JP3086794B2 - 数値制御研削盤 - Google Patents
数値制御研削盤Info
- Publication number
- JP3086794B2 JP3086794B2 JP09273466A JP27346697A JP3086794B2 JP 3086794 B2 JP3086794 B2 JP 3086794B2 JP 09273466 A JP09273466 A JP 09273466A JP 27346697 A JP27346697 A JP 27346697A JP 3086794 B2 JP3086794 B2 JP 3086794B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- condition data
- reference value
- grinding
- input
- 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.)
- Expired - Lifetime
Links
Landscapes
- Numerical Control (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、加工条件データの自動
作成機能を有した数値制御研削盤に関する。
作成機能を有した数値制御研削盤に関する。
【０００２】
【従来の技術】従来、数値制御研削盤を用いた研削加工
において、工作物の仕上げ径、取代、剛性係数、部品種
別等の入力条件データから、粗研、精研、微研等の研削
モード毎の工作物の回転数、研削開始位置、研削送り速
度、研削後送り停止時間等の加工条件をコンピュータに
より自動決定する装置が知られている。
において、工作物の仕上げ径、取代、剛性係数、部品種
別等の入力条件データから、粗研、精研、微研等の研削
モード毎の工作物の回転数、研削開始位置、研削送り速
度、研削後送り停止時間等の加工条件をコンピュータに
より自動決定する装置が知られている。
【０００３】
【発明が解決しようとする課題】ところが、実際には、
自動決定された加工条件データが、各種の入力条件デー
タに対して、最適データとならないことが経験的に知ら
れている。このような場合に、自動決定された加工条件
データを作業者が見て、適正でない場合には、その値を
作業者の経験や勘に基づいて補正したり、実際にその加
工条件データで加工された加工結果を作業者が判断し
て、経験と勘によりその加工条件データを補正してい
た。
自動決定された加工条件データが、各種の入力条件デー
タに対して、最適データとならないことが経験的に知ら
れている。このような場合に、自動決定された加工条件
データを作業者が見て、適正でない場合には、その値を
作業者の経験や勘に基づいて補正したり、実際にその加
工条件データで加工された加工結果を作業者が判断し
て、経験と勘によりその加工条件データを補正してい
た。
【０００４】又、入力条件データからどの加工条件デー
タをどのように補正すれば良いかは、作業者の経験と勘
によるものであり、必ずしも、いつも正しい補正が行わ
れるとは限らなかった。このため、修正された加工条件
データで工作物を加工し、その加工結果に応じて、再
度、加工条件データを修正するという作業を何度も行う
必要があった。
タをどのように補正すれば良いかは、作業者の経験と勘
によるものであり、必ずしも、いつも正しい補正が行わ
れるとは限らなかった。このため、修正された加工条件
データで工作物を加工し、その加工結果に応じて、再
度、加工条件データを修正するという作業を何度も行う
必要があった。
【０００５】本発明は、上記の課題を解決するために成
されたものであり、その目的とするところは、現実の様
々な入力条件データの組合せに対して、最適な加工条件
が自動決定できるようにすることである。
されたものであり、その目的とするところは、現実の様
々な入力条件データの組合せに対して、最適な加工条件
が自動決定できるようにすることである。
【０００６】
【課題を解決するための手段】上記課題を解決するため
の発明の構成は、各軸のモータの回転をプログラム制御
する数値制御装置を有した数値制御研削盤において、前
記数値制御装置は、工作物仕上げ径、取代、剛性係数、
工具種類等の入力条件データを入力するデータ入力手段
と、前記データ入力手段により入力された前記入力条件
データを記憶する入力条件データ記憶手段と、前記入力
条件データから加工条件データの基準値を演算する手段
であって、加工条件データのうち、各加工モードにおけ
る工作物の回転数データの基準値を指令された工作物の
表面荒さに対応する工作物の周速と工作物の直径とから
演算し、各研削モードの研削送り速度データの基準値
を、各研削モードの指令された寸法公差からそれに対応
する切込量を演算してその切込量と工作物の回転数デー
タの基準値とから演算し、各研削モードの研削開始径デ
ータの基準値を、各研削モード毎に設定されている標準
の送り量と指令された仕上げ径との関係から演算し、研
削後送り停止時間データの基準値を、定寸研削か否かに
より、又、工程を分割して研削するか否かにより決定さ
れる送りを停止させる工作物の回転数の基準値と回転数
データの基準値とを用いて演算する基準値演算手段と、
前記入力条件データを入力とし、前記各加工条件データ
の基準値に対する補正量を出力とするニューラルネット
ワークの演算プログラムを記憶した記憶手段と、前記ニ
ューラルネットワークの結合係数を記憶した記憶手段
と、 前記ニューラルネットワークの出力が熟練した作業
者の与える補正量である教師信号となるように各層の結
合係数が収束するまで前記結合係数を学習させるプ ログ
ラムを記憶した記憶手段と、前記ニューラルネットワー
クから出力される前記補正量で前記加工条件データの基
準値を補正して加工条件データを求める自動決定プログ
ラムを記憶した記憶手段と、補正された加工条件データ
を記憶する記憶手段と、補正された加工条件データに基
づいて前記各軸のモータの回転を制御する制御プログラ
