JPH068107A

JPH068107A - 工作機械における熱変位補正方法

Info

Publication number: JPH068107A
Application number: JP17073292A
Authority: JP
Inventors: Kazu Watabe; 和渡部
Original assignee: Hitachi Seiko Ltd
Current assignee: Via Mechanics Ltd
Priority date: 1992-06-29
Filing date: 1992-06-29
Publication date: 1994-01-18

Abstract

(57)【要約】【目的】ニューラルネットワークの学習機能を利用し
て、工作機械における熱変位を高精度に補正する。【構成】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、テーブル上に配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、各温
度測定手段の出力に対応する工作機械の熱変位量を予測
するデータテーブルを作成し、被加工物の加工時に、前
記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変位量を予測し、その予測結果に基
づいて工作機械の動きを補正する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、工作機械における熱変
位補正方法に関するものである。

【０００２】

【従来の技術】マシニングセンタなどの工作機械におい
て高精度の加工を行なう場合、工作機械の各部における
熱変位をどのように補正するかが大きな課題になってい
る。このような工作機械の熱変位を補正するための装置
として、例えば特開昭５７−３３９３８号公報に開示さ
れた熱変位補正機能を備えた数値制御装置が提案されて
いる。この数値制御装置においては、工作機械のベッド
と主軸頭にそれぞれ温度測定手段を設け、予めこれらの
温度測定手段の出力の差と熱変位量の関係を求めてお
き、被加工物の加工時に、前記各温度検出手段の出力の
差に基づいて、工作機械の動きを補正するように構成さ
れている。

【０００３】

【発明が解決しようとする課題】工作機械は、被加工
物、被加工物の加工部位、使用する工具、周囲の気温、
などにより、温度上昇の仕方がその都度異なる。また、
工作機械を構成するベッド、コラム、主軸頭、テーブル
なども、個々についてみると、全体が均一な温度になる
のではなく、同じベッドでも、部位によって温度が異な
るのが普通である。このため、ベッドの比較的温度変化
の少ない点の温度と主軸頭の温度差を基準に、熱変位に
対する補正を行なっても、精度の良い補正を行なうこと
はできない。

【０００４】本発明の目的は、上記の事情に鑑み、高精
度の補正を可能にする工作機械における熱変位補正方法
を提供することにある。

【０００５】

【課題を解決するための手段】上記の目的を達成するた
め、本発明においては、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、テーブル上に配置された位
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、各温度測定手段の出力に対応する工作機械の
熱変位量を予測するデータテーブルを作成し、被加工物
の加工時に、前記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変位量を予測し、そ
の予測結果に基づいて工作機械の動きを補正する。

【０００６】

【作用】工作機械を測定用のプログラムにしたがって作
動させ、工作機械各部の温度と熱変位を測定し、ニュー
ラルネットワークの学習に必要なデータを収集する。デ
ータの収集が終わると、ニューラルネットワークは、そ
の予測誤差が所定の値より小さくなるまで学習を繰返
し、熱変位の予測に必要なニューラルネットワークの各
重み係数を求める。そして、被加工物の加工時に、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前
記重み係数に基づいて、熱変位量を予測し、この予測値
を工作機械を制御する数値制御装置に送り、工作機械の
移動量を補正させる。

【０００７】

【実施例】以下、本発明の一実施例を図面にしたがって
説明する。図１および図２は、本発明を適用するマシニ
ングセンタの一例を示すもので、同図において、１はベ
ッド。２はテーブルで、ベッド１にＸ方向に移動可能に
支持されている。３はコラムで、ベッド１にＹ方向に移
動可能に支持されている。４は主軸頭で、コラム３にＺ
方向に移動可能に支持されている。５は主軸で、主軸頭
４に回転可能に支持されている。６はテストバーで、主
軸５に固定されている。７、８、９は電気マイクロメー
タなどで構成された測定器で、テーブル２上に固定され
ている。１０は温度センサーで、ベッド１、テーブル
２、コラム３、主軸頭４に複数個ずつ固定され、マシニ
ングセンタ近傍にも気温を測定するために複数個配置さ
れている。

