-
Hintergrund der Erfindung
-
Gebiet der Erfindung
-
Die vorliegende Erfindung betrifft eine maschinelle Lernvorrichtung, eine Servosteuerungsvorrichtung, ein Servosteuerungssystem und ein maschinelles Lernverfahren zum Unterdrücken von Störungen.
-
Stand der Technik
-
Als eine Servosteuerungsvorrichtung für Werkzeugmaschinen und Industriemaschinen offenbart Patentdokument 1 eine Konfiguration, die zur hochpräzisen Positionierung in der Lage ist und Linearitätsabweichungen, Störungen oder Änderungen der Umgebung eines Steuerungsziels über die Zeit verarbeiten kann. Genauer gesagt offenbart Patentdokument 1 als eine Servosteuerungsvorrichtung mit einer Steuerung, die eine Rückkopplungsregelung für eine Regelabweichung zwischen dem Zielwert und der Steuerausgabe durchführt, so dass die Steuerausgabe des Steuerziels mit dem Zielwert übereinstimmt, eine Servosteuerungsvorrichtung mit einem neuronalen Netzwerkmodell, welches die Ausgaben der Steuerung als Eingangssignale festsetzt, einem linearen Modell, welches die Ausgaben der Steuerung als Eingangssignale festsetzt, und einem Lernmittel, welches die Ausgabe des neuronalen Netzwerks als das Eingangssignal des Steuerziels festsetzt, und die Gewichtung zwischen den einzelnen Schichten des neuronalen Netzwerks variiert, so dass die Ausgabe des Steuerziels und die Ausgabe des linearen Modells gleich werden.
-
Patentdokument 1: Ungeprüfte
japanische Patentanmeldung, Veröffentlichungsnr. H07-210207
-
Zusammenfassung der Erfindung
-
Die zuvor genannte Konfiguration, die in Patentdokument 1 offenbart ist, setzt ein lineares Modell als ein Referenzmodell fest und führt eine adaptive Steuerung vom Referenztyp durch, um den Merkmalen dieses linearen Modells zu entsprechen; daher muss der Benutzer individuelle lineare Modelle vorbereiten. Allerdings ist der Umstand, dass der Benutzer die linearen Modelle individuell vorbereiten muss, für den Benutzer komplex, so dass eine Servosteuerungsvorrichtung, die Störungen etc. auf einfachere Weise unterdrückt, erwünscht ist.
-
Das Ziel der vorliegenden Erfindung besteht darin, eine maschinelle Lernvorrichtung, eine Servosteuerungsvorrichtung, ein Servosteuerungssystem und ein maschinelles Lernverfahren bereitzustellen, womit auf einfache Weise Störungen unterdrückt und gleichzeitig komplexe Anpassungen vermieden werden können.
-
Eine maschinelle Lernvorrichtung (beispielsweise die maschinelle Lernvorrichtung 200, 200-1-200-n, 201, 202, die später beschrieben wird) gemäß einem ersten Aspekt der vorliegenden Erfindung beinhaltet:
- ein Kennsatzerfassungsmittel (beispielsweise die Kennsatzerfassungseinheit 200, die später beschrieben wird) zum Erfassen, als einen Kennsatz, eines Strombefehls, der ein Steuerziel (beispielsweise das Steuerziel 400, das später beschrieben wird) einer Servosteuerungsvorrichtung in einem Zustand antreibt, in dem Störungen unterdrückt werden;
- ein Eingangsdatenerfassungsmittel (beispielsweise die Eingangsdatenerfassungseinheit 210, die später beschrieben wird) zum Erfassen, als Eingangsdaten, einer Geschwindigkeit des Steuerziels, das basierend auf dem Strombefehl in dem Zustand angetrieben wird, in dem Störungen unterdrückt werden; und
- ein Lernmittel (beispielsweise die Lerneinheit 230, die später beschrieben wird) zum Erstellen eines Lernmodells zum Schätzen eines Stroms zum Antreiben des Steuerziels aus der Geschwindigkeit des Steuerziels durch Durchführen von überwachtem Lernen mit einer Gruppe aus dem Kennsatz und den Eingangsdaten als Trainingsdaten.
-
Gemäß einem zweiten Aspekt der vorliegenden Erfindung kann das Steuerziel in der maschinellen Lernvorrichtung, wie in dem ersten Aspekt beschrieben, einen Motor (beispielsweise den Servomotor 401, der später beschrieben wird) und eine Last (beispielsweise die Last 402, die später beschrieben wird) aufweisen, die sich mithilfe des Motors bewegt, wobei die Geschwindigkeit die von dem Eingangsdatenerfassungsmittel erfasst wird, eine Rotationsgeschwindigkeit des Motors und eine Geschwindigkeit der Last ist.
-
Gemäß einem dritten Aspekt der vorliegenden Erfindung kann die maschinelle Lernvorrichtung, wie in dem ersten oder zweiten Aspekt beschrieben, des Weiteren ein Funktionsausgabemittel (beispielsweise die Funktionserzeugungsausgabeeinheit für geschätzten Strom 250, die später beschrieben wird) zum Erzeugen einer Funktion zum Schätzen eines Stroms zum Antreiben des Steuerziels anhand der Geschwindigkeit des Steuerziels, basierend auf dem Lernmodell, das von dem Lernmittel erstellt wird, und zum Ausgeben desselben an die Servosteuerungsvorrichtung beinhalten.
-
Gemäß einem vierten Aspekt der vorliegenden Erfindung kann die Servosteuerungsvorrichtung in der maschinellen Lernvorrichtung, wie in einem aus dem ersten bis dritten Aspekt beschrieben, eine Stromsteuereinheit (beispielsweise die Stromsteuereinheit 180, die später beschrieben wird) beinhalten, die eine Stromrückkopplungsschleife bildet, und einen Verstärker (beispielsweise den Verstärker 190, der später beschrieben wird), wobei der Strombefehl zum Antreiben des Steuerziels auf das Steuerziel über die Stromsteuereinheit und den Verstärker angewendet wird, und
wobei der Strombefehl, der in das Kennsatzerfassungsmittel eingegeben wird, von dem Verstärker ausgegeben werden kann.
-
Ein Servosteuerungssystem gemäß einem fünften Aspekt der vorliegenden Erfindung beinhaltet: die maschinelle Lernvorrichtung (beispielsweise die maschinelle Lernvorrichtung 200, 200-1-200-n, 201, 202, die später beschrieben wird), wie in dem dritten Aspekt beschrieben, und die Servosteuerungsvorrichtung (beispielsweise die Servosteuerungsvorrichtung 100, 100-1~100-n, 101, 102, die später beschrieben wird), welche den Strombefehl und die Geschwindigkeit des Steuerziels an die maschinelle Lernvorrichtung ausgibt,
wobei die Servosteuerungsvorrichtung ein Erzeugungsmittel für geschätzten Strom (beispielsweise die Erzeugungseinheit für geschätzten Strom 150, die später beschrieben wird) zum Schätzen eines Stroms zum Antreiben des Steuerziels anhand der Geschwindigkeit des Steuerziels basierend auf der Funktion beinhaltet, die von dem Funktionsausgabemittel ausgegeben wird; ein Subtraktionsmittel (beispielsweise den Subtrahierer 140, der später beschrieben wird) zum Erfassen einer Differenz zwischen dem Strombefehl und einem geschätzten Strom, der von dem Erzeugungsmittel für geschätzten Strom geschätzt wurde; und ein Störungskompensationsmittel (z. B. den Störungskompensator 160, der später beschrieben wird) zum Erzeugen eines kompensierten Stroms zum Kompensieren der Störung basierend auf der Differenz.