ムを記憶した記憶手段とを備えたことを特徴とする。
の発明の構成は、各軸のモータの回転をプログラム制御
する数値制御装置を有した数値制御研削盤において、前
記数値制御装置は、工作物仕上げ径、取代、剛性係数、
工具種類等の入力条件データを入力するデータ入力手段
と、前記データ入力手段により入力された前記入力条件
データを記憶する入力条件データ記憶手段と、前記入力
条件データから加工条件データの基準値を演算する手段
であって、加工条件データのうち、各加工モードにおけ
る工作物の回転数データの基準値を指令された工作物の
表面荒さに対応する工作物の周速と工作物の直径とから
演算し、各研削モードの研削送り速度データの基準値
を、各研削モードの指令された寸法公差からそれに対応
する切込量を演算してその切込量と工作物の回転数デー
タの基準値とから演算し、各研削モードの研削開始径デ
ータの基準値を、各研削モード毎に設定されている標準
の送り量と指令された仕上げ径との関係から演算し、研
削後送り停止時間データの基準値を、定寸研削か否かに
より、又、工程を分割して研削するか否かにより決定さ
れる送りを停止させる工作物の回転数の基準値と回転数
データの基準値とを用いて演算する基準値演算手段と、
前記入力条件データを入力とし、前記各加工条件データ
の基準値に対する補正量を出力とするニューラルネット
ワークの演算プログラムを記憶した記憶手段と、前記ニ
ューラルネットワークの結合係数を記憶した記憶手段
と、 前記ニューラルネットワークの出力が熟練した作業
者の与える補正量である教師信号となるように各層の結
合係数が収束するまで前記結合係数を学習させるプ ログ
ラムを記憶した記憶手段と、前記ニューラルネットワー
クから出力される前記補正量で前記加工条件データの基
準値を補正して加工条件データを求める自動決定プログ
ラムを記憶した記憶手段と、補正された加工条件データ
を記憶する記憶手段と、補正された加工条件データに基
づいて前記各軸のモータの回転を制御する制御プログラ
ムを記憶した記憶手段とを備えたことを特徴とする。
【０００７】
【作用】本発明では、基準値演算手段により入力条件デ
ータから理論式等を用いて加工条件データの基準値が決
定される。即ち、加工条件データのうち、各加工モード
における工作物の回転数データの基準値は、指令された
工作物の表面荒さに対応する工作物の周速と工作物の直
径とから演算される。又、加工条件データのうち、各研
削モードの研削送り速度データの基準値は、各研削モー
ドの指令された寸法公差からそれに対応する切込量を演
算してその切込量と工作物の回転数データの基準値とか
ら演算される。又、加工条件データのうち、各研削モー
ドの研削開始径データの基準値は、各研削モード毎に設
定されている標準の送り量と指令された仕上げ径との関
係から演算し、研削後送り停止時間データの基準値を、
定寸研削か否かにより、又、工程を分割して研削するか
否かにより決定される送りを停止させる工作物の回転数
の基準値と回転数データの基準値とを用いて演算され
る。又、ニューラルネットワークにより、入力条件デー
タを入力して、加工条件データの基準値に対する補正量
が出力される。そして、補正量演算手段により、加工条
件の基準値にその補正量が加算されて現実の最適な加工
条件データが演算される。上記のニューラルネットワー
クの結合係数は、様々な入力条件データを入力とし、ニ
ューラルネットワークの出力がその入力条件データに最
適な加工条件データに対して熟練した作業者が与える補
正量となるように、熟練した作業者が与え る補正量を教
師信号として、その係数が収束するまで学習されてい
る。又、結合係数は、ニューラルネットワークの出力が
適性でない場合に、その時の適性な出力を教師信号とし
て学習される。このように、作業者の経験や勘がニュー
ラルネットワークの結合係数という形で記憶されること
になるので、様々な入力条件データに対応した加工条件
データの適性な補正量が自動決定される。そして、補正
された加工条件データに従って、研削盤の各軸のモータ
が制御される。
ータから理論式等を用いて加工条件データの基準値が決
定される。即ち、加工条件データのうち、各加工モード
における工作物の回転数データの基準値は、指令された
工作物の表面荒さに対応する工作物の周速と工作物の直
径とから演算される。又、加工条件データのうち、各研
削モードの研削送り速度データの基準値は、各研削モー
ドの指令された寸法公差からそれに対応する切込量を演
算してその切込量と工作物の回転数データの基準値とか
ら演算される。又、加工条件データのうち、各研削モー
ドの研削開始径データの基準値は、各研削モード毎に設
定されている標準の送り量と指令された仕上げ径との関
係から演算し、研削後送り停止時間データの基準値を、
定寸研削か否かにより、又、工程を分割して研削するか
否かにより決定される送りを停止させる工作物の回転数
の基準値と回転数データの基準値とを用いて演算され
る。又、ニューラルネットワークにより、入力条件デー
タを入力して、加工条件データの基準値に対する補正量
が出力される。そして、補正量演算手段により、加工条
件の基準値にその補正量が加算されて現実の最適な加工
条件データが演算される。上記のニューラルネットワー
クの結合係数は、様々な入力条件データを入力とし、ニ
ューラルネットワークの出力がその入力条件データに最
適な加工条件データに対して熟練した作業者が与える補
正量となるように、熟練した作業者が与え る補正量を教
師信号として、その係数が収束するまで学習されてい
る。又、結合係数は、ニューラルネットワークの出力が
適性でない場合に、その時の適性な出力を教師信号とし
て学習される。このように、作業者の経験や勘がニュー
ラルネットワークの結合係数という形で記憶されること
になるので、様々な入力条件データに対応した加工条件
データの適性な補正量が自動決定される。そして、補正
された加工条件データに従って、研削盤の各軸のモータ
が制御される。
【０００８】
【発明の効果】本発明は、入力条件データを入力とし、
