JPH03251355A - 研摩データ作成装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は表面研摩装置に関し、詳細には加工物表面の形
状を自動計測して、その計測結果に基づいて研摩表面の
面形状情報と研削量情報とを含む研摩データを作成する
研摩データ作成装置に関する。

〔従来の技術〕

従来から、加工物表面を距離センサを用いて走査し、得
られた距離データと、測定点の位置データとから加工物
表面の形状を予め定義した形状パターン（例えば段差、
溶接ビード残、面うねり等）のいずれに該当するかを判
定すると共にその形状パターンに応じた研摩加工データ
を作成する形状データ作成手段を備えた研摩データ作成
装置が用いられている。

通常、これらの装置では表面形状の測定は人手を介さず
に自動的に行なわれる。また、上記研摩データ作成装置
により作成された、面形状パターンデータと研削量デー
タとを含む形状データは研摩ロボット等の自動研摩加工
装置に入力され、面形状パターンデータと研削量データ
とに応じた加（１） （２） 正方法で研摩ロボットが自動的に加工面の研摩作業を行
なうようにされている。

〔発明が解決しようとする課題〕

上述の研摩データ作成装置から出力されるデータは、い
わゆる“クリスプ″′なデータであり、例えばある形状
を表わす情報はその形状が前述の形状パターンのどれに
該当するかくしないか）、の二者択一的な判断結果によ
るものであった。すなわち「形状パターンが“段差″で
あり研削量が０．５４［０１１１である」という形状デ
ータは、加工表面に「“段差”が存在する」と「段差の
高さ（所要研削量）は０．５４ｍｍ」であるという１０
０％の信頼度を持った情報として研摩ロボットに与えら
れ、研摩ロボットはこの情報を基に加エバターンを決定
し、与えられた研削量だけ表面を研削する研摩作業を行
なっていた。

ところが、現実の加工面は複雑な形状であり、必ずしも
予め定義した形状パターンに完全に当てはまるものでは
なく、人間の眼で見ても判断が罵しい形状も存在する。

また距離センサーの計測結果も１００％信頼できるもの
ではなく、ある程度のバラつき（計測誤差）を含んでい
る。従って従来の研摩データ作成装置による形状データ
をそのまま研摩ロボットに与えて加工を行なった場合、
研摩ロボットは、現実の加工表面が与えられた形状パタ
ーンにどの程度適合しているか、或いは与えられた研削
量データがどの程度信頼できるかとは無関係に、形状パ
ターン毎に設定された加工方法で、与えられた研削量の
研摩作業を行う。このため表面の研削量不足、或いは研
削量過大（削り過ぎ）や不必要な場所の研削等を生じる
場合があり加工品質の低下を招いていた。特に研削量過
大や不必要な場所の研削等があった場合、後で修正を行
なうことは困難であるため問題があり、従来よりロボッ
トによる研摩作業においては、削り過ぎを防止しながら
できるだけ精度良く研摩加工を行なうことができる装置
の開発が課題となっていた。

本発明は、上記問題に鑑み、前記形状データ作成手段か
ら出力される形状データを吟味して、デ（３） （４） 一夕自体の信頼度を加味した修正研摩データとして出力
し研摩ロボットによる加工の品質を向上させることを目
的としている。

〔課題を解決するための手段〕

本発明によれば第１図の発明の構成図に示すように加工
面の形状を測定する計測手段Ａと、該計測手段の計測結
果に基づいて加工面の面形状パターンデータと、所要研
削位置データと、研削量データとを含む形状データを作
成する形状データ作成手段Ｂと、前記形状データに含ま
れる面形状パターンデータの種類に応じてとるべきファ
ジー推論ルールを選択する選択手段Ｃと、選択された推
論ルールに基づいてファジー推論を実行して前記形状デ
ータの信頼度を算出し、前記形状データと前記信頼度と
を含む研摩データを作成する形状データ処理手段りとを
備えたことを特徴とする研摩データ作成装置が提供され
る。

〔作　用〕

計測手段Ａにより測定した加工面の測定結果は形状デー
タ作成手段已により処理されて面形状パターンデータと
研削位置データ及び研削量データとを含む形状データに
変換される。選択手段Ｃは、形状データに含まれた面形
状パターンデータの種類に応じて、予め設定したどのフ
ァジー推論ルールを適用するかを判定し、形状データ処
理手段りに出力する。形状データ処理手段りは選択手段
Ｃにより選択された推論ルールに基づいてファジー推論
を実行し、前記形状データを処理して形状データの信頼
度を算出すると共に、形状データとその信頼度とを含む
研摩データを作成する。

