JPH0475108A - Automatic working condition deciding device - Google Patents
Automatic working condition deciding deviceInfo
- Publication number
- JPH0475108A JPH0475108A JP19032290A JP19032290A JPH0475108A JP H0475108 A JPH0475108 A JP H0475108A JP 19032290 A JP19032290 A JP 19032290A JP 19032290 A JP19032290 A JP 19032290A JP H0475108 A JPH0475108 A JP H0475108A
- Authority
- JP
- Japan
- Prior art keywords
- machining
- internal
- internal constant
- working condition
- workpiece
- 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
- 238000003754 machining Methods 0.000 claims abstract description 65
- 238000013528 artificial neural network Methods 0.000 claims abstract description 15
- 238000013500 data storage Methods 0.000 claims abstract description 11
- 230000004048 modification Effects 0.000 claims description 11
- 238000012986 modification Methods 0.000 claims description 11
- 230000003746 surface roughness Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 11
- 238000000034 method Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/33—Director till display
- G05B2219/33027—Artificial neural network controller
Landscapes
- Numerical Control (AREA)
Abstract
Description
本発明は、数値制御工作機械にあける加工条件自動決定
装置に関する。The present invention relates to an automatic processing condition determination device installed in a numerically controlled machine tool.
従来、例えば、数値制御研削盤を用いた研削加工におい
ては、第６図に研削加工における「加工条件」と「加工
結果」とのフローを示したように、与えられる「入力条
件」や「固定条件」に対し、要求される「加工結果」を
満たすように工作物回転数、砥石送り速度などを自動決
定する機能を有するものがある。
上述の加工条件自動決定では、第７図に示したように、
与えられる「入力条件」や「固定条件」に対し、それら
に応じた固定された係数から成る「内部定数」を適用し
、各種の理論式、実験式に基づく演算処理を行って、加
工上設定すべき「設定条件」を自動決定している（これ
らの条件を「静的加工条件」と総称する）。
上記「入力条件」は工作物或いは砥石に対応して与えら
れ、工作物の項目としては、その材質・寸法・取代・表
面あらさ・寸法精度など、砥石の項目としては、その種
類などがある。又、上記「固定条件」は機械に対応して
与えられ、その項目としては、砥石周速・ドレッサなど
がある。又、上記「設定条件」の項目としては、加工順
序・回転数・送り速度・取代・ドレッシング条件などが
ある。更に、上記「加工結果」の項目さしては、時間・
表面あらさ・寸法精度・真円度・焼け・割れ・びびりな
どがある。
又、上記「静的加工条件」のうち可変な項目については
、自動決定後に修正することは可能である（修正された
条件を「修正加工条件Ｊという）。Conventionally, for example, in grinding using a numerically controlled grinder, given "input conditions" and "fixed Some machines have a function that automatically determines the workpiece rotation speed, grindstone feed speed, etc. to meet the required "processing results" based on the "conditions". In the automatic determination of processing conditions described above, as shown in Figure 7,
For the given "input conditions" and "fixed conditions,""internalconstants" consisting of fixed coefficients are applied, and arithmetic processing based on various theoretical and experimental formulas is performed to determine the machining settings. The "setting conditions" to be applied are automatically determined (these conditions are collectively referred to as "static machining conditions"). The above-mentioned "input conditions" are given corresponding to the workpiece or the grindstone, and the items of the workpiece include its material, dimensions, machining allowance, surface roughness, dimensional accuracy, etc., and the items of the grindstone include its type. Further, the above-mentioned "fixed conditions" are given depending on the machine, and the items include grinding wheel circumferential speed, dresser, etc. Further, the items of the above-mentioned "setting conditions" include machining order, rotation speed, feed speed, machining allowance, dressing conditions, etc. Furthermore, regarding the items of "processing results" above, time and
Surface roughness, dimensional accuracy, roundness, burns, cracks, chatter, etc. Further, variable items among the above-mentioned "static machining conditions" can be modified after automatic determination (the modified conditions are referred to as "modified machining conditions J").