各加工条件データに対する補正量を出力とするニューラ
ルネットワークにより、加工条件データの基準値に対す
る補正量を演算して、その補正量で基準値を補正するこ
とで加工条件データを求めるようにしている。従って、
作業者の経験や勘で行われていた加工条件データの補正
を正確に反映した加工条件データの自動決定が可能とな
る。又、加工条件データの基準値が所定の演算式や所定
の対応関係から一意的に演算されるので、この基準値を
作業者が決定する必要がない。 従って、本研削盤は、固
定された入力条件データだけを入力すれば、自動的に最
適な加工条件データが演算され、その加工条件データに
基づいて最適な研削が実行される。そして、加工結果を
見て、さらに、補正量が最適となるように加工の進行と
共にニューラルネットワークの結合係数を学習させれば
良いため、極めて使用性の良い数値制御研削盤となる。
各加工条件データに対する補正量を出力とするニューラ
ルネットワークにより、加工条件データの基準値に対す
る補正量を演算して、その補正量で基準値を補正するこ
とで加工条件データを求めるようにしている。従って、
作業者の経験や勘で行われていた加工条件データの補正
を正確に反映した加工条件データの自動決定が可能とな
る。又、加工条件データの基準値が所定の演算式や所定
の対応関係から一意的に演算されるので、この基準値を
作業者が決定する必要がない。 従って、本研削盤は、固
定された入力条件データだけを入力すれば、自動的に最
適な加工条件データが演算され、その加工条件データに
基づいて最適な研削が実行される。そして、加工結果を
見て、さらに、補正量が最適となるように加工の進行と
共にニューラルネットワークの結合係数を学習させれば
良いため、極めて使用性の良い数値制御研削盤となる。
【０００９】
【発明の実施の形態】以下、本発明を具体的な実施例に
基づいて説明する。 （１）研削盤の構成 図１は本発明に係る加工条件自動決定装置を有した数値
制御研削盤の全体の機械的構成を示した構成図である。
基づいて説明する。 （１）研削盤の構成 図１は本発明に係る加工条件自動決定装置を有した数値
制御研削盤の全体の機械的構成を示した構成図である。
【００１０】５０は研削盤であり、その研削盤５０のベ
ッド５１の上には、そのベッド５１に対して褶動するテ
ーブル５２が設けられている。テーブル５２はテーブル
送り用モータ５３が駆動されることにより図面の左右方
向に移動される。又、テーブル５２の上には主軸台５４
と心押台５６が配設されており、主軸台５４は主軸５５
を有し、心押台５６は心押軸５７を有している。工作物
Ｗは主軸５５及び心押軸５７によって軸支され、主軸５
５の回転によって回転される。この主軸５５の回転は主
軸台５４に配設された主軸モータ５９によって行われ
る。
ッド５１の上には、そのベッド５１に対して褶動するテ
ーブル５２が設けられている。テーブル５２はテーブル
送り用モータ５３が駆動されることにより図面の左右方
向に移動される。又、テーブル５２の上には主軸台５４
と心押台５６が配設されており、主軸台５４は主軸５５
を有し、心押台５６は心押軸５７を有している。工作物
Ｗは主軸５５及び心押軸５７によって軸支され、主軸５
５の回転によって回転される。この主軸５５の回転は主
軸台５４に配設された主軸モータ５９によって行われ
る。
【００１１】一方、工作物Ｗを研削する砥石車６０は砥
石台６１に設けられた砥石車駆動モータ６２の駆動軸に
軸支されている。又、砥石台６１は砥石台送り用モータ
６３によって図面の垂直方向に移動制御される。テーブ
ル送り用モータ５３、砥石台送り用モータ６３、主軸モ
ータ５９、砥石車駆動モータ６２などを駆動制御するた
めに数値制御装置３０が設けられている。
石台６１に設けられた砥石車駆動モータ６２の駆動軸に
軸支されている。又、砥石台６１は砥石台送り用モータ
６３によって図面の垂直方向に移動制御される。テーブ
ル送り用モータ５３、砥石台送り用モータ６３、主軸モ
ータ５９、砥石車駆動モータ６２などを駆動制御するた
めに数値制御装置３０が設けられている。
【００１２】（２）数値制御装置の構成 数値制御装置３０は主として、図２に示したように、Ｃ
ＰＵ３１とＲＯＭ３２とＲＡＭ３３とＩＦ（インタフェ
ース）３４とから構成されている。ＲＡＭ３３にはＮＣ
プログラムを記憶するＮＣデータ領域３３１と仕上げ
径、取代、剛性係数、部品種別、荒仕上分割、作業者名
等の入力条件データを記憶する入力条件データ領域（入
力条件データ記憶手段）３３２と工作物回転数、研削開
始位置、研削送り速度、研削後送り停止時間等の加工条
件データを記憶する加工条件データ記憶領域３３３とニ
ューラルネットワークの結合係数を記憶する結合係数領
域３３４とが設けられている。尚、ＲＡＭ３３はバッテ
リバックアップされており、学習された結合係数が保存
されるようになっている。
ＰＵ３１とＲＯＭ３２とＲＡＭ３３とＩＦ（インタフェ
ース）３４とから構成されている。ＲＡＭ３３にはＮＣ
プログラムを記憶するＮＣデータ領域３３１と仕上げ
径、取代、剛性係数、部品種別、荒仕上分割、作業者名
等の入力条件データを記憶する入力条件データ領域（入
力条件データ記憶手段）３３２と工作物回転数、研削開
始位置、研削送り速度、研削後送り停止時間等の加工条
件データを記憶する加工条件データ記憶領域３３３とニ
ューラルネットワークの結合係数を記憶する結合係数領
域３３４とが設けられている。尚、ＲＡＭ３３はバッテ
リバックアップされており、学習された結合係数が保存
されるようになっている。
【００１３】又、ＲＯＭ３２にはＮＣデータに従って数
値制御研削盤を作動させるための制御プログラムを記憶
した制御プログラム領域３２１と加工条件データを決定
するメイン自動決定プログラムの記憶された自動決定プ
ログラム領域３２２とニューラルネットワークの演算プ
ログラムを記憶したニューラルネットワーク領域３２３
とニューラルネットワークの結合係数を学習させるプロ
グラムを記憶した学習プログラム領域３２４とが形成さ
れている。
値制御研削盤を作動させるための制御プログラムを記憶