〔実施例〕 第２図に本発明による研摩データ作成装置の１実施例を
示す。本実施例の装置は、例えば自動車ボディ外板等の
ように金属板を溶接により接合した加工物（ワーク）１
２の溶接部を研摩仕上するのに用いられる。第２図にお
いて１０は形状データ作（５） （６） 成装胃、２０は形状データ作成装置の作成した形状デー
タにファジー推論を加え、形状データの信頼度を加味し
た研摩データを作成する形状データ処理装置、３０は作
成された研摩データに基づいて研摩ロボット４０に研摩
作業を行なわせる制御装置である。

形状データ作成装置１０は複数の距離センサ（本実施例
では５つのレーザ式距離センサを使用。）１１８〜１１
ｅを用いてワーク表面を溶接線１３に直角に走査して、
各距離センサｌｌａ〜１１ｅとワーク１２表面との間の
距離と距離センサのワーク１２表面上の位置からワーク
１２表面の溶接線１３近傍の凹凸を計測する形式のもの
が用いられている。上記距離センサｌｌａ〜ｌｉｅによ
り得られたワーク表面の凹凸形状は、形状データ作成装
置１０内で処理され、予め定義した面形状パターンのう
ちのいずれかに分類されると共に、それぞれの面形状パ
ターンにおける研削量データとして出力される。

本実施例においては、面形状パターンは第３図（Ａ）か
ら第３図（Ｄ）に示す４種類の断面形状で定義されてお
り、それぞれ“ビード残″（第３図（Ａ））、“段差″
（第３図（Ｂ））、“ヒケ″（第３図（Ｃ））、′面う
ねり″（第３図（Ｄ））と称している。

第３図（Ａ）から第３図（Ｄ）においてΔＨ１Δｈで示
したのはそれぞれのパターンにおける所要研削量の代表
値であり、この値が研削量データとして出力される。

形状データ作成装置１０内での計測データの処理方法は
概略以下の方法により実行される。

ワーク１２はレーザ距離センサｌｌａ〜１１ｅの走査装
置に対して機械的に位置決めされ、常に溶接線１３中心
が距離センサｌｌａ〜ｌｉｅの走査区間の中央に位置す
るように保持される。第４図は１つの距離センサの計測
結果を表わした図であり、縦軸はワーク表面とセンサと
の距離、横軸はセンサの走査距離を表わしている。上述
のように溶接線１３の中心は走査区間の中央に位置して
おり、この点１５が基準点となる。第４図（Ａ）は“ビ
ード残”の状態の１つのセンサの出力を示しており、縦
軸に距離センサとワーク表面との間の距離をとった関（
７） （８） 係で計測結果は凹形状の曲線になっているが実際の断面
形状はワーク表面から溶接線１３部分が突出した形状で
ある。１つの距離センサに関して第４図に示したような
計測結果が得られると、まず計測結果の曲線は前記基準
点１５から両側に等距離の区間β１と１２とに区切られ
、それぞれの区間内で計測距離が予め設定した中以上に
ステップ状に変化している部分（図の１６．１７部分）
が存在するか否かが判定される。ここで第４図のように
基準点１５の両側の区ＮＪ１ｒ’β２に設定値以上のス
テップ状変化部分がある場合、面形状パターンは“ビー
ド残”と判定され、片側の区間にのみステップ状変化部
分が１６ａがある場合（第４Ｂ図）には“段差”と判定
される。また、第４図（Ｃ）の如くステップ状変化部分
がなく、片側の区間にのみ、設定値以上のピーク値１６
ｂがある場合は面形状は“ヒケ”と判定される。“ビー
ド残”、“段差″“ヒケ”のいずれにも該当しない場合
は次に“面うねり”が存在するか否かが判定される。

この判定方法は以下の手順で行なわれる。

すなわち、計測結果の曲線（第４図（Ｄ））上に、基準
点１５を中心に等間隔に配置した代表点を設け、この代
表点の間を滑らかな補間曲線で接続した平均曲線（第４
図（Ｄ）ｂ）を設ける。

次にこの平均曲線と面形状の理想曲線（第４図（Ｄ）ａ
）との間の偏差を求め、この偏差（δ）が所定値以上に
なる点が存在する場合は面形状パターンを“面うねり”
と判定し、上記所定値以上の偏差が極大となる点の座標
と、偏差の極大値とを研削量データ（ΔＨ）として記憶
するのである。