-
Gemäß einem sechsten Aspekt der vorliegenden Erfindung kann die Servosteuerungsvorrichtung in dem Servosteuerungssystem, wie in dem fünften Aspekt beschrieben, eine Stromsteuereinheit (beispielsweise die Stromsteuereinheit 180, die später beschrieben wird) beinhalten, die eine Stromrückkopplungsschleife bildet, und einen Verstärker (beispielsweise den Verstärker 190, der später beschrieben wird), wobei der Strombefehl zum Antreiben des Steuerziels auf das Steuerziel über die Stromsteuereinheit und den Verstärker angewendet wird, und
wobei der Strombefehl, der in das Kennsatzerfassungsmittel eingegeben wird, von dem Verstärker ausgegeben werden kann.
-
Eine Servosteuerungsvorrichtung gemäß einem siebten Aspekt der vorliegenden Erfindung beinhaltet: die maschinelle Lernvorrichtung (beispielsweise die maschinelle Lernvorrichtung 200, 200-1~200-n, 201, 202, die später beschrieben wird), wie in dem dritten Aspekt beschrieben, ein Erzeugungsmittel für geschätzten Strom (beispielsweise die Erzeugungseinheit für geschätzten Strom 150, die später beschrieben wird) zum Schätzen des Stroms zum Antreiben des Steuerziels anhand der Geschwindigkeit des Steuerziels basierend auf der Funktion, die von dem Funktionsausgabemittel ausgegeben wird;
ein Subtraktionsmittel (beispielsweise den Subtrahierer 140, der später beschrieben wird) zum Erfassen einer Differenz zwischen dem Strombefehl und dem geschätzten Strom, der von dem Erzeugungsmittel für geschätzten Strom geschätzt wurde; und
ein Störungskompensationsmittel (z. B. den Störungskompensator 160, der später beschrieben wird) zum Erzeugen eines kompensierten Stroms zum Kompensieren der Störung basierend auf der Differenz.
-
Gemäß einem achten Aspekt der vorliegenden Erfindung kann die Servosteuerungsvorrichtung, wie in dem siebten Aspekt beschrieben, des Weiteren beinhalten: eine Stromsteuereinheit (beispielsweise die Stromsteuereinheit 180, die später beschrieben wird), die eine Stromrückkopplungsschleife bildet, und einen Verstärker (beispielsweise den Verstärker 190, der später beschrieben wird), wobei der Strombefehl zum Antreiben des Steuerziels auf das Steuerziel über die Stromsteuereinheit und den Verstärker angewendet wird, und wobei der Strombefehl, der in das Kennsatzerfassungsmittel eingegeben wird, von dem Verstärker ausgegeben werden kann.
-
Ein maschinelles Lernverfahren für eine maschinelle Lernvorrichtung gemäß einem neunten Aspekt der vorliegenden Erfindung beinhaltet folgende Schritte: Erfassen, als einen Kennsatz, eines Strombefehls zum Antreiben eines Steuerziels einer Servosteuerungsvorrichtung in einem Zustand, in dem Störungen unterdrückt werden;
-
Erfassen, als Eingangsdaten, einer Geschwindigkeit des Steuerziels, das basierend auf dem Strombefehl in dem Zustand angetrieben wird, in dem Störungen unterdrückt werden;
-
Erstellen eines Lernmodells zum Schätzen des Stroms zum Antreiben des Steuerziels aus der Geschwindigkeit des Steuerziels durch Durchführen von überwachtem Lernen mit einer Gruppe aus dem Kennsatz und den Eingangsdaten als Trainingsdaten.
-
Gemäß der vorliegenden Erfindung können auf einfache Weise Störungen unterdrückt und gleichzeitig komplexe Anpassungen vermieden werden.
-
Figurenliste
-
- 1 ist ein Blockdiagramm, das ein Servosteuerungssystem gemäß einem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt;
- 2 ist ein Blockdiagramm, das die Konfiguration einer Servosteuerungsvorrichtung des Servosteuerungssystems gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt;
- 3 ist ein Blockdiagramm, das die Konfiguration der Servosteuerungsvorrichtung während der Bearbeitung in dem Servosteuerungssystem gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt;
- 4 ist ein Blockdiagramm, das die Konfiguration einer maschinellen Lernvorrichtung des Servosteuerungssystems gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt;
- 5 ist ein Flussdiagramm, das die Vorgänge einer maschinellen Lernvorrichtung 200 des vorliegenden Ausführungsbeispiels zeigt;
- 6 ist ein Blockdiagramm, das ein Konfigurationsbeispiel einer Servosteuerungsvorrichtung und einer maschinellen Lernvorrichtung in einem Servosteuerungssystem gemäß einem zweiten Ausführungsbeispiel der vorliegenden Erfindung zeigt;
- 7 ist ein Blockdiagramm, das die Konfiguration der Servosteuerungsvorrichtung während der Bearbeitung in dem Servosteuerungssystem gemäß dem zweiten Ausführungsbeispiel der vorliegenden Erfindung zeigt;
- 8 ist ein Blockdiagramm, das die Konfiguration der maschinellen Lernvorrichtung in dem Servosteuerungssystem gemäß dem zweiten Ausführungsbeispiel der vorliegenden Erfindung zeigt;
- 9 ist ein Blockdiagramm, das ein Konfigurationsbeispiel einer Servosteuerungsvorrichtung und einer maschinellen Lernvorrichtung in einem Servosteuerungssystem gemäß einem dritten Ausführungsbeispiel der vorliegenden Erfindung zeigt;
- 10 ist ein Blockdiagramm, das die Konfiguration der Servosteuerungsvorrichtung während der Bearbeitung in dem Servosteuerungssystem gemäß dem dritten Ausführungsbeispiel der vorliegenden Erfindung zeigt; und
- 11 ist ein Blockdiagramm, das die Konfiguration der maschinellen Lernvorrichtung des Servosteuerungssystems gemäß dem dritten Ausführungsbeispiel der vorliegenden Erfindung zeigt.
-
Ausführliche Beschreibung der Erfindung
-
Im Folgenden werden Ausführungsbeispiele der vorliegenden Erfindung ausführlich unter Bezug auf die Zeichnungen beschrieben. Es sei angemerkt, dass, auch wenn nachfolgend Erläuterungen für drei Ausführungsbeispiele gegeben werden, die Gesamtkonfiguration, die als deren Grundlage dient, den jeweiligen Ausführungsbeispielen gemein ist; daher erfolgt zunächst eine Erläuterung für die gemeinsame Gesamtkonfiguration in diesen jeweiligen Ausführungsbeispielen.