【０００８】図３は、本発明を実施するための回路を示
すブロック線図で、同図において、１１は測定器７、
８、９および温度センサー１０の出力を入力するための
入力信号切り替えＩＣ。１２はＡ／Ｄ変換器で、入力信
号切り替えＩＣ１１に接続されている。１３はメモリー
で、Ａ／Ｄ変換器１２に接続されている。１４はＣＰＵ
で、入力信号切り替えＩＣ１１と、メモリー１３に接続
されている。１５は工作機械を制御するためのＮＣ装置
である。

【０００９】上記の構成で、ニューラルネットワークの
学習過程を図４に示すフローチャートに基づいて説明す
る。ＮＣ装置１５にニューラルネットワークの学習に必
要な工作機械の駆動プログラムを設定する（ステップ４
１）。ＮＣ装置１５は、設定された駆動プログラムにし
たがって、工作機械を駆動する（ステップ４２）。

【００１０】工作機械に駆動中に、所定のタイミングで
工作機械各部の温度、気温、変位量を温度センサー１０
および測定器７、８、９で測定し、その測定結果を入力
信号切り替えＩＣ１１およびＡ／Ｄ変換機１２を介して
メモリー１３に記憶させる（ステップ４３）。前記ステ
ップ４２ないし４４を繰返し、ニューラルネットワーク
の学習に必要な量のデータが収集されると、測定を完了
する（ステップ４５）。

【００１１】測定が完了すると、設定されているニュー
ラルネットワークの各係数をクリアする（ステップ４
６）。ＣＰＵ１４に各重み係数の初期値をセットする
と、ＣＰＵ１４は、メモリー１３に記憶された測定結果
に基づいて、温度上昇と熱変位の関係を求める。メモリ
ー１３に記憶されている実測値を教師信号として、演算
結果を比較し、推論誤差を算出しその２乗和を求める。
推論誤差が大きい場合には、その誤差に対する各重み係
数の偏微分を求め、新たな重み係数を算出し、推論誤差
が十分に（工作機械に要求される加工精度より）小さく
なるまで上記の演算を繰り返す（ステップ４７）。

【００１２】推論誤差が十分に小さくなると、熱変位を
推論できたことになり収束する（ステップ４８）。そし
て、その時の重み係数を、ニューラルネットワークの各
係数として設定する（ステップ４９）。

【００１３】図５に示す２層ニューラルネットワークに
おける上記ステップ４７の推論過程は以下のようにして
行なわれる。温度センサー１０からの入力をＴ１、Ｔ２
・・・Ｔｍとし、推論する熱変位量をＤ１、Ｄ２、Ｄ３
（推論する熱変位量は何点でも良いが、説明の都合上３
点の場合とする）とすると、

【００１４】

【数１】

【００１５】Ｗｉｊは、重み係数。により工作機械各部
における温度変化の影響度を求める。この結果を、

【００１６】

【数２】

【００１７】βは、関数ｆ（Ｘ）のゲイン。μは、任意
の係数。に代入して、推論する熱変位量Ｄ１、Ｄ２、Ｄ
３を、

【００１８】

【数３】

【００１９】θｉは、オフセット量。により求めること
ができる。

【００２０】そして、重み係数Ｗｉｊ、ゲインβおよび
オフセット量θｉが適切な値に設定されていれば、式１
ないし式３の計算により工作機械の熱変位量を推論する
ことができる。すなわち、適切な重み係数Ｗｉｊ、ゲイ
ンβとオフセット量θｉが決まれば、工作機械の熱変位
量を容易に算出することができ、その結果に基づいて工
作機械の駆動量を補正することも容易に行なうことがで
きる。実際の測定値である教師信号ｙｉと、推論結果Ｄ
ｉとの差を推論誤差Ｅとすると、推論誤差Ｅは、教師信
号ｙｉと推論結果Ｄｉの差の２乗和として、