前述の“ビード残”、“段差”、“ヒケ”の場合の研削
量データの決定は次のように行なわれる。

まず、ピード残の場合基準点１５０両側の区間ＩＩ　・
ｊ２２（第５図（Ａ））とで個別に処理が行なわれ、そ
れぞれの区間での計測曲線の始点Ａと終点Ｂとが横軸に
平行な直線上に位置するように座標変換（回転）が行な
われる。（第５図（Ｂ））次にこめ状態で横軸からの距
離が最小になる点、すなわち、ワーク表面から最も突出
した計測曲線上の点Ｃを見つけ出す。次に再度座標変換
（回転）（９） （１０） を実施して元の状態に戻しく第５図（Ｃ））、上記の点
Ｃにおける垂線を引き、計測曲線を近似的に延長した直
線との交点を求め、この交点と上記点との距離（△Ｈ５
△ｈ）を研削量データとする。

段差の場合は、この操作は片側の区間のみで行なわれΔ
Ｈが研削量として出力される。

ヒケの場合も同様に座標変換（回転）を行ない、横軸か
らの距離が最大の点、すなわちワーク表面凹部の最も深
い点を見つけ、再度座標変換（回転）を行ないこの点か
ら下した垂線と、始点Ａと終点Ｂとを結ぶ直線の交点を
求め、この交点と上記点との距離ΔＨを研削量データと
する。（第５図（ｄ）） 上記の処理は距離センサｌｌａからｌｉｅのそれぞれに
ついて行なわれ、センサ毎に面形状パターンと研削位置
及び研削量データとを含む形状データが作成される。

従来はこのデータを研摩ロボット（第２図４０）の制御
装置３０に直接入力しており、研摩ロボットは上記面形
状′パターンに応じた加エバターンで研削を行なってい
た。この作業パターンは具体的には第６図から第８図に
示すように面形状パターンに応じてワーク表面の溶接部
をブロックに分け、研削すべき点を含むブロックを、研
摩ロボット４０によりペーパ砥石４１を用いて研削する
ことで行なう。研摩作業においては研摩ロボット４０は
ペーパ砥石４１を一定の押圧力で加工表面に押し付け、
定の移動速度で動かすことにより１回の移動（「バス」
という）による研削量は一定に維持し、所要研削量は上
記パス回数を増減して調節するようになっている。

例えば、面形状パターンがビード残又は段差であった場
合は第６図（Ａ）に示すように溶接線１３を各センサＩ
ｌａ〜ｌｌｅの走査部分を中心とする５つの区間に分け
、溶接線１３を中心として所定の幅を持った５つのブロ
ックを設定し、これらのブロックのうちビード残、若し
くは段差のあったブロック（図に斜線で示す）全体につ
いて第６図（Ｂ）、（Ｃ）（それぞれビード残、段差の
場合）に示す研摩動作を前記研削量データで与えられた
量に相当（１１） （１２） するパス回数だけ行なう。このとき、ビード残の場合は
第３図（Ａ）のΔＨとΔｈとのうち小さい方の値を研削
量データとして用いてパス回数を決定する。

また、面形状パターンが面うねりであった場合は第７図
（Ａ）に示すように溶接線を中心として５列×５段の２
５ブロツクに加工面を分割し、研削すべき点を含むブロ
ック全体を研削する（第７図（Ｂ））。

更に、面形状パターンがヒケであった場合、第８図（Ａ
）に示すように、溶接線１３を含んでビード残、段差と
同様の５ブロツクを設定し、この５ブロック全体にわた
って図の矢印方向に砥石４１を移動させる操作を砥石の
研削範囲が一部重複するように移動経路を変えて所定回
数だけ行なう（第８図（Ｂ））。

ところが前述のように形状データ作成装置１０により作
成されるデータは必らずしも正確ではない。

これはレーザ距離センサｌｌａ〜ｌｉｅの計測結果が誤
差を含んでいるため、或いは形状データ作成装置１０内
での処理中（例えば座標変換（回転）による研削量決定
等）に誤差が生じる可能性があるためである。実際には
これらに更にワーク表面形状が複雑な場合の面形状パタ
ーンの判定ミス等が加わっているため、形状データ作成
装置１０により作成されるデータそのままを研摩ロボッ
ト４０の制御装置３０に入力して加工を行なわせた場合
、加エバターンや研削場所の選定ミスや研削過大等の誤
差を生じることが多い。

本発明は、上記形状データ作成装置１０から出力される
研摩データを前述の形状データ処理装置２０を通し、フ
ァジー推論を行ない、データとしての確かさを算出して
、それに応じて研摩量の修正を行なうことを特徴として
いる。

