JP4358705B2 - 工作機械の熱変形誤差の補正方法 - Google Patents

Description

この発明は、工作機械の経時的な熱変形により生ずるワークの加工誤差を補正する方法に関するもので、加工時刻における工作機械の熱変形量をニューラルネットワークを用いて推論する上記方法に関するものである。

工作機械でワークを加工する際、その主軸回転や作動油の温度上昇及び加工熱によって機械各部の温度が上昇する。この工作機械の運転に伴う各部の温度上昇や時間の経過に伴う室温の変化が機械温度を変化させ、これに伴う熱膨張によって当該機械によって加工されるワークに加工誤差を生ずる。そこで、この加工誤差をできるだけ小さくするために、室温及び機械の要部の温度を計測して、その計測値に基づいて工作機械の熱変形量を推定し、この推定値に基づいてＮＣ装置から与えられる刃物台やテーブルの座標を補正することが行われている。

工作機械の熱変形量を推測する方法としては、予め種々の条件でワークを加工し、そのときの室温及び機械各部の温度と、そのときにワークに生じた誤差から補正式を作成して、当該補正式に基づく補正値の演算をＮＣ装置や、これとデータ交換を行っているコンピュータで演算して補正する方法が一般的であるが、室温と機械各部の温度とを入力データとしてニューラルネットワークを用いて機械の変形量を推論する方法も提案されている。

例えば、特許文献１には、工作機械の各部に配置された複数の温度測定手段の出力と、テーブル上に設置された位置測定手段の出力からニューラルネットワーク理論に基づいて工作機械の熱変形量を予測するデータテーブルを作成し、ワークの加工時に各温度測定手段の出力から前記データテーブルに基づいて工作機械の熱偏倚量を予測し、その予測結果に基づいて工作機械の動きを補正する熱偏倚補正方法が提案されている。
特開平６‐８１０７号公報 森脇 俊道、外１名、「ニューラルネットワークによるマシニングセンタの熱変形予測」、日本機械学会論文集（Ｃ編）１９９２年６月、第５８巻、第５５０号、ｐ.２４６‐２５１

ニューラルネットワークは、変化する複数の入力データから所定の推論過程に従って出力値を推論し、推論した出力値と実際の値とを比較する操作を繰り返すことによって、いわゆる学習機能により、出力値の予測精度を高めてゆくというものである。

このニューラルネットワーク理論を工作機械の熱変形量の推論に利用することにより、限られた一定量の試験加工データに基づいて作られていた計算式で熱変形量を推定する一般的な方法に比べて、より高い精度で熱変形誤差を補正することが可能であると考えられる。

しかしながら、ニューラルネットワークに与える入力データの種類が適正でなければ、その推論結果にある限度以上の精度を期待することはできず、より高い精度でより速やかに推論値の収束を行わせるためには、ニューラルネットワークに適切な種類の入力データを与えることが不可欠である。

この発明は、ニューラルネットワークを用いた工作機械の熱変形による加工誤差の補正において、従来とは異なる入力データを用いることにより、より高い精度でのワークの加工誤差の補正を可能にすることを課題としている。

本願発明者らは、各種の旋盤において、試験加工によって得られた補正式で演算した補正値と、実際に生じたワークの加工誤差との関係を一日の加工時刻に基づいて整理したところ、演算した補正値と補正すべき加工誤差との間に時間遅れが存在していることが認められた。すなわち、横軸に一日の時間を取り、縦軸に補正値を取って種々の時刻における加工において、演算された補正値δと加工されたワークに残った誤差から求めた補正すべき値δ_tとの値をプロットすると、図３に示すように、両者の間に時間遅れｄが存在することが認められた。この時間遅れｄは、機械の構造の違いや大きさによって異なる値となるが、一日のどの時刻においてもほぼ一定であった。

更に同一形状のワークを連続加工したときの加工誤差の経時変化を整理すると、機械の構造、ワークの材質、使用する切削液の種類などにより、図４に示すような幾種類かの熱偏倚パターンがあることが認められた。例えば図４の熱偏倚パターンａでは、機械の運転を開始した直後から加工誤差が急激にマイナス側に増大し、時間が経過するに従って、その増加量が緩やかになって、やがて一定値に収束するというような熱偏倚パターンを示している。なお、加工誤差がマイナス側に生ずるのは、加工熱によるワークの変形量が工作機械の変形量より大きいときである。