ところで、研削加工における「加工条件ｊの最適化につ
いて、さまざまな研究がなされているが、未だ理論的に
充分解明されているとは言えない。
つまり、前述された現状の自動決定の出力は一つの目安
としか認識されておらず、個別の加工に応じて適切な値
に調整するには、作業者の経験や勘などの技能的熟練度
が要求される。
又、現状の自動決定はＦ加工条件」の修正とは無関係に
、与えられる「入力条件」や「固定条件」が同じであれ
ば、常に一定の「設定条件」を出力するオープンループ
であり、修正の内容が以後の自動決定に反映されること
はなかった。
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、数値制御工作機械によ
る工作物の加工において、「加工条件」に対して適当な
修正が行われた後では、その修正内容に応じて次回から
の「加工条件」の決定にフィードバックされ、熟練作業
者でなくても最適な「加工条件」を得ることができる加
工条件自動決定装置を提供することである。By the way, although various studies have been conducted on the optimization of machining conditions j in grinding, it cannot be said that it has been fully elucidated theoretically yet.In other words, the output of the current automatic determination described above is It is only recognized as a guideline, and in order to adjust it to an appropriate value according to individual processing, the operator requires skill level such as experience and intuition.In addition, the current automatic determination is F Regardless of the modification of the machining conditions, if the given input conditions and fixed conditions are the same, it is an open loop that always outputs a constant set condition, and the contents of the modification are automatically determined later. It was never reflected. The present invention has been made to solve the above problems, and its purpose is to make appropriate modifications to the "machining conditions" when machining a workpiece using a numerically controlled machine tool. To provide an automatic machining condition determining device which allows even an unskilled worker to obtain optimal "machining conditions" by feeding back the revised contents to determine the next "machining conditions". It is.
上記課題を解決するための発明の構成は、材質、寸法、
取代、表面あらさ、寸法精度などの工作物に関するデー
タ、種類などの工具に関するデータ、工具周速、ドレッ
サなどの機械に関するデータを記憶した属性データ記憶
手段と、前記属性データ記憶手段に記憶されたデータを
入力とし、数値制御工作機械により工作物を加工する加
工条件を決定するための演算式における内部定数を出力
とするニューラルネットワークと、前記属性データ記憶
手段に記憶されたデータと前記内部定数とから加工順序
、工作物回転数、工具送り速度、取代などの加工条件を
求める加工条件演算手段と、前記加工条件を修正した出
き、その加工条件の修正値に応じて関連する前記内部定
数を修正する内部定数修正手段と、前記内部定数修正手
段により修正された内部定数が修正前と同じ入力に対し
て得られるように前記ニューラルネットワークのウェイ
トを修正するウェイト修正手段とを備えたことを特徴と
する。The structure of the invention to solve the above problems includes materials, dimensions,
Attribute data storage means storing data related to the workpiece such as machining allowance, surface roughness, and dimensional accuracy, data related to the tool such as type, tool peripheral speed, and data related to the machine such as a dresser, and data stored in the attribute data storage means a neural network whose input is an internal constant in an arithmetic expression for determining machining conditions for machining a workpiece by a numerically controlled machine tool, and the data stored in the attribute data storage means and the internal constant. A machining condition calculation means for determining machining conditions such as machining sequence, workpiece rotation speed, tool feed rate, and machining allowance, and modifying the related internal constants according to the modified machining conditions and the modified values of the machining conditions. and weight modification means for modifying the weights of the neural network so that the internal constants modified by the internal constant modification means are obtained for the same input as before modification. do.