【００２１】

【数４】

【００２２】により求められる。ここで、重み係数Ｗｉ
ｊが推論誤差Ｅに関係する偏積分は、

【００２３】

【数５】

【００２４】ｍは、入力である温度測定点の数。により
与えられる。同様に、重み係数βが推論誤差Ｅに関係す
る偏積分は、

【００２５】

【数６】

【００２６】ｉ＝１〜ｋｋは、出力である熱変位量の組数。により与えられる。
また、オフセット量θｉが推論誤差Ｅに関係する偏積分
は、

【００２７】

【数７】

【００２８】ｉ＝１〜ｋにより与えられる。ここで、推論誤差Ｅを最小にする重
み係数Ｗｉｊ、ゲインβおよびオフセット量θｉの値を
最急降下法を用いて、

【００２９】

【数８】

【００３０】

【数９】

【００３１】

【数１０】

【００３２】により逐次求め、推論誤差Ｅが十分に小さ
くなったときの重み係数Ｗｉｊ、ゲインβおよびオフセ
ット量θｉを、新たに重み係数Ｗｉｊ、ゲインβおよび
オフセット量θｉとして設定する。このようにして設定
された係数Ｗｉｊ、ゲインβおよびオフセット量θｉを
使用して、工作機械の各部の温度変化から熱変位量を求
めることにより、高精度に熱変位量を推論し、高精度の
補正を行なうことができる。

【００３３】図６に示す３層ニューラルネットワークに
おける上記ステップ４７の推論過程は以下のようにして
行なわれる。温度センサー１０からの入力をＴ１、Ｔ２
・・・Ｔｍとし、中間層をＨ１、Ｈ２・・・Ｈｍとし、
推論する熱変位量をＤ１、Ｄ２、Ｄ３とすると、

【００３４】

【数１１】

【００３５】Ｗｉｊは、重み係数。により工作機械各部
における温度変化の中間層に対する影響度を求めること
ができる。この結果を、

【００３６】

【数１２】

【００３７】αは、関数ｆ（Ｘ）のゲイン。μは、任意
の係数。に代入して、

【００３８】

【数１３】

【００３９】θｉは、オフセット量。により中間層のＨ
１、Ｈ２・・・Ｈｍ求めることができる。この結果を、
に代入して、

【００４０】

【数１４】

【００４１】により中間層変化の出力層に対する影響度
を求めることができる。この結果を、

【００４２】

【数１５】

【００４３】βは、関数ｇ（Ｘ）のゲイン。μは、任意
の係数。に代入して、推論する熱変位量Ｄ１、Ｄ２、Ｄ
３を、

【００４４】

【数１６】

【００４５】γｉは、オフセット量。により求めること
ができる。そして、重み係数Ｗｉｊ、ゲインβ、α、オ
フセット量θｉ、γｉおよびＶｉが適切な値に設定され
ていれば、式１１ないし式１６の計算により工作機械の
熱変位量を推論することができる。

【００４６】ここで、重み係数Ｗｉｊ、ゲインβ、α、
オフセット量θｉ、γｉおよびＶｉを収束させる方法に
ついて説明する。重み係数Ｗｉｊが推論誤差Ｅに関係す
る偏積分は、

【００４７】

【数１７】

【００４８】により与えられる。同様に、ゲインβ、
α、オフセット量θｉ、γｉおよびＶｉが推論誤差Ｅに
関係する偏積分は、

【００４９】

【数１８】

【００５０】

【数１９】

【００５１】

【数２０】

【００５２】

【数２１】

【００５３】

【数２２】

【００５４】により与えられる。ここで、推論誤差Ｅを
最小にする重み係数Ｗｉｊ、ゲインβ、α、オフセット
量θｉ、γｉおよびＶｉの値を最急降下法を用いて、

【００５５】

【数２３】

【００５６】

【数２４】

【００５７】

【数２５】

【００５８】

【数２６】

【００５９】

【数２７】

【００６０】

【数２８】

【００６１】により逐次求め、推論誤差Ｅが十分に小さ
くなったときの重み係数Ｗｉｊ、ゲインβ、α、オフセ
ット量θｉ、γｉおよびＶｉの値を、新たに重み係数Ｗ
ｉｊ、ゲインβ、α、オフセット量θｉ、γｉおよびＶ
ｉとして設定する。

