JP2018120357A - 数値制御装置及び機械学習装置 - Google Patents
数値制御装置及び機械学習装置 Download PDFInfo
- Publication number
- JP2018120357A JP2018120357A JP2017010598A JP2017010598A JP2018120357A JP 2018120357 A JP2018120357 A JP 2018120357A JP 2017010598 A JP2017010598 A JP 2017010598A JP 2017010598 A JP2017010598 A JP 2017010598A JP 2018120357 A JP2018120357 A JP 2018120357A
- Authority
- JP
- Japan
- Prior art keywords
- learning
- machine
- machine learning
- override control
- adjustment
- 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.)
- Granted
Links
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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/414—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller
- G05B19/4148—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller characterised by using several processors for different functions, distributed (real-time) systems
-
- 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
-
- 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
- G05B13/027—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 using neural networks only
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/414—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/33—Director till display
- G05B2219/33034—Online learning, training
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/33—Director till display
- G05B2219/33038—Real time online learning, training, dynamic network
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/33—Director till display
- G05B2219/33044—Supervised learning with second artificial neural network
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Numerical Control (AREA)
- Feedback Control In General (AREA)
Abstract
Description
本発明では、機械を数値制御装置に対して人工知能となる機械学習装置を導入し、機械の状態(機械構成、工具の種類、ワーク材質、切り込み量、指令送り速度など)に応じたオーバライド制御用設定値(PID制御の各ゲイン)の調整を機械学習することで、機械の状態に対して適切なPID制御を行えるようにする。
以下では、本発明で導入する機械学習について簡単に説明する。
ここで、機械学習について簡単に説明する。機械学習は、機械学習を行う装置(以下、機械学習装置)に入力されるデータの集合から、その中にある有用な規則や知識表現、判断基準などを解析により抽出し、その判断結果を出力すると共に、知識の学習を行うことで実現される。機械学習の手法は様々であるが、大別すれば「教師あり学習」、「教師なし学習」、「強化学習」に分けられる。さらに、これらの手法を実現する上で、特徴量そのものの抽出を学習する「深層学習」と呼ばれる手法がある。
なお、工作機械を制御する数値制御装置に対して機械学習を適用する場合、工作機械が実際に動作して初めて、その結果をデータとして得ることが出来ること、即ち、試行錯誤しながら最適な行動を探索する必要があることを考慮する必要がある。本発明では、機械学習装置の主たる学習アルゴリズムとして報酬を与えることで機械学習装置が目標到達のための行動を自動的に学習する強化学習のアルゴリズムを採用している。
そして、上記得られたマッピングに基づいて選択した状態や行動がどのくらい良いのかを示す関数である価値関数(評価関数)を用い、行動を繰り返す中で価値関数(評価関数)を更新していくことにより状態に対する最適な行動を学習していく。