属性データ記憶手段には材質、寸法、取代、表面あらさ
、寸法精度などの工作物に関するデータ、種類などの工
具に関するデータ、工具周速、ドレッサなどの機械に関
するデータが記憶されている。
ニューラルネットワークにより上記属性データ記憶手段
に記憶されたデータが入力され、数値制御工作機械によ
り工作物を加工する加工条件を決定するための演算式に
おける内部定数が求められる。
又、加工条件演算手段により上記属性データ記憶手段に
記憶されたデータと上記内部定数とから加工順序、工作
物回転数、工具送り速度、取代などの加工条件が求めら
れる。
ここで、内部定数修正手段により上記加工条件を修正し
たとき、その加工条件の修正値に応じて関連する内部定
数が修正される。
そして、ウェイト修正手段により上記内部定数修正手段
により修正された内部定数が修正前と同じ入力に対して
得られるように上記ニューラルネットワークのウェイト
が修正される。
このように、本発明の加工条件自動決定装置においては
、加工条件の修正毎にニューラルネットワークの内部定
数が修正され適用されるので、より好ましい加工条件が
導き出されることになる。The attribute data storage means stores data related to the workpiece such as material, dimensions, machining allowance, surface roughness, and dimensional accuracy, data related to the tool such as type, tool peripheral speed, and data related to the machine such as a dresser. The neural network inputs the data stored in the attribute data storage means, and calculates internal constants in an arithmetic expression for determining machining conditions for machining a workpiece by a numerically controlled machine tool. Furthermore, machining conditions such as machining sequence, workpiece rotation speed, tool feed rate, and machining allowance are determined by the machining condition calculation means from the data stored in the attribute data storage means and the internal constants. Here, when the processing conditions are corrected by the internal constant correction means, the related internal constants are corrected according to the corrected value of the processing conditions. Then, the weight correction means corrects the weights of the neural network so that the internal constants corrected by the internal constant correction means are obtained for the same input as before correction. In this way, in the automatic machining condition determination device of the present invention, the internal constants of the neural network are modified and applied each time the machining conditions are modified, so that more preferable machining conditions can be derived.
以下、本発明を具体的な実施例に基づいて説明する。
第１図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
。
５０は研削盤であり、その研削盤５０のベツド５１の上
には、そ、のベツド５１に対して摺動するテーブル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と心理台５
６が配設されており、主軸台５４は主軸５５を有し、心
理台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５５０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。
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。
数値制御装置３０は主として、第２図に示したように、
ＣＰＵ３１と制御プログラムを記憶したＲＯＭ３２と入
力データなどを記憶するＲＡＭ３３とＩＰ（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と材質、寸
法、取代、表面あらさ、寸法精度などの工作物に関する
データ、種類などの工具に関するデータ、工具周速、ド
レッサなどの機械に関するデータを記憶して属性データ
記憶手段を達成する属性データ領域３３２と加工順序、
工作物回転数、砥石送り速度、取代などの「加工条件」
を記憶する加工条件領域３３３と加工条件を決定するた
めの演算式における内部定数を記憶する内部定数領域３
３４とが形成されている。
又、数値制御装置３０にはＩＦ５４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２
１上にはデータの入力を行うキーボード２２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。
次に、本実施例装置で使用されているＣＰＵ３１の処理
手順を示した第３図のフローチャートに基づき、第４図
の研削加工における「加工条件」と「加工結果」とのフ
ローを示したブロックダイヤグラム及び第５図の加工条
件自動決定における学習機能を示した説明図を参照して
説明する。
尚、加工条件自動決定における「入力条件」の工作物の
項目として、工作物仕上径りと表面あらさｒを入力し、
「加工条件」である工作物回転数Ｎを自動決定する場合
について述べる。
ステップ１００で、第５図左に示されたように、工作物
仕上径り及び表面あらさｒが入力される。
次にステップ１０２に移行して、初期設定として、表面
あらさｒから内部定数である回転速度係数ａをニューラ
ルネットワークにて決定する。
次にステップ１０４に移行して、回転速度係数ａをＲＡ
Ｍ３３の内部定数領域３３４に記憶する。
次に、加工条件演算手段を達成するステップ１０６に移
行し、工作物回転数Ｎを次式により算出する。
ゝ＝５
尚、上記工作物回転数Ｎは制御盤２０のＣＲＴ表示装置
２３に「加工条件」として表示されると共にＲＡＭ３３
の加工条件領域３３３に記憶される。
次にステップ１０８に移行して、ステップ１０６で算出
された工作物回転数Ｎを修正するかが問われる。
ここで、作業者がＣＲＴ表示装置２３に表示された工作
物回転数Ｎが適当でないと判断し、工作物回転数Ｎを修
正する場合には、内部定数修正手段を達成するステップ
１１０に移行する。
ステップ１１０では、修正された「修正加工条件ｊであ
る工作物回転数Ｎ′に対応して修正された回転速度係数
ａ′が次式にて算出される。
ａ’ ＝Ｎ’ ！■
そして、算出された回転速度係数ａ′をＲＡＭ３３の内
部定数領域３３４に記憶されている回転速度係数ａに変
えて記憶する。
次に、ウェイト修正手段を達成するステップ１１２に移
行し、表面あらさｒの入力に対して回転速度係数ａ′が
得られるようにニューラルネットワークのウェイトを修
正（学習）し、本プログラムを終了する。
尚、この修正は、例えば、逆伝播学習側によって行われ
る。
従って、次回の加工条件自動決定においては、工作物仕
上径り及び表面あらさｒの入力に対して直ちに「修正加
工条件」である工作物回転数Ｎ′が出力されることにな
る。
尚、上述のステップ１０８で、工作物回転数Ｎが適当で