【００６２】上述のように重み係数Ｗｉｊ、ゲインβ、
α、オフセット量θｉ、γｉおよびＶｉが設定された
ら、工作機械を稼動させ被加工物の加工を行なうととも
に、図７に示すフローチャートにしたがって、工作機械
の熱変位の補正を行なう。たとえば、被加工物に要求さ
れる加工精度に基づいて、加工中の工作機械の熱変位の
補正の要否を判断する（ステップ７１）。補正を行なう
場合には、工作機械およびその周囲の温度を測定する
（ステップ７２）。その測定結果を、初期値として記憶
する（ステップ７３）。

【００６３】ＮＣ装置により工作機械を作動させ、被加
工物の加工を行なう（ステップ７４）。ＮＣ装置からの
要求により、工作機械の各部の温度および周囲の気温を
測定する（ステップ７５）。温度測定結果と記憶されて
いる初期値を比較し、その差を算出する（ステップ７
６）。前記算出結果に基づいて、熱変位量を予測する
（ステップ７７）。予測結果をＮＣ装置へ印加する（ス
テップ７８）。ＮＣ装置で、工作機械の座標軸の位置補
正を行なう（ステップ７９）。

【００６４】図８は、主軸を５０００ｒｐｍで回転させ
たときの工作機械各部の温度変化を示し、図９は、この
時の熱変位量を示すものである。図１０は、図８に示す
温度変化と、図９に示す熱変位量に基づいて、ニューラ
ルネットワークが学習を行ない、熱変位を予測した結果
と図９に示す実測値を比較したものである。この結果に
よれば、工作機械の温度上昇と、温度上昇に伴う熱変位
のように非線形モデルについても高精度に予測すること
ができることがわかる。

【００６５】図１１は、上記予測結果に基づいて補正を
行なったときの位置決め精度を示すもので、工作機械の
Ｘ、Ｙ、Ｚの各軸方向の精度を５μｍ以下にすることが
できた。

【００６６】

【発明の効果】以上述べた如く、本発明によれば、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、
テーブル上に配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、各温度測定手段の
出力に対応する工作機械の熱変位量を予測するデータテ
ーブルを作成し、被加工物の加工時に、前記各温度測定
手段の出力から、前記データテーブルに基づいて工作機
械の熱変位量を予測し、その予測結果に基づいて工作機
械の動きを補正するようにしたので、工作機械の熱変位
を高精度に補正することができる。

【図面の簡単な説明】

【図１】本発明を適用した工作機械の側面図。

【図２】図１の正面図。

【図３】本発明を実施するための回路を示すブロック線
図。

【図４】ニューラルネットワークにおける学習過程を示
すフローチャート図。

【図５】２層のニューラルネットワークの概念を示す構
成図。

【図６】３層のニューラルネットワークの概念を示す構
成図。

【図７】ニューラルネットワークにおける熱変位の補正
過程を示すフローチャート図。

【図８】工作機械各部の温度上昇状況を示す特性図。

【図９】温度上昇による熱変位量を示す特性図。

【図１０】熱変位量の実測値とユーラルネットワークの
予測値を示す特性図。

【図１１】熱変位補正後の精度を示す特性図。

【符号の説明】

７、８、９測定器１０温度センサー

Claims

【特許請求の範囲】

【請求項１】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、テーブル上に配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、
各温度測定手段の出力に対応する工作機械の熱変位量を
予測するデータテーブルを作成し、被加工物の加工時
に、前記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変位量を予測し、その予測結
果に基づいて工作機械の動きを補正することを特徴とす
る工作機械における熱変位補正方法。