本実施例の形状データ処理装置２０は第９図に示すよう
にＣＰＵ　（中央演算装置）２１とＲＯＭ　（リードオ
ンリメモリ）２２、ＲＡＭ　（ランダムアクセスメモリ
）２３とを双方向性バス２４で相互に接続した構成のマ
イクロコンピュータ２５を備えている。マイクロコンピ
ュータ２５０入カポート３６は前記形状（１３） （１４） データ作成装置１０に接続されており、形状データ作成
装置により作成された形状データは上記入力ボート３６
を介して入力され、−旦ＲＡＭ　２３に記憶され、ＣＰ
Ｕ　２１により以下に説明する処理を行ない、処理結果
は出力ポート３７から研摩ロボット４００制御装置３０
に出力される。

次に形状データ処理装置２０で行なわれるファジー推論
について説明する。

周知のように、ファジー推論は、定量的に表わすことの
できない人間の経験則に基づいて入力パラメータを処理
し、定量的なデータを得る目的に用いられる。

本実施例において、面形状パターンがビード残であった
場合を例にとって説明すると、ビード残の面形状は前述
の５つのセンサｌｌａから１１ｅにより求められたΔＨ
とΔｈ（第３図（Ａ））の５つの研削量データの組（Δ
Ｈ１，Δｈｉ）（ｉ＝１．２・・・５）として表される
。これらの△Ｈ１，Δｈｉの値については、経験上相関
があることがわかっている。例えば△Ｈ１が大きく、か
つΔｈ１が太きい場合には実際の研削量（Ｇ）も大きく
する必要があり、△Ｈｉが大きくΔｈｉが小さい場合に
は実際の研削量Ｇは中位にする必要がある。しかし、Δ
Ｈｉや、Δｈｉが「大きい」、「小さい」とは寸法的に
どこからどこまでか、又、研削量を「大きく」或いは「
小さ（」するとはどの位の数値を意味するかについて定
量的な関係はわからない。

そこで、本推論においてはΔＨ１，Δｈｉ１研削量Ｇの
「大きい」　「小さい」という感覚的表現をある程度定
量化するためにメンバシップ関数を用いる。第１０図は
ΔＨｉのメンバシップ関数を示しており横軸はΔＨ１を
、縦軸はメンバシップ値（０〜１〉を表している。また
、第１０図に示すＢＧ、ＭＤ、ＳＭの文字はファジーラ
ベルと呼び、ＢＧは「大きい」、ＭＤは「中位」、ＳＭ
は「小さい」を表わしている。メンバシップ値は、ある
条件に対する適合の度合と考えても良い。例えば、第１
０図においてΔＨｉ　＝　０．４５ｍｍに対するメンバ
シップ値はＳＭに対しては１、ＭＤ、ＢＧに対しては０
であるが、このことは、ΔＨｉが「小さい」（１５） （１６） （ＳＭ）と感覚的にとらえられる可能性（適合度）は１
　（１００％）でありＭＤ　（中位）、ＢＧ（大きい）
ととらえられる可能性（適合度）はそれぞれ０であるこ
とを意味している。また例えばΔＨｉＯ，５２＋ｎ＋ｎ
とした場合ＳＭに対する適合度はＯ，ＭＤ。

ＢＧに対する適合度はそれぞれ０．６（６０％）、０．
４（４０％）となる。このメンバシップ関数は、人間の
実際の感覚と大体において合致する範囲で自由に定義す
ることができ、本実施例においては実際の形状測定値に
基づいて決定されており、ΔＨ１，Δｈｉ、Ｇについて
同一のメンバシップ関数（第１０図）が用いられている
。