Q学習においては、このような更新を繰り返すことで、最終的にQ(st,at)が期待値E[Σγtrt]となるようにすることを目指す(期待値は最適な行動に従って状態変化した時についてとる。もちろん、それは分かっていないので、探索しながら学習しなければならない)。
図2に示すように、ニューロンは、複数の入力x(ここでは一例として、入力x1〜入力x3)に対する出力yを出力するものである。各入力x1〜x3には、この入力xに対応する重みw(w1〜w3)が掛けられる。これにより、ニューロンは、次の数4式により表現される出力yを出力する。なお、数4式において、入力x、出力y及び重みwは、すべてベクトルである。また、θはバイアスであり、fkは活性化関数である。
最後に、ニューロンN31〜N33は、それぞれ、結果y1〜結果y3を出力する。
一般的に機械学習装置は、ある環境において学習が終了した後に、新たな環境におかれた場合でも追加の学習を行うことでその環境に適応するように学習を進めることができる。したがって、本発明のように機械の状態に応じたオーバライド制御用設定値(PID制御の各ゲイン)の調整に適用することで、新しい機械制御の前提条件に適用したりする場合であっても、過去のオーバライド制御用設定値の調整の学習を基にして、新たな加工の前提条件における追加の学習をすることで、オーバライド制御用設定値の調整の学習を短時間で行うことが可能となる。
以下では、機械学習装置を導入した本発明の数値制御装置について、具体的な実施形態に基づいて説明する。
図5は、本発明の一実施形態による機械学習装置を導入した数値制御装置におけるオーバライド制御用設定値の調整の機械学習に関するイメージを示す図である。なお、図5には本実施形態における数値制御装置の機械学習の説明に必要な構成のみを示している。
本実施形態では、機械学習装置20が環境に対して出力するもの(<1.機械学習>で説明した行動at)として、機械2のPID制御に用いられるオーバライド制御用設定値の調整量を出力する。
図6は、本実施形態による数値制御装置の機能ブロック図である。本実施形態の数値制御装置1は、制御対象となる機械2が備える軸を駆動するサーボモータ(図示せず)を制御するサーボ制御部(図示せず)などの数値制御装置が標準的に備える構成と、該サーボ制御部や周辺機器などを制御する制御部10、および機械学習を行う人工知能となる機械学習装置20を備える。図6に示した構成を、図1に示した強化学習における要素と対比すると、機械学習装置20がエージェントに対応し、機械学習装置20を除く機械2などの構成が環境に対応する。なお、数値制御装置1は、上記した以外にも一般的な数値制御装置の構成を備えているものとし、本発明における機械学習の動作の説明に特段必要な構成以外は本明細書での詳細な説明を省略する。
報酬計算部24は、報酬条件設定部23で設定された条件に基づいて状態観測部21または状態データ記憶部22から入力された状態データを分析し、計算された報酬をオーバライド制御用設定値調整学習部25に出力する。
●[報酬1:サイクルタイムの増減(プラス報酬,マイナス報酬)]
機械2の一連の動作(加工動作)におけるサイクルタイムがあらかじめ定めた所定の基準値よりも短い場合、その短い度合いに応じてプラスの報酬を与える。
一方で、機械2の一連の動作(加工動作)におけるサイクルタイムがあらかじめ定めた所定の基準値よりも長い場合、その短い度合いに応じてマイナスの報酬を与える。
機械2の動作(加工動作)における主軸にかかった負荷があらかじめ定めた所定の基準値よりも小さい場合、その小さい度合いに応じてプラスの報酬を与える。
一方で、機械2の動作(加工動作)における主軸にかかった負荷があらかじめ定めた所定の基準値よりも大きい場合、その大きい度合いに応じてマイナスの報酬を与える。
機械2に取り付けられた工具が破損した場合、大きなマイナス報酬を与える。
●[報酬4:加工精度(プラス・マイナス報酬)]
機械2の動作(加工動作)により加工されたワークの加工精度があらかじめ定めた所定の基準値よりも高い場合(例えば、CADなどで設計されているワーク図面と加工されたワークとの寸法誤差があらかじめ定めた所定の基準値よりも小さい場合)、その高さの度合いに応じてプラスの報酬を与える。
一方で、機械2の動作(加工動作)により加工されたワークの加工精度があらかじめ定めた所定の基準値よりも低い場合(例えば、CADなどで設計されているワーク図面と加工されたワークとの寸法誤差があらかじめ定めた所定の基準値よりも大きい場合)、その低さの度合いに応じてマイナスの報酬を与える。
なお、学習結果記憶部26に、他の数値制御装置1や集中管理システム30が記憶している学習結果を入力して記憶させたり、学習結果記憶部26が記憶している学習結果を他の数値制御装置1や集中管理システム30に対して出力したりすることも可能である。
そして、制御部10は、オーバライド制御用設定値調整量決定部27から受けたオーバライド制御用設定値の調整量に基づいてオーバライド制御用設定値を調整する。
●[ステップSA01]機械学習が開始されると、状態観測部21が制御部10を介して数値制御装置1と機械2の状態を状態データとして観測する。
●[ステップSA02]オーバライド制御用設定値調整学習部25は、状態観測部21が観測した状態に係るデータに基づいて現在の状態stを特定する。
●[ステップSA04]制御部10は、ステップSA03で選択されたオーバライド制御用設定値の調整行動atを実行する。
●[ステップSA06]ステップSA05で取得された状態データに基づいて、報酬計算部24が報酬rt+1を算出する。