した制御プログラム領域３２１と加工条件データを決定
するメイン自動決定プログラムの記憶された自動決定プ
ログラム領域３２２とニューラルネットワークの演算プ
ログラムを記憶したニューラルネットワーク領域３２３
とニューラルネットワークの結合係数を学習させるプロ
グラムを記憶した学習プログラム領域３２４とが形成さ
れている。
【００１４】又、数値制御装置３０にはＩＦ３４を介し
て操作盤２０が取り付けられている。その操作盤２０の
操作パネル２１上にはデータの入力を行うキーボード２
２とデータの表示を行うＣＲＴ表示装置２３とが設けら
れている。
て操作盤２０が取り付けられている。その操作盤２０の
操作パネル２１上にはデータの入力を行うキーボード２
２とデータの表示を行うＣＲＴ表示装置２３とが設けら
れている。
【００１５】（３）作動 次に、本実施例装置で使用されているＣＰＵ３１の処理
手順を、フローチャートに基づいて説明する。
手順を、フローチャートに基づいて説明する。
【００１６】1.入力条件データの入力 図３は、入力条件データから加工条件データを自動生成
するメインプログラムのフローチャートである。
するメインプログラムのフローチャートである。
【００１７】ステップ100 では、キーボード２２から入
力される入力条件データが読み取られ、ＲＡＭ３３の入
力条件データ領域３３２に記憶される。本実施例では、
入力条件データとしては、仕上げ径データD1, 取代デー
タD2, 剛性係数データD3, 部品種別データD4, 荒仕上分
割データD5, Ａ作業者名データD6, Ｂ作業者名データ
D7, Ｃ作業者名データD8である。
力される入力条件データが読み取られ、ＲＡＭ３３の入
力条件データ領域３３２に記憶される。本実施例では、
入力条件データとしては、仕上げ径データD1, 取代デー
タD2, 剛性係数データD3, 部品種別データD4, 荒仕上分
割データD5, Ａ作業者名データD6, Ｂ作業者名データ
D7, Ｃ作業者名データD8である。
【００１８】2.加工条件データの基準値の演算 次のステップ102 （基準値演算手段）では上記の入力条
件データ(D1 〜D8) 及び他の入力条件データから加工条
件データの基準値V1〜V11 が演算される。
件データ(D1 〜D8) 及び他の入力条件データから加工条
件データの基準値V1〜V11 が演算される。
【００１９】本実施例では、加工条件データとしては、
粗研回転数データK1, 精研回転数データK2, 微研回転数
データK3, 粗研開始径データK4, 精研開始径データK5,
微研開始径データK6, 粗研送り速度データK7, 精研送り
速度データK8, 微研送り速度データK9, 粗研後送り停止
時間データK10,微研後送り停止時間データK11 とで構成
されている。
粗研回転数データK1, 精研回転数データK2, 微研回転数
データK3, 粗研開始径データK4, 精研開始径データK5,
微研開始径データK6, 粗研送り速度データK7, 精研送り
速度データK8, 微研送り速度データK9, 粗研後送り停止
時間データK10,微研後送り停止時間データK11 とで構成
されている。
【００２０】この基準値の演算は次のようにして行われ
る。各研削モード毎の回転数データは、ある研削時の砥
石の周速に対して、工作物の周速が、要求される工作物
の荒さの関数で予め決定されている。指令された工作物
の表面荒さから、工作物の周速が演算され、この工作物
の周速と工作物の直径とにより工作物の回転数データが
演算される。
る。各研削モード毎の回転数データは、ある研削時の砥
石の周速に対して、工作物の周速が、要求される工作物
の荒さの関数で予め決定されている。指令された工作物
の表面荒さから、工作物の周速が演算され、この工作物
の周速と工作物の直径とにより工作物の回転数データが
演算される。
【００２１】各研削モードの研削送り速度データは、砥
石車の工作物の１回転当たりの切込量が寸法公差の関数
として予め決定されている。各研削モードの指令された
寸法公差から切込量が演算され、回転数データとから研
削送り速度データが演算される。 各研削モードの研削
開始径データは、各研削モード毎に標準の送り量が設定
されており、指令された仕上げ径とこの送り量との関係
により演算される。
石車の工作物の１回転当たりの切込量が寸法公差の関数
として予め決定されている。各研削モードの指令された
寸法公差から切込量が演算され、回転数データとから研
削送り速度データが演算される。 各研削モードの研削
開始径データは、各研削モード毎に標準の送り量が設定
されており、指令された仕上げ径とこの送り量との関係
により演算される。
【００２２】研削後送り停止時間データは、定寸研削か
否かにより、又、工程を分割して研削するか否かによ
り、送りを停止させる工作物の回転数が決定される。入
力条件データから、研削後送り停止回転数が決定され、
回転数データを用いて、研削後送り停止時間が演算され
る。
否かにより、又、工程を分割して研削するか否かによ
り、送りを停止させる工作物の回転数が決定される。入
力条件データから、研削後送り停止回転数が決定され、
回転数データを用いて、研削後送り停止時間が演算され
る。
【００２３】3.無帰還型ニューラルネットワーク 次に、ステップ104 において、無帰還型ニューラルネッ
トワークを起動して、入力条件データD1〜D8を入力し
て、各加工条件データ(K1 〜K11)の各一次的補正量δ1
〜δ11が演算される。
トワークを起動して、入力条件データD1〜D8を入力し
て、各加工条件データ(K1 〜K11)の各一次的補正量δ1
〜δ11が演算される。
【００２４】無帰還型のニューラルネットワークは図４
に示す構成のものである。本実施例では、ニューラルネ
ットワークは、入力層と中間層と出力層との３層構造で
ある。ニューラルネットワークは良く知られたように、
第２層の中間層と第３層の出力層との各素子が次式の演
算を行う素子として定義される。
に示す構成のものである。本実施例では、ニューラルネ
ットワークは、入力層と中間層と出力層との３層構造で