また、前述のΔＨ１，Δｈｉ、Ｇの間の経験的な相関は
以下のような形で表現して推論ルールとして用いられる
。

ＩＰ　（ΔＨｉ　ｉｓ　ＢＧ　ＡＮＤ　　Δｈｉ　ｉｓ
　ＢＧ）　ＴＨＥＮ（Ｇ　ｉｓ　ＢＧ） （ΔＨｉが大きく、かつΔｈ１が大きければＧは大きい
）。

本実施例では、面形状パターンがビード残の場合、以下
に示す１１の推論ルールが用いられる。

ルール１：ＩＦ（Δ旧ｉｓ　ＢＧ　ＡＮＤ　　Δｈｉ　
ｉｓ　ＢＧ）ＴＨＥＮ　（Ｇ　ｉｓ　ＢＧ） ルール２：ＩＦ（Δ旧ｉｓ　ＢＧ　ＡＮＤ　　Δｈｉ　
ｉｓ　ＭＤ）ＴＨＥＮ　（Ｇ　ｉｓ　ＭＵ） ルール３：ＩＦ（Δ旧ｉｓ　ＭＤ　ＡＮＤ　　Δｈｉ　
ｉｓ　ＭＤ）ＴＨＥＮ　（Ｇ　ｉｓ　ＭＤ） ルール４：ＩＦ（Δ旧ｉｓ　ＢＧ　ＡＮＤ　　Δｈｉ　
ｉｓ　ＳＭ）ＴＨＥＮ　（Ｇ　ｉｓ　ＳＭ） ルール５：ＩＦ（Δ旧ｉｓ　ＳＭ　ＡＮＤ　　Δｈｉ　
ｉｓ　ＢＧ）ＴＨＥＮ　（Ｇ　ｉｓ　ＳＭ） ルール５：ＩＦ（Δ旧ｉｓ　ＳＭ　ＡＮＤ　Δｈｉ　ｉ
ｓ　ＳＭ）ＴＨＥＮ　（Ｇ　ｉｓ　ＳＭ） ルール７：ＩＦ（Δ旧ｉｓ　ＳＭ　ＡＮＤ　　Δｈｉ　
ｉｓ　ＭＤ）ＴＨＢＮ　（Ｇ　ｉｓ　ＳＭ） ルール３：ＩＦ（Δ旧ｉｓ　ＢＧ　ＡＮＤ　　Δ旧＋、
　ｉｓ　ＢＧ）ＴＨＩＥＮ　（Ｇ　ｉｓ　ＢＧ） ルール９：ＩＦ（Δ旧ｉｓ　ＢＧ　ＡＮＤ　　Δ旧や、
　ｉｓ　ＳＭ）ＴＨＢＮ　（Ｇ　ｉｓ　ＳＭ） （１７） （１８） ルール１０：ＩＦ（Δ旧ｉｓ　ＳＭ　ＡＮＤ　　Δｔｌ
ｉ＋＋　ｉｓ　ＳＭ）ＴＨＥＮ　（Ｇ　ｉｓ　ＳＭ） ）レールｌｌ　：　ＩＦ　（△Ｈｉ　ｉｓ　ＳＭ　八Ｎ
Ｄ　　△Ｈｉ、＋　ｉｓ　ＢＧ）ＴＨＥＮ　（Ｇ　ｉｓ
　ＳＭ） ここでΔＨｉ、、は隣接したセンサにより測定した、隣
のブロックにおける△Ｈ目ご相当する段差の値であり、
】−５の場合はΔＨｉ＊　Ｉの値として△Ｈ１を用いる
。

上記１１の推論ルールは実際の作業者の経験則に基づき
、「データの精度に疑問がある場合は研削量を少なくし
て削り過ぎを防ぐ」という方針を加味して設定されてい
る。

次に上記ルールを用いて実際に研削量Ｇを求める方法に
ついて第１１図を用いて説明する。本推論ではＭｉｎ−
Ｍａｘ合成法を用いてＧのメンバシップ関数の重心から
Ｇの値を決定する方法がとられている。

例えばΔＨｉ　＝　０．５４ｍｍ　、Δｈ　ｉ　＝　０
．５２ｎ＋ｍとした場合、ルール１について考えると第
１１図（Ａ）に示すようにΔＨｉがＢＧであるメンバシ
ップ値は０．８、又、第１１図（Ｂ）に示すように△ｈ
ｉがＢＧであるメンバシップ値は０．４である。

即ち、この場合条件（Δ旧１ｓＢＧ）、（Δｈｉｉｓ　
ＢＧ）に対する適合度はそれぞれ０．８，０．４となる
。

ルールｌの条件部分はＣ△）Ｉｉ　ｉｓ　ＢＧ）と（△
ｈ１ｉｓ　ＢＧ）とが同時に成立する場合を意味してい
るので、条件部分全体の適合度（メンバシップ値）は上
記２つの条件の適合度のうち小さい方のものより大きく
なることはない。従ってこの場合（Δ旧ｉｓ　ＢＧ）　
ＡＮＤ　（Δ旧ｉｓ　ＢＧ）の適合度は０、４となり、
ルール１全体に対するメンバシップ値は０．４であり、
ルール１の結論部である（ＧｉｓＢＧ）　　（第１１図
（Ｃ））の適合度（メンバシップ値）も０．４となる。