●[ステップSA07]ステップSA02で特定された状態st、ステップSA03で選択された行動at、ステップSA06で算出された報酬rt+1に基づいて、オーバライド制御用設定値調整学習部25が機械学習を進め、ステップSA02へ戻る。
また、機械学習が完了した機械学習装置20(または、他の機械学習装置20の機械学習が完了した学習データを複写した機械学習装置20)を他の数値制御装置1に取付けて、機械学習が十分に行われた時の学習データをそのまま使用して運転をするようにしてもよい。
このように複数の数値制御装置1の間でやり取りする際には、通信は図示しない管理装置等を経由しても良いし、直接数値制御装置1同士が通信しても構わないし、クラウドを使用しても構わないが、大量のデータを取り扱う場合があるため、なるべく通信速度が速い通信手段が好ましい。
2 機械
10 制御部
20 機械学習装置
21 状態観測部
22 状態データ記憶部
23 報酬条件設定部
24 報酬計算部
25 オーバライド制御用設定値調整学習部
26 学習結果記憶部
27 オーバライド制御用設定値調整量決定部
30 集中管理システム
Claims (4)
- 少なくとも1つの軸を備えた機械を制御する数値制御装置において、
前記軸を駆動するモータのオーバライド制御に用いられる設定値の調整を機械学習する機械学習装置を備え、
前記機械学習装置は、
前記モータのオーバライド制御に用いられる設定値の現在値を含む前記数値制御装置及び前記機械の状態を示す状態データを取得する状態観測部と、
報酬条件を設定する報酬条件設定部と、
前記状態観測部が取得した前記状態データと前記報酬条件に基づいて報酬を計算する報酬計算部と、
前記オーバライド制御に用いられる設定値の調整を機械学習するオーバライド制御用設定値調整学習部と、
前記オーバライド制御用設定値調整学習部による前記オーバライド制御に用いられる設定値の調整の機械学習結果と、前記状態データとに基づいて、前記オーバライド制御に用いられる設定値の調整を決定して出力するオーバライド制御用設定値調整量決定部と、
を有し、
前記オーバライド制御用設定値調整学習部は、調整された前記設定値と、前記設定値の調整後に取得された前記状態データと、前記報酬計算部が計算した前記報酬と、に基づいて前記オーバライド制御に用いられる設定値の調整を機械学習する、
数値制御装置。 - 前記報酬計算部は、前記機械の動作のサイクルタイム、前記機械の主軸負荷、前記機械に取り付けられた工具の破損、前記機械により加工されたワークの加工精度の少なくともいずれかに基づいて報酬を計算する、
請求項1に記載の数値制御装置。 - 少なくとも1つの他の数値制御装置と接続されており、
前記他の数値制御装置との間で機械学習の結果を相互に交換または共有する、
請求項1または2に記載の数値制御装置。 - 数値制御装置により制御される機械が備える少なくとも1つの軸を駆動するモータのオーバライド制御に用いられる設定値の調整を機械学習した機械学習装置であって、
前記オーバライド制御に用いられる設定値の調整の機械学習結果を記憶する学習結果記憶部と、
前記モータのオーバライド制御に用いられる設定値の現在値を含む前記数値制御装置及び前記機械の状態を示す状態データを取得する状態観測部と、
報酬条件を設定する報酬条件設定部と、
前記状態観測部が取得した前記状態データと前記報酬条件に基づいて報酬を計算する報酬計算部と、
前記オーバライド制御に用いられる設定値の調整を機械学習するオーバライド制御用設定値調整学習部と、
前記オーバライド制御用設定値調整学習部による前記オーバライド制御に用いられる設定値の調整の機械学習結果と、前記状態データとに基づいて、前記オーバライド制御に用いられる設定値の調整を決定して出力するオーバライド制御用設定値調整量決定部と、
を有し、
前記オーバライド制御用設定値調整学習部は、調整された前記設定値と、前記設定値の調整後に取得された前記状態データと、前記報酬計算部が計算した前記報酬と、に基づいて前記オーバライド制御に用いられる設定値の調整を機械学習する、
機械学習装置。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017010598A JP6457563B2 (ja) | 2017-01-24 | 2017-01-24 | 数値制御装置及び機械学習装置 |
US15/869,852 US10466658B2 (en) | 2017-01-24 | 2018-01-12 | Numerical controller and machine learning device |
DE102018000342.7A DE102018000342B4 (de) | 2017-01-24 | 2018-01-17 | Numerische steuerung und maschinelle lernvorrichtung |
CN201810064681.6A CN108345273B (zh) | 2017-01-24 | 2018-01-23 | 数值控制装置及机器学习装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017010598A JP6457563B2 (ja) | 2017-01-24 | 2017-01-24 | 数値制御装置及び機械学習装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018120357A true JP2018120357A (ja) | 2018-08-02 |
JP6457563B2 JP6457563B2 (ja) | 2019-01-23 |
Family