-
<Gemeinsame Gesamtkonfiguration der einzelnen Ausführungsbeispiele>
-
1 ist ein Blockdiagramm, das ein Servosteuerungssystem gemäß einem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt. Das Servosteuerungssystem 10 beinhaltet eine n-Anzahl von Servosteuerungsvorrichtungen 100-1-100-n, eine n-Anzahl von maschinellen Lernvorrichtungen 200-1~200-n und ein Netzwerk 300, wie in 1 dargestellt. Es sei angemerkt, dass n eine beliebige natürliche Zahl ist.
-
Dabei werden die Servosteuerungsvorrichtung 100-1 und die maschinelle Lernvorrichtung 200-1 zu einer 1-zu-1-Gruppe zusammengefasst und miteinander verbunden, so dass sie miteinander kommunizieren können. Die Servosteuerungsvorrichtungen 100-2-100-n und die maschinellen Lernvorrichtungen 200-2-200-n sind miteinander verbunden, ähnlich wie die Servosteuerungsvorrichtung 100-1 und die maschinelle Lernvorrichtung 200-1. In 1 ist eine n-Anzahl von Gruppen der Servosteuerungsvorrichtungen 100-1-100-n und maschinellen Lernvorrichtungen 200-1~200-n über das Netzwerk 300 miteinander verbunden; allerdings können für eine n-Anzahl von Gruppen der Servosteuerungsvorrichtungen 100-1-100-n und maschinellen Lernvorrichtungen 200-1~200-n die Servosteuerungsvorrichtung und die maschinelle Lernvorrichtung jeder Gruppe auch direkt miteinander über eine Verbindungsschnittstelle verbunden sein. Die n-Anzahl von Gruppen der Servosteuerungsvorrichtungen 100-1-100-n und maschinellen Lernvorrichtungen 200-1~200-n kann in demselben Werk installiert werden oder kann zum Beispiel auch jeweils in verschiedenen Werken montiert werden.
-
Bei dem Netzwerk 300 handelt es sich beispielsweise um ein LAN (Local Area Network), das im Werk erstellt wird, das Internet, ein öffentliches Telefonnetz oder eine Kombination daraus. Das spezifische Kommunikationssystem des Netzwerks 300, sei es eine verkabelte Verbindung oder eine kabellose Verbindung, unterliegt keinen speziellen Beschränkungen.
-
(Erstes Ausführungsbeispiel)
-
2 ist ein Blockdiagramm, das ein Konfigurationsbeispiel einer Gruppe aus einer Servosteuerungsvorrichtung und einer maschinellen Lernvorrichtung in dem Servosteuerungssystem gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt. Die Servosteuerungsvorrichtung 100 und die maschinelle Lernvorrichtung 200, entsprechen, wie beispielsweise in 2 dargestellt, der Servosteuerungsvorrichtung 100-1 bzw. der maschinellen Lernvorrichtung 200-1, die in 1 dargestellt sind. In 2 wird auf die Darstellung des Netzwerks 300 verzichtet, das zwischen den Vorrichtungen besteht.
-
Wie in 2 dargestellt, beinhaltet die Servosteuerungsvorrichtung 100 den Subtrahierer 110, die Geschwindigkeitssteuerungseinheit 120, den Addierer 130, den Subtrahierer 140, die Erzeugungseinheit für geschätzten Strom 150, den Störungskompensator 160 und den Tiefpassfilter 170. Die maschinelle Lernvorrichtung 200 empfängt einen Strombefehlswert von dem Addierer 130 und einen Geschwindigkeitsermittlungswert von dem Steuerziel 400. Die maschinelle Lernvorrichtung 200 führt überwachtes Lernen durch, wobei es sich um maschinelles Lernen handelt, das auf Trainingsdaten basiert, die den Strombefehlswert als Kennsatz festlegen und den Geschwindigkeitsbefehlswert als Eingangsdaten festlegen, und gibt eine Erzeugungsfunktion für geschätzten Strom an die Erzeugungseinheit für geschätzten Strom 150 aus.
-
Das Steuerziel 400, das von der Servosteuerungsvorrichtung 100 servogesteuert wird, ist beispielsweise ein Servomotor oder eine Werkzeugmaschine, ein Roboter, eine Industriemaschine oder dergleichen, die einen Servomotor enthält. Die Servosteuerungsvorrichtung 100 kann beispielsweise als Teil einer Werkzeugmaschine, eines Roboters, eines Industriewerkzeugs oder dergleichen vorgesehen sein. In der folgenden Erläuterung wird von einem Fall ausgegangen, bei dem das Steuerziel 400 eine Werkzeugmaschine mit einem Servomotor ist.
-
In dem vorliegenden Ausführungsbeispiel treibt die Servosteuerungsvorrichtung 100 das Steuerziel 400 in einem Zustand an, in dem während des maschinellen Lernens keine Störungen auftreten, d.h. einem Zustand, in dem kein Werkstück bearbeitet wird, so dass keine Steuerung zur Kompensation einer Störung durchgeführt wird. Aus diesem Grund ist während des maschinellen Lernens die Schaltung von dem Addierer 130, die über den Subtrahierer 140, die Erzeugungseinheit für geschätzten Strom 150, den Störungskompensator 160 und den Tiefpassfilter 170 zu dem Addierer 130 zurückkehrt, nicht in Funktion. Die Bedeutung, dass die Schaltung nicht in Funktion ist, ist mit einer gestrichelten Linie in 2 ausgedrückt. Damit diese Schaltung nicht in Funktion ist, reicht es beispielsweise aus, dass die Servosteuerungsvorrichtung 100 eine solche Steuerung durchführt, dass das Ausgangssignal von dem Störungskompensator 160 nicht ausgegeben wird.
-
Das Servosteuerungssystem 10 kann während des maschinellen Lernens das Steuerziel 400 unter Verwendung eines Bearbeitungsprogramms für ein Werkstück antreiben, das tatsächlich von der Werkzeugmaschine bearbeitet wird, um das maschinelle Lernen durchzuführen. Da jedoch die Bearbeitungszeit je nach Bearbeitungsprogramm im Allgemeinen lang ist, ist es wünschenswert, dass das Servosteuerungssystem 10 ein Evaluierungsprogramm für das maschinelle Lernen separat von dem tatsächlichen Bearbeitungsprogramm verwendet. Das Evaluierungsprogramm bestimmt die Bewegungsdistanz in der axialen Richtung, die Vorschubgeschwindigkeit etc. entsprechend der Bearbeitungsform während des maschinellen Lernens. Die Bearbeitungsform während des maschinellen Lernens ist beispielsweise ein Kreis, ein Quadrat und ein Quadrat mit einem Viertelbogen. Bei solchen Bearbeitungsformen kann eine Umkehrung der Drehrichtung des Servomotors sowie ein Stopp aus dem Drehzustand bewirkt werden.
-
Nachfolgend wird der Signalfluss während des maschinellen Lernens in dem vorliegenden Ausführungsbeispiel unter Bezugnahme auf 2 beschrieben. Zunächst wird der Geschwindigkeitsbefehl zum Steuern des Antriebs des Steuerzieles 400 von einer übergeordneten Vorrichtung, auf deren Darstellung verzichtet wurde, in die Servosteuerungsvorrichtung 100 eingegeben. Der Subtrahierer 100 erfasst eine Geschwindigkeitsabweichung, bei der es sich um die Differenz zwischen dem Geschwindigkeitsbefehl, der in die Servosteuerungsvorrichtung 100 eingegeben wird, und dem Geschwindigkeitsermittlungswert aus der Geschwindigkeitsrückführung von dem Steuerziel 400 handelt, und gibt sie an die Geschwindigkeitssteuerungseinheit 120 aus.