ここで第１１図（Ｃ）においてＧのメンバシップ関数を
メンバシップ値０．４を通る水平線で切ると、図に示す
ような台形のメンバシップ関数Ａ、を得る。このＡ１の
面積（図のハツチング部分）はＧがＢＧである確率、即
ち研削量Ｇが０．５　ｍｍから０．６１０［＋１の間で
ある確率を示している（１９） （２０） ということができる。

次にルール２について同様の演算を行なうとメンバシッ
プ値は（Δ旧ｉｓ　ＢＧ）に対しては０．８（第１２図
（Ａ））、（△ｈｉ　ｉｓ　ＭＤ）に対しテＬｉｏ、６
（第１２図（Ｂ））であるのでルール２全体としては０
．６となる。従ってＧのメンバシップ関数はＡ２（第１
２図（Ｃ））となり、ＧがＭＤである確率、即ち研削量
Ｇが０．４５ｎ＋＋ｎから０．５５ｍｍの間である確率
は、Ａ２の面積に対応した値となる。

以下同様にルール３からルール１１についてメンバシッ
プ値を求め、それぞれのルールに対するＧのメンバシッ
プ関数Ａ３からＡ１１を求めることができる。次に、第
１３図に示すようＡ１からＡｚのメンバシップ関数を重
ね合わせてその外形を結び１つのメンバシップ関数Ａ。

を描く。Ａｏの外形はＧのファジーラベルＳＭ、ＭＤ、
ＢＧに対してそれぞれ最も適合度が高い推論ルールから
求めたメンバシップ関数と一致する。即ち、合成したメ
ンバシップ関数Ａｏ　は、適合度が低いルールから受け
る影響を小さく押え、より適合しているルールからの影
響を大きく受ける形となり、妥当な推論結果を表わして
いる。以上によりルール１から１１を用いて推論した研
削量Ｇを表わすメンバシップ関数Ａ。（第１３図）が求
まったが、実際に研削量として使用するためにはメンバ
シップ関数で表わされたあいまい量を確定値Ｇ。に変換
する必要がある。本実施例ではこの変換の方法として図
形Ａ。

の重心を求め、その横軸の座標Ｇ。を確定値とする方法
を使用する。（第１３図参照）重心を求める方法は公知
であるのでここでは説明を省略する。

重心位置を確定値として用いるのは重心位置はＧのとり
得る値を、その値をとる確率で重みをつけて平均した結
果に一致するため、関数Ａｏを代表する値としては最も
適切と考えられるからである。

本実施例では上記により求めた研削量Ｇ０をそのまま出
力せずに、更に、「データの確からしさ」（信頼度）Ｐ
に変換して出力するようにしている。

Ｐは次のように定義される。

Ｇｏ−Ｇｉ　　≦０．０２ｍ＋ｎ−Ｐ　＝１００％０．
０２ｓ＜　　Ｇｏ−Ｇｉ　　５０．０６ｍｍ　→Ｐ　＝
８０％（２１） （２２） ０．０６ｍｍ＜　　Ｇｏ−Ｇｉ　　≦０．１２　ｍｍ→
Ｐ−６０％Ｇｏ−Ｇｉ　ｌ＞０．１２ｍｍの場合は、デ
ータ信頼度過少として再度センサによる計測を行なう。

ここで０１は前記計測値ΔＨｉとΔｈｉのうち小さい方
の値、即ち、従来研削量として用いていた値である。つ
まり、本実施例では計測結果の値と、ファジー推論によ
り得られた結果とを比較して両者の差が大きい程「デー
タの確からしさ」　（信頼度）が小さいと定義している
のである。この処理は各センサ毎に行なわれ、最終的に
それぞれのセンサの計測値から求まる研削量Ｇｉとその
確からしさＰｌが求められる。本研摩データ作成装置か
らは、面形状パターンデータ、位置データ、研削量デー
タＧ１を含む従来の形状データと、上記により求めた確
からしさ（信頼度）Ｐｉとが研摩データとして研摩ロボ
ット４０の制御装置３０に出力される。

制御装置３０は従来と同様に、面形状パターンに応じて
加工面を５ブロツクに分け、各々のブロックにおけるパ
ス回数ｎ′をＧｉに基づいて決定する。本実施例では更
に上記で求めたパス回数にデータの確からしさＰを乗じ
、得られた結果を四捨五入したものを修正パス回数ｎと
して用いて研摩ロボット４０に加工を行なわせている。