ID=62812990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017010598A Active JP6457563B2 (ja) | 2017-01-24 | 2017-01-24 | 数値制御装置及び機械学習装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10466658B2 (ja) |
JP (1) | JP6457563B2 (ja) |
CN (1) | CN108345273B (ja) |
DE (1) | DE102018000342B4 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021531574A (ja) * | 2018-08-14 | 2021-11-18 | オムロン株式会社 | 産業用pcデバイス及び産業用pcデバイスの動作方法 |
WO2022186140A1 (ja) * | 2021-03-02 | 2022-09-09 | ファナック株式会社 | 数値制御装置、およびコンピュータ読み取り可能な記憶媒体 |
US11650563B2 (en) | 2018-12-05 | 2023-05-16 | Fanuc Corporation | Machine tool for detecting and cutting loads using machine learning |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6325504B2 (ja) * | 2015-10-28 | 2018-05-16 | ファナック株式会社 | 学習制御器の自動調整を行う機能を有するサーボ制御装置 |
JP6474449B2 (ja) * | 2017-04-07 | 2019-02-27 | ファナック株式会社 | 調整装置及び調整方法 |
JP7090243B2 (ja) * | 2018-05-08 | 2022-06-24 | 千代田化工建設株式会社 | プラント運転条件設定支援システム、学習装置、及び運転条件設定支援装置 |
KR101990326B1 (ko) * | 2018-11-28 | 2019-06-18 | 한국인터넷진흥원 | 감가율 자동 조정 방식의 강화 학습 방법 |
JP7053518B2 (ja) * | 2019-02-18 | 2022-04-12 | ファナック株式会社 | 切削液量調整装置及び切削液量調整システム |
JP7074718B2 (ja) * | 2019-04-26 | 2022-05-24 | ファナック株式会社 | 加工支援装置、数値制御装置、及び加工支援システム |
KR102120049B1 (ko) * | 2019-06-12 | 2020-06-08 | 한국인터넷진흥원 | 감가율 자동 조정 방식의 강화 학습 방법 |
CN110362034A (zh) * | 2019-08-08 | 2019-10-22 | 合肥学院 | 具有加工时间测量和在机测量功能的加工装置 |
JP7331660B2 (ja) * | 2019-11-26 | 2023-08-23 | 横河電機株式会社 | 装置、方法およびプログラム |
JP7484382B2 (ja) | 2020-04-24 | 2024-05-16 | 横河電機株式会社 | 制御装置、制御方法および制御プログラム |
US11796977B2 (en) | 2020-04-29 | 2023-10-24 | Honeywell International Inc. | PID controller autotuner using machine learning approaches |
CN116243658B (zh) * | 2023-03-15 | 2023-10-03 | 上海铼钠克数控科技有限公司 | 数控系统控制方法及应用 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03259303A (ja) * | 1990-03-09 | 1991-11-19 | Hitachi Ltd | 学習制御装置 |
JPH06274228A (ja) * | 1993-03-18 | 1994-09-30 | Mitsubishi Electric Corp | 数値制御装置 |
JP5969676B1 (ja) * | 2015-09-30 | 2016-08-17 | ファナック株式会社 | 工作機械の工具補正の頻度を最適化する機械学習装置及び機械学習方法、並びに該機械学習装置を備えた工作機械 |
JP5997330B1 (ja) * | 2015-07-31 | 2016-09-28 | ファナック株式会社 | 主軸交換の要否を判定できる機械学習装置、主軸交換判定装置、制御装置、工作機械及び生産システム、並びに機械学習方法 |
JP2018097680A (ja) * | 2016-12-14 | 2018-06-21 | ファナック株式会社 | 制御システム及び機械学習装置 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0731529B2 (ja) * | 1988-07-29 | 1995-04-10 | オ−クマ株式会社 | 数値制御工作機械における学習制御方式 |
JP3125791B2 (ja) * | 1990-03-09 | 2001-01-22 | 株式会社日立製作所 | 受注生産システム |