-
Die Geschwindigkeitsteuerungseinheit 120 addiert einen Wert, der durch Multiplizieren und Integrieren der integralen Verstärkung K1v mit der Geschwindigkeitsabweichung erhalten wird, und einen Wert, der durch Multiplizieren einer Proportionalverstärkung K2v mit der Geschwindigkeitsabweichung erhalten wird, und gibt diesen addierten Wert an das Steuerziel 400 und die maschinelle Lernvorrichtung 200 über den Addierer 130 als einen Strombefehlswert aus. Der Addierer 130 ermittelt die Differenz zwischen dem Strombefehlswert und der Ausgabe des Tiefpassfilters 170 während des tatsächlichen Bearbeitens und gibt diese Differenz an das Steuerziel 400 aus. Dagegen gibt der Addierer 130 den Strombefehlswert während des maschinellen Lernens so wie er ist an das Steuerziel 400 und die maschinelle Lernvorrichtung 200 aus.
-
Der in dem Steuerziel 400 enthaltene Servomotor wird basierend auf dem Strombefehlswert angetrieben. Die Rotationswinkelposition des Servomotors in dem Steuerziel 400 wird von einem Drehwinkelgeber ermittelt, der als eine Positionsermittlungseinheit in Verbindung mit dem Servomotor dient, und das ermittelte Signal wird als der Geschwindigkeitsermittlungswert der Geschwindigkeitsrückführung verwendet. Außerdem wird der Geschwindigkeitsermittlungswert in die maschinelle Lernvorrichtung 200 eingegeben.
-
Die maschinelle Lernvorrichtung 200 führt überwachtes Lernen durch, bei dem es sich um maschinelles Lernen unter Verwendung des Geschwindigkeitsermittlungswerts, der von dem Drehwinkelgeber ausgegeben wird, als Trainingsdaten, und des Strombefehlswert als ein Kennsatz handelt. Die maschinelle Lernvorrichtung 200 erstellt ein Lernmodell durch Durchführen von überwachtem Lernen und gibt es an die Erzeugungseinheit für geschätzten Strom 150 mit einer Umkehrfunktion Js einer Übertragungsfunktion 1/Js des Steuerziels 400 als eine Erzeugungsfunktion für geschätzten Strom aus. Die Einzelheiten des überwachten Lernens in der maschinellen Lernvorrichtung 200 werden später beschrieben.
-
Wenn die maschinelle Lernvorrichtung 200 die Umkehrfunktion Js in der Erzeugungseinheit für geschätzten Strom 150 festlegt, wie in 3 dargestellt, kann die Servosteuerungsvorrichtung 100 einen Kompensationsstrom erzeugen, um die Geschwindigkeitsabweichung, die aufgrund von Störungen auftritt, durch den nächsten Vorgang zu kompensieren, selbst wenn die Störung bei der Durchführung der Bearbeitung des Werkstücks während des tatsächlichen Bearbeitungsprogramms nach dem Lernen auftritt. 3 ist ein Blockdiagramm, das die Konfiguration der Servosteuerungsvorrichtung während der Bearbeitung des Servosteuerungssystems gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt. Während des tatsächlichen Bearbeitens wird das maschinelle Lernen nicht durchgeführt, und aus diesem Grund ist eine Verbindung mit der maschinellen Lernvorrichtung 200 in 3 nicht dargestellt.
-
Wie in 3 dargestellt, wird der Geschwindigkeitsbefehlswert in den Subtrahierer 110 basierend auf dem tatsächlichen Bearbeitungsprogramm nach dem Lernen eingegeben. Der Subtrahierer 100 erfasst die Geschwindigkeitsabweichung, bei der es sich um die Differenz zwischen dem eingegebenen Geschwindigkeitsbefehl und dem Geschwindigkeitsermittlungswert aus der Geschwindigkeitsrückführung von dem Steuerziel 400 handelt, und gibt sie an die Geschwindigkeitssteuerungseinheit 120 aus. Die Geschwindigkeitsteuerungseinheit 120 addiert einen Wert, der durch Multiplizieren und Integrieren der integralen Verstärkung K1v mit der Geschwindigkeitsabweichung erhalten wird, und einen Wert, der durch Multiplizieren der Proportionalverstärkung K2v mit der Geschwindigkeitsabweichung erhalten wird, und gibt diesen Additionswert an den Addierer 13 als einen Strombefehlswert aus. Der Addierer 130 ermittelt die Differenz zwischen dem Strombefehlswert und der Ausgabe des Tiefpassfilters und gibt diese Differenz an das Steuerziel 400 und den Subtrahierer 140 aus.
-
Wenn aufgrund der Bearbeitung des Werkstücks und der Geschwindigkeitsänderung des Servomotors, der als Steuerziel dient, Störungen auftreten, wird der Geschwindigkeitsermittlungswert einschließlich der Geschwindigkeitsabweichungskomponente aufgrund der Störung in die Erzeugungseinheit für geschätzten Strom 150 eingegeben.
-
Da die Übertragungsfunktion auf eine Umkehrfunktion des Steuerziels 400 gesetzt wird, wenn der Geschwindigkeitsermittlungswert einschließlich der Geschwindigkeitsabweichungskomponente aufgrund der Störung eingegeben wird, gibt die Erzeugungseinheit für geschätzten Strom 150 den geschätzten Stromwert einschließlich einer Stromkomponente, die aufgrund des Einflusses der Störung hinzugefügt wird, an den Subtrahierer 140 aus.
-
Der Subtrahierer 140 nimmt die Differenz zwischen dem Strombefehlswert und dem geschätzten Stromwert einschließlich der Stromkomponente aufgrund der Störung und gibt nur die Stromkomponente aufgrund der Störung in den Störungskompensator 160 ein. Der Störungskompensator 160 erzeugt einen Kompensationsstromwert und gibt den Kompensationsstromwert in den Addierer 130 über den Tiefpassfilter 170 ein. Der Addierer 130 addiert den Kompensationsstromwert aufgrund der Störung zu dem Strombefehlswert und gibt ihn anschließend aus. Auf diese Weise wird der Strombefehlswert kompensiert, um die Geschwindigkeitsschwankungen in dem Servomotor des Steuerziels 400 aufgrund der Störung zu unterdrücken, und der Servomotor wird basierend auf dem so kompensierten Strombefehl angetrieben. Der Tiefpassfilter 170 ist vorgesehen, um Frequenzkomponenten zu entfernen, die kürzer sind als die Zeit ab der Störung, die hinzugefügt wird, bis zur Unterdrückung des Einflusses aufgrund der Störung durch den Kompensationsstromwert.