例えばＧｉから求めたパス回数ｎ′が６　（回）、デー
タの確からしさＰｉが８０（％）であった場合、現実の
研摩作業のパス回数ｎは ｎ＝ｎ’　ｘｐ＝６Ｘ０．８＝４．８−＋５　（回）と
なる。

ファジー推論で得た研削量Ｇｏをそのまま研削データと
して使用しないで、−旦「データの確からしさ」Ｐに変
換し、計測値から算出した研削量Ｇと上記Ｐとを用いて
最終的なパス回数を決定しているのは、データの確から
しさが小さい（計測値とファジー推論結果との差が大き
い）場合には研削量を少なくして、「削り過ぎ」が生じ
る危険を防止しているためである。

第１４図及び第１５図は上記推論過程を示すフローチャ
ートである。第１４図はメインルーチンを示す。

図において形状データ作成装置ｌＯで作成された形状デ
ータは、形状データ処理装置２０のマイクロコンピュー
タ２５に入力ボート３６を介して入力され（２３） （２４） ＲＡＭ　２３ニ記憶さレル（ステップｌｌ０）。次ニＣ
ＰＵ　２１は形状データ中の面形状パターンデータがビ
ード残、段差、ヒケ、面うねりのいずれであるかを判定
し、それぞれの面形状パターンに応じた推論ルーチンを
呼び出して信頼度Ｐｉを算出する（ステップ１２０〜１
８０）。

次にステップ１９０で、ＲＡＭ　２３に記憶した形状デ
ータと上記により算出した信頼度Ｐｉを研摩データとし
て制御装置３０に出力する。

第１５図は面形状パターンがビード残の場合の推論ルー
チンを示す。ステップ２１０では、ＲＯＭ　２２に記憶
したメンバシップ関数と推論ルール１〜１１とを用いて
各センサの計測値（ΔＨｉ・Δｈｉ）（ｉ＝１，２．・
・・５）から各センサ毎にそれぞれのルール１〜１１の
メンバシップ値Ｍｉｌ〜Ｍｉ、。

（ｉ＝１．２．・・・５）を求める。次いで、ステップ
２２０では、研削量ＧのファジーラベルＳＭ・ＭＤ、Ｂ
Ｇ毎に上記メンバシップ値を分類して、各センサ毎にそ
れぞれのファジーラベルＳＭ。

ＭＤ、ＢＧにおける最大のメンバシップ値ＭＳＮｊ　１
Ｍｘｎ＋　＋　Ｌｃｔを求める。次いでステップ２３０
でＭｓｘ＋　＋　Ｍｘｎｔ　＋　Ｌｃｔを基に研削量Ｇ
のメンバシップ関数Ａｏｉ（第１３図）を合成し、ステ
ップ２４０で重心計算を行ない、各センサ毎に推論によ
る研削量Ｇｏｉを求める。

次にステップ２５０で各センサの計測値ΔＨ１゜Δｈｉ
のうち小さい方をＧｉとして設定し、ステップ２６０で
ＧｉとＧｏｉとの差１Ｇｉ−Ｇｏｉから信頼度Ｐｉを算
出してルーチンを終える。

面形状がビード残以外の場合は、ビード残の場合とは異
なった推論ルールを用いるが、上記と同様の推論により
同様にＰｉが算出される。

ビード残以外の面形状の場合の推論ルールの例を以下に
示す。

１、段差 Δ旧 ルールＩ　　　　ＢＧ ルール２　　　８Ｇ ルール３　　　８Ｇ ルール４　　　　ＭＤ ΔＨｉ＋、　　　Ｑ ＢＧ　　　　　ＢＧ ＭＤ　　　　　５Ｍ ５Ｍ　　　　　ＳＭ ＭＤ　　　　　ＭＤ （２５） （２６） ルール５ ルール６ ルール７ ２、　ヒケ ３Ｍ ３Ｍ ３Ｍ ＢＧ ＭＤ ３Ｍ ３Ｍ ３Ｍ ３Ｍ Δ旧 ルールＩ　　　　ＢＧ ルール２　　　　ＢＧ ルール３　　　８Ｇ ルール４　　　　ＭＤ ルール５　　　　ＭＤ ルール６　　　　ＳＭ ルール７　　　　ＳＭ ３、　面うねり ΔＨｉ　　ΔＨｉ＋。