JP3062606B2 (ja) | 1993-07-16 | 2000-07-12 | 株式会社日立製作所 | ニューラルネットワークを用いた適応制御装置 |
US20030125828A1 (en) * | 2002-01-03 | 2003-07-03 | Corey Gary John | SmartPath: an intelligent tool path optimizer that automatically adusts feedrates, accel rates and decel rates based on a set of rules and spindle torque defined by the user |
JP3898686B2 (ja) * | 2003-10-20 | 2007-03-28 | ファナック株式会社 | 数値制御装置 |
JP2006105943A (ja) * | 2004-10-08 | 2006-04-20 | Omron Corp | 知識作成装置及びパラメータ探索方法並びにプログラム製品 |
JP4299805B2 (ja) * | 2005-04-25 | 2009-07-22 | ファナック株式会社 | テーブル形式データを用い工具補正を行う数値制御装置 |
JP4361071B2 (ja) * | 2005-07-08 | 2009-11-11 | ファナック株式会社 | サーボ制御装置 |
WO2007049412A1 (ja) | 2005-10-27 | 2007-05-03 | Yamaguchi University | 超音波モータの制御方法、超音波モータ制御装置及び超音波モータを制御するためのプログラム |
CN101025620B (zh) * | 2006-02-24 | 2010-10-13 | 同济大学 | 一种可用于数控铣削加工过程的分级模糊递阶控制方法 |
JP5014391B2 (ja) * | 2009-09-11 | 2012-08-29 | ファナック株式会社 | 複数のセンサの信号に基づいて機械の異常判定を行う機能を備えた数値制御装置 |
MX340200B (es) * | 2010-06-04 | 2016-06-30 | The Gleason Works * | Control adaptable de proceso de maquinado. |
JP2012032869A (ja) | 2010-07-28 | 2012-02-16 | Okouchi Kinzoku Co Ltd | 円盤刃物送り制御方法,装置およびそれを用いた切断装置 |
WO2013095239A1 (en) * | 2011-12-22 | 2013-06-27 | Scania Cv Ab | Method and module for determining of reference values for a vehicle control system |
CN103576615A (zh) * | 2012-07-30 | 2014-02-12 | 台中精机厂股份有限公司 | 工具机智能化适应性定负载切削控制方法与系统 |
CN104635621A (zh) * | 2013-11-08 | 2015-05-20 | 沈阳高精数控技术有限公司 | 基于现场总线的xy工作台过象限凸起补偿方法 |
JP6243260B2 (ja) * | 2013-12-16 | 2017-12-06 | 国立大学法人 東京大学 | 主軸モータの制御装置 |
JP5987081B1 (ja) * | 2015-04-02 | 2016-09-06 | ファナック株式会社 | 基準軸を切り替えて学習制御を行うサーボ制御装置 |
JP6063016B1 (ja) * | 2015-09-29 | 2017-01-18 | ファナック株式会社 | 電動機に対する動作指令を学習する機械学習方法および機械学習装置並びに該機械学習装置を備えた工作機械 |
JP6174649B2 (ja) * | 2015-09-30 | 2017-08-02 | ファナック株式会社 | ファンモータの予防保全機能を備えたモータ駆動装置 |
JP6031202B1 (ja) * | 2016-01-29 | 2016-11-24 | ファナック株式会社 | 製造機械の異常の原因を発見するセル制御装置 |
CN106338970B (zh) * | 2016-11-17 | 2018-09-07 | 沈阳工业大学 | 一种五轴联动数控机床伺服系统控制方法 |
-
2017
- 2017-01-24 JP JP2017010598A patent/JP6457563B2/ja active Active
-
2018
- 2018-01-12 US US15/869,852 patent/US10466658B2/en active Active
- 2018-01-17 DE DE102018000342.7A patent/DE102018000342B4/de active Active
- 2018-01-23 CN CN201810064681.6A patent/CN108345273B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03259303A (ja) * | 1990-03-09 | 1991-11-19 | Hitachi Ltd | 学習制御装置 |
JPH06274228A (ja) * | 1993-03-18 | 1994-09-30 | Mitsubishi Electric Corp | 数値制御装置 |