-
Nachfolgend werden die Konfiguration und die Vorgänge der maschinellen Lernvorrichtung 200 unter Bezug auf 4 beschrieben. 4 ist ein Blockdiagramm, das die Konfiguration einer maschinellen Lernvorrichtung eines Servosteuerungssystems gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt. Wie in 4 dargestellt, beinhaltet die maschinelle Lernvorrichtung 200 eine Eingangsdatenerfassungseinheit 210, eine Kennsatzerfassungseinheit 220, eine Lerneinheit 230, eine Lernmodellspeichereinheit 240, und eine Funktionserzeugungsausgabeeinheit für geschätzten Strom 250.
-
Die Eingangsdatenerfassungseinheit 210 erfasst den Geschwindigkeitsermittlungswert des Servomotors, der basierend auf dem Geschwindigkeitsbefehl angetrieben wird, als Eingangsdaten (auch als Merkmalswert bezeichnet) und gibt die erfassten Eingangsdaten in die Lerneinheit 230 ein. Die Kennsatzerfassungseinheit 220 erfasst den von dem Addierer 130 ausgegebenen Strombefehl als Kennsatz und gibt den erfassten Kennsatz an die Lerneinheit 230 aus.
-
Auf diese Weise wird eine Gruppe aus dem Geschwindigkeitsermittlungswert, bei dem es sich um Eingangsdaten handelt, und dem Strombefehl, bei dem es sich um einen Kennsatz handelt, in die Lerneinheit 230 eingegeben. Diese Gruppe aus Eingangsdaten und Kennsatz entspricht den Trainingsdaten für maschinelles Lernen.
-
Die Lerneinheit 230 erstellt ein Lernmodell, indem sie maschinelles Lernen durchführt, das als überwachtes Lernen bezeichnet wird, basierend auf den Trainingsdaten, die auf diese Weise eingegeben wurden. Dabei wird, da Fachleuten das überwachte Lernen selbst wohl bekannt ist, auf eine ausführliche Erläuterung verzichtet und lediglich ein Überblick darüber gegeben.
-
Überwachtes Lernen wird beispielsweise von einem neuronalen Netzwerk durchgeführt, das durch Kombinieren von Perzeptronen konfiguriert wird. Genauer gesagt, wird die Gruppe aus Eingangsdaten und Kennsätzen, die in den Trainingsdaten enthalten ist, dem neuronalen Netzwerk bereitgestellt und das Lernen wird wiederholt, während die Gewichtung der jeweiligen Perzeptronen verschoben wird, so dass die Ausgabe des neuronalen Netzwerks mit dem Kennsatz identisch wird. So wird beispielsweise, nachdem die Vorwärtsausbreitung durchgeführt wurde, die Verarbeitung der Rückwärtsausbreitung (auch als Fehler-Rückwärtsausbreitungsverfahren bezeichnet) wiederholt, wodurch die Gewichtungswerte angepasst werden, um die Abweichung in der Ausgabe der einzelnen Perzeptronen zu verringern. Auf diese Weise lernt die Lerneinheit 230 die Merkmale der Trainingsdaten und erhält rekursiv ein Lernmodell zum Schätzen eines Ergebnisses anhand der Eingaben.
-
Dabei ist das überwachte Lernen so konfiguriert, dass die Abweichung zwischen dem Kennsatz und den ausgegebenen Daten verschwindet, während gleichzeitig bewirkt wird, dass die Gewichtungswerte abweichen, wie zuvor erwähnt. Dann ist der Kennsatz des vorliegenden Ausführungsbeispiels der Strombefehl für das Steuerziel 400, und der Eingang ist der ermittelte Geschwindigkeitswert, der als der Ausgang des Steuerziels 400 dient. Auf diese Weise entspricht das Lernmodell, das durch das Wiederholen des Lernens durch die Lerneinheit 230 erstellt wird, einer Umkehrfunktion zum Festlegen, als gleiche Werte, des Strombefehls für das Steuerziel 400 und der Ausgangsdaten für den Geschwindigkeitsermittlungswert, die als Eingangsdaten dienen.
-
Es sei angemerkt, dass das neuronale Netzwerk, das von der Lerneinheit 230 verwendet wird, zwar drei Schichten enthalten kann, jedoch auch aus vier oder mehr Schichten bestehen kann. Die Lerneinheit 230 kann das Lernen gemäß dem sogenannten tiefen Lernen durchführen (auch als tiefes maschinelles Lernen bezeichnet). Das von der Lerneinheit 230 erstellte Lernmodell wird an die Lernmodellspeichereinheit 240 ausgegeben.
-
Die Lernmodellspeichereinheit 240 ist eine Speichereinheit, die Lernmodelle, die von der Lerneinheit 230 erstellt und ausgegeben werden, in der Lernmodellspeichereinheit 240 speichert. Die Funktionserzeugungsausgabeeinheit für geschätzten Strom 250 erfasst das Lernmodell von der Lernmodellspeichereinheit 240 vor der tatsächlichen Bearbeitung. Dann gibt die Funktionserzeugungsausgabeeinheit für geschätzten Strom 250 die Erzeugungsfunktion für geschätzten Strom, bei der es sich um eine Funktion handelt, die basierend auf dem erfassten Lernmodell berechnet wird, an die Erzeugungseinheit für geschätzten Strom 150 aus. Diese Erzeugungsfunktion für geschätzten Strom wird im Falle einer Störung, die aufgrund des tatsächlichen Bearbeitungsprogramms auftritt, verwendet, um den geschätzten Stromwert einschließlich der Stromkomponente aufgrund der Störung in der Erzeugungseinheit für geschätzten Strom 150 zu erzeugen.
-
Die Funktionsblöcke der maschinellen Lernvorrichtung 200 wurden oben erläutert. Um diese Funktionsblöcke zu realisieren, beinhaltet die maschinelle Lernvorrichtung 200 eine arithmetische Verarbeitungseinheit, wie beispielsweise eine CPU (Zentraleinheit). Außerdem beinhaltet die maschinelle Lerneinheit 200 eine Hilfsspeichervorrichtung wie beispielsweise ein HDD (Festplattenlaufwerk) zum Speichern von verschiedenen Steuerprogrammen wie beispielsweise Anwendungssoftware und OS (Betriebssystem), und eine Hauptspeichervorrichtung wie beispielsweise einen RAM (Arbeitsspeicher) zum Speichern von Daten, die temporär von der arithmetischen Verarbeitungseinheit benötigt werden, welche die Programme ausführt.
-
Anschließend liest die arithmetische Verarbeitungseinheit in der maschinellen Lernvorrichtung 200 die Anwendungssoftware und/oder das OS aus der Hilfsspeichervorrichtung aus und führt die arithmetische Verarbeitung basierend auf dieser Anwendungssoftware und/oder dem OS aus, während gleichzeitig die gelesene Anwendungssoftware und/oder das OS in der Hauptspeichervorrichtung erweitert werden. Außerdem steuert die arithmetische Verarbeitungseinheit basierend auf diesen Berechnungsergebnissen die verschiedenen Hardwarekomponenten, welche die jeweiligen Vorrichtungen besitzen. Die Funktionsblöcke der maschinellen Lernvorrichtung 200 in dem vorliegenden Ausführungsbeispiel werden dadurch realisiert. Mit anderen Worten kann das vorliegende Ausführungsbeispiel realisiert werden, indem Hardware und Software zusammenwirken.
-
In einem speziellen Beispiel ist die maschinelle Lernvorrichtung 200 durch ein Teil oder dergleichen eines Personalcomputers, einer Servervorrichtung oder einer numerischen Steuervorrichtung realisiert (CNC: computergestützte numerische Steuerung). Wenn allerdings die zu berechnende Menge der maschinellen Lernvorrichtung 200 im Zusammenhang mit dem maschinellen Lernen zunimmt, ist es beispielsweise wünschenswert, GPUs (Grafikprozessoren) in dem Personalcomputer zu installieren. Die maschinelle Lernvorrichtung 200 ist zu einer Hochgeschwindigkeitsverarbeitung in der Lage, wenn sie zur Verwendung von Grafikprozessoren bei der Rechenverarbeitung im Zusammenhang mit dem maschinellen Lernen mithilfe einer Technologie, die als GPGPU (General-Purpose Graphics Processing Unit) bezeichnet wird, konfiguriert ist. Ferner kann die maschinelle Lernvorrichtung 200, um eine Verarbeitung mit noch höherer Geschwindigkeit durchzuführen, einen Computercluster bilden, bei dem eine Vielzahl von Computern verwendet wird, die mit solchen GPUs ausgestattet sind, und eine Parallelverarbeitung mit der Vielzahl von Computern durchführen, die in diesem Computercluster enthalten sind. Es sei angemerkt, dass auch eine Realisierung möglich ist, bei der die maschinelle Lernvorrichtung 201 eines zweiten Ausführungsbeispiels und die maschinelle Lernvorrichtung 202 eines dritten Ausführungsbeispiels, die später beschrieben werden, genauso wie die maschinelle Lernvorrichtung 200 des vorliegenden Ausführungsbeispiels konfiguriert werden.
-
Nun folgt eine Erläuterung der Abläufe im Zusammenhang mit dem maschinellen Lernen der maschinellen Lernvorrichtung 200 des vorliegenden Ausführungsbeispiels unter Bezugnahme auf das Flussdiagramm aus 5. In Schritt S11 beurteilt die maschinelle Lernvorrichtung 200, ob das maschinelle Lernen beendet ist oder nicht.
-
Dabei wird, wenn das maschinelle Lernen beendet ist, in Schritt S11 bestimmt, dass JA, und die Verarbeitung fährt mit Schritt S16 fort. Wenn das maschinelle Lernen nicht beendet ist, wird in Schritt S11 bestimmt, dass NEIN, und die Verarbeitung fährt mit Schritt S12 fort. In Schritt S12 und Schritt S13 erfassen die Eingangsdatenerfassungseinheit 210 und die Kennsatzerfassungseinheit 220 der maschinellen Lernvorrichtung 200 die Eingangsdaten und den Kennsatz. Die spezifischen Inhalte dieser Daten werden unten aufgeführt.
-
In Schritt S14 führt die Lerneinheit 230 der maschinellen Lernvorrichtung 200 maschinelles Lernen unter Verwendung der eingegebenen Trainingstaten aus. Die speziellen Inhalte des maschinellen Lernens unter Verwendung dieser Trainingsdaten werden ebenfalls unten aufgeführt.
-
In Schritt S15 aktualisiert die Lerneinheit 230 das Lernmodell durch Ausgeben des erstellten Lernmodells an die Lernmodellspeichereinheit 240. Anschließend fährt die Verarbeitung wieder mit Schritt S11 fort.
-
Durch Wiederholen der Verarbeitung ab Schritt S11 bis Schritt S15 auf diese Weise wird das Lernen fortgesetzt. Wenn dann das maschinelle Lernen beendet ist, fährt die Verarbeitung mit Schritt S16 fort. Es sei angemerkt, dass das Beenden des maschinellen Lernens beispielsweise gemäß einem Befehl von dem Benutzer durchgeführt werden kann, durchgeführt werden kann, wenn der Wert der Abweichung zwischen der Ausgabe des Lernmodells und dem Kennsatz nicht mehr als ein vorgegebener Wert wird, oder durchgeführt werden kann, wenn das maschinelle Lernen eine vorgegebene Anzahl von Malen wiederholt wurde.
-
In Schritt S16 erfasst die Funktionserzeugungsausgabeeinheit für geschätzten Strom 250 das von der Lernmodellspeichereinheit 240 gespeicherte Lernmodell.
-
In Schritt S17 gibt die Funktionserzeugungsausgabeeinheit für geschätzten Strom 250 die Erzeugungsfunktion für geschätzten Strom, bei der es sich um eine Funktion handelt, die basierend auf dem erfassten Lernmodell berechnet wird, an die Erzeugungseinheit für geschätzten Strom 150 aus.
-
Durch diesen Ablauf wird die Störungskompensationsfunktion der Servosteuerungsvorrichtung 100 effektiv.
-
<Zweites Ausführungsbeispiel>
-
Nachfolgend wird die Konfiguration eines zweiten Ausführungsbeispiels unter Bezugnahme auf 6, 7 und 8 erläutert. Es sei angemerkt, dass für Funktionen und Konfigurationen des zweiten Ausführungsbeispiels, die identisch mit Funktionen und Konfigurationen des zuvor genannten ersten Ausführungsbeispiels sind, auf Erläuterungen verzichtet wird. Außerdem werden in 6 bis 8 dieselben Bezugszeichen verwendet und auf redundante Erläuterungen wird verzichtet, wobei eine ausführliche Erläuterung für Punkte erfolgt, die zwischen dem ersten Ausführungsbeispiel und dem zweiten Ausführungsbeispiel abweichen.
-
6 ist ein Blockdiagramm, das ein Konfigurationsbeispiel der Servosteuerungsvorrichtung und der maschinellen Lernvorrichtung in dem Servosteuerungssystem gemäß dem zweiten Ausführungsbeispiel der vorliegenden Erfindung zeigt. 7 ist ein Blockdiagramm, das die Konfiguration einer Servosteuerungsvorrichtung während der Bearbeitung in einem Servosteuerungssystem gemäß einem zweiten Ausführungsbeispiel der vorliegenden Erfindung zeigt. 8 ist ein Blockdiagramm, das die Konfiguration einer maschinellen Lernvorrichtung des Servosteuerungssystems gemäß dem zweiten Ausführungsbeispiel der vorliegenden Erfindung zeigt.
-
Wie in 6 und 7 dargestellt, bestehen die Unterschiede zwischen dem Servosteuerungssystem des vorliegenden Ausführungsbeispiels und dem Servosteuerungssystem des ersten Ausführungsbeispiels, die in 2 und 3 dargestellt sind, in den Punkten, dass das Steuerungsziel von einem Servomotor 401 und einer Last 402 gebildet wird, und dass der Geschwindigkeitsermittlungswert, der von dem Drehwinkelgeber des Servomotors 401 ausgegeben wird, und der Geschwindigkeitsermittlungswert auf der Lastseite, der von der linearen Skala ausgegeben wird, welche die Geschwindigkeit der Last 402 ermittelt, in die Erzeugungseinheit für geschätzten Strom 150 und die maschinelle Lernvorrichtung 201 eingegeben werden.
-
Die Unterschiede zwischen der maschinellen Lernvorrichtung 201 und der maschinellen Lernvorrichtung 200 bestehen in den Punkten, dass sowohl der Geschwindigkeitsermittlungswert auf der Lastseite als auch der Geschwindigkeitsermittlungswert auf der Seite des Servomotors 401 als Eingangsdaten in die Eingangsdatenerfassungseinheit 210 eingegeben werden, und die Lerneinheit 230 ein Lernmodell durch Durchführen von maschinellem Lernen, das auch als überwachtes Lernen bezeichnet wird, basierend auf Trainingsdaten erstellt, welche diese beiden Geschwindigkeitsermittlungswerte als Eingangsdaten festsetzt und den Strombefehlswert als den Kennsatz festsetzt.
-
Die Last 402, die mit dem Servomotor 401 verbunden ist, beispielsweise wenn es sich um eine Werkzeugmaschine handelt, entspricht dem Tisch, auf dem das zu bearbeitende Werkstück platziert wird. Der Servomotor 401 und der Tisch sind mithilfe eines Verbindungsmechanismus verbunden und der Verbindungsmechanismus ist in Form eines Dämpfers und einer Feder als mechanisch äquivalenter Kreis dargestellt, wie in 6 und 7 gezeigt. Der Verbindungsmechanismus beinhaltet eine Kopplung, die mit dem Servomotor 401 verbunden ist, ein Kugelgewinde, das an der Kopplung befestigt ist, und eine Schraube, die in das Kugelgewinde geschraubt und mit dem Tisch verbunden ist. Die Drehbewegung des Servomotors 401 wird durch die Funktion einer solchen Verbindung in eine lineare Bewegung des Tisches umgewandelt. Die Geschwindigkeit der Last 402 kann durch Montieren einer linearen Skala an das Ende des Kugelgewindes 3033 gemessen werden.
-
Außerdem wird in dem zweiten Ausführungsbeispiel, ähnlich wie in dem ersten Ausführungsbeispiel, während des maschinellen Lernens keine Steuerung zur Kompensierung von Störungen durchgeführt. Aus diesem Grund sind in 6 die Schaltung, die über den Subtrahierer 140, die Erzeugungseinheit für geschätzten Strom 150, den Störungskompensator 160 und den Tiefpassfilter 170 zu dem Addierer 130 zurückkehrt, nicht in Funktion. Die Bedeutung, dass die Schaltung nicht in Funktion ist, ist mit einer gestrichelten Linie in 6 dargestellt. Um die Konfiguration zu erreichen, dass diese Schaltung außer Funktion ist, genügt es, dass die Servosteuerungsvorrichtung 101 eine Steuerung durchführt, damit beispielsweise kein Ausgangssignal von dem Störungskompensator 160 ausgegeben wird. Während des tatsächlichen Bearbeitens wird dagegen das maschinelle Lernen nicht durchgeführt, so dass die Verbindung mit der maschinellen Lernvorrichtung 201 in 7 aus diesem Grund nicht dargestellt ist.
-
Ohne Beschränkung auf den Fall, dass eine Störung während der Bearbeitung eines Werkstücks auftritt und dass sich die Rotationsgeschwindigkeit des Servomotors 401 ändert, kann das Servosteuerungssystem des zweiten Ausführungsbeispiels den Strombefehlswert so kompensieren, dass die Geschwindigkeitsänderung auch dann unterdrückt wird, wenn sich die Geschwindigkeit der Last 402 aufgrund von Störungen geändert hat.
-
<Drittes Ausführungsbeispiel>
-
Nachfolgend wird die Konfiguration eines dritten Ausführungsbeispiels unter Bezugnahme auf 9, 10 und 11 erläutert. Es sei angemerkt, dass für Funktionen und Konfigurationen des dritten Ausführungsbeispiels, die identisch mit den Funktionen und Konfigurationen des zuvor genannten ersten Ausführungsbeispiels sind, auf Erläuterungen verzichtet wird. Außerdem werden in 9 bis 11 dieselben Bezugszeichen verwendet und auf redundante Erläuterungen wird verzichtet, wobei eine ausführliche Erläuterung für Punkte erfolgt, die zwischen dem ersten Ausführungsbeispiel und dem dritten Ausführungsbeispiel abweichen.
-
9 ist ein Blockdiagramm, das ein Konfigurationsbeispiel der Servosteuerungsvorrichtung und der maschinellen Lernvorrichtung in dem Servosteuerungssystem gemäß dem dritten Ausführungsbeispiel der vorliegenden Erfindung zeigt. 10 ist ein Blockdiagramm, das die Konfiguration der Servosteuerungsvorrichtung während der Bearbeitung in dem Servosteuerungssystem gemäß dem dritten Ausführungsbeispiel der vorliegenden Erfindung zeigt. 11 ist ein Blockdiagramm, das die Konfiguration der maschinellen Lernvorrichtung in dem Servosteuerungssystem gemäß dem dritten Ausführungsbeispiel der vorliegenden Erfindung zeigt.
-
Wie in 9 und 10 dargestellt, bestehen die Unterschiede zwischen dem Servosteuerungssystem des vorliegenden Ausführungsbeispiels und dem Servosteuerungssystem des ersten Ausführungsbeispiels, wie in 2 und 3 dargestellt, in den Punkten, dass eine Stromsteuerungseinheit 180 und ein Verstärker 190 zur Ausgangsseite des Addierers 130 hinzugefügt wurden, und eine Stromrückkopplungsschleife gebildet wird. Ein Spannungsbefehl wird an den Verstärker 190 von der Stromsteuereinheit 180 gesendet, und der von dem Verstärker 190 gesteuerte Strom wird zu dem Steuerziel 400 geleitet. Außerdem wird der zu dem Steuerziel 400 geleitete Strom zu der Stromsteuereinheit 180 zurückgeführt sowie zu dem Subtrahierer 140 und der maschinellen Lernvorrichtung 202 geleitet. Die Stromsteuereinheit 180 gibt die Differenz zwischen dem Strombefehl und der Stromrückführung an den Verstärker 190 aus.
-
Die Unterschiede zwischen der maschinellen Lernvorrichtung 202 und der maschinellen Lernvorrichtung 200, wie in 11 dargestellt, bestehen in den Punkten, dass die Ausgabe des Verstärkers 190 in die Kennsatzerfassungseinheit 220 eingegeben wird, und die Lerneinheit 230 ein Lernmodell durch Durchführen von maschinellem Lernen, das als überwachtes Lernen bezeichnet wird, erstellt, wobei die Ausgabe des Verstärkers 190 als der Kennsatz festgesetzt wird.
-
Oben stehend wurde eine Erläuterung für drei Ausführungsbeispiele der vorliegenden Erfindung gegeben. Die zuvor genannten einzelnen Ausführungsbeispiele sind bevorzugte Ausführungsbeispiele der vorliegenden Erfindung; allerdings ist der Geltungsbereich der vorliegenden Erfindung nicht nur auf die zuvor genannten einzelnen Ausführungsbeispiele beschränkt, und eine Umsetzung in Ausführungen, die durch Vornehmen von verschiedenen Modifikationen im Rahmen des Geltungsbereiches erzielt wird, der nicht vom Geist der vorliegenden Erfindung abweicht, ist möglich. So ist beispielsweise eine Umsetzung in Ausführungen, die durch Vornehmen von Modifikationen, wie nachfolgend beschrieben, erreicht werden, möglich.
-
<Modifiziertes Beispiel, bei dem die Servosteuerungsvorrichtung eine maschinelle Lernvorrichtung beinhaltet>
-
In den zuvor genannten Ausführungsbeispielen bestehen die maschinellen Lernvorrichtungen 200 bis 202 aus separaten Vorrichtungen von den Servosteuerungsvorrichtungen 100 bis 102; allerdings ist auch eine solche Konfiguration möglich, dass die Funktionen der maschinellen Lernvorrichtungen 200 bis 202 zum Teil oder vollständig mithilfe der Servosteuerungsvorrichtungen 100 bis 102 realisiert werden.
-
<Grade der Freiheit bei der Systemkonfiguration>
-
In den zuvor genannten Ausführungsbeispielen sind die Servosteuerungsvorrichtungen 100 bis 102 und die maschinellen Lernvorrichtungen 200 bis 202 so miteinander verbunden, dass sie als 1-zu-1-Gruppen miteinander kommunizieren können; allerdings sind die Konfigurationen der einzelnen Ausführungsbeispiele nicht auf eine solche Konfiguration beschränkt. So können beispielsweise die Servosteuerungsvorrichtung 100 und die maschinelle Lernvorrichtung 200 auch so konfiguriert sein, dass eine maschinelle Lernvorrichtung 200 und eine Vielzahl von Servosteuerungsvorrichtungen 100 miteinander verbunden sind, so dass sie entweder direkt oder über ein Netzwerk miteinander kommunizieren können, wodurch das maschinelle Lernen der einzelnen Servosteuerungsvorrichtungen 100 realisiert wird. Dabei können nach Bedarf die jeweiligen Funktionen der maschinellen Lernvorrichtung 200 als ein dezentralisiertes Verarbeitungssystem aufgebaut sein, das auf eine Vielzahl von Servern verteilt ist. Außerdem können die einzelnen Funktionen der maschinellen Lernvorrichtung 200 unter Verwendung einer virtuellen Serverfunktion etc. in einer Cloud realisiert werden.
-
Des Weiteren kann, wenn eine Vielzahl von Steuerzielen 400 vorhanden ist, die jeweils einer Vielzahl von Servosteuerungsvorrichtungen 100 mit einer Vielzahl von selben Modellnamen, derselben Spezifikation oder derselben Serie entsprechen, das Servosteuerungssystem so konfiguriert sein, dass die Lernergebnisse der einzelnen Servosteuerungsvorrichtungen 100 gemeinsam genutzt werden. Mit einer solchen Konfiguration kann das Servosteuerungssystem ein noch besseres Modell erstellen.
-
<Online-Lernen, Batch-Lernen und Mini-Batch-Lernen>
-
Das überwachte Lernen der zuvor genannten Lerneinheit 230 kann Online-Lernen, Batch-Lernen oder Mini-Batch-Lernen durchführen. Online-Lernen ist ein Lernverfahren zum Durchführen von überwachtem Lernen unmittelbar jedes Mal dann, wenn das Steuerziel 400 angesteuert wird und Trainingsdaten erstellt werden. Daneben ist Batch-Lernen ein Lernverfahren, bei dem, während das Steuerziel 400 angesteuert wird und wiederholt Trainingsdaten erzeugt werden, eine Vielzahl von Sätzen aus Trainingsdaten in Reaktion auf die Wiederholung gesammelt wird, und dann überwachtes Lernen unter Verwendung aller gesammelten Trainingsdaten durchgeführt wird. Des Weiteren ist Mini-Batch-Lernen ein Lernverfahren zwischen dem Online-Lernen und dem Batch-Lernen, wobei das überwachte Lernen jedes Mal dann durchgeführt wird, wenn sich eine bestimmte Menge von Trainingsdaten angesammelt hat.
-
Darüber hinaus können die einzelnen, oben erläuterten Ausführungsbeispiele mithilfe von Hardware, Software oder einer Kombination daraus realisiert werden. Die Realisierung durch Software bedeutet dabei, dass ein Computer Programme ausliest und ausführt. Bei einer Konfiguration in Hardware können die einzelnen Ausführungsbeispiele zum Teil oder vollständig zum Beispiel durch integrierte Schaltungen (IC) wie LSI (Large Scale Integrated circuit, hochintegrierte Schaltungen), ASIC (Application Specific Integrated Circuit, anwendungsspezifische integrierte Schaltungen), eine Gate-Anordnung oder FPG (Field Programmable Gate Array, feldprogrammierbare Gate-Anordnung) konfiguriert werden.
-
Außerdem können die jeweiligen Ausführungsbeispiele zum Teil oder vollständig durch eine Kombination aus Software oder Hardware konfiguriert werden, wobei die CPU eines Computers die Informationen speichert, die bei der Berechnung im DRAM benötigt werden, und die Programme zum Codieren der Abläufe der Servosteuerungsvorrichtung, die in dem Flussdiagramm dargestellt sind, zum Teil oder vollständig ausführt. Der Computer wird durch Speichereinheiten konfiguriert, wie beispielsweise eine Festplatte und einen ROM, welche diese Programme speichern, einen DRAM, der die bei der Berechnung benötigten Daten speichert, eine CPU und einen Bus, der die jeweiligen Teile miteinander verbindet.
-
Die Programme können unter Verwendung von verschiedenen Typen von computerlesbaren Aufzeichnungsmedien gespeichert und dem Computer zugeführt werden. Zu den computerlesbaren Aufzeichnungsmedien zählen verschiedene Typen von materiellen Speichermedien. Die computerlesbaren Aufzeichnungsmedien beinhalten magnetische Medien (beispielsweise Disketten, Magnetband, Festplattenlaufwerk), magnetooptische Aufzeichnungsmedien (beispielsweise magnetooptische Disketten), CD-ROM (Nur-Lese-Speicher), CD-R, CD-R/W und Halbleiterspeicher (beispielsweise Masken-ROM, PROM (programmierbarer ROM), EPPROM (löschbarer PROM), Flash-ROM und RAM (Arbeitsspeicher)).
-
Bezugszeichenliste
-
- 10
- Servosteuerungssystem
- 100, 100-1 ~ 100-n
- Servosteuerungsvorrichtung
- 110
- Subtrahierer
- 120
- Geschwindigkeitssteuerungseinheit
- 130
- Addierer
- 140
- Subtrahierer
- 150
- Erzeugungseinheit für geschätzten Strom
- 160
- Störungskompensator
- 170
- Tiefpassfilter
- 200, 200-1 ~ 200-n
- maschinelle Lernvorrichtung
- 210
- Eingangsdatenerfassungseinheit
- 220
- Kennsatzerfassungseinheit
- 230
- Lerneinheit
- 240
- Lernmodellspeichereinheit
- 250
- Funktionserzeugungsausgabeeinheit für geschätzten Strom
- 300
- Netzwerk
- 400
- Steuerziel
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-