ある。ニューラルネットワークは良く知られたように、
第２層の中間層と第３層の出力層との各素子が次式の演
算を行う素子として定義される。
【００２５】第i 層の第j 番目の素子の出力Oi j は、次
式で計算される。但し、i ≧2 である。
式で計算される。但し、i ≧2 である。
【数１】 Oi j=f(Ii j) …（１）
【数２】 Ii j= kΣWi-1 k,i j・Oi-1 k +Vi j …（２）
【数３】 f(x)=1/｛1+exp(-x)｝ …（３）
【００２６】但し、Vi j は第i 層の第j 番目の演算素子
のバイアス、Wi-1 k,i jは、第i-1 層の第k 番目の素子と
第i 層の第j 番目の素子間の結合係数、O1 j は第1 層の
第ｊ番目の素子の出力値を表す。即ち、第1 層であるか
ら演算を行うことなく、そのまま入力を出力するので、
入力層（第１層）の第J 番目の素子の入力値でもある。
従って、
のバイアス、Wi-1 k,i jは、第i-1 層の第k 番目の素子と
第i 層の第j 番目の素子間の結合係数、O1 j は第1 層の
第ｊ番目の素子の出力値を表す。即ち、第1 層であるか
ら演算を行うことなく、そのまま入力を出力するので、
入力層（第１層）の第J 番目の素子の入力値でもある。
従って、
【００２７】
【数４】 O1 j =Dj …（４） 但し、Djは入力層のj 番目の素子に入力される入力条件
データである。
データである。
【００２８】無帰還型ニューラルネットワークの具体的
な演算は図５に示す手順で実行される。ステップ200 に
おいて、中間層（第２層）の各素子には、入力層（第１
層）の各素子からの出力値D1〜D8を入力して、次式の積
和演算が行われる。第２層の第j 番目の素子に関しては
次式で演算される。本実施例ではバイアスは零である。
な演算は図５に示す手順で実行される。ステップ200 に
おいて、中間層（第２層）の各素子には、入力層（第１
層）の各素子からの出力値D1〜D8を入力して、次式の積
和演算が行われる。第２層の第j 番目の素子に関しては
次式で演算される。本実施例ではバイアスは零である。
【数５】 I2 j=k=1Σ8W1 k, 2 j・Dk …（５）
【００２９】次に、ステップ202 において、次式によ
り、（５）式の入力値の積和関数値のシグモイド関数に
より、中間層（第２層）の各素子の出力が演算される。
第２層の第j 番目の素子の出力値は次式で演算される。
り、（５）式の入力値の積和関数値のシグモイド関数に
より、中間層（第２層）の各素子の出力が演算される。
第２層の第j 番目の素子の出力値は次式で演算される。
【数６】 O2 j=f(I2 j)=1/｛1+exp(-I2 j) ｝ …（６） この出力値O2 j は出力層（第３層）の各素子の入力値と
なる。
なる。
【００３０】次に、ステップ204 において、出力層（第
３層）の各素子の入力値の積和演算が実行される。
３層）の各素子の入力値の積和演算が実行される。
【数７】 I3 j=k=1Σ10W2 k, 3 j ・ O2 k …（７）
【００３１】次に、ステップ206 において、（６）式と
同様に、シグモイド関数により、出力層の各素子の出力
値が演算される。この出力値は加工条件データの一次的
補正量δj となる。即ち、一次的補正量δj は次式で求
められる。
同様に、シグモイド関数により、出力層の各素子の出力
値が演算される。この出力値は加工条件データの一次的
補正量δj となる。即ち、一次的補正量δj は次式で求
められる。
【数８】 δj=f(I3 j)=1/｛1+exp(-I3 j)｝ …（８）
【００３２】4.帰還型ニューラルネットワーク 次に、図３のステップ106 に移行して、帰還型ニューラ
ルネットワークによる演算が実行される。帰還型ニュー
ラルネットワークの構造は、図６に示すように、出力層
の各素子の出力が中間層の全素子に入力される構造であ
る。帰還型ニューラルネットワークの演算は図７に示す
手順で実行される。
ルネットワークによる演算が実行される。帰還型ニュー
ラルネットワークの構造は、図６に示すように、出力層
の各素子の出力が中間層の全素子に入力される構造であ
る。帰還型ニューラルネットワークの演算は図７に示す
手順で実行される。
【００３３】ステップ300 において、中間層の入力値の
積和演算が実行される。この時、中間層の各素子の入力
は入力層からの8 出力と出力層からの11出力の合計19入
力となる。
積和演算が実行される。この時、中間層の各素子の入力
は入力層からの8 出力と出力層からの11出力の合計19入
力となる。
【００３４】即ち、次式の演算が行われる。
【数９】 I2 j=k=1Σ8W1 k, 2 j・D1 k+k=1Σ11W3 k, 2 j・δk …（９） となる。
【００３５】次に、ステップ302 において、入力値の積
和演算結果のシグモイド関数により中間層の出力が
（６）式により演算される。ステップ304 において、出
力層の各素子において上記の（７）式で入力値の積和演
算が実行される。そして、ステップ306 において、次式
により入力値の積和関数値のシグモイド関数により、加
工条件データの最終的な補正量Δj が演算される。
和演算結果のシグモイド関数により中間層の出力が
（６）式により演算される。ステップ304 において、出
力層の各素子において上記の（７）式で入力値の積和演
算が実行される。そして、ステップ306 において、次式
により入力値の積和関数値のシグモイド関数により、加
工条件データの最終的な補正量Δj が演算される。
【００３６】
【数１０】 Δj=f(I3 j)=1/｛1+exp(-I3 j)｝ …（１０） このようにして、全加工条件データの補正量Δ1 〜Δ11
が演算されと、図３のステップ108 に戻る。
が演算されと、図３のステップ108 に戻る。
【００３７】5.加工条件データの演算 ステップ108 （補正手段）では、ステップ102 で求めら
れた加工条件データの基準値V1〜V11 とステップ106 で
求められた補正量Δ1 〜Δ11との和により、加工条件デ
ータK1〜K11 が求められる。