あれば、本プログラムを終了する。
以上、数値制御研削盤に適用した加工診断装置について
述べたが、本発明に係る加工診断装置はマシニングセン
タ用数値制御装置にも応用できる。
又、本発明に係る加工診断装置は数値制御装置に組み込
みでなく、オフラインの別置システムとしても構成でき
ることは明白である。The present invention will be described below based on specific examples. FIG. 1 is a block diagram showing the overall mechanical structure of a numerically controlled grinding machine having an automatic processing condition determination device according to the present invention. 50 is a grinding machine, and on the bed 51 of the grinding machine 50 is a table 52 that slides against the bed 51 of the grinding machine 50.
is provided. The table 52 is moved in the left-right direction in the drawing by driving the table feed motor 53. Also, on the table 52 are a headstock 54 and a psychological table 5.
6 are disposed, the headstock 54 has a main shaft 55, and the psychological support 56 has a tailstock shaft 57. The workpiece W is supported by a main shaft 55 and a tailstock shaft 57,
The main shaft is rotated by 550 rotations. This rotation of the main shaft 55 is performed by a main shaft motor 59 disposed on the head stock 54. On the other hand, a grinding wheel 60 for grinding the workpiece W is pivotally supported by a drive shaft of a grinding wheel drive motor 62 provided on a grinding wheel head 61. Further, the grindstone head 61 is controlled to move in the vertical direction of the drawing by a grindstone head feed motor 63. Table feed motor 53, grindstone feed motor 63,
A numerical control device 30 is provided to drive and control the main shaft motor 59, grinding wheel drive motor 62, and the like. The numerical control device 30 mainly has the following functions as shown in FIG.
It is composed of a CPU 31, a ROM 32 that stores control programs, a RAM 33 that stores input data, and an IP (interface) 34. RAM33 has NC
The NC data area 331 stores programs, data related to workpieces such as material, dimensions, machining allowance, surface roughness, and dimensional accuracy, data related to tools such as type, data related to machines such as tool peripheral speed, dresser, etc. are stored and attribute data is stored. Attribute data area 332 and processing order for achieving storage means;
"Machining conditions" such as workpiece rotation speed, grinding wheel feed speed, machining allowance, etc.
and an internal constant area 3 that stores internal constants in the calculation formula for determining the machining conditions.
34 are formed. In addition, the numerical control device 30 is connected to the operation panel 20 via the IF 54.
is installed. Operation panel 2 of the operation panel 20
1, there are provided a keyboard 22 for inputting data and a CRT display device 23 for displaying data. Next, based on the flowchart of FIG. 3 showing the processing procedure of the CPU 31 used in the apparatus of this embodiment, a block diagram showing the flow of "processing conditions" and "processing results" in the grinding process shown in FIG. This will be explained with reference to a diagram and an explanatory diagram showing a learning function in automatic determination of processing conditions in FIG. In addition, input the workpiece finish diameter and surface roughness r as the workpiece items of "input conditions" in the automatic determination of machining conditions,
A case will be described in which the workpiece rotation speed N, which is a "machining condition", is automatically determined. At step 100, the finished diameter of the workpiece and the surface roughness r are input as shown on the left side of FIG. Next, the process moves to step 102, and as an initial setting, a rotational speed coefficient a, which is an internal constant, is determined from the surface roughness r using a neural network. Next, the process moves to step 104, and the rotational speed coefficient a is set to RA.
It is stored in the internal constant area 334 of M33. Next, the process moves to step 106 in which the machining condition calculating means is used to calculate the workpiece rotation speed N using the following equation.ゝ=5 Note that the workpiece rotation speed N is displayed as "machining conditions" on the CRT display device 23 of the control panel 20, and is also stored in the RAM 33.
is stored in the machining condition area 333. Next, the process moves to step 108, where it is asked whether the workpiece rotation speed N calculated in step 106 is to be corrected. Here, if the operator determines that the workpiece rotational speed N displayed on the CRT display device 23 is inappropriate and wants to correct the workpiece rotational speed N, the process moves to step 110 for achieving internal constant correction means. . In step 110, the rotational speed coefficient a' that has been corrected in accordance with the workpiece rotational speed N' that is the corrected machining condition j is calculated using the following formula: a' = N'!■ And, The calculated rotational speed coefficient a' is changed to the rotational speed coefficient a stored in the internal constant area 334 of the RAM 33 and stored.Next, the process moves to step 112 for achieving the weight correction means, and the surface roughness r is input. The weights of the neural network are modified (learned) so that the rotational speed coefficient a' is obtained for In the automatic determination of machining conditions, the workpiece rotation speed N', which is the "corrected machining condition", is immediately output in response to the input of the workpiece finished radius and surface roughness r. Incidentally, if the workpiece rotation speed N is appropriate in step 108 described above, this program is ended. Although the machining diagnosis device applied to a numerically controlled grinding machine has been described above, the machining diagnosis device according to the present invention can also be applied to a numerical control device for a machining center. Furthermore, it is clear that the processing diagnosis device according to the present invention can be configured as an off-line separate system instead of being built into the numerical control device.
本発明は、属性データ記憶手段に記憶されたデータを入
力とし、数値制御工作機械により工作物を加工する加工
条件を決定するための演算式における内部定数を出力と
するニューラルネットワークと、属性データ記憶手段に
記憶されたデータと内部定数とから加工条件を求める加
工条件演算手段と、加工条件を修正したとき、その加工
条件の修正値に応じて関連する内部定数を修正する内部
定数修正手段と、その内部定数修正手段により修正され
た内部定数が修正前と同じ入力に対して得られるように
ニューラルネットワークのウェイトを修正するウェイト
修正手段とを備えており、作業者の経験や勘などによる
加工条件の修正に応じて関連する内部定数が修正され、
その内部定数に基づいてニューラルネットワークのウェ
イトも修正されて次回以降に反映されるので、熟練者で
なくても最適な加工条件を自動決定することができる。
即ち、本発明の加工条件自動決定装置は、その使用に応
じて、決定される加工条件が柔軟に変化し、幅広い加工
範囲に対応した最適な加工条件を得ることができるとい
う効果を有する。The present invention provides a neural network whose input is data stored in an attribute data storage means and whose output is an internal constant in an arithmetic expression for determining machining conditions for machining a workpiece by a numerically controlled machine tool, and an attribute data storage. a machining condition calculating means for calculating machining conditions from data stored in the means and internal constants; and an internal constant modifying means for modifying related internal constants in accordance with a modified value of the machining conditions when the machining conditions are modified; It is equipped with a weight correction means for correcting the weights of the neural network so that the internal constants corrected by the internal constant correction means are obtained for the same input as before correction, and the processing conditions are based on the operator's experience and intuition. The related internal constants are modified according to the modification of
The weights of the neural network are also modified based on the internal constants and reflected in the next time, so even non-experts can automatically determine optimal machining conditions. That is, the automatic processing condition determination device of the present invention has the advantage that the determined processing conditions can be flexibly changed depending on its use, and the optimum processing conditions can be obtained over a wide range of processing.
第１図は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。第２図は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。第３図は同実施例装置で使用されているＣＰＵ３１
の処理手順を示したフローチャート。第４図は同実施例
に係る研削加工における「加工条件」とＦ加工結果ヨと
のフローを示したブロックダイヤグラム。第５図は同実
施例装置る加工条件自動決定における学習機能を示した
説明図。第６図は従来の研削加工における「加工条件」
と「加工結果」とのフローを示したブロックダイヤグラ
ム。第７図は従来の加工条件自動決定を示した説明図で
ある。
操作ｇ１２１−′操作パネル
キーボード ２３−ＣＲＴ表示装置
数値制御装置 ３１ ｃＰ Ｕ
ＲＯＭ ’３３−ＲＡＭ ５（ｌ研削盤ベツド ５
２ ゛テーブル
テーブル送り用モータ ５４°主軸台
主軸 ５６゛−・心理台 ５７°゛心押軸主軸モータ
６０゛砥石車 ６１゛砥石台砥石車駆動モータ
砥石台送り用モータ Ｗ゛工作物
第
図
第
図
第
図FIG. 1 is a configuration diagram showing the overall mechanical configuration of a numerically controlled grinding machine having an automatic processing condition determination device according to a specific embodiment of the present invention. FIG. 2 is a block diagram showing the electrical configuration of the numerical control device and operation panel according to the same embodiment. Figure 3 shows the CPU 31 used in the same embodiment device.
Flowchart showing the processing procedure. FIG. 4 is a block diagram showing the flow of "machining conditions" and F machining results in the grinding process according to the same embodiment. FIG. 5 is an explanatory diagram showing a learning function in automatic determination of machining conditions by the apparatus of the embodiment. Figure 6 shows "processing conditions" in conventional grinding processing.
A block diagram showing the flow between and "processing results". FIG. 7 is an explanatory diagram showing conventional automatic determination of processing conditions. Operation g121-' Operation panel keyboard 23-CRT display device Numerical control device 31 cP U ROM '33-RAM 5 (l Grinding machine bed 5
2゛Table table feed motor 54゛headstock spindle 56゛-psychological table 57゛tailstock spindle motor
60゛ Grinding wheel 61゛ Grinding wheel head Grinding wheel drive motor Grinding wheel head feed motor W゛ Workpiece diagram Figure Figure
Claims (1)
に関するデータ、種類などの工具に関するデータ、工具
周速、ドレッサなどの機械に関するデータを記憶した属
性データ記憶手段と、前記属性データ記憶手段に記憶さ
れたデータを入力とし、数値制御工作機械により工作物
を加工する加工条件を決定するための演算式における内
部定数を出力とするニューラルネットワークと、前記属
性データ記憶手段に記憶されたデータと前記内部定数と
から加工順序、工作物回転数、工具送り速度、取代など
の加工条件を求める加工条件演算手段と、 前記加工条件を修正したとき、その加工条件の修正値に
応じて関連する前記内部定数を修正する内部定数修正手
段と、 前記内部定数修正手段により修正された内部定数が修正
前と同じ入力に対して得られるように前記ニューラルネ
ットワークのウェイトを修正するウェイト修正手段と を備えたことを特徴とする加工条件自動決定装置。[Scope of Claims] Attribute data storage means storing data related to the workpiece such as material, dimensions, machining allowance, surface roughness, and dimensional accuracy, data related to the tool such as type, data related to the tool peripheral speed, and the machine such as a dresser; a neural network whose input is data stored in the attribute data storage means and whose output is an internal constant in an arithmetic expression for determining machining conditions for machining a workpiece by a numerically controlled machine tool; a machining condition calculation means for calculating machining conditions such as machining sequence, workpiece rotation speed, tool feed rate, and machining allowance from the stored data and the internal constant; internal constant modification means for modifying the related internal constants accordingly; and weight modification for modifying the weights of the neural network so that the internal constants modified by the internal constant modification means are obtained for the same input as before modification. 1. An automatic processing condition determining device characterized by comprising means.
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2190322A JP2950929B2 (en) | 1990-07-17 | 1990-07-17 | Automatic processing condition determination device |
| KR1019910011650A KR920002268A (en) | 1990-07-17 | 1991-07-10 | Intelligent Processing Equipment |
| DE69125980T DE69125980T2 (en) | 1990-07-17 | 1991-07-16 | Intelligent machining system |
| EP91111856A EP0467297B1 (en) | 1990-07-17 | 1991-07-16 | Intelligent machining system |
| US07/731,472 US5473532A (en) | 1990-07-17 | 1991-07-17 | Intelligent machining system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2190322A JP2950929B2 (en) | 1990-07-17 | 1990-07-17 | Automatic processing condition determination device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0475108A true JPH0475108A (en) | 1992-03-10 |
| JP2950929B2 JP2950929B2 (en) | 1999-09-20 |
Family
ID=16256251
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2190322A Expired - Lifetime JP2950929B2 (en) | 1990-07-17 | 1990-07-17 | Automatic processing condition determination device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2950929B2 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5796618A (en) * | 1992-10-09 | 1998-08-18 | Omron Corporation | CAD system, method and medium for creating and encoding NC data based before and after workpiece models |
| JPWO2016051549A1 (en) * | 2014-09-30 | 2017-04-27 | 株式会社牧野フライス製作所 | Machine tool controller |
| DE102017105224A1 (en) | 2016-03-17 | 2017-09-21 | Fanuc Corporation | DEVICE FOR MACHINE LEARNING, LASER PROCESSING SYSTEM AND MECHANICAL LEARNING PROCEDURE |
-
1990
- 1990-07-17 JP JP2190322A patent/JP2950929B2/en not_active Expired - Lifetime
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5796618A (en) * | 1992-10-09 | 1998-08-18 | Omron Corporation | CAD system, method and medium for creating and encoding NC data based before and after workpiece models |
| JPWO2016051549A1 (en) * | 2014-09-30 | 2017-04-27 | 株式会社牧野フライス製作所 | Machine tool controller |
| DE102017105224A1 (en) | 2016-03-17 | 2017-09-21 | Fanuc Corporation | DEVICE FOR MACHINE LEARNING, LASER PROCESSING SYSTEM AND MECHANICAL LEARNING PROCEDURE |
| US10664767B2 (en) | 2016-03-17 | 2020-05-26 | Fanuc Corporation | Machine learning apparatus, laser machining system and machine learning method |
| DE102017105224B4 (en) | 2016-03-17 | 2022-02-10 | Fanuc Corporation | MACHINE LEARNING DEVICE, LASER MACHINING SYSTEM AND MACHINE LEARNING METHOD |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2950929B2 (en) | 1999-09-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2637488B2 (en) | Numerically controlled grinding machine | |
| JPH04138504A (en) | Intelligent working system | |
| JPH077296B2 (en) | Numerical controller for machining non-round workpieces | |
| JPH0475108A (en) | Automatic working condition deciding device | |
| JP3086794B2 (en) | Numerically controlled grinding machine | |
| JP2805119B2 (en) | Numerical controller for processing non-circular workpieces | |
| JP2961621B2 (en) | Learning method of machining condition creation function of numerical controller | |
| JP2020069599A (en) | Support device of machine tool and machine tool system | |
| JP2941032B2 (en) | Numerical controller with automatic processing condition creation function | |
| JPH0475848A (en) | Adaptive control device | |
| JPH06114683A (en) | Numerically controlled grinding machine | |
| JP2880567B2 (en) | Processing diagnostic device | |
| JP2880569B2 (en) | Numerical controller with automatic processing condition creation function | |
| JP3205827B2 (en) | Processing data creation device for non-circular workpieces | |
| JP3086699B2 (en) | Numerically controlled grinding machine | |
| JP2941030B2 (en) | Automatic processing condition correction device | |
| JPH04135206A (en) | Automatic deciding device for machining condition | |
| JP2839685B2 (en) | Automatic determination of grinding data | |
| JP2005018531A (en) | Cam grinding method | |
| JP3084914B2 (en) | Numerical control unit for grinding machine | |
| JP2003005814A (en) | Method for processing non-true circular workpiece | |
| JP2534417Y2 (en) | Shape data input device | |
| JP2926524B2 (en) | Numerical controller with trial cutting function | |
| JP2549664Y2 (en) | Numerically controlled grinding machine | |
| JPH0413085Y2 (en) |
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: R313111 |
|
| 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: 20070709 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080709 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080709 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090709 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090709 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100709 Year of fee payment: 11 |