z轴1c方向进行移动。
控制器10A对X轴1a的动作及Y轴1b的动作进行控制,由此对台板5的X方向及Y方向的位置进行控制。另外,控制器10A对Z轴1c的动作进行控制,由此对在Z轴1c的前端安装的头部6的Z方向的位置进行控制。机械1通过头部6对载置于台板5上的工件Wp实施加工。
另外,在机械系统20A搭载有电动机驱动器(未图示)。在机械系统20A中,控制器10A对电动机驱动器进行控制,电动机驱动器对各轴的电动机进行驱动及控制。控制器10A的例子是可编程逻辑控制器、工业用个人计算机、伺服系统控制器等。
图2是表示实施方式1所涉及的仿真装置的结构的图。仿真装置11是对机械系统20A的动作进行模拟的计算机。
仿真装置11具有模型选择部12、模型库13和模型运算部14。模型选择部12基于从外部赋予的抽象度设定,从储存于模型库13的模型的候选中对与抽象度设定相对应的模型进行选择。
抽象度设定是表示仿真的抽象度的信息。换言之,抽象度设定是用于从预先准备的仿真的选项中对1个进行选择的信息。即,在抽象度设定中包含有决定模型的抽象度的信息。抽象度设定由仿真装置11的用户输入至模型选择部12。
抽象度设定可以是表示仿真的目的的信息,也可以是通过数值表示抽象度的信息。在抽象度设定是通过数值表示抽象度的信息的情况下,抽象度的数值越大,则仿真的抽象度越高,与简化的仿真相对应。此外,抽象度设定也可以是表示仿真的用途的信息。
模型选择部12存储有表示抽象度设定和所要选择的模型之间的对应关系的对应关系信息。模型选择部12所选择的模型是与仿真的目的相对应的模型。因此,对应关系信息也可以说是抽象度设定和与仿真的目的相对应的模型相关联的信息。模型选择部12基于对应关系信息,对与抽象度设定相对应的模型进行选择。
模型库13存储有多个不同的抽象度的驱动器模型。在实施方式1中,对模型库13所存储的驱动器模型是驱动器模型D1、D2这2个的情况进行说明。
驱动器模型D1、D2是对电动机驱动器的动作进行模拟的模型。驱动器模型D1是与驱动器模型D2相比高精度地对电动机驱动器的动作进行模拟的模型。驱动器模型D1例如对前馈控制器、位置反馈控制器、速度反馈控制器、电流控制器等的功能进行模拟。另外,驱动器模型D2是与驱动器模型D1相比简易地对电动机驱动器的动作进行模拟的模型。驱动器模型D2例如仅对前馈控制器的功能进行模拟。
另外,模型库13存储有多个不同的抽象度的机械模型。在实施方式1中,对模型库13所存储的机械模型是机械模型M1、M2这2个的情况进行说明。
机械模型M1、M2是对机械1的动作进行模拟的模型。机械模型M1是与机械模型M2相比高精度地对机械1的动作进行模拟的模型。机械模型M1例如对机械1的振动特性等进行模拟。另外,机械模型M2是与机械模型M1相比简易地对机械1的动作进行模拟的模型。机械模型M2例如对台板5及头部6的动作范围进行模拟。关于驱动器模型D1、D2及机械模型M1、M2的详细内容在后面记述。
此外,模型选择部12只要对驱动器模型及机械模型之中的至少一者的模型进行选择即可。模型选择部12例如可以仅对驱动器模型进行选择,也可以仅对机械模型进行选择。换言之,模型库13所保持的机械模型的候选及驱动器模型的候选的至少一者为多个。在机械模型的候选为多个的情况下,在机械模型的候选中包含有通过不同的抽象度对1个机械进行模拟的多个机械模型。在驱动器模型的候选为多个的情况下,在驱动器模型的候选中包含有通过不同的抽象度对1个电动机驱动器进行模拟的多个驱动器模型。
模型选择部12在从多个驱动器模型中仅对驱动器模型进行选择的情况下,对固定的1个机械模型进行选择。另一方面,模型选择部12在从多个机械模型中仅对机械模型进行选择的情况下,对固定的1个驱动器模型进行选择。
另外,模型选择部12可以对驱动器模型和机械模型的组合进行选择。在该情况下,模型选择部12存储有表示抽象度设定和所要选择的模型的组合之间的对应关系的对应关系信息。在实施方式1中,对由模型选择部12选择驱动器模型和机械模型的组合的情况进行说明。在下面的说明中,有时将驱动器模型和机械模型的组合称为模型组。模型选择部12将从模型库13选择出的模型组通知给模型运算部14。
模型组与仿真的目的相对应。在实施方式1中,对作为仿真而准备出2种选项的情况进行说明。仿真装置11例如在希望执行用于对机械系统20A的可动部的可动范围进行确认的仿真的情况下,需要对可动部进行驱动的电动机及对电动机进行驱动的电动机驱动器的模型。该情况下的仿真装置11无需高精度地模拟至细微的振动特性、电动机的控制响应特性为止,可以对电动机的模型、驱动器模型及机械模型进行抽象化。
另一方面,用户为了对搭载多个电动机的多轴装置的电动机驱动器的控制参数进行调整,需要调整对象的电动机驱动器、电动机及机械1的精密的模型。该情况下的仿真装置11关于不是调整对象的电动机驱动器、电动机无需是精密的模型。
另外,有时进行用于对可编程逻辑控制器、工业用个人计算机、伺服系统控制器等的机械系统20A所具有的控制器10A的定序程序进行调试的仿真。在该情况下,仿真装置11需要精确地对定序程序的执行周期、执行顺序进行模拟的模型,但机械1的振动特性等可以简化。另外,用于由电动机驱动的机械系统20A的热解析的仿真、电力消耗量解析的仿真等仿真的目的遍及多个分支,优选在达到这些各个目的的范围中,使用适当的抽象度的模型而简易地进行仿真。
因此,仿真装置11存储有与各种仿真的目的相对应的各种模型,使用与选择出的仿真的目的相对应的模型而执行仿真。
在实施方式1中,例如对作为仿真的选项而准备出以台板5及头部6的动作范围的确认为目的的仿真和以使台板5移动的电动机驱动器的参数调整为目的的仿真这2个种类的情况进行说明。
模型选择部12基于抽象度设定,从模型库13对与仿真的目的相匹配的模型进行选择。在这里,模型库13所保持的多个机械模型M1、M2是具有共通的接口的软件。即,机械模型M1、M2是将输入输出设为共通的信息的软件。
用户可以定义出例如对电动机位置、电动机速度等电动机的信息汇总而储存的客体(object),将该客体作为机械模型的共通的接口的输入。另外,用户也可以定义出将台板5的位置、头部6的位置、赋予给电动机的外力、机械1的发热等信息汇总的客体,将该客体作为机械模型的共通接口的输出。该情况下的输入输出的种类可以是变量型,也可以是构造体型。机械模型的共通接口只要在对1个机械1进行模拟的不同的机械模型M1、M2间通用化即可。此外,向机械模型的共通接口的输入输出规格并不限定于实施方式1中说明的内容。
在实施方式1中,机械模型M1、M2的共通接口设为具有能够取得X轴1a的电动机位置、Y轴1b的电动机位置和Z轴1c的电动机位置的输入接口。
机械模型M1例如是考虑机械1的动力学的模型,对机械1的振动特性进行模拟。机械模型M2例如不考虑机械1的动力学,仅通过基于电动机位置的运动学对台板5的位置及头部6的位置进行变更,对台板5及头部6的动作范围进行模拟。此外,机械模型M2也可以仅对台板5及头部6之中的一者的动作范围进行模拟。
模型运算部14从模型库13读出与从模型选择部12通知的模型组相对应的驱动器模型及机械模型。模型运算部14使用读出的驱动器模型及机械模型,进行电动机驱动器及机械1的仿真运算。
模型运算部14实施包含从模型库13选择出的模型在内的机械系统20A的模型的运算。例如,设为在机械系统20A的模型中包含有电动机模型及控制器模型。电动机模型是对电动机的动作进行模拟的模型,控制器模型是对控制器10A的动作进行模拟的模型。在该情况下,模型运算部14包含与X轴1a相对应的驱动器模型及电动机模型、与Y轴1b相对应的驱动器模型及电动机模型、与Z轴1c相对应的驱动器模型及电动机模型、机械模型以及针对电动机驱动器赋予电动机的位置指令的控制器模型而设为机械系统20A的模型。模型运算部14可以从模型库13取得电动机模型及控制器模型,也可以从模型库13以外取得。模型运算部14将仿真结果输出至显示装置等外部装置。由此,显示装置对仿真结果进行显示。
接下来,对通过仿真装置11实施的仿真的处理顺序进行说明。图3是表示通过实施方式1所涉及的仿真装置实施的仿真的处理顺序的流程图。
仿真装置11的模型选择部12接受由用户输入的抽象度设定(步骤S10)。模型选择部12基于抽象度设定,从模型库13对模型组进行选择(步骤S20)。模型选择部12例如对由驱动器模型D1、D2的任一者和机械模型M1、M2的任一者这2个模型构成的模型组进行选择。
模型选择部12将选择出的模型组通知给模型运算部14。模型运算部14从模型库13读出由模型选择部12选择出的模型组(步骤S30)。
模型运算部14使用读出的模型组对机械系统20A的动作进行仿真(步骤S40)。模型运算部14将仿真结果输出至显示装置等(步骤S50)。由此,用户能够对仿真结果进行确认。
接下来,对实施方式1中的仿真装置11的详细动作进行说明。首先,考虑作为抽象度设定,由用户对以台板5及头部6的动作范围的确认为目的的仿真进行选择的情况。
在选择了以台板5及头部6的动作范围的确认为目的的仿真的情况下,在模型选择部12的对应关系信息中,预先确定对与X轴1a、Y轴1b及Z轴1c相对应的3个驱动器模型D2和机械模型M2进行选择。在该情况下,如果由用户指定了与以台板5及头部6的动作范围的确认为目的的仿真相对应的抽象度设定,则模型选择部12基于抽象度设定及对应关系信息,作为与X轴1a、Y轴1b及Z轴1c相对应的驱动器模型而对驱动器模型D2进行选择。另外,模型选择部12作为机械模型而对机械模型M2进行选择。
模型运算部14使用这些选择出的模型组,即驱动器模型D2及机械模型M2而执行对头部6的位置即头部位置的动作进行模拟的仿真。此时,模型运算部14将由控制器模型生成的X轴1a的位置指令输入至X轴1a的驱动器模型D2。在该情况下,驱动器模型D2仅通过前馈控制对X轴1a的电动机位置进行模拟控制。模型运算部14关于Y轴1b及Z轴1c也与X轴1a同样地,将由控制器模型生成的位置指令输入至驱动器模型D2。在该情况下,驱动器模型D2仅通过前馈控制对Y轴1b及Z轴1c的电动机位置进行模拟控制。由此,模型运算部14使用驱动器模型D2对X轴1a、Y轴1b及Z轴1c的电动机位置进行运算。
模型运算部14将以上述方式运算出的X轴1a、Y轴1b及Z轴1c的电动机位置作为输入而进行机械模型M2的运算。在这里,作为机械模型而选择出机械模型M2,因此根据各轴的电动机位置,仅通过运动学对台板位置及头部位置进行计算。由此,模型运算部14能够对台板5及头部6的动作范围进行模拟。模型运算部14将台板5及头部6的动作范围作为仿真的结果而输出。
接下来,考虑作为抽象度设定,由用户对以台板5的电动机驱动器的参数调整为目的的仿真进行选择的情况。
在选择了以台板5的电动机驱动器的参数调整为目的的仿真的的情况下,在模型选择部12的对应关系信息中,预先确定作为与X轴1a及Y轴1b相对应的驱动器模型而对驱动器模型D1进行选择。另外,在选择了以台板5的电动机驱动器的参数调整为目的的仿真的情况下,在对应关系信息中,预先确定作为与Z轴1c相对应的驱动器模型而对驱动器模型D2进行选择,作为机械模型而对机械模型M1进行选择。在该情况下,如果由用户指定了以台板5的电动机驱动器的参数调整为目的的仿真,则模型选择部12基于抽象度设定及对应关系信息,作为与X轴1a及Y轴1b相对应的驱动器模型而对驱动器模型D1进行选择。另外,模型选择部12作为与Z轴1c相对应的驱动器模型而对驱动器模型D2进行选择。另外,模型选择部12作为机械模型而对机械模型M1进行选择。
模型运算部14使用这些选择出的模型,即驱动器模型D1、D2及机械模型M1而执行对头部位置的动作进行模拟的仿真。此时,模型运算部14将由控制器模型生成的X轴1a的位置指令输入至X轴1a的驱动器模型D1。在该情况下,驱动器模型D1通过前馈控制器、位置反馈控制器、速度反馈控制器及电流控制器对电动机位置进行模拟控制。在机械1中,作为位置反馈控制器、速度反馈控制器,例如安装有PI(Proportional-Integral、比例-积分)控制器。在该情况下,各自的比例增益及积分增益成为控制参数,通过对这些控制参数进行变更,从而对X轴1a的电动机的位置控制性能进行变更。
与X轴1a同样地,Y轴1b的驱动器模型是驱动器模型D1,因此基于控制参数对Y轴1b的电动机的位置控制性能进行变更。另外,Z轴1c的电动机驱动器模型是驱动器模型D2,因此仅通过前馈控制对电动机位置进行控制。
另外,作为机械模型,选择了对振动特性进行模拟的机械模型M1。因此,通过电动机的动作而在机械1发生振动等。因此,模型运算部14将台板位置作为仿真结果而输出。由此,用户能够对台板5的振动的有无进行确认。另外,用户能够一边对仿真结果即有无机械1的振动进行确认,一边以不发生台板5的振动的方式对X轴1a及Y轴1b的控制参数进行调整。
如上所述,在实施方式1中,用户例如从如2个种类这样的多个种类的仿真的目的中对任意的目的进行选择,作为抽象度设定而输入至仿真装置11。模型选择部12基于抽象度设定及对应关系信息,从模型库13所保持的模型中对具有仿真所需的精度,并且所需的计算量比规定量小这种适当的抽象度的模型进行选择。
例如,在选择了以头部6及台板5的动作范围的确认为目的的仿真的情况下,模型选择部12对机械模型M2及驱动器模型D2进行选择。机械模型M2仅基于运动学对与电动机位置相对应的台板位置及头部位置进行计算。在该机械模型M2中不包含外力等动力学对电动机位置的影响,因此无需通过反馈控制对电动机位置进行控制那样的模拟。因此,模型选择部12在对机械模型M2进行选择的情况下,选择了仅前馈控制的简易的驱动器模型D2。
由此,仿真装置11无需对机械1的动力学或者反馈控制所涉及的复杂的微分方程式进行运算,模型运算部14的运算变得非常简单。因此,仿真装置11与对执行精密的模型的仿真的情况下的微分方程式进行运算的情况相比,能够通过非常小的计算成本对头部6和台板5的动作范围进行确认。即,仿真装置11能够将计算成本抑制得小而执行使用了用于满足仿真的目的的适当的抽象度的模型进行的仿真。
另一方面,在选择了以台板5的电动机驱动器的参数调整为目的的仿真的情况下,模型选择部12作为与对台板5进行驱动的X轴1a及Y轴1b相对应的驱动器模型而对执行详细的模拟的驱动器模型D1进行选择。另外,模型选择部12作为机械模型而对执行精密的模拟的机械模型M1进行选择。模型选择部12关于不对X轴1a及Y轴1b的电动机驱动器的控制性能造成影响的Z轴1c的驱动器模型,对简易的驱动器模型即驱动器模型D2进行选择。
而且,用户一边对作为仿真结果而输出的台板5的振动进行确认,一边对X轴1a及Y轴1b的参数进行调整。在该情况下,仿真装置11关于X轴1a、Y轴1b及台板5的动作,将精密的模型用于仿真,因此用户能够准确地进行参数的调整。该情况下的精密的模型是计算量大的模型,但仿真装置11关于无需对X轴1a及Y轴1b的电动机驱动器的控制参数的调整进行考虑的Z轴1c的动作而使用简化的模型。因此,仿真装置11能够关于Z轴1c的动作的仿真而抑制计算量。即,仿真装置11能够将计算成本抑制得小而执行使用用于满足仿真的目的的适当的抽象度的模型进行的仿真。
如上所述,在用户指定出任意的抽象度设定的情况下,仿真装置11也能够基于抽象度设定而对与仿真的目的相对应的适当的抽象度的模型进行选择,因此能够简易地实现计算效率良好的仿真。
例如,在对由电动机驱动的机械1进行参数调整时,要一边对参数进行变更,一边执行多次仿真,因此要求将仿真的计算成本及时间成本抑制得小。实施方式1的仿真装置11在对参数进行变更而执行多次仿真的情况下,也能够基于抽象度设定对与仿真的目的相对应的适当的抽象度的模型进行选择,因此能够将计算成本及时间成本抑制得小。
在这里,对实施方式1中的机械模型M1、M2具有共通的接口的效果进行说明。在电动机驱动器的参数调整的中途,例如有时无论对电动机驱动器的参数如何进行调整,都无法满足机械系统20A所期望的动作规格,只好需要进行机械1的构造、材质等的变更。另外,例如有时新判明出机械1的动作特性受到机械1的设置环境的温度或者湿度的影响而会发生变化,如果不是考虑到这些影响的新的机械模型,则无法达到所需的模拟精度。
在这样的情况下,用户要新创建机械模型。此时,如果创建依照机械模型的共通接口的规格的新的机械模型,则在模型运算部14中仅替换机械模型就能够执行新的机械系统20A的仿真。即,在机械模型的替换时,不需要追加或者变更执行模型间的运算的程序。如上所述,机械模型具有共通的接口,由此仿真装置11能够简易地执行与仿真的目的相对应的适当的仿真。
在实施方式1中,对为了简化说明作为抽象度设定而对2种仿真的目的的任意目的进行选择的情况进行了说明,但也可以对大于或等于3个种类的仿真的目的的任意目的进行选择。
另外,仿真装置11也可以在实施方式1的说明所举出的仿真的目的以外,例如以对Z轴1c的电动机驱动器的参数进行调整为目的,在Z轴1c的电动机驱动器中对驱动器模型D1进行选择。在该情况下,仿真装置11可以在X轴1a及Y轴1b的电动机驱动器中对驱动器模型D2进行选择,作为机械模型而对机械模型M1进行选择。由此,用户能够高效地进行Z轴1c的电动机驱动器的控制参数的调整。
另外,在实施方式1中对电动机驱动器的控制参数为PI控制的增益的情况进行了说明,但电动机驱动器的控制参数并不限定于PI控制的增益。仿真装置11也可以在反馈控制器中加入陷波滤波器或者低通滤波器而将这些截止频率作为控制参数。另外,仿真装置11也可以将前馈控制器的响应频带作为控制参数。
此外,在实施方式1中关于电动机模型仅设为1种,但关于电动机模型也可以将多个不同的抽象度的模型保持于模型库13。在该情况下,模型选择部12基于抽象度设定及对应关系信息,从模型库13对电动机模型进行选择。例如,电动机模型之中的高精度的模型包含定子及转子的模型,对转子的偏心、齿槽等进行模拟。另一方面,简易的电动机模型可以是按照电动机驱动器的位置指令使转子动作的模型。
另外,仿真装置11关于驱动器模型,可以将比驱动器模型D1高精度的驱动器模型由模型库13保持。该高精度的驱动器模型例如可以是对PWM(Pulse Width Modulation、脉宽调制)控制器、逆变器的通断电路等进行模拟的驱动器模型。
另外,仿真装置11也可以将比驱动器模型D2简易的驱动器模型由模型库13保持。该简易的驱动器模型可以是通过使从控制器10A接收到的位置指令延迟而具有多余时间要素的驱动器模型,也可以是仅使低通滤波器作用的驱动器模型。
另外,在实施方式1中,对由驱动器模型进行位置控制的情况进行了说明,但驱动器模型也可以是进行速度控制、扭矩控制等的驱动器模型。
另外,仿真装置11之中的模型选择部12及模型运算部14和模型库13无需一定安装于1个硬件。例如,仿真装置11的结构要素之中的模型库13可以安装于云服务器。
另外,仿真装置11可以不对机械系统20A的整体的动作进行模拟,而是对机械1的动作进行模拟。即,仿真装置11可以不对控制器10A的动作进行模拟。
如上所述,在实施方式1中,仿真装置11基于抽象度设定,从对多个机械模型的候选和多个驱动器模型的候选进行保持的模型库13,对模拟机械1的动作时所使用的机械模型和模拟电动机驱动器的动作时所使用的驱动器模型进行选择而对机械系统20A的动作进行模拟。由此,在用户指定出任意的抽象度设定的情况下,仿真装置11也能够基于抽象度设定而对与仿真的目的相对应的适当的抽象度的模型进行选择。因此,仿真装置11能够简易地实现计算效率良好的仿真。
另外,机械模型M1、M2具有共通接口,因此在对机械模型M1、M2进行变更时,用户无需追加或者变更执行模型间的运算的程序。另外,如果用户自制的机械模型也使用共通接口而创建,则能够登记于模型库13而使用。
实施方式2.
接下来,使用图4及图5对实施方式2进行说明。实施方式2的仿真装置在驱动器模型及机械模型的选择的基础上,从抽象度不同的多个控制器模型中对与仿真的目的相对应的控制器模型进行选择。
图4是表示实施方式2所涉及的仿真装置的结构的图。对图4的各结构要素之中的实现与图2所示的实施方式1的仿真装置11同一功能的结构要素标注有同一标号,省略重复的说明。
在实施方式2中作为仿真的对象而处理的机械系统是与实施方式1相同的机械系统20A。即,仿真装置21与仿真装置11同样地,对机械系统20A的动作进行模拟。在实施方式2中,也通过由用户指定的抽象度设定对2个仿真的目的之中的任意者进行指定。
由仿真装置21选择的仿真的1个与实施方式1同样地,以对机械系统20A的台板5进行驱动的电动机驱动器的控制参数的调整为目的。所选择的仿真之中的另1个以确定台板5及头部6的运转顺序的定序程序的动作确认为目的。
仿真装置21具有模型选择部22、模型库23和模型运算部24。
模型选择部22具有与模型选择部12相同的功能。另外,模型库23具有与模型库13相同的功能,模型运算部24具有与模型运算部14相同的功能。
模型选择部22与模型选择部12同样地,存储有表示抽象度设定和模型组之间的对应关系的对应关系信息。在实施方式2中的对应关系信息的模型组中包含有驱动器模型、机械模型和控制器模型。
模型选择部22与模型选择部12同样地,基于从外部赋予的抽象度设定,从储存于模型库23的模型中对与抽象度设定相对应的模型组进行选择。即,模型选择部22基于抽象度设定,从模型库23对与仿真的目的相匹配的模型进行选择。模型选择部22所选择的模型组是驱动器模型、机械模型和控制器模型的组合。
抽象度设定由仿真装置21的用户输入至模型选择部22。在实施方式2的抽象度设定中,指定出上述2种选项之中的任意者。
模型库23与模型库13同样地,存储有多个不同的抽象度的驱动器模型和多个不同的抽象度的机械模型。另外,模型库23存储有多个不同的抽象度的控制器模型。此外,在实施方式2中,机械模型M1、M2也是具有共通的接口的软件。
在实施方式2中,对模型库23所存储的控制器模型是控制器模型C1、C2这2个的情况进行说明。控制器模型C1、C2是对机械系统20A所具有的控制器10A的动作进行模拟的模型。控制器模型C1是比控制器模型C2高精度地对控制器10A的动作进行模拟的模型。另外,控制器模型C2是比控制器模型C1简易地对控制器10A的动作进行模拟的模型。
控制器模型C1、C2是机械系统20A所具有的控制器10A的模型。控制器10A的例子如前述所示,是可编程逻辑控制器、工业用个人计算机、伺服系统控制器等。控制器10A在接收到台板5的定位动作完成信号后,执行将头部6的定位开始信号设为接通的定序程序。
控制器模型C1准确地模拟与由控制器10A执行的定序程序相对应的处理。控制器模型C1对以一定的处理周期执行具有台板5的定位动作完成信号的定序程序,在得到台板5的定位动作完成信号的下一个处理中,将头部6的定位开始信号设为接通而生成位置指令的处理进行模拟。
控制器模型C2将由控制器10A执行的处理简化而进行模拟。控制器模型C2仅对生成各电动机的位置指令的处理进行模拟。
模型运算部24从模型库23读出与从模型选择部22通知的模型组相对应的驱动器模型、机械模型及控制器模型。模型运算部24使用读出的驱动器模型、机械模型及控制器模型,进行电动机驱动器、机械1及控制器10A的仿真运算。
模型运算部24实施包含从模型库23选择出的模型组在内的机械系统20A的模型的运算。例如,在机械系统20A的模型中包含有电动机模型。在该情况下,模型运算部24包含与X轴1a相对应的驱动器模型及电动机模型、与Y轴1b相对应的驱动器模型及电动机模型、与Z轴1c相对应的驱动器模型及电动机模型、机械模型和控制器模型而设为机械系统20A的模型。
通过仿真装置21进行的仿真的处理顺序与图3中说明的通过仿真装置11进行的仿真的处理顺序相同,因此省略其说明。
接下来,对实施方式2中的仿真装置21的详细动作进行说明。首先,考虑作为抽象度设定,由用户对以台板5的电动机驱动器的参数调整为目的的仿真进行选择的情况。
在该情况下,模型选择部22基于抽象度设定,例如对与X轴1a及Y轴1b相对应的3个驱动器模型D1、与Z轴1c相对应的驱动器模型D2和机械模型M1进行选择。另外,模型选择部22例如基于抽象度设定,对控制器模型C2进行选择。此时的仿真装置21的动作与实施方式1的仿真装置11作为抽象度设定而由用户对以台板5的电动机驱动器的参数调整为目的的仿真进行选择的情况下的动作相同。
接下来,考虑作为抽象度设定,由用户对以确定台板5和头部6的运转顺序的定序程序的动作确认为目的的仿真进行选择的情况。
在该情况下,模型选择部22基于抽象度设定,例如对与X轴1a、Y轴1b及Z轴1c相对应的3个驱动器模型D2、机械模型M2和控制器模型C1进行选择。
图5是用于说明实施方式2所涉及的仿真装置对动作进行模拟的机械系统所使用的定序程序的图。在图5中,示出了由定序程序执行的处理的顺序。
在图5所示的定序程序25中安装有程序块BL10、BL20、BL30的各处理。在定序程序25中,针对控制器10A的每个运算周期对每1个程序块的处理进行运算。
控制器10A如果开始定序程序25的执行,则开始台板5的定位(程序块BL10)。在定序程序25中,判定台板5的定位是否完成(程序块BL20)。
在台板5的定位没有完成的情况下(程序块BL20,No),控制器10A不进入下一个处理而是等待,直至台板5的定位完成为止。即,程序块BL20成为直至台板5的定位完成的位成为ON为止,不跳转至下一个程序块的处理的规格。
如果台板5的定位完成(程序块BL20,Yes),则控制器10A开始头部6的定位(程序块BL30)。
控制器模型C1对该图5所示的定序程序25的处理进行模拟。具体地说,控制器模型C1如果对程序块BL10的处理进行模拟,即,如果开始台板5的定位,则对驱动台板5的X轴1a及Y轴1b的驱动器模型赋予位置指令。
然后,控制器模型C1跳转至程序块BL20的处理。X轴1a及Y轴1b的驱动器模型是驱动器模型D2,X轴1a及Y轴1b的机械模型是机械模型M2。另外,X轴1a及Y轴1b的机械模型是机械模型M2,因此控制器模型C1不对机械1的精密的振动特性等进行模拟。在定序程序25中,在直至向台板5的全部位置指令发出为止的期间台板5的定位没有完成,因此在1次的运算周期中,不能在程序块BL20中判定为台板5的定位完成。
如果台板5的定位完成,则控制器模型C1在控制器10A的下一个运算周期中向程序块BL30的处理跳转。由此,开始头部6的定位。
如上所述,控制器模型C1能够准确地进行定序程序25的动作的确认。另一方面,控制器模型C1关于电动机驱动器、电动机、机械1的动作进行了简化,因此能够将仿真所花费的计算成本及时间成本抑制得较小。
如上所述,在实施方式2中,用户例如从2个种类这样的多个种类的仿真的目的对任意目的进行选择,作为抽象度设定而输入至仿真装置21。模型选择部22基于抽象度设定,从模型库23所保持的模型中对具有仿真所需的精度,并且所需的计算量变小的适当的抽象度的模型进行选择。
例如,在选择了以台板5的电动机驱动器的参数调整为目的的仿真的情况下,模型选择部22对与驱动台板5的X轴1a及Y轴1b相对应的精密的驱动器模型D1及机械模型M1进行选择。在电动机驱动器的调整中定序程序25的模拟精度没有影响,因此模型选择部22作为对定序程序25进行模拟的控制器模型而对模拟精度低的控制器模型C2进行选择。
一般来说,工业用的控制器设计为追求实时性而能够进行高速的处理的情况较多,运算周期为短时间,为了通过仿真对这些运算进行模拟而需要大量的计算成本。实施方式2的仿真装置21针对无需高精度地对定序程序25进行模拟的参数调整而降低了控制器模型的模拟精度,因此能够减少仿真的计算成本。另一方面,仿真装置21在参数调整时关于电动机驱动器及机械模型而使用了高精度的模型,因此能够正确地实施电动机驱动器的参数调整。即,仿真装置21能够将计算成本及时间成本抑制得较小而执行使用用于满足仿真的目的的适当的抽象度的模型进行的仿真。
另外,在选择了以确定台板5及头部6的运转顺序的定序程序25的动作确认为目的的仿真的情况下,模型选择部22作为对定序程序25进行模拟的控制器模型而选择了高精度地对定序程序25的处理进行模拟的控制器模型C1。另外,模型选择部22在进行定序程序25的动作确认时,选择了进行简化后的模拟处理的驱动器模型D2及机械模型M2。
在定序程序25的动作确认中只要能够确认控制器10A的运算正确即可,不需要机械1的振动特性等的详细的模拟。实施方式2的仿真装置21通过将驱动器模型及机械模型简化而将计算成本及时间成本抑制得较小,能够对通过定序程序25实施的处理进行确认。
如上所述,根据实施方式2,与实施方式1同样地,在用户指定出任意的抽象度设定的情况下,仿真装置21也能够基于抽象度设定而对与仿真的目的相对应的适当的抽象度的模型进行选择。因此,仿真装置21能够简易地实现计算效率良好的仿真。
另外,仿真装置21仅提取出定序程序25的一部分程序块而进行模拟,因此能够简化仿真而对机械系统20A的动作进行模拟。
实施方式3.
接下来,使用图6及图7对实施方式3进行说明。在实施方式1、2中对机械模型预先储存于模型库13、23的情况进行了说明,但在实施方式3中,仿真装置生成机械模型而储存于模型库。
图6是表示实施方式3所涉及的仿真装置的结构的图。对图6的各结构要素之中的实现与图2所示的实施方式1的仿真装置11同一功能的结构要素标注有同一标号,省略重复的说明。
在实施方式3中作为仿真的对象而处理的机械系统是与实施方式1相同的机械系统20A。即,仿真装置31与仿真装置11同样地,对机械系统20A的动作进行模拟。在实施方式3中,也通过由用户指定的抽象度设定对2个仿真的目的之中的任意者进行指定。
仿真装置31具有模型选择部12、模型库33、模型运算部14和模型生成部36。
模型库33与模型库13同样地,对多个不同的抽象度的驱动器模型和多个不同的抽象度的机械模型进行保持。具体地说,模型库33对驱动器模型D1、D2和机械模型M1~M3进行保持。如上所述,实施方式3的模型库33在预先准备的机械模型M1、M2的基础上,对由模型生成部36生成的机械模型M3进行保持。
模型生成部36基于从外部输入的实机信息而生成机械模型。实机的数据即实机信息是通过使机械系统20A实际上动作而得到的信号。在实机信息中例如包含有X轴1a、Y轴1b及Z轴1c的电动机位置的时序数据和台板位置及头部位置的时序数据。
机械模型M1~M3与实施方式1同样地,是具有共通的接口的软件。在实施方式1中,机械模型M1~M3的共通接口设为具有能够取得X轴1a的电动机位置、Y轴1b的电动机位置和Z轴1c的电动机位置的输入接口。另外,机械模型M1~M3的共通接口设为具有对头部位置及台板位置的信息进行输出的输出接口。
模型生成部36将X轴1a、Y轴1b及Z轴1c的电动机位置的时序数据作为输入,生成对台板位置及头部位置的时序数据进行输出的机械模型M3。
模型生成部36为了得到输入和输出之间的关系,例如使用神经网络或者支持向量回归等机器学习技术,或使用预测误差法或者部分空间法等系统辨识技术。在这里,对模型生成部36使用神经网络的例子进行说明。
模型生成部36将X轴1a、Y轴1b及Z轴1c的电动机位置的时序数据和台板位置及头部位置的时序数据作为学习用的数据,进行使用了神经网络的学习动作。即,模型生成部36是机器学习装置。模型生成部36具有状态观测部、数据取得部及学习部的功能。状态观测部对X轴1a、Y轴1b及Z轴1c的电动机位置的时序数据作为状态变量进行观测,数据取得部取得台板位置及头部位置的时序数据而作为教师数据。学习部基于通过从状态观测部输出的X轴1a、Y轴1b及Z轴1c的电动机位置的时序数据及从数据取得部输出的台板位置及头部位置的时序数据的组合而创建的数据集,对机械模型M3进行学习。
此外,作为机器学习装置的模型生成部36可以是经由网络与仿真装置31连接的与仿真装置31分体的装置。另外,模型生成部36也可以存在于云服务器上。
图7是用于说明实施方式3所涉及的仿真装置所使用的神经网络的图。神经网络具有输入层X1、中间层Y1及输出层Z1。向输入层X1输入表示X轴1a、Y轴1b及Z轴1c的电动机位置的M(M为自然数)个输入数据(i1、i2、…、iM)。从右端的输出层Z1输出表示台板位置及头部位置的N(N为自然数)个输出数据(o1、o2、…、oN)。
从输入层X1的各节点针对中间层Y1的各节点的加权系数能够全部独立地设定,但在图7中这些加权系数全部标记为同一加权系数W1。同样地,从中间层Y1的各节点针对输出层Z1的各节点的加权系数全部标记为同一加权系数W2。
在神经网络中,针对输入层X1的各节点的输出值而乘以加权系数W1,通过相乘得到的结果的线性结合输入至中间层Y1的各节点。另外,在神经网络中,针对中间层Y1的各节点的输出值而乘以加权系数W2,通过相乘得到的结果的线性结合输入至输出层Z1的节点。在各层的各节点,例如可以通过S型函数这样的非线性函数根据输入值对输出值进行计算。另外,在输入层X1及输出层Z1中,输出值可以是输入值的线性结合。
模型生成部36使用X轴1a、Y轴1b及Z轴1c的电动机位置的时序数据和台板位置及头部位置的时序数据,对神经网络的加权系数W1和加权系数W2进行计算。模型生成部36通过使用误差逆传导法或者梯度下降法能够对神经网络的加权系数W1及加权系数W2进行计算。但是,只要是能够得到神经网络的加权系数W1、W2的计算方法即可,通过模型生成部36进行的加权系数W1、W2的计算方法并不限定于上述方法。
如果决定出神经网络的加权系数,则得到X轴1a、Y轴1b及Z轴1c的电动机位置的时序数据和台板位置及头部位置的时序数据之间的关系式。至此为止,对进行使用3层神经网络的学习的例子进行了说明,但通过模型生成部36进行的使用神经网络的学习并不限定于上述例子。
通过上述模型生成部36的动作而得到将X轴1a、Y轴1b及Z轴1c的电动机位置作为输入,将台板位置及头部位置作为输出的机械模型M3。
通过对神经网络的层数或者节点的数量进行变更,从而能够对神经网络所涉及的模拟精度任意地进行设定。即,模型生成部36通过作为学习模型而使用各种算式,从而能够简便地生成与实机信息拟合的各种抽象度的机械模型。由此,能够针对仿真装置31,简易地生成精度不同的多个机械模型。通过模型生成部36进行的学习是第1机器学习。
模型生成部36将关联有抽象度设定和机械模型M3的信息登记于模型选择部12的对应关系信息。由此,模型选择部12基于抽象度设定及对应关系信息,能够对与仿真的目的相对应的适当的机械模型进行选择。另外,模型生成部36可以将生成机械模型M3和与该机械模型M3相对应的抽象度设定通知给用户。模型生成部36例如使显示装置对生成机械模型M3和与该机械模型M3相对应的抽象度设定进行显示。
模型选择部12并不限定于生成机械模型M3的情况,通过对神经网络的层数或者节点的数量进行变更,从而可以生成抽象度不同的机械模型M4、机械模型M5这样的与机械模型M1~M3不同的机械模型。这些机械模型M1~M5作为具有共通的接口的软件而生成。
在实施方式3中对由模型生成部36生成的机械模型M3输出台板位置及头部位置的情况进行了说明,但机械模型M3的输出并不限定于台板位置及头部位置。机械模型M3例如也可以将机械系统20A的温度或者声音作为机械系统20A的输出。如上所述,模型生成部36能够将实机信息所包含的信息的任意者设定为机械模型M3的输入及输出。
另外,模型生成部36并不仅限定于实机信息,例如还可以将由CAD(ComputerAided Design)软件输出的CAD数据和实机信息用于生成机械模型M3。CAD数据是具有机械1的设计信息的数据。模型生成部36可以基于该设计信息和实机信息而生成机械模型M3。作为基于设计信息和实机信息的机械模型M3的生成方法的一个例子,存在基于设计信息而生成机械模型M3的微分方程式,基于实机信息而决定微分方程式的参数这样的方法。
如上所述,根据实施方式3,模型生成部36基于实机信息而生成机械模型M3,因此即使用户不事先准备机械模型M3,模型选择部12也能够从抽象度不同的多个模型中对适当的模型进行选择。因此,在实施方式3中,也能够简易地实现计算效率良好的仿真。
实施方式4.
接下来,使用图8及图9对实施方式4进行说明。在实施方式1中对机械模型预先储存于模型库13的情况进行了说明,但在实施方式4中,仿真装置对储存于模型库的机械模型的抽象度进行变更而生成新的机械模型。
图8是表示实施方式4所涉及的仿真装置的结构的图。对图8的各结构要素之中的实现与图2所示的实施方式1的仿真装置11同一功能的结构要素标注有同一标号,省略重复的说明。
在实施方式4中作为仿真的对象而处理的机械系统是与实施方式1相同的机械系统20A。即,仿真装置41与仿真装置11同样地对机械系统20A的动作进行模拟。在实施方式4中,也通过由用户指定的抽象度设定对2个仿真的目的之中的任意者进行指定。
仿真装置41具有模型选择部12、模型库43、模型运算部14和模型简化部47。
模型库43对多个不同的抽象度的驱动器模型和多个不同的抽象度的机械模型进行保持。在实施方式4中,对在模型库43中预先保持有驱动器模型D1、D2的情况进行说明。另外,模型库43对高精度地模拟机械1的动作的机械模型M1和由模型简化部47生成的机械模型M6进行保持。机械模型M1是第1机械模型,机械模型M6是第2机械模型。
模型简化部47通过将从模型库43读出的模型简化,从而生成新的模型。在实施方式4中,对由模型简化部47读出机械模型M1,将通过简化机械模型M1而生成的机械模型M6作为新的机械模型而登记于模型库43的情况进行说明。
模型简化部47将关联有抽象度设定和机械模型M6的信息登记于模型选择部12的对应关系信息。由此,模型选择部12基于抽象度设定及对应关系信息,能够对与仿真的目的相对应的适当的机械模型进行选择。另外,模型简化部47可以将生成机械模型M6和与该机械模型M6相对应的抽象度设定通知给用户。模型简化部47例如使显示装置对生成机械模型M6和与该机械模型M6相对应的抽象度设定进行显示。
机械模型M1、M6是具有共通的接口的软件。例如,机械模型M1、M6的共通接口设为具有能够取得X轴1a的电动机位置、Y轴1b的电动机位置和Z轴1c的电动机位置的输入接口。另外,机械模型M1、M6的共通接口设为具有对台板位置及头部位置的信息进行输出的输出接口。
图9是用于说明实施方式4所涉及的仿真装置通过模型的简化而生成新的模型的处理的图。在图9的上部以框图的方式示出了机械模型M1所包含的运算电路之中的对台板位置及头部位置进行运算的运算电路91。在图9的下部以框图的方式示出了机械模型M6所包含的运算电路之中的对台板位置及头部位置进行运算的运算电路96。
机械模型M1的运算电路91包含有对台板位置进行运算而输出的程序块48a和对头部位置进行运算而输出的程序块48b。向程序块48a、48b输入X轴1a的电动机位置即X轴电动机位置、Y轴1b的电动机位置即Y轴电动机位置及Z轴1c的电动机位置即Z轴电动机位置。
程序块48a基于X轴电动机位置、Y轴电动机位置及Z轴电动机位置,对台板位置进行运算而输出。另外,程序块48b基于X轴电动机位置、Y轴电动机位置及Z轴电动机位置,对头部位置进行运算而输出。
如上所述,运算电路91成为X轴电动机位置及Y轴电动机位置对头部位置造成影响,Z轴1c的电动机位置即Z轴电动机位置与台板位置发生干涉的电路。即,在机械模型M1中,在即使是Z轴电动机位置固定的状态下也使X轴电动机位置或者Y轴电动机位置急剧地变化的情况下,是指在头部6的位置还瞬态地发生振动。另外,在机械模型M1中,在即使是X轴电动机位置及Y轴电动机位置固定的状态下也使Z轴电动机位置急剧地变化的情况下,是指在台板5的位置还瞬态地发生振动。如上所述,机械模型M1可以说是对正交的轴间的干涉振动进行模拟那样的高精度的模型。
模型简化部47生成以忽略上述干涉振动的影响的方式简化后的机械模型M6。具体地说,模型简化部47从对台板位置进行运算的运算式将包含Z轴电动机位置的项删除,从对头部位置进行运算的运算式将包含X轴电动机位置及Y轴电动机位置在内的项删除。
如上所述生成的机械模型M6的运算电路96包含有对台板位置进行运算而输出的程序块48c和对头部位置进行运算而输出的程序块48d。程序块48c是根据X轴电动机位置及Y轴电动机位置对台板位置进行运算的程序块。程序块48d是仅根据Z轴电动机位置对头部位置进行运算的程序块。
如上所述,在实施方式4中,模型简化部47根据执行高精度的模拟的机械模型M1而生成执行简略后的模拟的新的机械模型M6。
在实施方式4中,模型简化部47进行了忽略轴间的干涉振动那样的简化,但简化的方法并不限定于该方法。模型简化部47例如也可以进行将根据X轴电动机位置对台板位置进行运算时的振动特性忽略那样的简化。
另外,模型简化部47可以从在机械1的振动特性的基础上对发热进行模拟那样的机械模型,进行将对发热进行模拟的部分忽略的简化。另外,模型简化部47可以将通过使机械1的结构要素设为柔软体的有限要素法表现的机械模型简化为刚体连接的多刚体模型。
另外,在实施方式4中,模型简化部47进行了机械模型的简化,但模型简化部47也可以进行驱动器模型、电动机模型或者控制器模型的简化。模型简化部47例如可以从进行在PID(Proportional-Integral-Differential、比例-积分-微分)控制中附加有陷波滤波器及低通滤波器的详细的反馈控制的驱动器模型进行简化为,仅进行PID控制的反馈控制的驱动器模型。
如上所述,根据实施方式4,模型简化部47生成抽象度不同的新的机械模型M6,因此即使用户没有事先准备机械模型M6,模型库43也能够对抽象度不同的多个机械模型M1、M6进行保持。即,用户登记的机械模型的抽象度即使仅为1种,模型简化部47也能够根据1种机械模型而生成多个简易的机械模型。由此,不需要由用户实施机械模型简化的工作量。另外,用户能够从机械模型M1、M6中对适当的模型进行选择。因此,在实施方式4中,也能够简易地实现计算效率良好的仿真。
实施方式5.
接下来,使用图10及图11对实施方式5进行说明。在实施方式1中,模型选择部12使用关联有与抽象度设定相对应的模型组的对应关系信息而选择出模型组,但在实施方式5中,模型选择部基于机器学习对与抽象度设定相对应的模型组进行选择。
图10是表示实施方式5所涉及的仿真装置的结构的图。对图10的各结构要素之中的实现与图2所示的实施方式1的仿真装置11同一功能的结构要素标注有同一标号,省略重复的说明。
在实施方式5中作为仿真的对象而处理的机械系统是与实施方式1相同的机械系统20A。即,仿真装置51与仿真装置11同样地对机械系统20A的动作进行模拟。在实施方式5中,也通过由用户指定的抽象度设定对2个仿真的目的之中的任意者进行指定。
仿真装置51具有模型选择部52、模型库13和模型运算部14。
模型选择部52基于从外部输入的抽象度设定,从储存于模型库13的模型中对模型进行选择。此时,模型选择部52从模型库13选择由与X轴1a、Y轴1b及Z轴1c相对应的3个驱动器模型和1个机械模型构成的合计4个模型而作为模型组。
模型选择部52对将抽象度设定作为输入,输出与抽象度设定相对应的4个模型的输入输出关系进行学习。通过模型选择部52进行的学习是第2机器学习。模型选择部52是具有与模型生成部36相同结构的机器学习装置。即,模型选择部52具有状态观测部、数据取得部及学习部的功能。状态观测部对抽象度设定作为状态变量进行观测,数据取得部取得与各抽象度设定相关联的模型组的信息而作为教师数据。学习部基于通过从状态观测部输出的抽象度设定及从数据取得部输出的模型组而创建的数据集,对抽象度设定和与抽象度设定相关联的适当的模型的关系式进行学习。
此外,机器学习装置即模型选择部52也可以是经由网络与仿真装置51连接的与仿真装置51分体的装置。另外,模型选择部52也可以存在于云服务器上。
模型选择部52为了得到该输入和输出之间的关系,例如使用神经网络、支持向量回归等。在这里,对模型选择部52使用神经网络的例子进行说明。
模型选择部52将多个抽象度设定和与这些各抽象度设定相关联的模型组的信息作为学习用数据,进行使用了神经网络的机器学习。在实施方式5的抽象度设定中对仿真的目的进行设定。另外,在实施方式5中,为了使机器学习容易化,表示仿真的目的的信息设为是能够分成一些要素的信息。
例如,表示仿真的目的的信息能够分为以下的3个要素。作为第1个要素的要素的第1要素是在仿真中成为动作确认的对象的轴。第1要素的例子是“X轴1a”、“Y轴1b”、“Z轴1c”或者“全部轴”。
作为第2个要素的第2要素是在仿真中成为要确认的对象的动作。第2要素的例子是“动作范围确认”、“消耗电力确认”或者“控制参数调整”。
作为第3个要素的第3要素是仿真所要求的精度。第3要素的例子是“高精度”或者“低精度”。
图11是用于说明实施方式5所涉及的仿真装置所使用的神经网络的图。神经网络具有输入层X2、中间层Y2及输出层Z2。向输入层X2输入第1要素、第2要素及第3要素这3个输入数据(e1、e2、e3)。从右端的输出层Z2输出由与X轴1a、Y轴1b及Z轴1c相对应的3个驱动器模型和1个机械模型构成的合计4个输出数据(m1、m2、m3、m4)。
从输入层X2的各节点针对中间层Y2的各节点的加权系数能够全部独立地设定,但在图11中这些加权系数全部标记为同一加权系数W3。同样地,从中间层Y2的各节点针对输出层Z2的各节点的加权系数全部标记为同一加权系数W4。
在神经网络中,针对输入层X2的各节点的输出值而乘以加权系数W3,通过相乘得到的结果的线性结合输入至中间层Y2的各节点。另外,在神经网络中,针对中间层Y2的各节点的输出值而乘以加权系数W4,通过相乘得到的结果的线性结合输入至输出层Z2的节点。在各层的各节点,例如可以通过如S型函数这样的非线性函数根据输入值对输出值进行计算。另外,在输入层X2及输出层Z2中,输出值可以是输入值的线性结合。
模型选择部52将多个抽象度设定和与这些各抽象度设定相关联的模型组的信息作为学习用数据,对神经网络的加权系数W3、W4进行计算。模型选择部52能够使用误差逆传导法或者梯度下降法对神经网络的加权系数W3、W4进行计算。但是,只要是能够得到神经网络的加权系数W3、W4的计算方法,则通过模型选择部52进行的加权系数W3、W4的计算方法并不限定于上述方法。
如果决定出神经网络的加权系数,则得到抽象度设定和与抽象度设定相关联的适当的模型之间的关系式。至此为止,说明了进行使用3层神经网络的学习的例子,但通过模型选择部52进行的使用神经网络的学习并不限定于上述例子。
通过上述模型选择部52的动作,得到输入抽象度设定而输出4个模型的神经网络。
如上所述,根据实施方式5,模型选择部52对与抽象度设定相对应的适当的模型组进行机器学习,因此能够从模型库13对与由用户新输入的抽象度设定相对应的适当的模型组进行选择。因此,在实施方式5中,也能够简易地实现计算效率良好的仿真。
实施方式6.
接下来,使用图12及图13对实施方式6进行说明。在实施方式1中说明了对驱动台板5及头部6的机械系统20A的动作进行模拟的仿真装置11,但在实施方式6中,关于对与机械系统20A不同的机械系统的动作进行模拟的仿真装置进行说明。在实施方式6中,关于对卷对卷地输送片材的机械系统的动作进行模拟的仿真装置进行说明。
图12是表示由实施方式6所涉及的仿真装置对动作进行仿真的机械系统的结构的图。机械系统20B具有由电动机驱动的机械2和对机械2进行控制的控制器10B。另外,机械系统20B具有对片材Ws进行印刷的印戳7。
在下面的说明中,将与印戳7所涉及的向片材Ws的印刷面平行的面内的2个方向轴且彼此正交的2个方向设为X方向及Y方向。另外,将与X方向及Y方向正交的方向设为Z方向。
机械2具有由在X方向延伸的放卷轴2a、在X方向延伸的收卷轴2b和在Z方向延伸的Z轴2c构成的3轴的电动机。
机械2通过放卷轴2a及收卷轴2b进行片材Ws的输送控制。在机械2中,一边重复进行片材Ws的进给动作和暂时停止,一边对片材Ws进行输送,在片材Ws的暂时停止时通过Z轴2c的动作由安装于Z轴2c的印戳7对片材Ws实施印刷处理。
另外,在机械系统20B中搭载有电动机驱动器(未图示)。在机械系统20B中,控制器10B对电动机驱动器进行控制,电动机驱动器对各轴的电动机进行驱动。控制器10B的例子是可编程逻辑控制器、工业用个人计算机、伺服系统控制器等。
片材Ws卷绕于放卷轴2a及收卷轴2b,放卷轴2a及收卷轴2b旋转,由此在Y方向移动。印戳7通过Z轴2c的动作而在Z方向移动,对在Y方向移动的片材Ws进行印刷。
控制器10B对放卷轴2a的动作及收卷轴2b的动作进行控制,由此对片材Ws的Y方向的位置进行控制。另外,控制器10B对Z轴2c的动作进行控制,由此对安装于Z轴2c的印戳7的Z方向的位置进行控制。
图13是表示实施方式6所涉及的仿真装置的结构的图。对图13的各结构要素之中的实现与图2所示的实施方式1的仿真装置11同一功能的结构要素标注有同一标号,省略重复的说明。
仿真装置71执行与仿真装置11相同的仿真,但在仿真装置71和仿真装置11中,作为仿真对象的机械系统的种类不同。
仿真装置71对机械系统20B的动作进行模拟。在实施方式6中,也通过由用户指定的抽象度设定对2个仿真的目的之中的任意者进行指定。
仿真装置71具有模型选择部72、模型库73和模型运算部74。如果对仿真装置71和仿真装置11进行比较,则仿真装置11对机械系统20A的动作进行模拟,与此相对,仿真装置71对机械系统20B的动作进行模拟。
仿真装置71的模型选择部72所接受的抽象度设定是表示针对机械系统20B的仿真的抽象度的信息。模型选择部72与模型选择部12同样地,对与抽象度设定相对应的模型进行选择。模型选择部72将选择出的模型组通知给模型运算部74。另外,模型库73与模型库13同样地,存储有抽象度不同的多个驱动器模型和抽象度不同的多个机械模型。
在实施方式6中,对模型库73所存储的驱动器模型是驱动器模型D11、D12这2个的情况进行说明。另外,对模型库73所存储的机械模型是机械模型M11、M12这2个的情况进行说明。
驱动器模型D11、D12与驱动器模型D1、D2同样地,是对电动机驱动器的动作进行模拟的模型。驱动器模型D11是与驱动器模型D12相比高精度地对电动机驱动器的动作进行模拟的模型。驱动器模型D11例如对前馈控制器、位置反馈控制器、速度反馈控制器、电流控制器等的功能进行模拟。另外,驱动器模型D12是与驱动器模型D11相比简易地对电动机驱动器的动作进行模拟的模型。驱动器模型D12例如仅对前馈控制器的功能进行模拟。
机械模型M11、M12是与机械模型M1、M2相同的模型。机械模型M11、M12对机械2的动作进行模拟。机械模型M11是与机械模型M12相比高精度地对机械2的动作进行模拟的模型。机械模型M11例如对机械2的振动特性等进行模拟。另外,机械模型M12是与机械模型M11相比简易地对机械2的动作进行模拟的模型。机械模型M12例如对印戳7所涉及的向片材Ws的印刷位置进行模拟。关于驱动器模型D11、D12及机械模型M11、M12的详细内容在后面记述。
在实施方式6中,对作为仿真而准备出2种选项的情况进行说明。在实施方式6中,例如作为仿真的选项,准备出以印刷位置的确认为目的的仿真和以放卷轴2a的伺服参数的调整为目的的仿真这2种选项。
模型库73所保持的多个机械模型M11、M12与实施方式1的机械模型M1、M2同样地,是具有共通的接口的软件。在实施方式6中,可以定义出汇总有片材Ws的位置即片材位置、印刷位置、赋予给电动机的外力、机械2的发热等信息的客体,将该客体作为机械模型的共通接口的输出。
在实施方式6中,设为机械模型M11、M12的共通接口具有能够取得放卷轴2a的电动机位置、收卷轴2b的电动机位置和Z轴2c的电动机位置的输入接口。
机械模型M11例如是考虑机械2的动力学的模型,对片材Ws的张力进行模拟。机械模型M12例如不考虑机械2的动力学,而仅通过基于电动机位置的运动学对片材位置及印刷位置进行变更,对片材位置及印刷位置的动作范围进行模拟。此外,机械模型M12也可以仅对片材位置及印刷位置之中的一者进行模拟。
模型运算部74从模型库73读出与从模型选择部72通知的模型组相对应的驱动器模型及机械模型。模型运算部74使用读出的驱动器模型及机械模型,进行电动机驱动器及机械2的仿真运算。
模型运算部74实施包含从模型库73选择出的模型在内的机械系统20B的模型的运算。例如,在机械系统20B的模型中包含有电动机模型及控制器模型。电动机模型是对电动机的动作进行模拟的模型,控制器模型是对控制器10B的动作进行模拟的模型。在该情况下,模型运算部74包含与放卷轴2a相对应的驱动器模型及电动机模型、与收卷轴2b相对应的驱动器模型及电动机模型、与Z轴2c相对应的驱动器模型及电动机模型、机械模型以及对电动机驱动器赋予电动机的位置指令的控制器模型而设为机械系统20B的模型。模型运算部74可以从模型库73取得电动机模型及控制器模型,也可以从模型库73以外取得。模型运算部74将仿真结果输出至显示装置等外部装置。由此,显示装置对仿真结果进行显示。
接下来,对实施方式6中的仿真装置71的详细动作进行说明。首先,考虑作为抽象度设定,由用户对以印刷位置的确认为目的的仿真进行选择的情况。
在选择了以印刷位置的确认为目的的仿真的情况下,在模型选择部72的对应关系信息中预先确定对与放卷轴2a、收卷轴2b及Z轴2c相对应的3个驱动器模型D12和机械模型M12进行选择。在该情况下,如果由用户指定了与以印刷位置的确认为目的的仿真相对应的抽象度设定,则模型选择部72基于抽象度设定及对应关系信息,作为与放卷轴2a、收卷轴2b及Z轴2c相对应的驱动器模型而对驱动器模型D12进行选择。另外,模型选择部72作为机械模型而对机械模型M12进行选择。
模型运算部74使用这些选择出的模型、即驱动器模型D12及机械模型M12而执行对片材Ws的输送和印戳7的动作进行模拟的仿真。此时,模型运算部74将由控制器模型生成的放卷轴2a的位置指令输入至放卷轴2a的驱动器模型D12。在该情况下,驱动器模型D12仅通过前馈控制对放卷轴2a的电动机位置进行模拟控制。模型运算部74关于收卷轴2b及Z轴2c也与放卷轴2a同样地,将由控制器模型生成的位置指令输入至驱动器模型D12。在该情况下,驱动器模型D12仅通过前馈控制对收卷轴2b及Z轴2c的电动机位置进行模拟控制。由此,模型运算部74使用驱动器模型D12,对放卷轴2a、收卷轴2b及Z轴2c的电动机位置进行运算。
模型运算部74将以上述方式运算出的放卷轴2a、收卷轴2b及Z轴2c的电动机位置作为输入而进行机械模型M12的运算。在这里,作为机械模型而选择了机械模型M12,因此根据各轴的电动机位置仅通过运动学对片材Ws的输送位置及印戳7的位置进行计算。由此,模型运算部74能够模拟在输送的片材Ws的任意位置进行通过印戳7实施的印刷。模型运算部74将片材Ws的输送位置及印戳7的位置作为仿真的结果而输出。
接下来,考虑作为抽象度设定,由用户对以放卷轴2a的伺服参数的调整为目的的仿真进行选择的情况。
在选择了以放卷轴2a的伺服参数的调整为目的的仿真的情况下,在模型选择部72的对应关系信息中,预选确定了作为与放卷轴2a及收卷轴2b相对应的驱动器模型而对驱动器模型D11进行选择。另外,在选择了以放卷轴2a的伺服参数的调整为目的的仿真的情况下,在对应关系信息中预先确定了作为与Z轴2c相对应的驱动器模型而对驱动器模型D12进行选择,作为机械模型而对机械模型M11进行选择。在该情况下,如果由用户指定了以放卷轴2a的伺服参数的调整为目的的仿真,则模型选择部72基于抽象度设定及对应关系信息,作为与放卷轴2a及收卷轴2b相对应的驱动器模型而对2个驱动器模型D11进行选择。另外,模型选择部72作为与Z轴2c相对应的驱动器模型而对驱动器模型D12进行选择。另外,模型选择部72作为机械模型而机械模型M11选择。
模型运算部74使用这些选择出的模型,即驱动器模型D11、D12及机械模型M11而执行对头部位置的动作进行模拟的仿真。此时,模型运算部74将由控制器模型生成的放卷轴2a的位置指令输入至放卷轴2a的驱动器模型D11。在该情况下,驱动器模型D11通过前馈控制器、位置反馈控制器、速度反馈控制器、电流控制器对电动机位置进行模拟控制。在机械2中,作为位置反馈控制器、速度反馈控制器而安装有例如PI控制器。在该情况下,各自的比例增益及积分增益成为控制参数,通过对这些控制参数进行变更,从而对放卷轴2a的电动机的位置控制性能进行变更。
与放卷轴2a同样地,收卷轴2b的驱动器模型是驱动器模型D11,因此基于控制参数对收卷轴2b的电动机的位置控制性能进行变更。另外,Z轴2c的电动机驱动器模型是驱动器模型D12,因此仅通过前馈控制对电动机位置进行控制。
另外,作为机械模型,选择了对片材Ws的张力进行模拟的机械模型M11。因此,通过电动机的动作而发生片材Ws的张力变动等。因此,模型运算部74将片材Ws的张力及印戳7的位置作为仿真结果而输出。由此,用户能够对片材Ws的张力变动进行确认。另外,用户能够一边对作为仿真结果的片材Ws的张力变动进行确认,一边以不发生片材Ws的张力变动的方式对放卷轴2a及收卷轴2b的控制参数进行调整。
如上所述,在实施方式6中,用户例如从2个种类这种多个种类的仿真的目的对任意目的进行选择,作为抽象度设定而输入至仿真装置71。模型选择部72基于抽象度设定及对应关系信息,从模型库73所保持的模型中对具有仿真所需的精度、并且所需的计算量小于规定量的适当的抽象度的模型进行选择。
例如,在选择了以印刷位置的确认为目的的仿真的情况下,模型选择部72对机械模型M12及驱动器模型D12进行选择。机械模型M12仅基于运动学对与电动机位置相对应的片材Ws的输送位置及印戳7的位置进行计算。在该机械模型M12中不包含外力等动力学对电动机位置的影响,因此无需通过反馈控制对电动机位置进行控制那样的模拟。因此,模型选择部72在对机械模型M12进行选择的情况下,对仅前馈控制的简易的驱动器模型D12进行选择。
由此,仿真装置71无需对机械2的动力学及反馈控制所涉及的复杂的微分方程式进行运算,模型运算部74的运算变得非常简单。因此,仿真装置71与对执行精密的模型的仿真的情况下的微分方程式进行运算的情况相比,能够以非常小的计算成本对印刷位置进行确认。即,仿真装置71能够将计算成本抑制得小,执行使用用于满足仿真的目的的适当的抽象度的模型进行的仿真。
另一方面,在选择了以放卷轴2a的伺服参数的调整为目的的仿真的情况下,模型选择部72作为与输送片材的放卷轴2a及收卷轴2b相对应的驱动器模型而对执行详细的模拟的驱动器模型D11进行选择。另外,模型选择部72作为机械模型而对执行精密的模拟的机械模型M11进行选择。关于收卷轴2b对详细的模型进行选择的理由在于,放卷轴2a和收卷轴2b会经由片材Ws发生干涉,因此在放卷轴2a的调整中无法忽略收卷轴2b的动作。
模型选择部72关于不会对放卷轴2a及收卷轴2b的电动机驱动器的控制性能造成影响的Z轴2c的驱动器模型,对简易的驱动器模型即驱动器模型D12进行选择。
而且,用户一边对作为仿真结果而输出的片材Ws的张力变动进行确认,一边对放卷轴2a的参数进行调整。在该情况下,仿真装置71关于放卷轴2a、收卷轴2b及片材Ws的动作将精密的模型用于仿真,因此用户能够进行准确的参数调整。该情况下的精密的模型是计算量大的模型,但仿真装置71关于无需对放卷轴2a的电动机驱动器的控制参数的调整进行考虑的Z轴2c的动作而使用简化的模型。因此,仿真装置71关于Z轴2c的动作的仿真能够抑制计算量。即,仿真装置71能够将计算成本抑制得较小,而执行使用用于满足仿真的目的的适当的抽象度的模型进行的仿真。
如上所述,在用户指定出任意的抽象度设定的情况下,仿真装置71能够基于抽象度设定对与仿真的目的相对应的适当的抽象度的模型进行选择,因此能够简易地实现计算效率良好的仿真。
此外,在实施方式6中,说明了针对放卷轴2a及收卷轴2b的电动机驱动器进行了基于位置指令的位置控制的情况,但也可以进行通过速度指令实施的速度控制,也可以进行通过扭矩指令实施的扭矩控制。另外,机械系统20B可以是对收卷轴2b的电动机驱动器进行速度控制,对放卷轴2a的电动机驱动器进行扭矩控制的系统。
如上所述,根据实施方式6,与实施方式1至5同样地,能够基于抽象度设定对与仿真的目的相对应的适当的抽象度的模型进行选择,因此能够简易地实现计算效率良好的仿真。
在这里,对仿真装置11、21、31、41、51、71的硬件结构进行说明。此外,仿真装置11、21、31、41、51、71具有相同的硬件结构,因此在这里对仿真装置11的硬件结构进行说明。
图14是表示实现实施方式1所涉及的仿真装置的硬件结构例的图。仿真装置11能够通过输入装置300、处理器100、存储器200及输出装置400实现。处理器100的例子是CPU(也称为Central Processing Unit、中央处理装置、处理装置、运算装置、微处理器、微型计算机、DSP(Digital Signal Processor))或者系统LSI(Large Scale Integration)。存储器200的例子是RAM(Random Access Memory)、ROM(Read Only Memory)。
仿真装置11是处理器100将存储器200所存储的用于执行仿真装置11的动作的可由计算机执行的仿真程序读出并执行而实现的。用于执行仿真装置11的动作的程序即仿真程序可以说使计算机执行仿真装置11的顺序或者方法。
由仿真装置11执行的仿真程序成为包含模型选择部12和模型运算部14在内的程序块结构,它们载入至主存储装置上,它们生成于主存储装置上。
输入装置300接受抽象度设定而发送至处理器100。存储器200对模型库13等进行存储。在该存储器200所存储的模型库13内储存有驱动器模型D1、D2及机械模型M1、M2。另外,存储器200作为由处理器100执行各种处理时的暂时存储器被使用。输出装置400将由模型运算部14计算出的仿真结果输出至监视器等。
在这里,示出了仿真装置11、21、31、41、51、71由1个计算机实现的例子,但仿真装置11、21、31、41、51、71也可以由多个计算机实现。
例如仿真装置31可以由2个计算机实现,包含模型运算部14的程序和包含模型生成部36的程序由不同的计算机执行。
另外,例如仿真装置41可以由2个计算机实现,包含模型运算部14的程序和包含模型简化部47的程序由不同的计算机执行。
另外,例如仿真装置51可以由2个计算机实现,包含模型运算部14的程序和包含模型选择部52的程序由不同的计算机执行。
仿真程序可以通过可安装的形式或者可执行的形式的文件,存储于计算机可读取的存储介质而作为计算机程序产品进行提供。另外,仿真程序也可以经由互联网等网络而提供给仿真装置11。此外,关于仿真装置11的功能,可以将一部分通过专用电路等专用的硬件实现,将一部分通过软件或者固件实现。
以上的实施方式所示的结构表示一个例子,也能够与其他公知技术组合,也能够将实施方式彼此组合,在不脱离主旨的范围也能够将结构的一部分省略、变更。
标号的说明
1、2机械,1a X轴,1b Y轴,1c、2c Z轴,2a放卷轴,2b收卷轴,5台板,6头部,7印戳,10A、10B控制器,11、21、31、41、51、71仿真装置,12、22、52、72模型选择部,13、23、33、73模型库,14、24、74模型运算部,20A、20B机械系统,25定序程序,36模型生成部,47模型简化部,48a、48b、48c、48d程序块,91、96运算电路,100处理器,200存储器,300输入装置,400输出装置,C1、C2控制器模型,D1、D2、D11、D12驱动器模型,M1~M6、M11、M12机械模型,Wp工件,Ws片材。
Claims (9)
1.一种仿真程序,其使用对机械的动作进行模拟的机械模型和对电动机驱动器的动作进行模拟的驱动器模型,对具备具有电动机并且由所述电动机驱动的所述机械、对所述电动机进行控制的所述电动机驱动器、和对所述电动机驱动器进行控制的控制器的机械系统的动作进行模拟,
该仿真程序的特征在于,使计算机执行:
模型选择步骤,从对所述机械模型的候选和所述驱动器模型的候选进行保持的模型库,基于设定有对所述机械系统的动作进行模拟时的仿真的抽象度的信息即抽象度设定,选择对所述机械的动作进行模拟时所使用的所述机械模型和对所述电动机驱动器的动作进行模拟时所使用的所述驱动器模型;以及
模型运算步骤,使用通过所述模型选择步骤选择出的所述机械模型及所述驱动器模型而对机械系统的动作进行模拟,
所述机械模型的候选及所述驱动器模型的候选的至少一者为多个,在所述机械模型的候选为多个的情况下,在所述机械模型的候选中包含有通过不同的抽象度对1个所述机械进行模拟的多个机械模型,在所述驱动器模型的候选为多个的情况下,在所述驱动器模型的候选中包含有通过不同的抽象度对1个所述电动机驱动器进行模拟的多个驱动器模型。
2.根据权利要求1所述的仿真程序,其特征在于,
在所述机械模型的候选为多个的情况下,所述抽象度不同的所述多个机械模型是具有共通的接口的软件。
3.根据权利要求1或2所述的仿真程序,其特征在于,
还使计算机执行模型生成步骤,即,基于通过使所述机械系统实际上动作而得到的信号即实机信息,通过第1机器学习而生成抽象度与所述模型库所保持的所述多个机械模型不同的机械模型,并保持于所述模型库。
4.根据权利要求3所述的仿真程序,其特征在于,
在所述模型生成步骤中,使用将所述电动机的位置的时序数据作为输入,将通过所述电动机而移动的部位的位置的时序数据作为输出的神经网络,通过所述第1机器学习而生成抽象度与所述多个机械模型不同的机械模型。
5.根据权利要求1至4中任一项所述的仿真程序,其特征在于,
还使计算机执行模型简化步骤,即,使用所述多个机械模型之中的1个机械模型即第1机械模型,生成减小了所述第1机械模型的抽象度的新的机械模型即第2机械模型。
6.根据权利要求1至5中任一项所述的仿真程序,其特征在于,
还使计算机执行学习步骤,即,通过第2机器学习对基于所述抽象度设定而选择出的所述机械模型及所述驱动器模型进行学习,
在所述模型选择步骤中,如果接受到新的抽象度设定,则将所述新的抽象度设定作为输入而基于所述第2机器学习的学习结果,从所述机械模型的候选对与所述新的抽象度设定相对应的所述机械模型进行选择,并且从所述驱动器模型的候选对与所述新的抽象度设定相对应的所述驱动器模型进行选择。
7.一种仿真装置,其使用对机械的动作进行模拟的机械模型和对电动机驱动器的动作进行模拟的驱动器模型,对具备具有电动机并且由所述电动机驱动的所述机械、对所述电动机进行控制的所述电动机驱动器、和对所述电动机驱动器进行控制的控制器的机械系统的动作进行模拟,
该仿真装置的特征在于,具有:
模型选择部,其从对所述机械模型的候选和所述驱动器模型的候选进行保持的模型库,基于设定有对所述机械系统的动作进行模拟时的仿真的抽象度的信息即抽象度设定,选择对所述机械的动作进行模拟时所使用的所述机械模型和对所述电动机驱动器的动作进行模拟时所使用的所述驱动器模型;以及
模型运算部,其使用由所述模型选择部选择出的所述机械模型及所述驱动器模型而对机械系统的动作进行模拟,
所述机械模型的候选及所述驱动器模型的候选的至少一者为多个,在所述机械模型的候选为多个的情况下,在所述机械模型的候选中包含有通过不同的抽象度对1个所述机械进行模拟的多个机械模型,在所述驱动器模型的候选为多个的情况下,在所述驱动器模型的候选中包含有通过不同的抽象度对1个所述电动机驱动器进行模拟的多个驱动器模型。
8.根据权利要求7所述的仿真装置,其特征在于,
所述模型库对通过不同的抽象度对由所述控制器执行的1个定序程序的处理进行模拟的多个控制器模型进行保持,
所述模型选择部从所述模型库基于所述抽象度设定,选择对所述定序程序的处理进行模拟时所使用的控制器模型,
所述模型运算部使用由所述模型选择部选择出的所述控制器模型对机械系统的动作进行模拟。
9.一种仿真方法,其使用对机械的动作进行模拟的机械模型和对电动机驱动器的动作进行模拟的驱动器模型,对具备具有电动机并且由所述电动机驱动的所述机械、对所述电动机进行控制的所述电动机驱动器和对所述电动机驱动器进行控制的控制器的机械系统的动作进行模拟,
该仿真方法的特征在于,包含:
模型选择步骤,从对所述机械模型的候选和所述驱动器模型的候选进行保持的模型库,基于设定有对所述机械系统的动作进行模拟时的仿真的抽象度的信息即抽象度设定,选择对所述机械的动作进行模拟时所使用的所述机械模型和对所述电动机驱动器的动作进行模拟时所使用的所述驱动器模型;以及
模型运算步骤,使用通过所述模型选择步骤选择出的所述机械模型及所述驱动器模型而对机械系统的动作进行模拟,
所述机械模型的候选及所述驱动器模型的候选的至少一者为多个,在所述机械模型的候选为多个的情况下,在所述机械模型的候选中包含有通过不同的抽象度对1个所述机械进行模拟的多个机械模型,在所述驱动器模型的候选为多个的情况下,在所述驱动器模型的候选中包含有通过不同的抽象度对1个所述电动机驱动器进行模拟的多个驱动器模型。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2021/000366 WO2022149241A1 (ja) | 2021-01-07 | 2021-01-07 | シミュレーションプログラム、シミュレーション装置、およびシミュレーション方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116348822A true CN116348822A (zh) | 2023-06-27 |
Family
ID=78409784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180071137.4A Pending CN116348822A (zh) | 2021-01-07 | 2021-01-07 | 仿真程序、仿真装置及仿真方法 |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP6961130B1 (zh) |
CN (1) | CN116348822A (zh) |
DE (1) | DE112021005541T5 (zh) |
WO (1) | WO2022149241A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023209754A1 (ja) * | 2022-04-25 | 2023-11-02 | ファナック株式会社 | サーボ調整システム |
WO2024090284A1 (ja) * | 2022-10-27 | 2024-05-02 | パナソニックIpマネジメント株式会社 | 学習システム、予測システム、および調整システム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254464A (zh) * | 2011-08-10 | 2011-11-23 | 上海交通大学 | 基于构件机械原理的机构运动虚拟实验仿真方法 |
WO2013075909A1 (de) * | 2011-11-25 | 2013-05-30 | Siemens Aktiengesellschaft | Verfahren zur automatischen generierung von simulationsmodellen anhand von stromlaufplänen |
CN104881554A (zh) * | 2015-06-15 | 2015-09-02 | 华中科技大学 | 一种适用于ic装备工件定位运动台的仿真系统及其建模方法 |
CN107530879A (zh) * | 2015-05-20 | 2018-01-02 | 三菱电机株式会社 | 多轴机械装置仿真器、运转指令装置的设计辅助装置、电动机控制装置的设计辅助装置以及电动机的容量选定装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005032048A (ja) * | 2003-07-08 | 2005-02-03 | Yaskawa Electric Corp | モーションコントロールシミュレータ及びその機能を備えた電動機制御系の調整支援装置 |
JP6091523B2 (ja) * | 2012-12-11 | 2017-03-08 | 三菱電機株式会社 | サーボ制御装置 |
JP6460138B2 (ja) * | 2017-03-13 | 2019-01-30 | オムロン株式会社 | 処理装置、制御パラメータ決定方法、及び制御パラメータ決定プログラム |
-
2021
- 2021-01-07 WO PCT/JP2021/000366 patent/WO2022149241A1/ja active Application Filing
- 2021-01-07 DE DE112021005541.0T patent/DE112021005541T5/de active Pending
- 2021-01-07 CN CN202180071137.4A patent/CN116348822A/zh active Pending
- 2021-01-07 JP JP2021527937A patent/JP6961130B1/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254464A (zh) * | 2011-08-10 | 2011-11-23 | 上海交通大学 | 基于构件机械原理的机构运动虚拟实验仿真方法 |
WO2013075909A1 (de) * | 2011-11-25 | 2013-05-30 | Siemens Aktiengesellschaft | Verfahren zur automatischen generierung von simulationsmodellen anhand von stromlaufplänen |
CN107530879A (zh) * | 2015-05-20 | 2018-01-02 | 三菱电机株式会社 | 多轴机械装置仿真器、运转指令装置的设计辅助装置、电动机控制装置的设计辅助装置以及电动机的容量选定装置 |
CN104881554A (zh) * | 2015-06-15 | 2015-09-02 | 华中科技大学 | 一种适用于ic装备工件定位运动台的仿真系统及其建模方法 |
Non-Patent Citations (1)
Title |
---|
高海涛 等: "面向广义特征的机器人零件模型表达及XML描述", 现代设计与先进制造技术, vol. 41, no. 23, 31 December 2012 (2012-12-31), pages 21 - 23 * |
Also Published As
Publication number | Publication date |
---|---|
JPWO2022149241A1 (zh) | 2022-07-14 |
DE112021005541T5 (de) | 2023-08-24 |
JP6961130B1 (ja) | 2021-11-05 |
WO2022149241A1 (ja) | 2022-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7945349B2 (en) | Method and a system for facilitating calibration of an off-line programmed robot cell | |
CN116348822A (zh) | 仿真程序、仿真装置及仿真方法 | |
US20210174227A1 (en) | Machine learning apparatus, control device, machining system, and machine learning method for learning correction amount of workpiece model | |
US11345026B2 (en) | Robot program generation apparatus | |
Armstrong et al. | A multi-input single-output iterative learning control for improved material placement in extrusion-based additive manufacturing | |
US20190094831A1 (en) | Control apparatus, control method, and support apparatus | |
JP2004518204A (ja) | 運動制御のための方法及び装置 | |
EP2930575A2 (en) | Positioning control device | |
JP2008117309A (ja) | 生産・物流スケジュール作成装置及び方法、生産・物流プロセス制御装置及び方法、コンピュータプログラム、並びにコンピュータ読み取り可能な記録媒体 | |
JP2020035159A (ja) | パラメータ調整装置 | |
Balula et al. | Data-driven reference trajectory optimization for precision motion systems | |
CN116802572A (zh) | 仿真装置、工作机械系统、仿真方法及加工方法 | |
Kato et al. | Positioning Error Calibration of Industrial Robots Based on Random Forest | |
WO2020189344A1 (ja) | 制御装置および制御プログラム | |
US11630426B2 (en) | Control system and non-transitory computer readable recording medium | |
WO2022269787A1 (ja) | プログラム作成支援装置、プログラム作成支援方法、プログラム作成支援プログラム及びプログラマブルロジックコントローラ | |
Silva et al. | Application for automatic programming of palletizing robots | |
Fekik et al. | FPGA in the loop implementation of the PUMA 560 robot based on backstepping control | |
JP2005032048A (ja) | モーションコントロールシミュレータ及びその機能を備えた電動機制御系の調整支援装置 | |
Andrs et al. | Optimization of The DC Motor State Space Controller for FPGA | |
CN116888542A (zh) | 调整辅助装置、控制系统及调整辅助方法 | |
Boscariol et al. | A Framework for Improving the Energy Efficiency and Sustainability of Collaborative Robots | |
Sabau et al. | System identification and control analysis for CNC machines | |
JP2021081951A (ja) | プログラム解析装置 | |
Kubalcik et al. | ENVIRONMENT FOR CAD AND VERIFICATION OF SELF–TUNING CONTROLLERS |
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 |