ＢＧ　　　ＢＧ ＢＧ ＢＧ　　　ＭＤ ＢＧ ＢＧ　　　ＳＭ ＢＧ ルール１ ルール２ ルール３ ルール４ ルール５ ルール６ △）（ｉ＋。

ＢＧ ＭＤ ３Ｍ ＭＤ ３Ｍ ＢＧ ３Ｍ Δｈｉ ＢＧ ＭＤ ３Ｍ ＢＧ ＭＤ ３Ｍ ＭＤ ３Ｍ ３Ｍ ３Ｍ ＢＧ ＢＧ ３Ｍ ３Ｍ ３Ｍ ３Ｍ ルール７ＭＤＭＤ　　　　　　ＭＤ ルール８ＭＤ　　　　　　ＭＤＭＤ ルール９　　ＳＭ　　　ＢＧ　　　　　　　ＳＭルール
ｌ０３Ｍ　　　　　　　ＢＧＳＭルールｌｌ５Ｍ５Ｍ　
　　　　　　ＳＭルール１２５Ｍ　　　　　　　５Ｍ５
Ｍ上記の推論ルールは表形式で表わしてあり、例えば面
形状パターン段差のルール１は ＩＰ　（ΔＨｉ　ｉｓ　ＢＧ　ＡＮＤ　　Δｆｌｉ＋、
　ｉｓ　ＢＧ）　Ｔ）ＩｔＥＮ（Ｇ　ｉｓ　ＢＧ）を表
わしている。　また、面うねりの場合の　Δｈｌは第３
（Ｄ）図に示すように１つのセンサによる表面形状曲線
のうち、理想面形状に対して、所定値以上の偏差を有す
る点のうち、ΔＨｉに最も近い点の偏差の絶対値である
。

上記ルールはいずれも、できるだけ研削過大となるのを
防止するため、表面形状データにバラ付きがある場合に
は研削量を小さくするように考慮されている。また、そ
れぞれのルールにおいて使用するメンバシップ関数は第
１０図のものと同一である。

（２７） （２８） 〔発明の効果〕 上述のように本発明の研摩データ作成装置によれば加工
面の計測結果を基に作成した形状データを直接研摩デー
タとして使用せず、形状データを吟味して“データの信
頼度″′を判定し、形状データと、この“データの信頼
度”とを研摩データとして用いるようにしたことにより
、データの信頼度に応じて実際の研削量を調整すること
が可能となる。すなわち、信頼度の高いデータはそのま
ま採用して研削を行ない、信頼度が低いデータは、信頼
度に応じて研削量を減らす操作が可能となるため、削り
過ぎのような修正困難な欠陥の発生を防止して加工面の
品質を向上させることができる。

【図面の簡単な説明】

第１図は本発明の構成を示すブロック図、第２図は本発
明の実施例の構成を示す略示図、第３図は加工物表面の
形状パターンを説明する図、第４図から第５図は形状デ
ータの作成方法を説明する図、第６図から第８図は面形
状パターンに応じた研摩ロボット動作を説明する略示図
、第９図は形状データ処理装置のマイクロコンピュータ
の構成を示すブロック図、第１０図はファジー推論に使
用するメンバシップ関数の一実施例を示す図、第１１図
から第１３図はファジー推論の過程を説明する図、第１
４図はファジー推論の推論ルール選択を行なうマイクロ
コンビエータの動作を示すフローチャート、第１５図は
ファジー推論の過程を示すフローチャートである。 １０・・・形状データ作成装置、 １１ａ〜１１ｅ・・・レーザ距離センサ、１２・・・加
工物、　　　　１３・・・溶接線、２０・・・形状デー
タ処理装置、 ３０・・・制御装置、　　　４０・・・研摩ロボット。 （２９） （３０） （Ａ） （Ｂ） （Ｃ） （Ｄ） ＝４１０ 第６ 図 第 図 第 図 Ｌ　　＋＋＋　　＋−＋　　＋＋　　＋　　　＋−Ｊ４
　　＾ 　Ｑ １汽°（へへ°へ壊 特開平３ ２５１３５５　（１３）

Claims (1)

1. 【特許請求の範囲】 １、研摩加工を行なう表面の形状を測定する計測手段と
   、該計測手段の計測結果に基づいて前記表面の面形状パ
   ターンデータと研削位置データと研削量データとを含む
   形状データを作成する形状データ作成手段とを備えた研
   摩データ作成装置において、 前記形状データに含まれる面形状パターンデータの種類
   に応じてとるべき推論ルールを選択する選択手段と、選
   択された推論ルールに基づいてファジー推論を実行して
   前記形状データの信頼度を算出すると共に、前記形状デ
   ータと前記信頼度とを含む研摩データを作成する形状デ
   ータ処理手段とを備えたことを特徴とする研摩データ作
   成装置。