また、同図の熱偏倚パターンｂでは、加工開始直後は加工誤差がマイナス側に一端振れるが、その後プラス側に転じて、時間が経過する毎に加工誤差がプラス側に増大して行くという熱偏倚パターンを示している。このような熱偏倚パターンは、ワークの熱変形量が比較的小さく、機械温度が運転時間に比例して上昇するような場合に現れると考えられ、機械温度が高くなると、周囲への放熱が増大するため、誤差量もプラス側の一定値に収束してくるものと考えられる。

また、同図の熱偏倚パターンｃでは、運転開始初期に誤差量がプラス側に一端振れた後、マイナス側に移行して一定値に収束する傾向を示している。このような熱偏倚パターンは、主軸台や刃物台などにおける機械の局部的な温度上昇がワークの加工誤差に大きく影響しているような加工条件のときに現れると考えられる。

実際の加工現場においては、ワークの加工誤差を抜取り検査等によって計測しているので、作業者は或る機械で或るワークを加工したときに、ワークの加工誤差がどのような経時変化を示すかを経験的に把握している。

この発明は、以上のような知見に基づいてなされたもので、本願請求項１の発明に係る工作機械の熱変形誤差の補正方法では、入力データとして加工時点における機械各部の温度データｔ₁、ｔ₂、ｔ₃・・・を用い、当該時点におけるワークの加工誤差の補正値δ_x、δ_y、δ_zを推論するニューラルネットワーク１を利用した工作機械の熱変形による加工誤差の補正方法において、直近の複数日において各時刻の室温を計測して得られた時刻−室温データを登録し、加工時点における室温として用いる値ｔ₀をこの時刻−室温データから求めて入力データとして用いる。

本願の請求項１の発明は、上記手段を備えた熱変形誤差の補正方法において、予め求めた室温に基づく補正量の誤差を補正するための遅れ時間ｄと、直近の複数日において各時刻の室温を計測して得られた時刻−室温データとを登録し、加工時点における室温として用いる値ｔ₀を前記遅れ時間に応じてシフトさせた上記時刻−室温データから求めて入力データとして用いることを特徴とするものである。

また、本願の請求項２の発明は、上記請求項１又は２記載の手段を備えた熱変形誤差の補正方法において、機械起動時からの経過時間によって変化する熱偏倚の幾つかのパターンａ、ｂ、ｃ・・・を登録すると共にその選択手段６を設け、選択された熱偏倚パターンと加工時の上記経過時間から演算される熱偏倚δ_fを入力データとして用いることを特徴とするものである。

この発明により、工作機械の熱変形に起因するワークの加工誤差の補正値をより正確に推論することができ、ワークの加工精度を高くすることができる。また、経験に基づく熱偏倚パターンを指定することにより、少ない学習時間で高い精度の補正値を推論することが可能になるという効果がある。

図１及び図２は、この発明の実施形態を示した図で、１は３層のニューラルネットワーク、２は一日における時刻Ｔ_dから仮想室温Ｔ₀を予測する第１演算手段、３は機械起動後の経過時間Ｔ_sから仮想誤差δ_fを推論する第２演算手段である。ニューラルネットワーク１には、機械各部に配置した熱電対ｓ₁，ｓ₂・・・が検出した機械温度ｔ₁、ｔ₂・・・が温度測定装置の通信ユニット４を介して入力されている。また、ＣＮＣ装置５の補助記憶装置には、後述する室温データｔ₀のデータ集合、遅れ時間ｄ及び熱偏倚パターンが登録されており、この熱偏倚パターンの選択手段６が設けられている。ニューラルネットワーク１から出力された補正値は、ＣＮＣ装置のＮＣ装置７に送られ、ＮＣ装置７から補正された位置指令が工作機械８に与えられる。

ニューラルネットワーク１の入力層には、仮想室温の推測値ｔ₀、機械各部に設けた温度センサからの検出温度ｔ₁、ｔ₂・・・及び選択した熱偏倚パターンから推測される予想補正値δ_fが入力データとして与えられ、出力層から推論されたＸ、Ｙ及びＺ方向の補正値δ_x、δ_y、δ_zが出力される。

第１演算手段２は、一日の室温の変化を例えば５分間毎の時刻０時００分、０時０５分、０時１０分・・・２３時５５分に計測した室温データを直近の複数日分、例えば７日分蓄積して、各計測時刻における平均室温
｛ｔ_0:00，ｔ_0:05，ｔ_0:10・・・ｔ₂₃;₅₅｝
を演算して記憶する。一方、第１演算手段２には、機械毎に予め求められている室温からの遅れ時間ｄ（図３参照）が設定されている。

第１演算手段２は、加工時点の時刻Ｔ_dが与えられたとき、演算した平均室温の経時変化を示すデータから遅れ時間ｄだけ前の時点の室温ｔ₀を補完演算してニューラルネットワーク１の入力データとする。

第２演算手段３には、図４に示したような機械起動時からのワーク寸法誤差の熱偏倚パターンが、例えば指数関数を用いた数式として登録されている。

作業者は、ワークの加工に先立って、ワーク形状や材質、機械の種類、室温、使用される切削液などを考慮し、登録されている熱偏倚パターンａ、ｂ、ｃ・・・から使用する熱偏倚パターンを選択すると共に、その最大振幅δ_maxについても入力項として入力する。第２演算手段３は、入力された最大振幅δ_maxに基づいて、熱偏倚パターンの演算式に乗ずる係数を決定し、機械起動からの経過時間Ｔ_sを代入して、予測補正量δ_fを算出してニューラルネットワーク１の入力データとする。

ニューラルネットワーク１は、第１演算手段及び第２演算手段から与えられた入力データと、機械各部の温度ｔ₁、ｔ₂・・・を入力データとして補正値δ_x、δ_y、δ_zを推論し、この推論値を加工されたワークに残った誤差と対比して各入力データに乗ずる重み係数を修正することによってワークの加工精度が所望の値以下となるように補正値δ_x、δ_y、δ_zを決定する。実際のワーク加工工程に入った後も、作業者は、適宜ワークの計測を行い、その計測値をコンピュータに入力する。コンピュータは、入力されたデータを用いてニューラルネットワーク１の推論過程を修正してゆくことにより、補正値の精度を向上させる。

この発明の一実施形態を示したブロック図 ニューラルネットワークとその入出力項を示す説明図 室温変化の補正値に与える時間遅れを示した線図 機械起動後の経過時間による加工誤差の熱偏倚パターンの幾つかを示す線図

１ ニューラルネットワーク
６ 選択手段
ｔ₀ 室温として入力する値
ｔ₁、ｔ₂、ｔ₃・・・ 機械各部の温度
ｄ 遅れ時間
δ_x、δ_y、δ_z 加工誤差の補正値
ａ、ｂ、ｃ・・・ 熱偏倚パターン
δ_f 熱偏倚パターンから演算される熱偏倚

Claims (2)

1. ワークの加工誤差の補正値をニューラルネットワークを利用して推論する工作機械の熱変形による加工誤差の補正方法において、
   直近の複数日の各計測時刻における室温を平均して得られた時刻−室温データと機械毎に予め求めた室温に関する遅れ時間とを記憶して、時刻が与えられたとき前記遅れ時間だけ前の時点の室温を出力する第１演算手段を設け、
   ワーク加工時点における機械各部の温度データと、
   当該加工時点の時刻を与えたときに出力される前記第１演算手段の出力値とを、
   前記ニューラルネットワークの入力データとして用いることを特徴とする、工作機械の熱変形誤差の補正方法。
2. 機械起動時からの経過時間によって変化する熱偏倚の幾つかのパターンを記憶し、選択手段により選択された熱偏倚パターンと機械起動時からの経過時間とから仮の加工誤差を演算する第２演算手段を設け、ワーク加工時点における第２演算手段の出力値を前記ニューラルネットワークの入力データとして用いることを特徴とする、請求項１記載の熱変形誤差の補正方法。

Images