れた加工条件データの基準値V1〜V11 とステップ106 で
求められた補正量Δ1 〜Δ11との和により、加工条件デ
ータK1〜K11 が求められる。
【００３８】6.結合係数の学習 次に、このニューラルネットワークの結合係数の学習方
法について説明する。結合係数は図６に示す帰還型ニュ
ーラルネットワークにつき、良く知られたバックプロパ
ーゲーション法により実行される。
法について説明する。結合係数は図６に示す帰還型ニュ
ーラルネットワークにつき、良く知られたバックプロパ
ーゲーション法により実行される。
【００３９】図８のステップ400 において、次式により
出力層の各素子の学習信号が演算される。
出力層の各素子の学習信号が演算される。
【数１１】 Y3 j=(Tj- Δj)・f'(I3 j) …（１１） 但し、Tjは、入力信号に対する第j 番目の出力層の素子
の望ましい出力( 教師信号) であり、外部より付与され
る信号であって、熟練した作業者によって付与される。
の望ましい出力( 教師信号) であり、外部より付与され
る信号であって、熟練した作業者によって付与される。
【００４０】次に、ステップ402 において、中間層の学
習信号が次式で演算される。
習信号が次式で演算される。
【数１２】 Y2 j= f'(I2 j)・k=1Σ11Y3 k・W2 j, 3 k …（１２） 次に、ステップ404 において、出力層の各素子の結合係
数が補正される。補正量は次式で求められる。
数が補正される。補正量は次式で求められる。
【数１３】 Δω2 i, 3 j(t)=P・Y3 j・f(I2 i)+Q・Δω2 i, 3 j(t-1) …（１３）
【００４１】但し、Δω2 i, 3 j(t) は、出力層の第j 番
目の素子と中間層の第i 番目の素子との間の結合係数の
第t 回目演算の変化量である。又、Δω2 i, 3 j(t-1)
は、その結合係数の前回の補正量である。P,Q は比例定
数である。よって、結合係数は、
目の素子と中間層の第i 番目の素子との間の結合係数の
第t 回目演算の変化量である。又、Δω2 i, 3 j(t-1)
は、その結合係数の前回の補正量である。P,Q は比例定
数である。よって、結合係数は、
【数１４】 W2 j, 3 j + Δω2 i, 3 j(t) →W2 j, 3 j …（１４） により、補正された結合係数が求められる。
【００４２】次に、ステップ406 へ移行して、中間層の
各素の結合係数が補正される。その結合係数の補正量は
出力層の場合と同様に、次式で求められる。
各素の結合係数が補正される。その結合係数の補正量は
出力層の場合と同様に、次式で求められる。
【数１５】 Δω1 i, 2 j(t)=P・Y2 j・f(I1 i)+Q・Δω1 i, 2 j(t-1) …（１５） よって、結合係数は、
【数１６】 W1 j, 2 j + Δω1 i, 2 j(t) →W1 j, 2 j …（１６） により、補正された結合係数が求められる。
【００４３】次に、ステップ408 において、結合係数の
補正量が所定の値以下になったか否かを判定して、結合
係数が収束したか否かが判定される。結合係数が収束し
ていなければ、ステップ400 に戻り、新たに補正された
結合係数を用いて、同様な演算が繰り返され、結合係数
が再度補正される。このような演算の繰り返しにより、
ある教師信号に対する学習が完了する。
補正量が所定の値以下になったか否かを判定して、結合
係数が収束したか否かが判定される。結合係数が収束し
ていなければ、ステップ400 に戻り、新たに補正された
結合係数を用いて、同様な演算が繰り返され、結合係数
が再度補正される。このような演算の繰り返しにより、
ある教師信号に対する学習が完了する。
【００４４】このようなニューラルネットワークの結合
係数の学習は、入力条件データを多様に変化させて、そ
の入力条件データに対する出力に対する教師信号を用い
て、学習が繰り返し実行される。
係数の学習は、入力条件データを多様に変化させて、そ
の入力条件データに対する出力に対する教師信号を用い
て、学習が繰り返し実行される。
【００４５】以上のように、本実施例では、一次的補正
量を無帰還型ニューラルネットワークで求め、その一次
的補正量を帰還型ニューラルネットワークにおいて帰還
させて、最終的な補正量を演算するようにしている。よ
って、加工条件データ間の相互関係による加工条件デー
タの補正量の影響も考慮される。この結果、作業者の経
験や勘で行われていた加工条件データの補正を正確に反
映した加工条件データの自動決定が可能となる。
量を無帰還型ニューラルネットワークで求め、その一次
的補正量を帰還型ニューラルネットワークにおいて帰還
させて、最終的な補正量を演算するようにしている。よ
って、加工条件データ間の相互関係による加工条件デー
タの補正量の影響も考慮される。この結果、作業者の経
験や勘で行われていた加工条件データの補正を正確に反
映した加工条件データの自動決定が可能となる。
【００４６】尚、上記実施例では、帰還型ニューラルネ
ットワークにより補正演算を行っているが、無帰還型ニ
ューラルネットワークの出力（一次的補正量）を補正量
として基準値を補正するようにしても良い。その場合に
は、ニューラルネットワークの学習は、無帰還型ニュー
ラルネットワークに対して行われるが、図８に示す学習
方法と同様である。
ットワークにより補正演算を行っているが、無帰還型ニ
ューラルネットワークの出力（一次的補正量）を補正量
として基準値を補正するようにしても良い。その場合に
は、ニューラルネットワークの学習は、無帰還型ニュー
ラルネットワークに対して行われるが、図８に示す学習
方法と同様である。
【図１】本発明の具体的な一実施例に係る加工条件自動
決定装置を有した数値制御研削盤の全体の機械的構成を
示した構成図。
決定装置を有した数値制御研削盤の全体の機械的構成を
示した構成図。
【図２】同実施例装置に係る数値制御装置及び操作盤の
電気的構成を示したブロックダイヤグラム。
電気的構成を示したブロックダイヤグラム。
【図３】同実施例装置で使用されているＣＰＵの主処理
手順を示したフローチャート。
手順を示したフローチャート。
【図４】同実施例に係る無帰還型ニューラルネットワー
クの構造を示した構造図。
クの構造を示した構造図。
【図５】その無帰還型ニューラルネットワークの演算手
順を示したフローチャート。
順を示したフローチャート。
【図６】帰還型ニューラルネットワークの構造を示した
構造図。
構造図。
【図７】その帰還型ニューラルネットワークの処理手順
を示したフローチャート。
を示したフローチャート。
【図８】ニューラルネットワークの学習手順を示したフ
ローチャート。
ローチャート。
２０…操作盤 ２１…操作パネル ２２…キーボード ２３…ＣＲＴ表示装置 ３０…数値制御装置 ３１…ＣＰＵ ３２…ＲＯＭ ３３…ＲＡＭ ５０…研削盤 ５１…ベッド ５２…テーブル ５３…テーブル送り用モータ ５４…主軸台 ５５…主軸 ５６…心押台 ５７…心押軸 ５９…主軸モータ ６０…砥石車 ６１…砥石台 ６２…砥石車駆動モータ ６３…砥石台送り用モータ Ｗ…工作物
───────────────────────────────────────────────────── フロントページの続き (72)発明者 坂倉 守昭 愛知県刈谷市朝日町１丁目１番地 豊田 工機株式会社内 (72)発明者 稲垣 志保 愛知県刈谷市朝日町１丁目１番地 豊田 工機株式会社内 (56)参考文献 坂倉、外２名、”研削条件最適化への ニューラルネットワークの応用”、1990 年度精密工学会秋季大会学術講演会講演 論文集、社団法人精密工学会、平成２年 ９月５日、ｐ．969−970 (58)調査した分野(Int.Cl.7，ＤＢ名) B23Q 15/00 301 G05B 19/18 G05B 19/4155
Claims (1)
- 【請求項１】 各軸のモータの回転をプログラム制御す
る数値制御装置を有した数値制御研削盤において、 前記数値制御装置は、 工作物仕上げ径、取代、剛性係数、工具種類等の入力条
件データを入力するデータ入力手段と、 前記データ入力手段により入力された前記入力条件デー
タを記憶する入力条件データ記憶手段と、 前記入力条件データから加工条件データの基準値を演算
する手段であって、加工条件データのうち、各加工モー
ドにおける工作物の回転数データの基準値を指令された
工作物の表面荒さに対応する工作物の周速と工作物の直
径とから演算し、各研削モードの研削送り速度データの
基準値を、各研削モードの指令された寸法公差からそれ
に対応する切込量を演算してその切込量と工作物の回転
数データの基準値とから演算し、各研削モードの研削開
始径データの基準値を、各研削モード毎に設定されてい
る標準の送り量と指令された仕上げ径との関係から演算
し、研削後送り停止時間データの基準値を、定寸研削か
否かにより、又、工程を分割して研削するか否かにより
決定される送りを停止させる工作物の回転数の基準値と
回転数データの基準値とを用いて演算する基準値演算手
段と、 前記入力条件データを入力とし、前記各加工条件データ
の基準値に対する補正量を出力とするニューラルネット
ワークの演算プログラムを記憶した記憶手段と、 前記ニューラルネットワークの結合係数を記憶した記憶
手段と、 前記ニューラルネットワークの出力が熟練した作業者の
与える補正量である教師信号となるように各層の結合係
数が収束するまで前記結合係数を学習させるプログラム
を記憶した記憶手段と、 前記ニューラルネットワークから出力される前記補正量
で前記加工条件データの基準値を補正して加工条件デー
タを求める自動決定プログラムを記憶した記憶 手段と、 補正された加工条件データを記憶する記憶手段と、 補正された加工条件データに基づいて前記各軸のモータ
の回転を制御する制御プログラムを記憶した記憶手段と
を備えた数値制御研削盤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP09273466A JP3086794B2 (ja) | 1997-09-19 | 1997-09-19 | 数値制御研削盤 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP09273466A JP3086794B2 (ja) | 1997-09-19 | 1997-09-19 | 数値制御研削盤 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP02259226A Division JP3086699B2 (ja) | 1990-07-17 | 1990-09-27 | 数値制御研削盤 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH1086039A JPH1086039A (ja) | 1998-04-07 |
| JP3086794B2 true JP3086794B2 (ja) | 2000-09-11 |
Family
ID=17528323
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP09273466A Expired - Lifetime JP3086794B2 (ja) | 1997-09-19 | 1997-09-19 | 数値制御研削盤 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3086794B2 (ja) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6063013B1 (ja) * | 2015-08-27 | 2017-01-18 | ファナック株式会社 | 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 |
| JP6817778B2 (ja) * | 2016-10-18 | 2021-01-20 | 株式会社荏原製作所 | 局所研磨装置、局所研磨方法およびプログラム |
| JP6932353B2 (ja) * | 2017-12-07 | 2021-09-08 | 清水建設株式会社 | 吹き付け条件情報演算装置、吹き付け条件情報演算方法 |
| JP7126360B2 (ja) * | 2018-03-01 | 2022-08-26 | 株式会社牧野フライス製作所 | 工具経路を生成するための方法及び装置 |
| JP7121506B2 (ja) | 2018-03-14 | 2022-08-18 | 株式会社日立ハイテク | 探索装置、探索方法及びプラズマ処理装置 |
| JP7137943B2 (ja) | 2018-03-20 | 2022-09-15 | 株式会社日立ハイテク | 探索装置、探索方法及びプラズマ処理装置 |
| JP2020015148A (ja) * | 2018-07-26 | 2020-01-30 | 三菱マテリアル株式会社 | 切削管理システム、及び切削管理方法 |
| WO2020121477A1 (ja) * | 2018-12-13 | 2020-06-18 | 三菱電機株式会社 | 機械学習装置、加工プログラム生成装置および機械学習方法 |
| CN113287123A (zh) | 2019-12-03 | 2021-08-20 | 株式会社日立高新技术 | 搜索装置、搜索程序以及等离子处理装置 |
-
1997
- 1997-09-19 JP JP09273466A patent/JP3086794B2/ja not_active Expired - Lifetime
Non-Patent Citations (1)
| Title |
|---|
| 坂倉、外２名、"研削条件最適化へのニューラルネットワークの応用"、１９９０年度精密工学会秋季大会学術講演会講演論文集、社団法人精密工学会、平成２年９月５日、ｐ．９６９−９７０ |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH1086039A (ja) | 1998-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2961622B2 (ja) | インテリジェント加工システム | |
| JP3086794B2 (ja) | 数値制御研削盤 | |
| JPH0241872A (ja) | 数値制御研削盤 | |
| EP0268887B1 (en) | Numerical control feed device for machine tool | |
| WO1987005845A1 (en) | Method of preparing nc program for four-spindle lathe | |
| WO1993019894A1 (en) | Machining condition generation method for numerically controlled machine tool | |
| JPH0692057B2 (ja) | 数値制御工作機械 | |
| JP2961621B2 (ja) | 数値制御装置の加工条件作成機能の学習方法 | |
| JP4059411B2 (ja) | Ｎｃ工作機械の制御装置 | |
| JP3086699B2 (ja) | 数値制御研削盤 | |
| JP2941032B2 (ja) | 加工条件自動作成機能を有する数値制御装置 | |
| WO1994017459A1 (fr) | Procede permettant d'executer un programme d'usinage a commande numerique | |
| JP2805119B2 (ja) | 非円形ワーク加工用数値制御装置 | |
| JP2880569B2 (ja) | 加工条件自動作成機能を有する数値制御装置 | |
| JP2941030B2 (ja) | 加工条件自動修正装置 | |
| JP2950929B2 (ja) | 加工条件自動決定装置 | |
| JPS63206804A (ja) | 数値制御方式 | |
| JPH04135206A (ja) | 加工条件自動決定装置 | |
| JPH0496107A (ja) | 工具軸方向計算方法 | |
| JPH04331048A (ja) | ならい制御装置 | |
| WO1984003245A1 (en) | Method of restarting profiling machining | |
| JP2661942B2 (ja) | Ｎｃデータ作成装置 | |
| JP2880567B2 (ja) | 加工診断装置 | |
| JPH0366090B2 (ja) | ||
| JP3045603B2 (ja) | 数値制御装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| R371 | Transfer withdrawn |
Free format text: JAPANESE INTERMEDIATE CODE: R371 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313115 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20070707 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080707 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080707 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090707 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090707 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100707 Year of fee payment: 10 |