JP5997330B1 (ja) * | 2015-07-31 | 2016-09-28 | ファナック株式会社 | 主軸交換の要否を判定できる機械学習装置、主軸交換判定装置、制御装置、工作機械及び生産システム、並びに機械学習方法 |
JP5969676B1 (ja) * | 2015-09-30 | 2016-08-17 | ファナック株式会社 | 工作機械の工具補正の頻度を最適化する機械学習装置及び機械学習方法、並びに該機械学習装置を備えた工作機械 |
JP2018097680A (ja) * | 2016-12-14 | 2018-06-21 | ファナック株式会社 | 制御システム及び機械学習装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021531574A (ja) * | 2018-08-14 | 2021-11-18 | オムロン株式会社 | 産業用pcデバイス及び産業用pcデバイスの動作方法 |
JP7078170B2 (ja) | 2018-08-14 | 2022-05-31 | オムロン株式会社 | 産業用pcデバイス及び産業用pcデバイスの動作方法 |
US11650563B2 (en) | 2018-12-05 | 2023-05-16 | Fanuc Corporation | Machine tool for detecting and cutting loads using machine learning |
WO2022186140A1 (ja) * | 2021-03-02 | 2022-09-09 | ファナック株式会社 | 数値制御装置、およびコンピュータ読み取り可能な記憶媒体 |
JP7534526B2 (ja) | 2021-03-02 | 2024-08-14 | ファナック株式会社 | 数値制御装置、およびコンピュータ読み取り可能な記憶媒体 |
Also Published As
Publication number | Publication date |
---|---|
JP6457563B2 (ja) | 2019-01-23 |
US10466658B2 (en) | 2019-11-05 |
CN108345273B (zh) | 2020-03-17 |
DE102018000342A1 (de) | 2018-07-26 |
DE102018000342B4 (de) | 2024-08-22 |
CN108345273A (zh) | 2018-07-31 |
US20180210406A1 (en) | 2018-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6457563B2 (ja) | 数値制御装置及び機械学習装置 | |
JP6457472B2 (ja) | 制御システム及び機械学習装置 | |
JP6470251B2 (ja) | 数値制御装置及び機械学習装置 | |
KR102168264B1 (ko) | 이동축 이상 부하 경고 기능을 갖는 와이어 방전 가공기 | |
JP6063013B1 (ja) | びびり或いは工具摩耗/破損の発生を抑制する加工条件調整機能を有する数値制御装置 | |
JP5969676B1 (ja) | 工作機械の工具補正の頻度を最適化する機械学習装置及び機械学習方法、並びに該機械学習装置を備えた工作機械 | |
JP6063016B1 (ja) | 電動機に対する動作指令を学習する機械学習方法および機械学習装置並びに該機械学習装置を備えた工作機械 | |
JP6348098B2 (ja) | 機械学習を使った中子の溶着位置決定機能を備えたワイヤ放電加工機のシミュレーション装置 | |
JP6680756B2 (ja) | 制御装置及び機械学習装置 | |
US10289075B2 (en) | Machine learning apparatus for optimizing cycle processing time of processing machine, motor control apparatus, processing machine, and machine learning method | |
JP6219897B2 (ja) | 最適な加減速を生成する工作機械 | |
JP6077617B1 (ja) | 最適な速度分布を生成する工作機械 | |
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 | |
CN108427378B (zh) | 数值控制装置 | |
JP6412086B2 (ja) | 数値制御装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20180621 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A132 Effective date: 20180626 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20181127 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181220 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6457563 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |