JP6856591B2 - 制御装置、cnc装置及び制御装置の制御方法 - Google Patents
制御装置、cnc装置及び制御装置の制御方法 Download PDFInfo
- Publication number
- JP6856591B2 JP6856591B2 JP2018169921A JP2018169921A JP6856591B2 JP 6856591 B2 JP6856591 B2 JP 6856591B2 JP 2018169921 A JP2018169921 A JP 2018169921A JP 2018169921 A JP2018169921 A JP 2018169921A JP 6856591 B2 JP6856591 B2 JP 6856591B2
- Authority
- JP
- Japan
- Prior art keywords
- unit
- control device
- machine
- health check
- deterioration
- 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.)
- Active
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
- G05B19/406—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 characterised by monitoring or safety
- G05B19/4065—Monitoring tool breakage, life or condition
-
- 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
- G05B19/4142—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller characterised by the use of a microprocessor
-
- 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
- G05B19/406—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 characterised by monitoring or safety
- G05B19/4062—Monitoring servoloop, e.g. overload of servomotor, loss of feedback or reference
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31455—Monitor process status
-
- 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
- G05B2219/34—Director, elements to supervisory
- G05B2219/34013—Servocontroller
-
- 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
- G05B2219/42—Servomotor, servo controller kind till VSS
- G05B2219/42271—Monitor parameters, conditions servo for maintenance, lubrication, repair purposes
Description
前記駆動部の動作特性を取得するために前記モータ制御装置を駆動するヘルスチェック動作の指示を出力するヘルスチェック動作指示部(例えば、後述の、ヘルスチェック動作指示部510)と、
前記ヘルスチェック動作の指示に基づいて駆動した、前記モータ制御装置又は前記機械から前記駆動部の動作特性を示す情報を取得して、該情報を用いた評価関数に基づいて評価値を算出し、前記評価値を前記ヘルスチェック動作の実行時の時刻情報又は前記モータの動作情報を対応付けて記憶部(例えば、後述の、記憶部530)に記憶する動作評価部(例えば、後述の、動作評価部520)と、
前記ヘルスチェック動作をさせたときに、前記動作評価部により算出された評価値と、前記記憶部に記憶された前記評価値と、に基づいて前記機械の駆動部の動作特性の劣化を推定する劣化推定部(例えば、後述の、劣化推定部540)と、
を備えた、制御装置(例えば、後述の制御装置500)である。
前記駆動部の動作特性を取得するために前記モータ制御装置を駆動するヘルスチェック動作の指示を出力するヘルスチェック動作指示ステップと、
前記ヘルスチェック動作の指示に基づいて駆動した、前記モータ制御装置又は前記機械から前記駆動部の動作特性を示す情報を取得して、該情報を用いた評価関数に基づいて評価値を算出し、前記評価値を前記ヘルスチェック動作の実行時の時刻情報又は前記モータの動作情報を対応付けて前記記憶部に記憶する動作評価ステップと、
前記ヘルスチェック動作をさせたときに、前記動作評価ステップにおいて算出された評価値と、前記記憶部において記憶された前記評価値と、に基づいて前記機械の駆動部の動作特性の劣化を推定する劣化推定ステップと、
を備える、制御方法である。
前記劣化推定ステップにおいて推定された前記機械の駆動部の動作特性の劣化の推定結果に基づいて、前記機械学習部に対して前記制御パラメータの機械学習を指示する機械学習指示ステップを、備えてもよい。
前記劣化推定ステップにおいて、前記機械の駆動部の動作特性の劣化の推定結果に基づいて、前記機械の駆動部の動作特性の劣化を知らせる報知ステップ、を備えてもよい。
(第1の実施形態)
図1に示すように、機械制御システム10は、数値制御装置100、サーボ制御装置200、サーボモータ300、機械400及び制御装置500を備えている。サーボ制御装置200はモータ制御装置となる。数値制御装置100、サーボ制御装置200及びサーボモータ300はCNC装置20を構成する。なお、制御装置500は、CNC装置20に含まれてもよい。機械400はサーボモータ300の駆動対象となる。
数値制御装置100は、数値制御処理部101及び記憶部102を備えている。記憶部102はヘルスチェック用の加工プログラム、機械学習用の加工プログラム、及び実際の加工処理を行う場合の加工プログラムを記憶している。数値制御処理部101は、制御装置500のヘルスチェック動作指示部510からヘルスチェック動作の指示を受けて記憶部102からヘルスチェック用の加工プログラムを読み出して、制御指令となる位置指令を生成してサーボ制御装置200に出力する。
また、数値制御処理部101は、機械学習時又は実際の加工処理時には、制御装置500の機械学習部550から機械学習実行指示を受けて、又は操作者から加工実行指示を受けて記憶部102から機械学習用又は実際の加工処理用の加工プログラムを読み出して、位置指令を生成してサーボ制御装置200に出力する。なお、数値制御処理部101は機械学習部550の代わりに、劣化推定部540から機械学習実行指示を受けてもよい。
フィルタ201は、機械400の振動を抑制する制振フィルタで、例えば数式1(以下に数1として示す)で示されるバンドストップフィルタが用いられる。
微分器205は、位置指令値を微分して定数αを掛けた値を、位置フィードフォワード処理部206に出力する。位置フィードフォワード処理部206は、微分器205からの出力に対して、数式2(以下に数2として示す)で示す伝達関数G(s)で示された位置フィードフォワード処理を行い、その処理結果を位置フィードフォワード項として、加算器204に出力する。数式2の係数ai、bj(X≧i,j≧0、Xは自然数)は伝達関数G(s)の各係数である。
以上のように、サーボ制御装置200は構成される。
機械400は、工作機械、産業機械等である。サーボモータ300は工作機械、産業機械等の機械400に含まれてもよい。図2では機械400は工作機械として示され、工作機械の一部を示している。図2に示すように、機械400は、サーボモータ300の回転軸に連結されたボールねじ401、ボールねじ401に螺合されたナット402、ナット402に接続されたテーブル403を備えている。ボールねじ401、ナット402、及びテーブル403は駆動部を構成する。サーボモータ300の回転駆動によって、ボールねじ401に螺着されたナット402がボールねじ410の軸方向に移動する。
まず、制御装置500によるヘルスチェック動作の目的について説明する。ここで、ヘルスチェック動作とは、ヘルスチェック用の加工プログラム用いてサーボ制御装置を駆動し、機械の駆動部の動作特性を示す情報を取得して、この情報を用いた評価関数に基づいて評価値を求め、評価値に基づいて機械の経年劣化を推定する動作である。なお、動作特性の劣化の一例として、機械の使用による経年劣化を取り上げたが、これに限定されず、例えば、温度、湿度、振動等の周囲環境の変化によって生ずる動作特性の劣化も含まれる。
数値制御装置100の記憶部102に記憶されるヘルスチェック用の加工プログラムは、サーボ制御装置200によるサーボモータ300の制御によって、テーブル403上の特定点の移動軌跡MLが、図3に示すような、角がR付きの四角形(a square with quarter arc)となるような加工プログラムである。図3に示す移動軌跡MLにおいて、位置P1では、テーブルをY軸方向に移動するサーボモータは、位置P1を過ぎると減速し、位置P2で回転が停止する。一方、位置P1で、テーブルをX軸方向に移動するサーボモータは回転を開始し、位置P2で回転速度は一定になる。ヘルスチェック用の加工プログラムはテーブル403にワークを搭載せず、ワークの加工を行わずに動作させる。
制御装置500は、経年劣化の推定結果に基づいて、機械学習によるフィルタ201の係数の調整に代わって、又は係数の調整とともに操作者(オペレータ)又は管理者に報知を行う等の処理を行ってもよい。
なお、機械学習は、情報処理量が多いために一定の学習時間を要するために、再学習は頻繁に行うと再学習のために機械の稼働効率が低下する。また、報知を頻繁に行うと、報知を監視する操作者のオペレータ又は管理者の負荷が増大する。
そこで、制御装置500は、必要なときに再学習又は報知を行うように、ヘルスチェック動作を行う。
制御装置500は、図1に示すように、ヘルスチェック動作指示部510、動作評価部520、記憶部530、劣化推定部540、機械学習部550、及び報知部560を備えている。
評価関数は、例えば、以下に示す数式3又は数式4の評価関数を用いることができる。数式3における係数Ca、係数Cb、及び数式4における係数Cc、係数Cdはそれぞれ重み係数である。数式4における係数t0は、サーボモータ300の速度指令値が変化してから位置偏差eが所定の範囲に収まるまでの時間である。なお、評価関数は数式3又は数式4に示した評価関数に限定されない。例えば、数式3及び数式4の位置偏差eの絶対値の時間積分は、位置偏差eの絶対値の2乗の時間積分、位置偏差eの絶対値の集合の最大値を用いてもよい。
数式3の評価関数は、図5の実線で示す位置偏差のよりも破線で示す位置偏差の方が振動が少なく|de/dt|の時間積分の値が小さくなり、評価値が小さくなる。よって、より良好な結果として評価される。数式4の評価関数は、図6の実線で示す位置偏差のよりも破線で示す位置偏差の方が、瞬間的な偏差は大きいが定常偏差が小さくなり、t0の時間積分の値が小さくなり、評価値が小さくなる。よって、より良好な結果として評価される。
数式3又は数式4の評価関数に基づいて求めた評価値EAは、劣化推定部540及び記憶部530に出力される。
劣化推定特性を求める場合、n次曲線を想定し、その係数を最小二乗法を用いて決めて、劣化推定特性曲線を求めてもよい。なお、ヘルスチェック動作の実行時の時刻情報に代えてサーボモータ300の移動量等の動作情報を用いてもよい。
劣化推定部540は再学習後に、同様に、劣化推定特性直線を求め、劣化推定特性直線に基づいて次回の学習時期を推定し、機械学習部550に機械学習指示を送る。
劣化推定部540は、機械学習指示を送る代わりに、又は機械学習指示を送るととともに、報知部560に報知指示を送ってもよい。
なお、劣化推定部540は機械学習部550に機械学習指示を送るとともに、数値制御装置100の数値制御処理部101に機械学習実行指示を送ってもよい。この場合、機械学習部550は機械学習実行指示を数値制御処理部101に送らなくてよい。
機械学習部550は、サーボ制御装置200の減算器202の出力である位置偏差eを取得し、サーボ制御装置200のフィルタ201の伝達関数の係数ω、τ及びσの最適値を機械学習し、伝達関数の係数ω、τ及びσを最適値に調整する。この機械学習の詳細については後述する。
まず、動作評価部520は、ステップS11において、ヘルスチェック動作の指示により駆動するサーボ制御装置200の減算器202の出力である位置偏差eを取得し、評価関数を用いて評価値EAを求める。
次に、劣化推定部540は、ステップS12において、出荷前の機械学習後からの評価値を用いて劣化推定特性(劣化推定特性直線)を作成する。劣化推定部540は、ステップS13において、劣化推定特性直線に基づいて学習時期を推定し、機械学習部550に機械学習指示を送る。
機械学習部550はステップS14において、機械学習指示に基づいて機械学習を行う。
ステップS15において、操作者の指示等により、制御装置500は、経年劣化の推定を続行するかどうかを判断し、続行する場合は(ステップS15のYESの場合)、ステップS11に戻り、動作評価部520は、次のヘルスチェック動作の指示により位置偏差eが得られるまで待つ。
経年劣化の推定を続行しない場合は(ステップS15のNOの場合)、制御装置500のヘルスチェック動作を終了する。
<機械学習部550>
ここで、学習時の加工プログラムにより指定される移動軌跡は、例えば、図3に示した角がR付きの四角形の他に、図9〜図12に示す、円形、四角形、八角形、及び星形等がある。学習は図3及び図9〜図12に示す学習時の加工プログラムを適宜組み合わせて行う。
このような、学習時の加工プログラムにより指定される移動軌跡により、テーブルをX軸方向又は/及びY軸方向に移動するサーボモータサーボモータの回転方向が反転したり、回転状態から停止したりする場合に生ずる振動を評価し、位置偏差に対する影響を調べることができる。
上述した数式2は、試行Atの結果、返ってきた報酬rt+1を元に、状態Stにおける行動Atの価値Q(St,At)を更新する方法を表している。
ここで、報酬rを次のように設定する。
行動情報Aにより状態情報Sが状態情報S´に修正された場合、状態情報S´に係る修正後の係数ω、τ及びσに基づいて動作したサーボ制御装置200の位置偏差eの評価関数の値が、行動情報Aにより修正される前の状態情報Sに係る修正前の係数ω、τ及びσに基づいて動作したサーボ制御装置200の位置偏差eの評価関数の値よりも大きくなった場合に、報酬の値を負の値とする。評価関数は例えば、動作評価部520で用いた数式3又は数式4の評価関数を用いことができる。しかし、機械学習で用いる評価関数は動作評価部520で用いられる評価関数とは別な評価関数を用いてもよい。
Q学習では、機械学習部505は、例えば、将来にわたっての報酬rの合計が最大になる最適な行動Aを試行錯誤的に探索する。そうすることで、機械学習部505は、係数ω、τ及びσに基づいて、学習時の加工プログラムを実行することで取得されるサーボ制御装置200の位置偏差情報を含む指令、フィードバック等のサーボ状態を含む状態Sに対して、最適な行動A(すなわち、最適なフィルタ201の伝達関数の係数ω、τ及びσの値)を選択することが可能となる。
上述した強化学習を行うために、図13に示すように、機械学習部505は、状態情報取得部551、学習部552、行動情報出力部553、価値関数記憶部554、及び最適化行動情報出力部555を備える。
状態情報取得部551は、取得した状態情報Sを学習部552に対して出力する。
なお、最初にQ学習を開始する時点での係数ω、τ及びσは、予めユーザが生成する。
なお、行動情報Aにより修正された状態情報S´に係る修正後のフィルタ201に基づいてサーボ制御装置200が動作したときの評価関数fの値f(e(S´))が、行動情報Aにより修正される前の状態情報Sに係る修正前のフィルタ201に基づいてサーボ制御装置200が動作したときの評価関数fの値f(e(S))と等しい場合は、報酬出力部5521は、報酬の値をゼロとする。
なお、価値関数Qの更新は、オンライン学習で行ってもよく、バッチ学習で行ってもよく、ミニバッチ学習で行ってもよい。
オンライン学習は、或る行動Aを現在の状態Sに適用することにより、状態Sが新たな状態S´に遷移する都度、即座に価値関数Qの更新を行う学習方法である。また、バッチ学習は、或る行動Aを現在の状態Sに適用することにより、状態Sが新たな状態S´に遷移することを繰り返すことにより、学習用のデータを収集し、収集した全ての学習用データを用いて、価値関数Qの更新を行う学習方法である。更に、ミニバッチ学習は、オンライン学習と、バッチ学習の中間的な、ある程度学習用データが溜まるたびに価値関数Qの更新を行う学習方法である。
この最適化行動情報には、行動情報出力部553がQ学習の過程において出力する行動情報と同様に、フィルタ201の伝達関数の係数ω、τ及びσを修正する情報が含まれる。
以上のように、機械学習部550を利用することで、サーボ制御装置200のフィルタ201の伝達関数の係数ω、τ及びσの調整を簡易化することができる。
これらの機能ブロックを実現するために、数値制御装置100、サーボ制御装置200及び制御装置500は、CPU(Central Processing Unit)等の演算処理装置を備える。また、サーボ制御装置200は、アプリケーションソフトウェアやOS(Operating System)等の各種の制御用プログラムを格納したHDD(Hard Disk Drive)等の補助記憶装置や、演算処理装置がプログラムを実行する上で一時的に必要とされるデータを格納するためのRAM(Random Access Memory)といった主記憶装置も備える。
図14は本発明の第2の実施形態の機械制御システムにおける数値制御装置、サーボ制御装置及び機械の構成を示すブロック図である。
本実施形態の機械制御システムは、サーボ制御装置の構成を除いて、図1及び図2に示した機械制御システム10と同じ構成である。
上述した実施形態では、モータとしてサーボモータ、モータ制御装置としてサーボ制御装置を用いて例について説明したが、これに限定されず、例えば、モータとしてステッピングモータを用い、モータ制御装置としてサーボ制御を行わない制御装置を用いてもよい。
また、上述した実施形態では、制御装置が、機械の駆動部の動作特性を示す情報としての位置偏差をサーボ制御装置から取得したが、かかる情報が機械の駆動部の加速度情報である場合は、機械に取り付けられた加速度センサから取得してもよい。つまり、機械の駆動部の動作特性を示す情報はサーボ制御装置又は機械から取得することができる。
また、上述した実施形態では、数値制御装置からモータ制御装置に出力する制御指令は位置指令として説明したが、位置指令に限定されず、例えば速度指令であってもよい。
<制御装置がCNC装置の外部に設けられた変形例>
図15は機械制御システムの他の構成例を示すブロック図である。図15に示す機械制御システム10Aが、図1に示した機械制御システム10と異なる点は、n(nは2以上の自然数)個の制御装置500−1〜500−nがn個のCNC装置20A−1〜20A−nとネットワーク600を介して接続されていることである。CNC装置20A−1〜20A−nは機械400−1〜400−nと接続されている。CNC装置20A−1〜20A−nはそれぞれ図1に示したCNC装置20と同じ構成を有している。制御装置500−1〜500−nはそれぞれ図1に示した制御装置500と同じ構成を有している。また、機械400−1〜400−nはそれぞれ図2に示した機械400と構成と同じ構成を有している。
上述した変形例では、CNC装置20A−1〜20A−nと制御装置500−1〜500−nとはそれぞれ1対1の組とされて通信可能に接続されているが、例えば1台の制御装置が、複数のCNC装置とネットワーク600を介して通信可能に接続され、各CNC装置のヘルスチェック動作及び機械学習を実施するようにしてもよい。
その際、1台の制御装置の各機能を、適宜複数のサーバに分散する、分散処理システムとしてもよい。また、クラウド上で仮想サーバ機能等を利用して、1台の制御装置の各機能を実現してもよい。
20、20−1〜20−n CNC装置
100 数値制御装置
200 サーボ制御装置
300 サーボモータ
400、400−1〜400−n 機械
500、500−1〜500−n 制御装置
510 ヘルスチェック動作指示部
520 動作評価部
530 記憶部
540 劣化推定部
550 機械学習部
560 報知部
Claims (7)
- モータの駆動対象となる機械の駆動部の動作特性を決める制御パラメータを機械学習して、前記制御パラメータを、前記モータを制御するモータ制御装置に設定する機械学習部と、
前記駆動部の動作特性を取得するために前記モータ制御装置を駆動するヘルスチェック動作の指示を出力するヘルスチェック動作指示部と、
前記ヘルスチェック動作の指示に基づいて駆動した、前記モータ制御装置又は前記機械から前記駆動部の動作特性を示す情報を取得して、該情報を用いた評価関数に基づいて評価値を算出し、前記評価値を前記ヘルスチェック動作の実行時の時刻情報又は前記モータの動作情報を対応付けて記憶部に記憶する動作評価部と、
前記ヘルスチェック動作をさせたときに、前記動作評価部により算出された評価値と、前記記憶部に記憶された前記評価値と、に基づいて前記機械の駆動部の動作特性の劣化を推定する劣化推定部と、
を備え、
前記劣化推定部は、前記機械の駆動部の動作特性の劣化の推定結果に基づいて、前記機械学習部に対して前記制御パラメータの機械学習を指示する、制御装置。 - 前記劣化推定部は、前記機械の駆動部の動作特性の劣化の推定結果に基づいて、前記機械の駆動部の動作特性の劣化を知らせる報知部に報知を指示する、請求項1に記載の制御装置。
- 前記ヘルスチェック動作指示部は、所定の信号の入力時に又は所定のスケジュールでヘルスチェック動作の指示を出力する、請求項1又は2に記載の制御装置。
- 前記ヘルスチェック動作指示部は、前記ヘルスチェック動作の指示を、前記モータ制御装置に制御指令を出力する数値制御装置に送る、請求項1から3のいずれか1項に記載の制御装置。
- 請求項4に記載の制御装置と、モータを制御するモータ制御装置と、該制御装置から出力されるヘルスチェック動作の指示に基づいて、前記モータ制御装置に制御指令を出力する数値制御装置と、を備えたCNC装置。
- 記憶部と、モータの駆動対象となる機械の駆動部の動作特性を決める制御パラメータを機械学習して、前記制御パラメータを、前記モータを制御するモータ制御装置に設定する機械学習部を備える制御装置により、
前記駆動部の動作特性を取得するために前記モータ制御装置を駆動するヘルスチェック動作の指示を出力するヘルスチェック動作指示ステップと、
前記ヘルスチェック動作の指示に基づいて駆動した、前記モータ制御装置又は前記機械から前記駆動部の動作特性を示す情報を取得して、該情報を用いた評価関数に基づいて評価値を算出し、前記評価値を前記ヘルスチェック動作の実行時の時刻情報又は前記モータの動作情報を対応付けて前記記憶部に記憶する動作評価ステップと、
前記ヘルスチェック動作をさせたときに、前記動作評価ステップにおいて算出された評価値と、前記記憶部において記憶された前記評価値と、に基づいて前記機械の駆動部の動作特性の劣化を推定する劣化推定ステップと、
を備え、
前記劣化推定ステップは、さらに、
前記劣化推定ステップにおいて推定された前記機械の駆動部の動作特性の劣化の推定結果に基づいて、前記機械学習部に対して前記制御パラメータの機械学習を指示する機械学習指示ステップを、備え、
前記劣化推定ステップは、さらに、
前記劣化推定ステップにおいて推定された前記機械の駆動部の動作特性の劣化の推定結果に基づいて、前記機械学習部に対して前記制御パラメータの機械学習を指示する機械学習指示ステップを備える、制御方法。 - 前記劣化推定ステップは、さらに、
前記劣化推定ステップにおいて、前記機械の駆動部の動作特性の劣化の推定結果に基づいて、前記機械の駆動部の動作特性の劣化を知らせる報知ステップを備える請求項6に記載の制御方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018169921A JP6856591B2 (ja) | 2018-09-11 | 2018-09-11 | 制御装置、cnc装置及び制御装置の制御方法 |
US16/552,155 US11287801B2 (en) | 2018-09-11 | 2019-08-27 | Control device, CNC device, and control method |
DE102019213431.9A DE102019213431A1 (de) | 2018-09-11 | 2019-09-04 | Steuervorrichtung, CNC-Vorrichtung und Steuerverfahren |
CN201910842338.4A CN110888398B (zh) | 2018-09-11 | 2019-09-06 | 控制装置、cnc装置以及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018169921A JP6856591B2 (ja) | 2018-09-11 | 2018-09-11 | 制御装置、cnc装置及び制御装置の制御方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020042585A JP2020042585A (ja) | 2020-03-19 |
JP6856591B2 true JP6856591B2 (ja) | 2021-04-07 |
Family
ID=69621688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018169921A Active JP6856591B2 (ja) | 2018-09-11 | 2018-09-11 | 制御装置、cnc装置及び制御装置の制御方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11287801B2 (ja) |
JP (1) | JP6856591B2 (ja) |
DE (1) | DE102019213431A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7187397B2 (ja) * | 2019-07-18 | 2022-12-12 | オークマ株式会社 | 工作機械における診断モデルの再学習要否判定方法及び再学習要否判定装置、再学習要否判定プログラム |
CN112034715B (zh) * | 2020-09-17 | 2021-07-13 | 福州大学 | 一种基于改进q学习算法的电机伺服系统无模型反馈控制器设计方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011134169A (ja) * | 2009-12-25 | 2011-07-07 | Mitsubishi Heavy Ind Ltd | 制御パラメータ調整方法及び調整装置 |
KR101489116B1 (ko) * | 2011-05-31 | 2015-02-02 | 미쓰비시덴키 가부시키가이샤 | 구동 기계의 부하 특성 추정 장치 |
JP6340236B2 (ja) * | 2014-04-15 | 2018-06-06 | 三菱重工工作機械株式会社 | 工作機械の診断方法及びシステム |
CN107077124B (zh) * | 2014-10-27 | 2019-10-15 | 株式会社牧野铣床制作所 | 机床的控制方法以及机床的控制装置 |
JP5956619B2 (ja) * | 2015-01-13 | 2016-07-27 | ファナック株式会社 | 加工条件に応じてパラメータを調整するパラメータ自動調整装置 |
JP6148316B2 (ja) * | 2015-07-31 | 2017-06-14 | ファナック株式会社 | 故障条件を学習する機械学習方法及び機械学習装置、並びに該機械学習装置を備えた故障予知装置及び故障予知システム |
JP6444851B2 (ja) * | 2015-12-24 | 2018-12-26 | ファナック株式会社 | ノイズの発生原因を検出する学習機能を有する制御装置 |
JP6140331B1 (ja) * | 2016-04-08 | 2017-05-31 | ファナック株式会社 | 主軸または主軸を駆動するモータの故障予知を学習する機械学習装置および機械学習方法、並びに、機械学習装置を備えた故障予知装置および故障予知システム |
JP6542713B2 (ja) * | 2016-06-09 | 2019-07-10 | ファナック株式会社 | 異常負荷検出の閾値を学習する機械学習器,数値制御装置および機械学習方法 |
JP6426667B2 (ja) * | 2016-08-10 | 2018-11-21 | 三菱重工工作機械株式会社 | 工作機械の工具の異常検知装置及び方法 |
JP6346253B2 (ja) * | 2016-12-05 | 2018-06-20 | ファナック株式会社 | 工作機械及び機械学習装置 |
JP6386523B2 (ja) * | 2016-12-15 | 2018-09-05 | ファナック株式会社 | Nandフラッシュメモリの寿命を予測する機械学習装置、寿命予測装置、数値制御装置、生産システム、及び機械学習方法 |
JP6453919B2 (ja) * | 2017-01-26 | 2019-01-16 | ファナック株式会社 | 行動情報学習装置、行動情報最適化システム及び行動情報学習プログラム |
JP6659647B2 (ja) * | 2017-09-29 | 2020-03-04 | ファナック株式会社 | 数値制御システム及び逆流防止弁状態検知方法 |
JP6469320B1 (ja) * | 2017-11-10 | 2019-02-13 | 三菱電機株式会社 | サーボ制御装置 |
DE112018000122T8 (de) * | 2018-06-14 | 2020-04-09 | Mitsubishi Electric Corporation | Maschinelles-Lernen-Vorrichtung, Korrekturparameter-Anpassungssystem und Maschinelles-Lernen-Verfahren |
-
2018
- 2018-09-11 JP JP2018169921A patent/JP6856591B2/ja active Active
-
2019
- 2019-08-27 US US16/552,155 patent/US11287801B2/en active Active
- 2019-09-04 DE DE102019213431.9A patent/DE102019213431A1/de active Pending
Also Published As
Publication number | Publication date |
---|---|
DE102019213431A1 (de) | 2020-03-12 |
US20200081411A1 (en) | 2020-03-12 |
CN110888398A (zh) | 2020-03-17 |
US11287801B2 (en) | 2022-03-29 |
JP2020042585A (ja) | 2020-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10481566B2 (en) | Machine learning device, servo control device, servo control system and machine learning method | |
JP6474449B2 (ja) | 調整装置及び調整方法 | |
US10747193B2 (en) | Machine learning apparatus, servo control apparatus, servo control system, and machine learning method | |
JP6569927B1 (ja) | 異常判定システム、モータ制御装置、及び異常判定装置 | |
WO2018151215A1 (ja) | 制御装置及び制御方法 | |
JP6740277B2 (ja) | 機械学習装置、制御装置、及び機械学習方法 | |
JP6748135B2 (ja) | 機械学習装置、サーボ制御装置、サーボ制御システム、及び機械学習方法 | |
CN105619424B (zh) | 电机驱动设备的控制设备及方法、多轴电机的控制设备 | |
JP2018152012A (ja) | 機械学習装置、サーボ制御装置、サーボ制御システム、及び機械学習方法 | |
JP6740278B2 (ja) | 機械学習装置、制御装置、及び機械学習方法 | |
CN110658785B (zh) | 输出装置、控制装置、以及评价函数值的输出方法 | |
JP6928669B2 (ja) | 制御システム、工場システム、学習システム、推定用モデルの生成方法及びアクチュエータの状態推定方法 | |
US11126149B2 (en) | Control parameter adjusting device and adjusting method using machine learning | |
US11680916B2 (en) | Machine learning device, control system, and machine learning method | |
JP6841801B2 (ja) | 機械学習装置、制御システム及び機械学習方法 | |
JP6856591B2 (ja) | 制御装置、cnc装置及び制御装置の制御方法 | |
JP6806746B2 (ja) | モータ制御装置 | |
JP7000371B2 (ja) | 機械学習装置、制御システム及び機械学習方法 | |
CN110888398B (zh) | 控制装置、cnc装置以及控制方法 | |
JP7469476B2 (ja) | 制御支援装置、制御システム及び制御支援方法 | |
WO2023181418A1 (ja) | 制御パラメータを調整する調整装置、制御システム及び制御パラメータ調整方法 | |
WO2023153446A1 (ja) | 提案装置、提案システム、提案方法、及び、プログラム | |
JP6740290B2 (ja) | 機械学習装置、制御装置、及び機械学習方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200210 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20200416 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20200515 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200916 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201006 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201130 |
|
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: 20210216 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210318 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6856591 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |