WO2020008587A1 - 数値制御装置 - Google Patents

数値制御装置 Download PDF

Info

Publication number
WO2020008587A1
WO2020008587A1 PCT/JP2018/025474 JP2018025474W WO2020008587A1 WO 2020008587 A1 WO2020008587 A1 WO 2020008587A1 JP 2018025474 W JP2018025474 W JP 2018025474W WO 2020008587 A1 WO2020008587 A1 WO 2020008587A1
Authority
WO
WIPO (PCT)
Prior art keywords
relative displacement
unit
displacement
prediction model
model parameter
Prior art date
Application number
PCT/JP2018/025474
Other languages
English (en)
French (fr)
Inventor
敏章 木全
智哉 藤田
俊博 東
達也 井藤
Original Assignee
三菱電機株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to PCT/JP2018/025474 priority Critical patent/WO2020008587A1/ja
Priority to US16/340,385 priority patent/US10663945B2/en
Priority to CN201880004309.4A priority patent/CN110914770B/zh
Priority to DE112018000172.5T priority patent/DE112018000172B4/de
Priority to JP2018563932A priority patent/JP6494897B1/ja
Publication of WO2020008587A1 publication Critical patent/WO2020008587A1/ja

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
    • G05B19/402—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 control arrangements for positioning, e.g. centring a tool relative to a hole in the workpiece, additional detection means to correct position
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q15/00—Automatic control or regulation of feed movement, cutting velocity or position of tool or work
    • B23Q15/007—Automatic control or regulation of feed movement, cutting velocity or position of tool or work while the tool acts upon the workpiece
    • B23Q15/12—Adaptive control, i.e. adjusting itself to have a performance which is optimum according to a preassigned criterion
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/041—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a variable is automatically adjusted to optimise the performance
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • 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
    • G05B19/404—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 control arrangements for compensation, e.g. for backlash, overshoot, tool offset, tool wear, temperature, machine construction errors, load, inertia
    • 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
    • G05B2219/37—Measurements
    • G05B2219/37077—Relative movement
    • 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
    • G05B2219/37—Measurements
    • G05B2219/37436—Prediction of displacement, relative or absolute, motion
    • 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
    • G05B2219/41—Servomotor, servo controller till figures
    • G05B2219/41154—Friction, compensation for friction
    • 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
    • G05B2219/42044—Adapt model as function of difference between real and calculated position
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10T—TECHNICAL SUBJECTS COVERED BY FORMER US CLASSIFICATION
    • Y10T483/00—Tool changing
    • Y10T483/13—Tool changing with control means energized in response to activator stimulated by condition sensor
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10T—TECHNICAL SUBJECTS COVERED BY FORMER US CLASSIFICATION
    • Y10T483/00—Tool changing
    • Y10T483/14—Tool changing with signal or indicator
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10T—TECHNICAL SUBJECTS COVERED BY FORMER US CLASSIFICATION
    • Y10T483/00—Tool changing
    • Y10T483/15—Tool changing with means to condition or adjust tool or tool support
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10T—TECHNICAL SUBJECTS COVERED BY FORMER US CLASSIFICATION
    • Y10T483/00—Tool changing
    • Y10T483/17—Tool changing including machine tool or component

Definitions

  • the present invention relates to a numerical controller that controls a machine tool according to a machining program.
  • Patent Literature 1 discloses a technique in which a numerical controller predicts a relative displacement using a prediction model created in advance to predict a relative displacement, and performs feedforward correction based on the predicted relative displacement. Proposed. According to this technique, it is possible to cope with a case where the driving direction and the vibration direction are different.
  • Patent Document 1 does not take into account changes in inertia of a machine tool, and therefore cannot properly correct a command from a numerical control device when the inertia of a machine tool changes. There was a problem.
  • the present invention has been made in view of the above, and provides a numerical control device capable of suppressing occurrence of vibration in relative displacement between a tool and a work when inertia of a machine tool changes. With the goal.
  • the present invention provides a numerical control device that controls the relative displacement between a tool and a work in a machine tool by a command to a driving unit that drives a motor.
  • a tool-side displacement meter side for measuring a physical quantity related to the workpiece
  • a work-side displacement meter side for measuring a physical quantity related to the displacement of the workpiece
  • a drive signal meter side for measuring a drive signal output from the drive unit to the motor, and a tool.
  • a relative displacement calculator for calculating a relative displacement between the tool and the workpiece from a physical quantity related to the displacement of the workpiece and a physical quantity related to the displacement of the workpiece, and a relative displacement from the drive signal based on a prediction model expressing a relationship between the drive signal and the relative displacement.
  • a relative displacement prediction unit that calculates a relative displacement predicted value that is a predicted value of the displacement.
  • the present invention provides a model parameter calculation unit for generating a prediction model parameter constituting a prediction model based on a drive signal, a relative displacement generated by a relative displacement calculation unit, and a relative displacement prediction value, And a command value correction unit that outputs, as a command, a corrected position command obtained by correcting the position command to the drive unit using the command.
  • the model parameter calculation unit changes the prediction model parameter so as to suppress a deviation between the relative displacement generated by the relative displacement calculation unit and the relative displacement prediction value.
  • the numerical control device has an effect that it is possible to suppress occurrence of vibration in the relative displacement between the tool and the work when the inertia of the machine tool changes.
  • FIG. 1 is a block diagram illustrating an example of a functional configuration of a numerical control device according to a first embodiment.
  • 4 is a flowchart illustrating an example of a processing procedure of generating a prediction model parameter before a machining operation according to the first embodiment.
  • 4 is a flowchart illustrating an example of a procedure for calculating an optimal solution using the particle swarm optimization method according to the first embodiment.
  • FIG. 9 is a diagram illustrating an effect obtained by changing a prediction model parameter according to the first embodiment;
  • FIG. 4 is a block diagram illustrating an example of a functional configuration of a numerical control device according to a second embodiment of the present invention.
  • FIG. 1 is a block diagram illustrating an example of a functional configuration of a numerical control device according to a first embodiment.
  • 4 is a flowchart illustrating an example of a processing procedure of generating a prediction model parameter before a machining operation according to the first embodiment.
  • 4 is a flowchart illustrating an example of a
  • FIG. 6 is a block diagram showing an example of a functional configuration of a filter processing unit according to the second embodiment.
  • FIG. 4 is a block diagram illustrating an example of a functional configuration of a numerical control device according to a third embodiment of the present invention.
  • FIG. 4 is a block diagram illustrating an example of a functional configuration of a numerical control device according to a fourth embodiment of the present invention.
  • FIG. 9 is a block diagram illustrating an example of a functional configuration of a machine learning device according to a fourth embodiment.
  • 11 is a flowchart showing an operation flow of the machine learning device using reinforcement learning according to the fourth embodiment.
  • FIG. 3 is a diagram illustrating a hardware configuration when the functions of the numerical control device according to the first to fourth embodiments are implemented by a computer system;
  • FIG. 1 is a diagram schematically illustrating an example of a configuration of a machine tool 1 according to a first embodiment of the present invention.
  • FIG. 2 is a block diagram illustrating an example of a functional configuration of the numerical controller 8 according to the first embodiment. In FIG. 1, illustration of the numerical controller 8 and the drive unit 11 connected to the machine tool 1 is omitted.
  • the machine tool 1 holds a bed 2 serving as a base, a work 4 to be processed, a table 4 that can move in the horizontal direction and can rotate in a horizontal plane, and a tool 5 that moves in the vertical direction while holding a tool 5. It has a possible head 6 and a column 7 fixed to the bed 2 and supporting the head 6.
  • the numerical controller 8 is connected to the machine tool 1 and the drive unit 11 that drives the machine tool 1 by controlling the position and speed of the motor.
  • the numerical control device 8 is a device that outputs a movement command to the drive unit 11 according to a processing program for processing the work 3.
  • the table 4 moves in the horizontal direction or rotates in the horizontal plane, or the head 6 moves in the vertical direction. Processed.
  • the driving force generated when the table 4 is moved propagates as a reaction force, and vibrations are generated in structures other than the work 3.
  • the column 7 can be cited as an example of a structure in which vibration occurs. When such vibration occurs, the relative position of the tool 5 with respect to the workpiece 3 vibrates.
  • the drive unit 11 generates a drive signal for moving the table 4 or the head 6 in accordance with a movement command from the numerical controller 8, and outputs the generated drive signal to the motor of the machine tool 1.
  • the table 4 or the head 6 is driven to translate or rotate by driving a motor attached to the machine tool 1 according to the drive signal. As a result, the relative displacement between the tool 5 and the work 3 in the machine tool 1 is controlled.
  • a case where the table 4 is moved will be described.
  • an object that is driven like the table 4 is a driving target object
  • an object that is not driven like the head 6 is a non-driving object.
  • the numerical control device 8 includes a tool-side displacement measurement unit 9, a work-side displacement measurement unit 10, a drive signal measurement unit 12, a relative displacement calculation unit 13, a model parameter calculation unit 14, a relative displacement prediction unit 15, A command value correction unit 16 and a position command generation unit 17 are provided.
  • the tool-side displacement measuring unit 9 acquires a physical quantity relating to the displacement of the tool 5 from the head 6 or a sensor attached to the tool 5 and outputs the physical quantity to the relative displacement calculating unit 13.
  • the displacement of the tool 5 refers to the amount of change in the position of the tool 5.
  • the sensor may be any sensor that can acquire a physical quantity related to the displacement of the tool 5, such as an acceleration sensor, a speed sensor, and a displacement sensor.
  • the work-side displacement measurement unit 10 acquires a physical quantity related to the displacement of the work 3 from a sensor attached to the work 3, the table 4, or the bed 2, and outputs the physical quantity to the relative displacement calculation unit 13.
  • the displacement of the work 3 refers to the amount of change in the position of the work 3.
  • the sensor may be any sensor that can acquire a physical quantity related to the displacement of the work 3, such as an acceleration sensor, a speed sensor, and a displacement sensor.
  • the drive signal measurement unit 12 acquires the drive signal output from the drive unit 11 and outputs the drive signal to the relative displacement prediction unit 15 and the model parameter calculation unit 14.
  • the relative displacement calculator 13 calculates the relative displacement between the tool 5 and the workpiece 3 based on the physical quantity related to the displacement of the tool 5 acquired from the tool-side displacement measuring unit 9 and the physical quantity related to the displacement of the workpiece 3 acquired from the workpiece-side displacement measuring unit 10. Calculate the displacement.
  • the relative displacement between the tool 5 and the work 3 is the amount of change in the position of the tool 5 based on the position of the work 3 or the amount of change in the position of the work 3 based on the position of the tool 5. Alternatively, the difference between the displacement of the tool 5 and the displacement of the work 3.
  • a difference between a physical quantity related to the displacement acquired from the tool-side displacement measuring unit 9 and a physical quantity related to the displacement acquired from the workpiece-side displacement measuring unit 10 is obtained to obtain difference information regarding the displacement.
  • the difference information is data of the dimension of acceleration
  • the relative displacement is calculated by performing second-order integration on the data with respect to time.
  • the difference information is velocity dimension data
  • the relative displacement is calculated by performing first-order integration on the data with respect to time.
  • the difference information is position dimension data
  • the data is generated as a relative displacement without performing an integration operation on the data.
  • the relative displacement generated by the relative displacement calculator 13 is output to the model parameter calculator 14.
  • the model parameter calculation unit 14 is configured to calculate a relative displacement obtained from the relative displacement calculation unit 13, a drive signal obtained from the drive signal measurement unit 12, and a relative displacement predicted value obtained from a relative displacement prediction unit 15 described below. Generate and generate prediction model parameters.
  • the prediction model is a model expressed by a relational expression representing a correlation in which a drive signal is input and a relative displacement between the workpiece 3 and the tool 5 in a three-dimensional space is an output.
  • the parameters that make up the prediction model are called prediction model parameters.
  • the method of generating the prediction model parameters differs in the processing procedure before and during the machining operation, but the details will be described later.
  • the prediction model parameters calculated by the model parameter calculation unit 14 are output to the relative displacement prediction unit 15 and the command value correction unit 16.
  • the relative displacement prediction unit 15 constructs a prediction model using the prediction model parameters obtained from the model parameter calculation unit 14.
  • the relative displacement prediction unit 15 calculates a relative displacement prediction value that is a predicted value of the relative displacement from the drive signal acquired from the drive signal measurement unit 12 based on the constructed prediction model.
  • the position command generation unit 17 reads a processing program for processing the work 3, and outputs a position command, which is a movement command to the drive unit 11, to the command value correction unit 16.
  • the command value correction unit 16 corrects the position command obtained from the position command generation unit 17 by a method described later, and causes the drive unit 11 to drive the machine tool 1 so that the relative displacement does not vibrate.
  • the position command is obtained and output to the drive unit 11.
  • the drive unit 11 Before the machining operation, the drive unit 11 outputs a drive signal for exciting the machine tool 1.
  • the model parameter calculation unit 14 obtains the drive signal at that time from the drive signal measurement unit 12, and the model parameter calculation unit 14 obtains the relative displacement at that time from the relative displacement calculation unit 13. From the acquired drive signal and relative displacement, the model parameter calculation unit 14 derives parameters of a prediction model, which is a state space model capable of expressing the relationship between the drive signal and vibration generated in the relative displacement, that is, prediction model parameters.
  • model parameters are used.
  • the operation unit 14 derives parameters of the prediction model.
  • the method of deriving the parameters of the prediction model is not limited to these methods.
  • the parameters of the prediction model in the state space expression are derived from the model obtained by the system identification, based on a model approximated by reducing the order and the like.
  • FIG. 3 is a flowchart illustrating an example of a procedure of generating a prediction model parameter before the machining operation according to the first embodiment.
  • sensors are attached to both the tool side and the work side as preparations for a processing procedure for generating a prediction model parameter before the machining operation.
  • a sensor is attached to the head 6 or the tool 5 so that the tool-side displacement measuring section 9 can acquire the tool-side displacement information.
  • a sensor is attached to the work 3, the table 4, or the bed 2 so that the work-side displacement measuring unit 10 can acquire the work-side displacement information.
  • the user instructs to start the generation process of the prediction model parameter
  • the input device of the numerical controller 8 receives an instruction to start the generation process of the prediction model parameter (step S1).
  • the drive unit 11 outputs a drive signal for exciting the machine tool 1 (step S2).
  • the drive signal is a vibration signal that is different from a signal used when actually performing processing.
  • the excitation signal may be any signal having a frequency band including the vibration frequency of the vibration of the relative displacement generated between the tool 5 and the work 3, and a pseudo random signal, a sine sweep signal, or the like is used.
  • the model parameter calculation unit 14 obtains the driving signal during the vibration from the driving signal measurement unit 12, and obtains the relative displacement at that time from the relative displacement calculation unit 13 (step S3).
  • the model parameter calculation unit 14 creates a prediction model from the acquired drive signal and relative displacement by using a system identification technique.
  • the model parameter calculation unit 14 creates a prediction model that simulates the vibration of the relative displacement that affects the processing accuracy and the quality by performing approximation by lowering the dimension of the created prediction model (step S4).
  • To create a prediction model specifically means to obtain a prediction model parameter that is a parameter expressing the prediction model.
  • the model parameter calculation unit 14 outputs the prediction model parameters constituting the prediction model created in step S4 to the relative displacement prediction unit 15 and the command value correction unit 16 (step S5).
  • a state space representation of the created prediction model is used as a prediction model parameter.
  • the prediction model parameters are not limited to those expressed in the state space.
  • the command value correction unit 16 obtains a position command from the position command generation unit 17, obtains a relative displacement prediction value from the relative displacement prediction unit 15, and obtains a prediction model parameter from the model parameter calculation unit 14.
  • the command value correction unit 16 is a corrected position command that causes the drive unit 11 to drive the machine tool 1 based on the acquired position command, predicted relative displacement value, and prediction model parameter so that the relative displacement does not vibrate with respect to the position command. Is output.
  • the method of generating the corrected position command in the command value correction unit 16 is as described in Patent Document 1 as follows. That is, the command value correction unit 16 predicts a relative displacement, which is a movement amount of an object not to be driven, based on a prediction model constructed using the prediction model parameters obtained from the model parameter calculation unit 14, and moves the object to be driven. The moving amount of the driven object is predicted based on a predetermined model for predicting the amount. Then, the command value correction unit 16 calculates the feedback gain by designing the optimal regulator, and uses the information including the predicted movement amount of the object to be driven and the object to be driven and the feedback gain to move the object to be driven. A correction amount for the position command is calculated so as to suppress the amount.
  • the command value correction unit 16 outputs a corrected position command obtained by correcting the position command with the calculated correction amount as a command to the driving unit 11.
  • the method of correction in the command value correction unit 16 is not limited to this, and a filter that specifies the frequency of the relative displacement vibration from the prediction model and suppresses the vibration at that frequency is used. May be set.
  • the inertia of the machine tool 1 changes.
  • the vibration characteristics of the relative displacement change, so that it becomes difficult to correctly predict the relative displacement by the prediction model created by the above method, and as a result, the relative displacement becomes oscillatory. there is a possibility.
  • the numerical controller 8 executes a prediction model parameter changing process for changing a prediction model parameter.
  • the prediction model parameter changing process is performed by the model parameter calculation unit 14 during the machining operation.
  • the prediction model parameter changing process will be described.
  • the model parameter calculation unit 14 specifies the end of acceleration or the end of deceleration from the drive signal acquired from the drive signal measurement unit 12. Then, the model parameter calculation unit 14 acquires the relative displacement for an arbitrary time from the end of the acceleration or the end of the deceleration from the relative displacement calculation unit 13. Further, the model parameter calculation unit 14 acquires a relative displacement prediction value from the relative displacement prediction unit 15. Then, the model parameter calculation unit 14 calculates the absolute value of the difference between the obtained relative displacement predicted value and the obtained relative displacement. This is used as a prediction error of the relative displacement.
  • the relative displacement vibration is suppressed by the corrected position command, and the relative displacement prediction error is a very small value near 0. It has become.
  • the prediction error of the relative displacement becomes oscillating, so that the vibration at that time is predicted.
  • the model parameter calculation unit 14 optimizes the vibration frequency, amplitude, damping ratio, and phase of the vibration of the relative displacement obtained from the relative displacement calculation unit 13. Is calculated using The threshold value is set to a predetermined appropriate positive value so that optimization is performed only when necessary.
  • the relative displacement predicted value is assumed to have sufficiently suppressed vibration, so here, the relative displacement predicted value is assumed to be 0, and the vibration of the relative displacement is optimized by the optimization method. calculate.
  • the particle swarm optimization method Particle Swarm Optimization (PSO)
  • PSO particle Swarm Optimization
  • the optimization method for determining the vibration of the relative displacement is limited to this method. is not.
  • Equations (1) and (2) the subscript i is the particle number (particle number), the subscript k is the number of searches, w, c 1 , and c 2 are weighting factors in each term, and rand 1i and rand 2i are 0.
  • x i k is the i th current position vector of the search number k
  • v i k is the movement vector in the current number of searches k of the i-th particle of the particle
  • x i k + 1 is a position vector of the i-th particle at the next search number k +
  • v i k + 1 is a movement vector of the i-th particle at the next search number k +
  • pbest i is the past best solution of the i-th particle
  • Gbest indicate the past best solution of all particles, respectively.
  • model parameter calculation unit 14 can estimate the vibration of the relative displacement acquired from the relative displacement calculation unit 13 as in the following equation (3).
  • y represents the estimated relative displacement
  • A represents the amplitude
  • f represents the vibration frequency
  • ⁇ represents the damping ratio
  • ⁇ represents the phase
  • t represents the time from the end of acceleration or deceleration.
  • FIG. 4 is a flowchart illustrating an example of a procedure for calculating an optimal solution using the particle swarm optimization method according to the first embodiment. Each step of the flowchart in FIG. 4 is executed by the model parameter calculation unit 14.
  • the model parameter calculation unit 14 sets an initial value in the particle swarm optimization method (Step S101). Specifically, the maximum value of the particle number i, which is the total number of particles, the maximum value of the number of searches k, which is the total number of searches, the weighting factors w, c 1 , c 2 , and the initial value x i 0 of the position vector of each particle , the initial value pbest i 0 past best solution of the initial value v i 0, i-th particle motion vector of each particle, the initial value of the past best solution gbest of all particles is set appropriately.
  • a movement vector v i k + 1 at the next search number k + 1 is calculated according to equation (1) (step S104).
  • a position vector x i k + 1 at the next search number k + 1 is calculated according to equation (2) (step S105).
  • the relative displacement y estimated by Expression (3) is calculated as y i using the position vector x i k + 1 obtained in step S105 (step S106).
  • Step S108 It is determined whether the current evaluation value of the i-th particle calculated in step S107 is smaller than the evaluation value obtained in the past for the i-th particle (step S108). When it is determined that the current evaluation value is smaller than the past evaluation value (Step S108: Yes), the process proceeds to Step S109, otherwise (Step S108: No), the process proceeds to Step S110.
  • step S110 It is determined whether the current evaluation value of the i-th particle calculated in step S107 is smaller than the evaluation values obtained in the past for all particles (step S110). If it is determined that the current evaluation value is smaller than the past evaluation values of all the particles (step S110: Yes), the process proceeds to step S111, otherwise (step S110: No), the process proceeds to step S112.
  • step S113 it is determined whether or not the particle number i is larger than the total number of particles set in step S101 (step S113). If it is determined that the particle number i is larger than the total number of particles set in step S101 (step S113: Yes), the process proceeds to step S114, otherwise (step S113: No), the process proceeds to step S104.
  • step S115 it is determined whether the number of searches k is greater than the total number of searches set in step S101 (step S115).
  • step S115: Yes it is determined that the number of searches k is larger than the total number of searches set in step S101 (step S115: Yes)
  • step S116 the process proceeds to step S116, otherwise (step S115: No)
  • step S103 the process proceeds to step S103.
  • ⁇ Determine the past best solution gbest of all particles as the final optimum solution (step S116). It is determined that the best solution gbest corresponds to the vibration frequency, amplitude, damping ratio, and phase of the vibration of the relative displacement acquired from the relative displacement calculation unit 13.
  • the model parameter calculation unit 14 changes the prediction model by applying the vibration frequency or the like obtained as described above to a portion corresponding to the vibration frequency or the like of the prediction model.
  • Equation (4) s is a Laplace operator, N (s) is a polynomial of s, ⁇ is an eigenvalue of the prediction model, and ⁇ 1 to ⁇ are conjugate complex numbers of ⁇ .
  • the real part ⁇ real and the imaginary part ⁇ imag of the eigenvalue ⁇ can be expressed by the following equations (5) and (6) using the vibration frequency f and the damping ratio ⁇ .
  • the eigenvalue is changed by substituting the vibration frequency f and the damping ratio ⁇ obtained in step S116 of the above-described optimization method into the vibration frequency f and the damping ratio ⁇ in Expressions (5) and (6).
  • the prediction model can be changed to a model corresponding to the vibration of the relative displacement acquired from the parameter calculator 14 and the relative displacement calculator 13.
  • Prediction model parameters can be changed by expressing the changed prediction model in a state space. Since the relative displacement calculation unit 13 calculates the relative displacement from the physical quantity related to the displacement acquired from the tool-side displacement measurement unit 9 and the work-side displacement measurement unit 10, the relative displacement calculation unit 13 calculates the prediction model parameters according to the change in the inertia of the machine tool 1. Can be changed.
  • the prediction model parameters are changed by the model parameter calculation unit 14 as described above, the prediction model parameters used by the relative displacement prediction unit 15 are changed. Is suppressed so that the deviation between the relative displacement predicted value output based on the relative displacement and the relative displacement generated by the relative displacement calculation unit 13 becomes zero. More specifically, the model parameter calculation unit 14 calculates the vibration frequency, amplitude, damping ratio, and phase of the vibration of the relative displacement prediction value predicted by the relative displacement prediction unit 15, and calculates the vibration of the relative displacement generated by the relative displacement calculation unit 13. The prediction model parameters are changed so as to match the vibration frequency, amplitude, damping ratio, and phase.
  • FIG. 5 is a diagram illustrating an effect obtained by changing the prediction model parameters according to the first embodiment.
  • FIG. 5 is a diagram illustrating an example of a simulation result of a vertical relative displacement of the tool 5 with respect to the workpiece 3 when the workpiece 3 is moved in the horizontal direction in the machine tool 1 illustrated in FIG. It is.
  • the horizontal axis represents time
  • the vertical axis represents relative displacement
  • a curve L1 indicated by a broken line in FIG. 5 indicates a temporal change in the relative displacement in the vertical direction when only the prediction model constructed before the machining operation is used without changing the prediction model during the machining operation.
  • a curve L2 indicated by a solid line in FIG. 5 indicates a temporal change in the relative displacement in the vertical direction when the prediction model is changed during the machining operation as described above.
  • the simulation was performed using Equation (4) as the prediction model. When the prediction model is not changed during the machining operation, the inertia of the machine tool 1 changes during the operation, so that the vibration frequency of the relative displacement vibration changes.
  • the vibration amplitude in the vertical direction changes. Has occurred.
  • the prediction model is changed during the machining operation, as shown by the curve L2, it can be seen that the vibration amplitude in the vertical direction is sufficiently small and the end time of the vibration is shorter than that of the curve L1.
  • the prediction model is optimized based on the relative displacement measured during the machining operation, that is, the prediction model parameters are optimized. This makes it possible to suppress the occurrence of vibration in the relative displacement between the tool and the workpiece when the inertia of the machine tool 1 during the machining operation changes.
  • FIG. 6 is a block diagram illustrating an example of a functional configuration of the numerical controller 81 according to the second embodiment of the present invention.
  • the difference between the numerical controller 81 and the numerical controller 8 according to the first embodiment is that the relative displacement calculator 13 is replaced with a relative displacement calculator 131.
  • the relative displacement calculator 131 includes a relative displacement calculator 18 and a filter processor 19.
  • the relative displacement calculator 18 performs the same processing as the relative displacement calculator 13 according to the first embodiment.
  • the relative displacement between the tool and the work output from the relative displacement calculation unit 18 is defined as a relative displacement before filtering.
  • the relative displacement before filtering output from the relative displacement calculating unit 18 is input to the filtering unit 19.
  • FIG. 7 is a block diagram illustrating an example of a functional configuration of the filter processing unit 19 according to the second embodiment.
  • the filter processing unit 19 includes a filter parameter setting unit 20 and a band pass filter 21.
  • the filter parameter setting unit 20 estimates the vibration frequency of the relative displacement vibration from the prediction model parameters obtained from the model parameter calculation unit 14 and sets a pass band around the vibration frequency in the band-pass filter 21.
  • the filter parameter setting unit 20 does not execute the filtering process, and uses the relative displacement before the filtering process as the output of the relative displacement calculation unit 131.
  • the use of the band-pass filter 21 is also set.
  • the band-pass filter 21 performs a filtering process on the relative displacement before the filtering output from the relative displacement calculating unit 18 based on the setting of the filter parameter setting unit 20 to remove a component corresponding to noise and perform the relative displacement.
  • Output as The relative displacement output from the band-pass filter 21 is defined as a relative displacement generated by the relative displacement calculator 131.
  • the filter parameter setting unit 20 sets the pass band of the bandpass filter 21 regardless of the input of the prediction model parameter from the model parameter calculation unit 14. May be.
  • the pass band is set to plus or minus several tens Hz of the predicted frequency, and half and twice the predicted frequency are also set to the pass band. There is no particular limitation as long as a frequency close to the frequency of the relative displacement vibration can be passed.
  • the model parameter calculation unit 14 executes the optimization process on the relative displacement output by removing unnecessary vibration from the filter processing unit 19 as described above. By doing so, the accuracy of changing the prediction model parameters is improved. As a result, the ability to suppress the relative displacement vibration can be further improved.
  • FIG. 8 is a block diagram illustrating an example of a functional configuration of the numerical controller 82 according to the third embodiment of the present invention.
  • the difference between the numerical control device 82 and the numerical control device 8 according to the first embodiment is that the numerical control device 82 further includes an inertia change information prediction unit 22.
  • the third embodiment is different from the first embodiment in that it determines whether or not the process of changing the prediction model parameter in the model parameter calculation unit 14 is based on the inertia change information output from the inertia change information prediction unit 22.
  • the inertia change information prediction unit 22 acquires the inertia information of the work 3 output from the drive unit 11 or the axis position information output from the position command generation unit 17, and indicates that the inertia of the machine tool 1 has changed.
  • the inertia change information is output to the model parameter calculator 14.
  • the inertia information of the work 3 is the estimated inertia of the work 3 mounted on the table 4.
  • the estimated inertia of the work 3 it is known that the inertia of the work 3 to be driven can be estimated based on the current and the acceleration which are the drive signals at the time of acceleration / deceleration of the motor. Therefore, the drive unit 11 outputs the estimated inertia of the work 3 mounted on the table 4 based on the current and the acceleration, which are drive signals at the time of acceleration / deceleration of the motor.
  • the position command generation unit 17 outputs the position command as axis position information in order to output a position command which is movement information of each drive shaft of the machine tool 1 based on the machining program.
  • the inertia change information prediction unit 22 stores the obtained estimated inertia and, when determining that the change in the estimated inertia has increased, outputs the inertia change information assuming that the inertia of the machine tool 1 has changed. It should be noted that a threshold value for the amount of change in the estimated inertia required for the determination is appropriately set in advance.
  • the inertia change information prediction unit 22 stores the acquired axis position information, and outputs inertia change information assuming that the inertia of the machine tool 1 has changed when it is determined that the axis position information has significantly changed.
  • the threshold value for the amount of change in the position command required for the determination is appropriately set in advance.
  • the model parameter calculation unit 14 determines whether or not the prediction model parameter change processing is possible based on the inertia change information acquired from the inertia change information prediction unit 22. Specifically, when a heavy work 3 is mounted on the table 4, the inertia of the machine tool 1 changes greatly.
  • the inertia change information is binary information of ON or OFF.
  • the inertia change information prediction unit 22 detects that the inertia of the machine tool 1 has significantly changed based on the estimated inertia obtained from the drive unit 11 after acceleration / deceleration of the motor driving the table 4 and turns on the inertia change information. And output.
  • the inertia change information prediction unit 22 stores the estimated inertia acquired when the inertia of the machine tool 1 is detected to have changed significantly.
  • the model parameter calculation unit 14 performs a prediction model parameter change process, and after performing the prediction model parameter change process, the inertia change information prediction unit 22 turns off the inertia change information. I do.
  • the process of changing the prediction model parameters is necessary when the inertia of the machine tool 1 changes significantly.
  • the change process can be performed only when necessary, and the useless change of the prediction model parameter can be prevented, so that useless calculation cost can be omitted.
  • FIG. 9 is a block diagram illustrating an example of a functional configuration of the numerical controller 83 according to the fourth embodiment of the present invention.
  • the difference between the numerical controller 83 and the numerical controller 8 according to the first embodiment is that the model parameter calculator 14 is replaced with a model parameter calculator 141.
  • the model parameter calculation unit 141 includes the machine learning device 100 that learns prediction model parameters and the decision making unit 105.
  • the machine learning device 100 includes a state observation unit 101 and a learning unit 102.
  • the state observation unit 101 observes, as state variables, the relative displacement obtained from the relative displacement calculation unit 13, the predicted relative displacement value obtained from the relative displacement prediction unit 15, and the drive signal obtained from the drive signal measurement unit 12.
  • the learning unit 102 learns prediction model parameters according to a training data set created based on the relative displacement, the relative displacement predicted value, and the state variable of the drive signal.
  • Any learning algorithm used by the learning unit 102 may be used.
  • reinforcement learning Reinforcement @ Learning
  • an agent acting agent
  • the agent obtains rewards from the environment by selecting an action, and learns a strategy to obtain the highest reward through a series of actions.
  • Q learning Q-learning
  • TD-learning TD learning
  • a general update equation (action value table) of the action value function Q (s, a) is represented by the following equation (7).
  • Equation (7) s t represents the environment at time t, a t represents the behavior in time t.
  • the environment is changed to s t + 1.
  • rt + 1 represents a reward obtained by a change in the environment
  • ⁇ represents a discount rate
  • ⁇ represents a learning coefficient. If you apply the Q-learning, predictive model parameter is the action a t.
  • the update expression represented by the equation (7) increases the action value Q if the action value of the best action a at the time t + 1 is greater than the action value Q of the action a executed at the time t. In this case, the action value Q is reduced. In other words, the action value function Q (s, a) is updated so that the action value Q of the action a at the time t approaches the best action value at the time t + 1. As a result, the best action value in a certain environment is sequentially propagated to the action value in an earlier environment.
  • FIG. 10 is a block diagram illustrating an example of a functional configuration of the machine learning device 100 according to the fourth embodiment.
  • the learning unit 102 further includes a reward calculation unit 103 and a function update unit 104.
  • the reward calculation unit 103 calculates a reward based on the state variables.
  • the absolute value of the difference between the relative displacement prediction value output from the relative displacement prediction unit 15 and the relative displacement output from the relative displacement calculation unit 13 is the relative displacement prediction error.
  • the prediction error of the relative displacement is extracted according to a known method. Specifically, the relative displacement and the relative displacement prediction value are measured by measuring the relative displacement and the relative displacement after the motor of the shaft driving the table 4 with the heavy work 3 mounted thereon is accelerated / decelerated. Can be.
  • the reward calculation unit 103 calculates the reward r based on the prediction error of the relative displacement. Specifically, when the absolute value of the difference between the vibration frequency of the relative displacement predicted value and the frequency of the relative displacement becomes smaller as a result of changing the prediction model parameter, the reward calculation unit 103 increases the reward r. In order to increase the reward r, a reward of “1” is given. The value of the reward is not limited to “1”.
  • the reward calculation unit 103 reduces the reward r.
  • a reward of “ ⁇ 1” is given.
  • the value of the reward is not limited to “ ⁇ 1”.
  • the function updating unit 104 updates a function for determining a prediction model parameter according to the reward calculated by the reward calculating unit 103.
  • the updating of the function can be performed according to the training data set, specifically, by updating the action value table.
  • the action value table is a data set in which an arbitrary action is associated with the action value and stored in a table format. For example, in the case of Q learning, an action value function Q (s t , a t ) represented by Expression (7) is used as a function for a prediction model parameter.
  • FIG. 11 is a flowchart illustrating an operation flow of the machine learning device 100 using the reinforcement learning according to the fourth embodiment.
  • the reinforcement learning method for updating the action value function Q (s, a) will be described with reference to the flowchart in FIG.
  • the state observation unit 101 specifies the end of acceleration or the end of deceleration based on the drive signal acquired from the drive signal measurement unit 12 (step S11).
  • the state observation unit 101 acquires a state variable for an arbitrary period from the end of acceleration or the end of deceleration (step S12).
  • the state variables include a relative displacement, a drive signal, and a relative displacement predicted value. Since the motor is driven after the end of acceleration, the relative displacement may include unnecessary noise. Therefore, it is desirable to use the relative displacement in the stop state after the end of deceleration as a state variable. .
  • the reward calculation unit 103 calculates a relative displacement prediction error that is an absolute value of a difference between the relative displacement prediction value and the relative displacement (step S13).
  • the reward calculation unit 103 calculates the reward r based on the prediction error of the relative displacement (Step S14).
  • the ⁇ function update unit 104 updates the action value function Q (s, a) according to the formula (7) according to the reward r obtained at step S14 (step S15).
  • the ⁇ function update unit 104 determines whether or not the update is not performed in step S15 and the action value function Q has converged (step S16). When it is determined that the action value function Q has not converged (step S16: No), the process returns to step S11. When it is determined that the action value function Q has converged (step S16: Yes), the learning by the learning unit 102 ends. Note that the learning may be continued by immediately returning to step S11 from step S15 without providing step S16.
  • the decision making unit 105 selects a prediction model parameter that gives the highest reward based on the result learned by the learning unit 102, that is, the updated action value function Q (s, a). Then, the command value correction unit 16 obtains the prediction model parameters from the decision-making unit 105 and corrects the position command, thereby suppressing the vibration generated in the relative displacement according to the change in the inertia of the machine tool 1. .
  • the learning unit 102 may execute machine learning according to a learning algorithm such as another known method, neural network, genetic programming, functional logic programming, or support vector machine.
  • the numerical controllers 8, 81 to 83 according to the first to fourth embodiments are realized by a computer system such as a personal computer or a general-purpose computer.
  • FIG. 12 is a diagram illustrating a hardware configuration when the functions of the numerical controllers 8, 81 to 83 according to the first to fourth embodiments are implemented by a computer system.
  • the functions of the numerical control devices 8, 81 to 83 include a CPU (Central Processing Unit) 201, a memory 202, and a storage device 203 as shown in FIG. , The display device 204 and the input device 205.
  • the functions executed by the machine learning device 100 are realized by software, firmware, or a combination of software and firmware.
  • the software or firmware is described as a program and stored in the storage device 203.
  • the CPU 201 implements the functions of the numerical control devices 8, 81 to 83 by reading out software or firmware stored in the storage device 203 into the memory 202 and executing it. That is, when the functions of the numerical control devices 8, 81 to 83 are executed by the CPU 201, the step of executing the operations of the numerical control devices 8, 81 to 83 according to the first to fourth embodiments results. And a storage device 203 for storing a program to be executed. In addition, it can be said that these programs cause a computer to execute processing realized by the functions of the numerical controllers 8, 81 to 83.
  • the memory 202 corresponds to a volatile storage area such as a RAM (Random Access Memory).
  • the storage device 203 corresponds to a non-volatile or volatile semiconductor memory such as a ROM (Read Only Memory), a flash memory, or a magnetic disk.
  • ROM Read Only Memory
  • Specific examples of the display device 204 are a monitor and a display.
  • Specific examples of the input device 205 are a keyboard, a mouse, and a touch panel.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Mechanical Engineering (AREA)
  • Numerical Control (AREA)
  • Automatic Control Of Machine Tools (AREA)

Abstract

数値制御装置（８）は、工具の変位に関する物理量を計測する工具側変位計側部（９）と、ワークの変位に関する物理量を計測するワーク側変位計側部（１０）と、駆動信号を計測する駆動信号計側部（１２）と、工具とワークとの相対変位を算出する相対変位算出部（１３）と、駆動信号と相対変位との関係を表現する予測モデルに基づいて、駆動信号から相対変位予測値を算出する相対変位予測部（１５）と、駆動信号と、相対変位と、相対変位予測値とに基づいて、予測モデルを構成する予測モデルパラメータを生成するモデルパラメータ演算部（１４）と、予測モデルパラメータを用いて駆動部（１１）に対する位置指令を補正した補正後位置指令を指令として出力する指令値補正部（１６）と、を備え、モデルパラメータ演算部（１４）は、相対変位と、相対変位予測値との偏差を抑制するように予測モデルパラメータを変更する。

Description

数値制御装置
　本発明は、加工プログラムに従って工作機械を制御する数値制御装置に関する。
　工作機械で加工を実施する際、可動体の駆動力が原因で可動体と非可動体間の相対変位が振動的になり、加工精度および品位が悪化することがある。この問題に対し、特許文献１においては、数値制御装置が、相対変位を予測する事前に作成された予測モデルにより相対変位を予測し、予測された相対変位に基づいてフィードフォワード補正を行う技術が提案されている。この技術によれば、駆動方向と振動方向とが異なる場合でも対応することができる。
特許第６１８０６８８号公報
　しかしながら、実際の加工では搭載ワーク重量の変化または工具とワークとの位置関係の変化といった工作機械のイナーシャの変化によって、工具とワークとの相対変位が変化する。特許文献１の記載の技術では、工作機械のイナーシャの変化が考慮されていないので、工作機械のイナーシャが変化したときに、数値制御装置からの指令に対して適切な補正をすることができないという問題があった。
　本発明は、上記に鑑みてなされたものであって、工作機械のイナーシャが変化したときに、工具とワークとの相対変位に振動が発生することを抑制することができる数値制御装置を得ることを目的とする。
　上述した課題を解決し、目的を達成するために、本発明は、モータを駆動する駆動部への指令により、工作機械における工具とワークとの相対変位を制御する数値制御装置において、工具の変位に関する物理量を計測する工具側変位計側部と、ワークの変位に関する物理量を計測するワーク側変位計側部と、駆動部からモータに出力される駆動信号を計測する駆動信号計側部と、工具の変位に関する物理量とワークの変位に関する物理量とから、工具とワークとの相対変位を算出する相対変位算出部と、駆動信号と相対変位との関係を表現する予測モデルに基づいて、駆動信号から相対変位の予測値である相対変位予測値を算出する相対変位予測部と、を備える。さらに、本発明は、駆動信号と、相対変位算出部が生成する相対変位と、相対変位予測値とに基づいて、予測モデルを構成する予測モデルパラメータを生成するモデルパラメータ演算部と、予測モデルパラメータを用いて駆動部に対する位置指令を補正した補正後位置指令を指令として出力する指令値補正部と、を備える。モデルパラメータ演算部は、相対変位算出部が生成する相対変位と、相対変位予測値との偏差を抑制するように予測モデルパラメータを変更することを特徴とする。
　本発明にかかる数値制御装置は、工作機械のイナーシャが変化したときに、工具とワークとの相対変位に振動が発生することを抑制することができるという効果を奏する。
本発明の実施の形態１にかかる工作機械の構成の一例を模式的に示す図 実施の形態１にかかる数値制御装置の機能構成の一例を示すブロック図 実施の形態１にかかる加工運転前における予測モデルパラメータの生成処理手順の一例を示すフローチャート 実施の形態１にかかる粒子群最適化法を用いて最適解を算出する手順の一例を示すフローチャート 実施の形態１にかかる予測モデルパラメータの変更による効果を示す図 本発明の実施の形態２にかかる数値制御装置の機能構成の一例を示すブロック図 実施の形態２にかかるフィルタ処理部の機能構成の一例を示すブロック図 本発明の実施の形態３にかかる数値制御装置の機能構成の一例を示すブロック図 本発明の実施の形態４にかかる数値制御装置の機能構成の一例を示すブロック図 実施の形態４にかかる機械学習装置の機能構成の一例を示すブロック図 実施の形態４にかかる強化学習を用いた機械学習装置の動作フローを示すフローチャート 実施の形態１から４にかかる数値制御装置の機能をコンピュータシステムで実現する場合のハードウェア構成を示す図
　以下に、本発明の実施の形態にかかる数値制御装置を図面に基づいて詳細に説明する。なお、この実施の形態によりこの発明が限定されるものではない。
実施の形態１．
　図１は、本発明の実施の形態１にかかる工作機械１の構成の一例を模式的に示す図である。図２は、実施の形態１にかかる数値制御装置８の機能構成の一例を示すブロック図である。なお、図１では、工作機械１に接続されている数値制御装置８および駆動部１１の図示は省略している。
　工作機械１は、ベースとなるベッド２と、加工対象であるワーク３を保持して水平方向に移動可能であり且つ水平面内で回転可能なテーブル４と、工具５を保持して垂直方向に移動可能なヘッド６と、ベッド２に固定されてヘッド６を支持するコラム７と、を有する。
　数値制御装置８は、工作機械１、および工作機械１のモータの位置および速度を制御して駆動する駆動部１１に接続されている。数値制御装置８は、ワーク３を加工するための加工プログラムに従って、駆動部１１に対して移動指令を出力する装置である。数値制御装置８からの指示に従って、工作機械１において、テーブル４が水平方向に移動もしくは水平面内で回転し、またはヘッド６が垂直方向に移動することにより、工具５によってワーク３が目標の形状に加工される。工作機械１において、テーブル４を移動させる際の駆動力が反力となって伝播することにより、ワーク３以外の構造体に振動が発生する。振動が発生する構造体としては、コラム７を挙げることができる。このような振動が発生すると、ワーク３を基準にした工具５の相対位置が振動する。
　以下では、上記のような振動が発生した場合に、加工精度または加工面品位の悪化を抑制する数値制御装置８の動作について説明する。
　駆動部１１は、数値制御装置８からの移動指令に従って、テーブル４またはヘッド６を移動させるための駆動信号を生成して、生成した駆動信号を工作機械１のモータに出力する。この駆動信号に従って、工作機械１に取り付けられているモータが駆動されることでテーブル４またはヘッド６が並進駆動または回転駆動させられる。その結果、工作機械１における工具５とワーク３との相対変位が制御される。なお、実施の形態１においては、テーブル４を移動させる場合について説明する。ここでの説明において、テーブル４のように駆動させられる物体を駆動対象物体とし、ヘッド６のように駆動させられない物体を駆動対象外物体とする。
　数値制御装置８は、工具側変位計測部９と、ワーク側変位計測部１０と、駆動信号計測部１２と、相対変位算出部１３と、モデルパラメータ演算部１４と、相対変位予測部１５と、指令値補正部１６と、位置指令生成部１７と、を備える。
　工具側変位計測部９は、ヘッド６または工具５に取り付けられているセンサから、工具５の変位に関する物理量を取得し、相対変位算出部１３に出力する。工具５の変位とは工具５の位置の変化量のことである。上記センサは、加速度センサ、速度センサ、変位センサといった、工具５の変位に関する物理量が取得可能なセンサであればよい。
　ワーク側変位計測部１０は、ワーク３、テーブル４またはベッド２に取り付けられているセンサから、ワーク３の変位に関する物理量を取得し、相対変位算出部１３に出力する。ワーク３の変位とは、ワーク３の位置の変化量のことである。上記センサは、加速度センサ、速度センサ、変位センサといったワーク３の変位に関する物理量が取得可能なセンサであればよい。
　駆動信号計測部１２は、駆動部１１から出力される駆動信号を取得し、相対変位予測部１５およびモデルパラメータ演算部１４に出力する。
　相対変位算出部１３は、工具側変位計測部９から取得した工具５の変位に関する物理量と、ワーク側変位計測部１０から取得したワーク３の変位に関する物理量とから、工具５とワーク３との相対変位を算出する。工具５とワーク３との相対変位とは、ワーク３の位置を基準としたときの工具５の位置の変化量、または、工具５の位置を基準としたときのワーク３の位置の変化量、または、工具５の変位とワーク３の変位との差分のことである。生成手順としては、まず、工具側変位計測部９から取得した変位に関する物理量とワーク側変位計測部１０から取得した変位に関する物理量との差分を取って変位に関する差分情報を得る。そして、上記差分情報が加速度の次元のデータである場合は、当該データに対して時間に関する２階積分を行うことにより相対変位を算出する。また、上記差分情報が速度の次元のデータである場合は、当該データに対して時間に関する１階積分を行うことにより相対変位を算出する。また、上記差分情報が位置の次元のデータである場合は、当該データに対して積分操作を行わずに当該データを相対変位として生成する。相対変位算出部１３が生成した相対変位はモデルパラメータ演算部１４に出力される。
　モデルパラメータ演算部１４は、相対変位算出部１３から取得する相対変位と、駆動信号計測部１２から取得する駆動信号と、後述する相対変位予測部１５から取得する相対変位予測値とに基づいて、予測モデルパラメータを演算して生成する。予測モデルとは、駆動信号を入力、ワーク３と工具５との間の３次元空間内での相対変位を出力とする相関関係を表す関係式で表現されるモデルである。予測モデルを構成するパラメータを予測モデルパラメータと呼ぶ。予測モデルパラメータを生成する方法は、加工運転前と加工運転中とで処理手順が異なるが詳細は後述する。モデルパラメータ演算部１４によって演算により求められた予測モデルパラメータは、相対変位予測部１５および指令値補正部１６に出力される。
　相対変位予測部１５は、モデルパラメータ演算部１４から取得した予測モデルパラメータを使って予測モデルを構築する。相対変位予測部１５は、構築した予測モデルに基づいて、駆動信号計測部１２から取得した駆動信号から、相対変位の予測値である相対変位予測値を算出する。
　位置指令生成部１７は、ワーク３を加工する加工プログラムを読み取り、駆動部１１に対する移動指令である位置指令を指令値補正部１６に出力する。
　指令値補正部１６は、位置指令生成部１７から取得する位置指令に対して後述する方法で位置指令を補正して、相対変位が振動しないように駆動部１１に工作機械１を駆動させる補正後位置指令を求めて、駆動部１１に出力する。
　モデルパラメータ演算部１４における、加工運転前および加工運転中における予測モデルパラメータの生成処理手順についてそれぞれ説明する。
　まず、加工運転前における予測モデルパラメータの生成処理手順について説明する。加工運転前において、駆動部１１に工作機械１を加振するための駆動信号を出力させる。その時の駆動信号を駆動信号計測部１２からモデルパラメータ演算部１４は取得し、その時の相対変位を相対変位算出部１３からモデルパラメータ演算部１４は取得する。取得した駆動信号および相対変位から、モデルパラメータ演算部１４は、駆動信号と相対変位に発生する振動との関係を表現可能な状態空間モデルである予測モデルのパラメータ、すなわち予測モデルパラメータを導出する。ここで、有限要素法または動力学モデルに基づくシミュレーションにより得られたモデル、システム同定により得られたモデル、またはシステム同定により得られたモデルから低次元化等で近似したモデルを用いて、モデルパラメータ演算部１４は予測モデルのパラメータを導出する。ただし、予測モデルのパラメータを導出する方法は、これらの方法に限定されるものではない。ここでは、システム同定により得られたモデルから低次元化等で近似したモデルに基づいて状態空間表現の予測モデルのパラメータを導出する。
　図３は、実施の形態１にかかる加工運転前における予測モデルパラメータの生成処理手順の一例を示すフローチャートである。まず、加工運転前における予測モデルパラメータの生成処理手順の前準備として、工具側およびワーク側の双方にセンサが取り付けられる。具体的には、工具側変位計測部９が工具側の変位情報を取得できるようにするために、ヘッド６または工具５にセンサが取り付けられる。さらに、ワーク側変位計測部１０がワーク側の変位情報を取得できるようにするために、ワーク３、テーブル４またはベッド２にセンサが取り付けられる。
　以上の前準備が完了したら、ユーザが予測モデルパラメータの生成処理の開始を指示し、数値制御装置８の入力装置が、予測モデルパラメータの生成処理の開始の指示を受け付ける（ステップＳ１）。
　次に、工作機械１を加振するための駆動信号を駆動部１１が出力する（ステップＳ２）。駆動信号は、実際に加工を行うときの信号とは異なる加振信号である。この加振信号は、工具５とワーク３の間に発生する相対変位の振動の振動周波数を含む周波数帯域を有する信号であればよく、疑似ランダム信号、サインスイープ信号等を使用する。
　そして、モデルパラメータ演算部１４は、駆動信号計測部１２から加振中の駆動信号を取得し、相対変位算出部１３からそのときの相対変位を取得する（ステップＳ３）。
　モデルパラメータ演算部１４は、取得した駆動信号および相対変位からシステム同定の手法を用いて予測モデルを作成する。モデルパラメータ演算部１４は、作成された予測モデルに対し低次元化等による近似を実施することにより、加工精度および品質に影響を及ぼす相対変位の振動を模擬した予測モデルを作成する（ステップＳ４）。予測モデルを作成するとは、具体的には、予測モデルを表現するパラメータである予測モデルパラメータを求めることである。
　モデルパラメータ演算部１４は、ステップＳ４で作成した予測モデルを構成する予測モデルパラメータを相対変位予測部１５および指令値補正部１６に出力する（ステップＳ５）。ここでは、作成された予測モデルを状態空間表現したものを予測モデルパラメータとする。ただし、予測モデルパラメータは状態空間表現されたものに限定されるものではない。
　指令値補正部１６は、位置指令生成部１７から位置指令を取得し、相対変位予測部１５から相対変位予測値を取得し、モデルパラメータ演算部１４から予測モデルパラメータを取得する。指令値補正部１６は、取得した位置指令、相対変位予測値および予測モデルパラメータに基づいて、位置指令に対して相対変位が振動しないように駆動部１１に工作機械１を駆動させる補正後位置指令を出力する。
　指令値補正部１６における補正後位置指令の生成方法は、特許文献１に記載されているように以下の通りである。すなわち、指令値補正部１６は、モデルパラメータ演算部１４から取得した予測モデルパラメータを使って構築した予測モデルに基づいて駆動対象外物体の移動量である相対変位を予測し、駆動対象物体の移動量を予測する予め定められたモデルに基づいて駆動対象物体の移動量を予測する。そして、指令値補正部１６は、最適レギュレータの設計によりフィードバックゲインを算出し、駆動対象外物体および駆動対象物体の予測した移動量と、フィードバックゲインを含む情報を用いて、駆動対象外物体の移動量を抑制するように位置指令に対する補正量を算出する。指令値補正部１６は、算出した補正量で位置指令を補正した補正後位置指令を駆動部１１に対する指令として出力する。ただし、指令値補正部１６における補正の方法はこれに限定されるものではなく、予測モデルから相対変位の振動の周波数を特定し、その周波数の振動を抑制するようなフィルタを指令値補正部１６に設定しても良い。以上説明したような位置指令の補正によって、テーブル４を移動させたときの工具５とワーク３との相対変位に発生する振動を抑制することが可能になる。
　しかし、ワーク３、治具、バイス、計測器、工具５等の重量または形状が大きく変化した場合、並進駆動または回転駆動の結果により工具５とワーク３との位置関係が大きく変化した場合、環境の変化または経年劣化等が生じた場合、工作機械１のイナーシャが変化する。工作機械１のイナーシャが変化すると、相対変位の振動特性が変化するため、上記した方法で作成した予測モデルでは相対変位を正しく予測することが困難になり、結果的に相対変位が振動的になる可能性がある。
　そのため、工作機械１のイナーシャが変化した場合には、実施の形態１にかかる数値制御装置８は、予測モデルパラメータを変更する予測モデルパラメータ変更処理を実行する。なお、予測モデルパラメータ変更処理はモデルパラメータ演算部１４が加工運転中に行う。以下、予測モデルパラメータ変更処理について説明する。
　加工運転中において、モデルパラメータ演算部１４は、駆動信号計測部１２から取得した駆動信号から加速終了時または減速終了時を特定する。そして、モデルパラメータ演算部１４は、加速終了時または減速終了時から任意の時間の相対変位を相対変位算出部１３から取得する。また、モデルパラメータ演算部１４は、相対変位予測部１５から相対変位予測値を取得する。そして、モデルパラメータ演算部１４は、取得した相対変位予測値と取得した相対変位との差分の絶対値を計算する。これを相対変位の予測誤差とする。
　加工運転前の加振時において工作機械１のイナーシャが大きく変化していない場合は、補正後位置指令によって相対変位の振動が抑制されているため相対変位の予測誤差は０付近の非常に小さな値になっている。しかし、工作機械１のイナーシャが大きく変化している場合、相対変位の予測誤差は振動的になるため、その時の振動を予測する。具体的にはモデルパラメータ演算部１４は、相対変位の予測誤差が閾値より大きくなった場合、相対変位算出部１３から取得した相対変位の振動の振動周波数、振幅、減衰比および位相を最適化手法を用いて算出する。なお、上記閾値は、予め定めた適切な正の値に設定しておくことで必要なときのみ最適化を実施するようにする。また、加振時における予測モデルの精度が十分良ければ相対変位予測値は振動が十分抑えられていることになるので、ここでは相対変位予測値は０とみなし相対変位の振動を最適化手法で算出する。ここでは、最適化手法として公知の手法である粒子群最適化法（Particle　Swarm　Optimization：PSO)を用いて説明するが、相対変位の振動を求めるための最適化手法はこの方法に限定されるものではない。
　粒子群最適化における最適化式は以下の数式（１）および数式（２）で表現される。
Figure JPOXMLDOC01-appb-M000001
Figure JPOXMLDOC01-appb-M000002
　数式（１）および数式（２）における添え字ｉは粒子番号（粒子数）、添え字ｋは探索回数、ｗ、ｃ1、ｃ2はそれぞれの項における重み係数、ｒａｎｄ1i、ｒａｎｄ2iは０から１までの一様乱数、ｘi kはｉ番目の粒子の現在の探索回数ｋでの位置ベクトル、ｖi kはｉ番目の粒子の現在の探索回数ｋでの移動ベクトル、ｘi k+１はｉ番目の粒子の次の探索回数ｋ＋１での位置ベクトル、ｖi k+１はｉ番目の粒子の次の探索回数ｋ＋１での移動ベクトル、ｐｂｅｓｔiはｉ番目の粒子の過去の最良解、ｇｂｅｓｔは全粒子の過去の最良解をそれぞれ示す。
　モデルパラメータ演算部１４が相対変位算出部１３から取得した相対変位の振動を以下の数式（３）のように推定できるとする。
Figure JPOXMLDOC01-appb-M000003
　数式（３）の中のｙは推定した相対変位、Ａは振幅、ｆは振動周波数、ζは減衰比、φは位相、ｔは加速終了または減速終了からの時間を表す。このとき、位置ベクトルｘi k＝［Ａ，ｆ，ζ，φ]とすることで、数式（３）により推定した相対変位ｙと相対変位算出部１３から取得した相対変位との差の絶対値が最小になるような振幅、振動周波数、減衰比、位相を求める。
　図４は、実施の形態１にかかる粒子群最適化法を用いて最適解を算出する手順の一例を示すフローチャートである。図４のフローチャートの各ステップはモデルパラメータ演算部１４によって実行される。
　まず、モデルパラメータ演算部１４は粒子群最適化法における初期値を設定する（ステップＳ１０１）。具体的には、全粒子数となる粒子番号ｉの最大値、全探索回数となる探索回数ｋの最大値、重み係数ｗ、ｃ1、ｃ2、各粒子の位置ベクトルの初期値ｘi 0、各粒子の移動ベクトルの初期値ｖi 0、ｉ番目の粒子の過去の最良解の初期値ｐｂｅｓｔi 0、全粒子の過去の最良解ｇｂｅｓｔの初期値が適切に設定される。
　次に、探索回数ｋ＝０が設定される（ステップＳ１０２）。
　次に、粒子番号ｉ＝１が設定される（ステップＳ１０３）。
　次に、数式（１）に従って、次の探索回数ｋ＋１における移動ベクトルｖi k+１を算出する（ステップＳ１０４）。
　次に、数式（２）に従って、次の探索回数ｋ＋１における位置ベクトルｘi k+１を算出する（ステップＳ１０５）。
　次に、ステップＳ１０５で求めた位置ベクトルｘi k+１を用いて数式（３）で推定した相対変位ｙをｙiとして算出する（ステップＳ１０６）。
　次に、ステップＳ１０６で推定した相対変位ｙiと相対変位算出部１３から取得した相対変位ｙrefとの差の絶対値であるｉ番目の粒子の現在の評価値Ｙi k+１＝｜ｙi－ｙref｜を算出する（ステップＳ１０７）。
　ステップＳ１０７で算出したｉ番目の粒子の現在の評価値がｉ番目の粒子について過去に得られた評価値よりも小さいか否かが判定される（ステップＳ１０８）。現在の評価値が過去の評価値よりも小さいと判定された場合（ステップＳ１０８：Ｙｅｓ）、ステップＳ１０９に進み、それ以外の場合（ステップＳ１０８：Ｎｏ）、ステップＳ１１０に進む。
　ステップＳ１０５で求めた位置ベクトルｘi k+１をｉ番目の粒子の過去の最良解ｐｂｅｓｔiに設定することによりｉ番目の粒子の過去の最良解ｐｂｅｓｔiを更新する（ステップＳ１０９）。すなわち、ｐｂｅｓｔi＝ｘi k+１とする。
　ステップＳ１０７で算出したｉ番目の粒子の現在の評価値が全粒子について過去に得られた評価値よりも小さいか否かが判定される（ステップＳ１１０）。現在の評価値が全粒子の過去の評価値よりも小さいと判定された場合（ステップＳ１１０：Ｙｅｓ）、ステップＳ１１１に進み、それ以外の場合（ステップＳ１１０：Ｎｏ）、ステップＳ１１２に進む。
　ｉ番目の粒子の過去の最良解ｐｂｅｓｔiを全粒子の過去の最良解ｇｂｅｓｔに設定することにより全粒子の過去の最良解ｇｂｅｓｔを更新する（ステップＳ１１１）。すなわち、ｇｂｅｓｔ＝ｐｂｅｓｔiとする。
　ｉ＝ｉ＋１と粒子番号ｉを１増やして更新する（ステップＳ１１２）。
　次に、粒子番号ｉがステップＳ１０１で設定した全粒子数より大きいか否かが判定される（ステップＳ１１３）。粒子番号ｉがステップＳ１０１で設定した全粒子数より大きいと判定された場合（ステップＳ１１３：Ｙｅｓ）、ステップＳ１１４に進み、それ以外の場合（ステップＳ１１３：Ｎｏ）、ステップＳ１０４に進む。
　ｋ＝ｋ＋１と探索回数ｋを１増やして更新する（ステップＳ１１４）。
　次に、探索回数ｋがステップＳ１０１で設定した全探索回数より大きいか否かが判定される（ステップＳ１１５）。探索回数ｋがステップＳ１０１で設定した全探索回数より大きいと判定された場合（ステップＳ１１５：Ｙｅｓ）、ステップＳ１１６に進み、それ以外の場合（ステップＳ１１５：Ｎｏ）、ステップＳ１０３に進む。
　全粒子の過去の最良解ｇｂｅｓｔを最終的な最適解に決定する（ステップＳ１１６）。この最良解ｇｂｅｓｔが、相対変位算出部１３から取得した相対変位の振動の振動周波数、振幅、減衰比、位相に相当すると判断する。
　モデルパラメータ演算部１４は、上記のようにして求めた振動周波数等を予測モデルの振動周波数等に対応する部分に当てはめることで予測モデルを変更する。
　ここで、予測モデルを、具体的に、以下の数式（４）のように伝達関数で表現したとする。
Figure JPOXMLDOC01-appb-M000004
　数式（４）において、ｓはラプラス演算子、Ｎ（ｓ）はｓの多項式、λは予測モデルの固有値、λ～はλの共役複素数を表す。一般的に固有値λの実部λrealおよび虚部λimagは、振動周波数ｆと減衰比ζを用いて以下の数式（５）および数式（６）のように表現できる。
Figure JPOXMLDOC01-appb-M000005
Figure JPOXMLDOC01-appb-M000006
　そして、上述した最適化手法のステップＳ１１６で求められた振動周波数ｆおよび減衰比ζを数式（５）および数式（６）の振動周波数ｆおよび減衰比ζに代入することで固有値が変更され、モデルパラメータ演算部１４、相対変位算出部１３から取得した相対変位の振動にあわせたモデルに予測モデルを変更することができる。変更された予測モデルを状態空間表現することで予測モデルパラメータも変更できる。相対変位算出部１３は、工具側変位計測部９およびワーク側変位計測部１０から取得した変位に関する物理量から相対変位を算出しているので、工作機械１のイナーシャの変化に応じて予測モデルパラメータを変更することができる。上記のように予測モデルパラメータがモデルパラメータ演算部１４により変更されると、相対変位予測部１５が使用する予測モデルパラメータが変更されるので、相対変位予測部１５が予測モデルパラメータを用いて駆動信号に基づいて出力する相対変位予測値と、相対変位算出部１３が生成する相対変位との偏差が０となるように抑制される。具体的には、モデルパラメータ演算部１４は、相対変位予測部１５が予測する相対変位予測値の振動の振動周波数、振幅、減衰比、位相が、相対変位算出部１３が生成する相対変位の振動の振動周波数、振幅、減衰比、位相に一致するように予測モデルパラメータを変更する。
　図５は、実施の形態１にかかる予測モデルパラメータの変更による効果を示す図である。図５は、図１に示されるような工作機械１において、水平方向にワーク３を移動させたときのワーク３を基準とした工具５の垂直方向の相対変位についてのシミュレーション結果の一例を示す図である。
　図５において、横軸は時間を示し、縦軸は相対変位を示している。図５の破線で示した曲線Ｌ１は、加工運転中の予測モデルの変更を実行しないで加工運転前に構築した予測モデルのみを使用した場合の垂直方向の相対変位の時間変化を示している。図５に実線で示した曲線Ｌ２は、上記で説明したように加工運転中に予測モデルを変更した場合の垂直方向の相対変位の時間変化を示している。予測モデルには数式（４）を用いてシミュレーションを実施した。加工運転中の予測モデルの変更を実行しない場合、運転中に工作機械１のイナーシャが変化することで相対変位の振動の振動周波数が変化した結果、曲線Ｌ１が示すように、垂直方向の振動振幅が発生している。一方、加工運転中に予測モデルを変更した場合、曲線Ｌ２が示すように、垂直方向の振動振幅が十分に小さくなるとともに振動の終了時間が曲線Ｌ１と比べて短縮されていることが分かる。
　以上説明したように、実施の形態１にかかる数値制御装置８によれば、加工運転中に測定した相対変位に基づいて予測モデルを最適化、すなわち予測モデルパラメータを最適化する。これにより、加工運転中の工作機械１のイナーシャが変化したときに、工具とワークとの相対変位に振動が発生することを抑制することが可能になる。
実施の形態２.
　図６は、本発明の実施の形態２にかかる数値制御装置８１の機能構成の一例を示すブロック図である。数値制御装置８１の実施の形態１にかかる数値制御装置８との違いは、相対変位算出部１３が相対変位算出部１３１に変更されている点である。
　相対変位算出部１３１は、相対変位演算部１８およびフィルタ処理部１９を備える。相対変位演算部１８は、実施の形態１にかかる相対変位算出部１３と同様の処理を行う。相対変位演算部１８から出力される工具とワークとの間の相対変位を実施の形態２ではフィルタ処理前相対変位と定義する。相対変位演算部１８から出力されたフィルタ処理前相対変位はフィルタ処理部１９に入力される。
　図７は、実施の形態２にかかるフィルタ処理部１９の機能構成の一例を示すブロック図である。フィルタ処理部１９はフィルタパラメータ設定部２０およびバンドパスフィルタ２１を備える。フィルタパラメータ設定部２０は、モデルパラメータ演算部１４から取得した予測モデルパラメータから相対変位の振動の振動周波数を推定し、その振動周波数を中心とした通過域をバンドパスフィルタ２１に設定する。
　具体的には、予測モデルパラメータから数式（４）で表現される予測モデルが構築できた場合、数式（５）および数式（６）から相対変位の振動周波数は簡単に推定できる。また、加工運転前において予測モデルパラメータがまだ求められていない場合は、フィルタ処理を実行しないで、フィルタ処理前相対変位をそのまま相対変位算出部１３１の出力とするために、フィルタパラメータ設定部２０は、バンドパスフィルタ２１の使用可否の設定も行う。バンドパスフィルタ２１は、フィルタパラメータ設定部２０の設定に基づいて、相対変位演算部１８から出力されたフィルタ処理前相対変位にフィルタ処理を実行して、ノイズに相当する成分を除去して相対変位として出力する。バンドパスフィルタ２１が出力した相対変位を相対変位算出部１３１が生成する相対変位とする。
　なお、相対変位の振動の振動周波数が予めわかっている場合は、モデルパラメータ演算部１４からの予測モデルパラメータの入力に関係なく、フィルタパラメータ設定部２０は、バンドパスフィルタ２１の通過域を設定してもよい。また、バンドパスフィルタ２１における通過域の設定の方法については、予測される周波数のプラスマイナス数十Ｈｚを通過域にする、予測される周波数の半分および２倍の周波数領域も通過域に設定する等、相対変位の振動の周波数に近い値の周波数が通過できれば特に限定されるものではない。
　実施の形態２にかかる数値制御装置８１によれば、上記のようにしてフィルタ処理部１９から不要な振動が除去されて出力された相対変位に対してモデルパラメータ演算部１４で最適化処理を実行することで予測モデルパラメータの変更精度が向上する。その結果、相対変位の振動に対する抑制能力をさらに向上させることができる。
実施の形態３．
　図８は、本発明の実施の形態３にかかる数値制御装置８２の機能構成の一例を示すブロック図である。数値制御装置８２の実施の形態１にかかる数値制御装置８との違いは、数値制御装置８２は、イナーシャ変更情報予測部２２をさらに備えていることである。そして、イナーシャ変更情報予測部２２から出力されるイナーシャ変更情報に基づいてモデルパラメータ演算部１４における予測モデルパラメータの変更処理の可否を判断する点が実施の形態１と異なる。
　イナーシャ変更情報予測部２２は、駆動部１１から出力されるワーク３のイナーシャ情報または位置指令生成部１７から出力される軸位置情報を取得し、工作機械１のイナーシャに変化が生じたことを示すイナーシャ変更情報をモデルパラメータ演算部１４に出力する。
　ワーク３のイナーシャ情報とは、テーブル４に搭載されるワーク３の推定イナーシャである。ワーク３の推定イナーシャについては、モータの加減速時の駆動信号である電流と加速度とに基づいて駆動対象であるワーク３のイナーシャを推定できることが知られている。したがって、駆動部１１は、モータの加減速時の駆動信号である電流と加速度とに基づいてテーブル４に搭載されるワーク３の推定イナーシャを出力する。
　また、位置指令生成部１７は、加工プログラムに基づいて工作機械１の各駆動軸の移動情報である位置指令を出力するため、当該位置指令を軸位置情報として出力する。
　イナーシャ変更情報予測部２２は、取得した推定イナーシャを記憶しておいて、推定イナーシャの変化が大きくなったと判断した場合、工作機械１のイナーシャが変化したとして、イナーシャ変更情報を出力する。なお、判断する際に必要となる推定イナーシャの変化量に対するしきい値は予め適切に設定しておく。
　また、イナーシャ変更情報予測部２２は、取得した軸位置情報を記憶しておいて、軸位置情報が大きく変化したと判断した場合、工作機械１のイナーシャが変化したとして、イナーシャ変更情報を出力する。なお、判断する際に必要となる位置指令の変化量に対するしきい値は予め適切に設定しておく。
　モデルパラメータ演算部１４は、イナーシャ変更情報予測部２２から取得したイナーシャ変更情報に基づいて、予測モデルパラメータ変更処理の可否判断を行う。具体的には、テーブル４に重量の大きなワーク３が搭載された場合、工作機械１のイナーシャは大きく変化する。ここで、イナーシャ変更情報をオンまたはオフの２値情報とする。イナーシャ変更情報予測部２２は、テーブル４を駆動するモータの加減速後、駆動部１１から取得する推定イナーシャに基づいて、工作機械１のイナーシャが大きく変化したことを検知し、イナーシャ変更情報をオンにして出力する。ここで、イナーシャ変更情報予測部２２は、工作機械１のイナーシャが大きく変化したことを検知したときに取得した推定イナーシャを記憶しておく。モデルパラメータ演算部１４は、イナーシャ変更情報がオンになった場合、予測モデルパラメータの変更処理を実施し、予測モデルパラメータの変更処理の実施後に、イナーシャ変更情報予測部２２はイナーシャ変更情報をオフにする。
　予測モデルパラメータの変更処理は、工作機械１のイナーシャが大きく変化したときに必要となる処理である。実施の形態３にかかる数値制御装置８２によれば、必要な場合のみ変更処理を行い、無駄な予測モデルパラメータの変更をしないようにすることができるので、無駄な演算コストを省くことができる。
実施の形態４．
　図９は、本発明の実施の形態４にかかる数値制御装置８３の機能構成の一例を示すブロック図である。数値制御装置８３の実施の形態１にかかる数値制御装置８との違いは、モデルパラメータ演算部１４がモデルパラメータ演算部１４１に変更されている点である。
　モデルパラメータ演算部１４１は、予測モデルパラメータを学習する機械学習装置１００および意思決定部１０５を備える。機械学習装置１００は、状態観測部１０１および学習部１０２を備える。
　状態観測部１０１は、相対変位算出部１３から取得する相対変位、相対変位予測部１５から取得する相対変位予測値、および駆動信号計測部１２から取得する駆動信号を状態変数として観測する。
　学習部１０２は、相対変位、相対変位予測値、駆動信号の状態変数に基づいて作成される訓練データセットに従って、予測モデルパラメータを学習する。
　学習部１０２が用いる学習アルゴリズムはどのようなものを用いてもよい。一例として、強化学習（Ｒｅｉｎｆｏｒｃｅｍｅｎｔ　Ｌｅａｒｎｉｎｇ）を適用した場合について説明する。強化学習は、ある環境内におけるエージェント（行動主体）が、現在の状態を観測し、取るべき行動を決定する、というものである。エージェントは行動を選択することで環境から報酬を得て、一連の行動を通じて報酬が最も多く得られるような方策を学習する。強化学習の代表的な手法として、Ｑ学習（Ｑ－ｌｅａｒｎｉｎｇ）やＴＤ学習（ＴＤ－ｌｅａｒｎｉｎｇ）が知られている。例えば、Ｑ学習の場合、行動価値関数Ｑ（ｓ，ａ）の一般的な更新式（行動価値テーブル）は以下の数式（７）で表される。
Figure JPOXMLDOC01-appb-M000007
　数式（７）において、ｓtは時刻ｔにおける環境を表し、ａtは時刻ｔにおける行動を表す。行動ａtにより、環境はｓt+1に変わる。ｒt+1はその環境の変化によってもらえる報酬を表し、γは割引率を表し、αは学習係数を表す。Ｑ学習を適用した場合、予測モデルパラメータが行動ａtとなる。
　数式（７）で表される更新式は、時刻ｔ＋１における最良の行動ａの行動価値が、時刻ｔにおいて実行された行動ａの行動価値Ｑよりも大きければ、行動価値Ｑを大きくし、逆の場合は、行動価値Ｑを小さくする。換言すれば、時刻ｔにおける行動ａの行動価値Ｑを、時刻ｔ＋１における最良の行動価値に近づけるように、行動価値関数Ｑ（ｓ，ａ）を更新する。それにより、或る環境における最良の行動価値が、それ以前の環境における行動価値に順次伝播していくようになる。
　図１０は、実施の形態４にかかる機械学習装置１００の機能構成の一例を示すブロック図である。学習部１０２は、報酬計算部１０３と、関数更新部１０４と、をさらに備えている。
　報酬計算部１０３は、状態変数に基づいて報酬を計算する。
　ここで、相対変位予測部１５から出力される相対変位予測値と相対変位算出部１３から出力される相対変位との差分の絶対値が相対変位の予測誤差である。相対変位の予測誤差は、公知の方法に従って抽出される。具体的には、重量の大きなワーク３を搭載してテーブル４を駆動する軸のモータを加減速駆動した後の相対変位と相対変位予測値とを測定することで相対変位の予測誤差を求めることができる。
　報酬計算部１０３は、相対変位の予測誤差に基づいて、報酬ｒを計算する。具体的には、予測モデルパラメータを変更した結果、相対変位予測値の振動周波数と相対変位の周波数との差の絶対値が小さくなる場合には、報酬計算部１０３は、報酬ｒを増大させる。報酬ｒを増大させるために、「１」の報酬を与える。なお、報酬の値は「１」に限らない。
　また、予測モデルパラメータを変更した結果、相対変位予測値の振幅と相対変位の振幅との差の絶対値が大きくなる場合には、報酬計算部１０３は、報酬ｒを低減する。報酬ｒを低減するために、「－１」の報酬を与える。なお、報酬の値は「－１」に限らない。
　関数更新部１０４は、報酬計算部１０３によって計算される報酬に従って、予測モデルパラメータを決定するための関数を更新する。関数の更新は、訓練データセットに従って、具体的には、行動価値テーブルを更新することによって行うことができる。行動価値テーブルは、任意の行動と、その行動価値とを関連付けてテーブルの形式で記憶したデータセットである。例えばＱ学習の場合、数式（７）で表される行動価値関数Ｑ（ｓt，ａt）を予測モデルパラメータのための関数として用いる。
　図１１は、実施の形態４にかかる強化学習を用いた機械学習装置１００の動作フローを示すフローチャートである。図１１のフローチャートを参照して、行動価値関数Ｑ（ｓ，ａ）を更新する強化学習方法について説明する。
　まず、状態観測部１０１が、駆動信号計測部１２から取得した駆動信号に基づいて、加速終了時または減速終了時を特定する（ステップＳ１１）。
　状態観測部１０１は、加速終了時または減速終了時から任意の期間の状態変数を取得する（ステップＳ１２）。状態変数は、相対変位、駆動信号、相対変位予測値をそれぞれ含んでいる。なお、加速終了後はモータが駆動しているため、相対変位が余計なノイズを含んでいる可能性があるので、減速終了後の停止状態のときの相対変位を状態変数として利用するのが望ましい。
　報酬計算部１０３は、相対変位予測値と相対変位との差の絶対値である相対変位の予測誤差を算出する（ステップＳ１３）。
　報酬計算部１０３は、相対変位の予測誤差に基づいて、報酬ｒを算出する（ステップＳ１４）。
　関数更新部１０４は、ステップＳ１４で求められた報酬ｒに従って、行動価値関数Ｑ（ｓ，ａ）を数式（７）に従って更新する（ステップＳ１５）。
　関数更新部１０４は、ステップＳ１５において更新が行われなくなり、行動価値関数Ｑが収束したか否かを判定する（ステップＳ１６）。行動価値関数Ｑが収束していないと判定された場合（ステップＳ１６：Ｎｏ）、ステップＳ１１に戻る。行動価値関数Ｑが収束したと判定された場合（ステップＳ１６：Ｙｅｓ）、学習部１０２による学習は終了する。なお、ステップＳ１６を設けずにステップＳ１５からただちにステップＳ１１に戻るようにして学習を継続させてもかまわない。
　意思決定部１０５は、学習部１０２が学習した結果、つまり更新された行動価値関数Ｑ（ｓ，ａ）に基づいて報酬が最も多く得られる予測モデルパラメータを選択する。そして、指令値補正部１６は、意思決定部１０５から予測モデルパラメータを取得して位置指令を補正することで工作機械１のイナーシャの変化に応じて相対変位に発生する振動を抑制することができる。
　なお、実施の形態４においては、学習部１０２が強化学習を利用して機械学習する場合について説明した。しかし、学習部１０２は、他の公知の方法、ニューラルネットワーク、遺伝的プログラミング、機能論理プログラミング、サポートベクターマシンといった学習アルゴリズムに従って機械学習を実行してもよい。
　実施の形態１から４にかかる数値制御装置８，８１～８３は、パーソナルコンピュータまたは汎用コンピュータといったコンピュータシステムにより実現される。図１２は、実施の形態１から４にかかる数値制御装置８，８１～８３の機能をコンピュータシステムで実現する場合のハードウェア構成を示す図である。数値制御装置８，８１～８３の機能をコンピュータシステムで実現する場合、数値制御装置８，８１～８３の機能は、図１２に示すようにＣＰＵ（Central　Processing　Unit）２０１、メモリ２０２、記憶装置２０３、表示装置２０４および入力装置２０５により実現される。機械学習装置１００が実行する機能は、ソフトウェア、ファームウェア、またはソフトウェアとファームウェアとの組み合わせにより実現される。ソフトウェアまたはファームウェアは、プログラムとして記述されて記憶装置２０３に格納される。ＣＰＵ２０１は、記憶装置２０３に記憶されたソフトウェアまたはファームウェアをメモリ２０２に読み出して実行することにより、数値制御装置８，８１～８３の機能を実現する。すなわち、コンピュータシステムは、数値制御装置８，８１～８３の機能がＣＰＵ２０１により実行されるときに、実施の形態１から４にかかる数値制御装置８，８１～８３の動作を実施するステップが結果的に実行されることになるプログラムを格納するための記憶装置２０３を備える。また、これらのプログラムは、数値制御装置８，８１～８３の機能が実現する処理をコンピュータに実行させるものであるともいえる。メモリ２０２は、ＲＡＭ（Random　Access　Memory）といった揮発性の記憶領域が該当する。記憶装置２０３は、ＲＯＭ（Read　Only　Memory）、フラッシュメモリといった不揮発性または揮発性の半導体メモリ、磁気ディスクが該当する。表示装置２０４の具体例は、モニタ、ディスプレイである。入力装置２０５の具体例は、キーボード、マウス、タッチパネルである。
　以上の実施の形態に示した構成は、本発明の内容の一例を示すものであり、別の公知の技術と組み合わせることも可能であるし、本発明の要旨を逸脱しない範囲で、構成の一部を省略、変更することも可能である。
　１　工作機械、２　ベッド、３　ワーク、４　テーブル、５　工具、６　ヘッド、７　コラム、８，８１～８３　数値制御装置、９　工具側変位計測部、１０　ワーク側変位計測部、１１　駆動部、１２　駆動信号計測部、１３，１３１　相対変位算出部、１４，１４１　モデルパラメータ演算部、１５　相対変位予測部、１６　指令値補正部、１７　位置指令生成部、１８　相対変位演算部、１９　フィルタ処理部、２０　フィルタパラメータ設定部、２１　バンドパスフィルタ、２２　イナーシャ変更情報予測部、１００　機械学習装置、１０１　状態観測部、１０２　学習部、１０３　報酬計算部、１０４　関数更新部、１０５　意思決定部、２０１　ＣＰＵ、２０２　メモリ、２０３　記憶装置、２０４　表示装置、２０５　入力装置。

Claims (5)

  1. 　モータを駆動する駆動部への指令により、工作機械における工具とワークとの相対変位を制御する数値制御装置において、
    　前記工具の変位に関する物理量を計測する工具側変位計側部と、
    　前記ワークの変位に関する物理量を計測するワーク側変位計側部と、
    　前記駆動部から前記モータに出力される駆動信号を計測する駆動信号計側部と、
    　前記工具の変位に関する物理量と前記ワークの変位に関する物理量とから、前記工具と前記ワークとの相対変位を算出する相対変位算出部と、
    　前記駆動信号と前記相対変位との関係を表現する予測モデルに基づいて、前記駆動信号から前記相対変位の予測値である相対変位予測値を算出する相対変位予測部と、
    　前記駆動信号と、前記相対変位算出部が生成する前記相対変位と、前記相対変位予測値とに基づいて、前記予測モデルを構成する予測モデルパラメータを生成するモデルパラメータ演算部と、
    　前記予測モデルパラメータを用いて前記駆動部に対する位置指令を補正した補正後位置指令を前記指令として出力する指令値補正部と、を備え、
    　前記モデルパラメータ演算部は、前記相対変位算出部が生成する前記相対変位と、前記相対変位予測値との偏差を抑制するように前記予測モデルパラメータを変更する
    　ことを特徴とする数値制御装置。
  2. 　前記モデルパラメータ演算部は、前記相対変位予測値の振動の振動周波数、振幅、減衰比、位相が、前記相対変位算出部が生成する前記相対変位の振動の振動周波数、振幅、減衰比、位相に一致するように予測モデルパラメータを変更する
    　ことを特徴とする請求項１に記載の数値制御装置。
  3. 　前記相対変位算出部は、
    　前記工具の変位に関する物理量と前記ワークの変位に関する物理量とから、前記工具と前記ワークとのフィルタ処理前相対変位を求め、前記予測モデルパラメータを用いて前記フィルタ処理前相対変位にフィルタ処理を実行して相対変位を算出する
    　ことを特徴とする請求項１または２に記載の数値制御装置。
  4. 　前記工作機械のイナーシャに変化が生じたことを示すイナーシャ変更情報を出力するイナーシャ情報変更予測部をさらに備え、
    　前記モデルパラメータ演算部は、前記イナーシャ変更情報に基づいて、前記予測モデルパラメータの変更を行う
    　ことを特徴とする請求項１から３のいずれか１つに記載の数値制御装置。
  5. 　前記モデルパラメータ演算部は、
    　前記予測モデルパラメータを学習する機械学習装置と、
    　前記機械学習装置が学習した結果に基づいて、前記予測モデルパラメータを決定する意思決定部と、を備え、
    　前記機械学習装置は、
    　前記駆動信号、前記相対変位算出部が生成する前記相対変位、および前記相対変位予測値を状態変数として観測する状態観測部と、
    　前記状態変数に基づいて作成される訓練データセットに従って、前記予測モデルパラメータを学習する学習部と、を備える
    　ことを特徴とする請求項１から４のいずれか１つに記載の数値制御装置。
PCT/JP2018/025474 2018-07-05 2018-07-05 数値制御装置 WO2020008587A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
PCT/JP2018/025474 WO2020008587A1 (ja) 2018-07-05 2018-07-05 数値制御装置
US16/340,385 US10663945B2 (en) 2018-07-05 2018-07-05 Numerical control device
CN201880004309.4A CN110914770B (zh) 2018-07-05 2018-07-05 数控装置
DE112018000172.5T DE112018000172B4 (de) 2018-07-05 2018-07-05 Numerische Steuervorrichtung
JP2018563932A JP6494897B1 (ja) 2018-07-05 2018-07-05 数値制御装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/025474 WO2020008587A1 (ja) 2018-07-05 2018-07-05 数値制御装置

Publications (1)

Publication Number Publication Date
WO2020008587A1 true WO2020008587A1 (ja) 2020-01-09

Family

ID=65999395

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/025474 WO2020008587A1 (ja) 2018-07-05 2018-07-05 数値制御装置

Country Status (5)

Country Link
US (1) US10663945B2 (ja)
JP (1) JP6494897B1 (ja)
CN (1) CN110914770B (ja)
DE (1) DE112018000172B4 (ja)
WO (1) WO2020008587A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021193290A1 (ja) * 2020-03-23 2021-09-30 ファナック株式会社 電動機の制御装置
JP6961128B1 (ja) * 2021-02-01 2021-11-05 三菱電機株式会社 シミュレーション装置、工作機械システム、シミュレーション方法および加工方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6647477B1 (ja) * 2019-03-28 2020-02-14 三菱電機株式会社 数値制御装置および機械学習装置
JP7436181B2 (ja) * 2019-11-08 2024-02-21 ファナック株式会社 たわみ量算出装置及びプログラム
JP6775720B1 (ja) * 2020-03-24 2020-10-28 三菱電機株式会社 数値制御装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04340105A (ja) * 1990-11-28 1992-11-26 Okuma Mach Works Ltd 数値制御装置
JPH06113579A (ja) * 1992-09-30 1994-04-22 Mitsubishi Electric Corp 位置制御方法および位置制御装置
JP2006198742A (ja) * 2005-01-21 2006-08-03 Hitachi Via Mechanics Ltd 穴明け加工機
JP2009205641A (ja) * 2008-02-29 2009-09-10 Canon Inc 反復学習制御回路を備える位置制御装置
JP6180688B1 (ja) * 2016-12-08 2017-08-16 三菱電機株式会社 数値制御装置

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS601139B2 (ja) * 1978-08-05 1985-01-12 株式会社牧野フライス製作所 倣い工作機械の自動工具寸法補正方法
JPS59169720A (ja) * 1983-03-16 1984-09-25 Inoue Japax Res Inc 電気加工用マシニングセンタ
JPH04331048A (ja) * 1991-04-26 1992-11-18 Fanuc Ltd ならい制御装置
JP3304484B2 (ja) * 1993-03-04 2002-07-22 株式会社ダイヘン 産業用ロボットの制御装置
JPH0775937A (ja) * 1993-09-07 1995-03-20 Sodick Co Ltd 工作機械及びその制御方法
JPH07266193A (ja) * 1994-03-30 1995-10-17 Toshiba Mach Co Ltd 熱変位補正装置
JP3407972B2 (ja) * 1994-04-27 2003-05-19 ファナック株式会社 工作機械の熱変位補正方法
JP4216211B2 (ja) * 2004-03-10 2009-01-28 ファナック株式会社 加工装置及び加工方法
JP4283214B2 (ja) 2004-12-16 2009-06-24 ファナック株式会社 機械先端点の制御装置
JP4819665B2 (ja) * 2006-12-18 2011-11-24 オークマ株式会社 非真円形状加工装置
JP5512954B2 (ja) * 2008-10-31 2014-06-04 オークマ株式会社 数値制御機械の位置制御装置
JP5334985B2 (ja) * 2008-11-12 2013-11-06 三菱電機株式会社 エレベータ制御装置
IT1401373B1 (it) * 2010-08-06 2013-07-18 Fidia Spa Sistema predittivo di controllo e visualizzazione virtuale per una macchina utensile a controllo numerico
JP5897891B2 (ja) * 2011-12-13 2016-04-06 Dmg森精機株式会社 工作機械
BR112014002391A2 (pt) * 2013-05-09 2017-02-21 Mitsubishi Electric Coporation dispositivo de controle numérico
CN106662860B (zh) * 2014-08-12 2019-01-08 三菱电机株式会社 数控装置
CN106489105B (zh) * 2015-06-18 2018-06-22 三菱电机株式会社 控制参数调整装置
JP6063016B1 (ja) * 2015-09-29 2017-01-18 ファナック株式会社 電動機に対する動作指令を学習する機械学習方法および機械学習装置並びに該機械学習装置を備えた工作機械
JP6342935B2 (ja) * 2016-03-29 2018-06-13 ファナック株式会社 揺動切削を行う工作機械のサーボ制御装置、制御方法及びコンピュータプログラム
CN107976955B (zh) * 2017-11-07 2019-11-08 大连理工大学 一种大型薄壁零件复杂曲面镜像加工方法
JP2019096219A (ja) * 2017-11-27 2019-06-20 ファナック株式会社 工作機械の制御装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04340105A (ja) * 1990-11-28 1992-11-26 Okuma Mach Works Ltd 数値制御装置
JPH06113579A (ja) * 1992-09-30 1994-04-22 Mitsubishi Electric Corp 位置制御方法および位置制御装置
JP2006198742A (ja) * 2005-01-21 2006-08-03 Hitachi Via Mechanics Ltd 穴明け加工機
JP2009205641A (ja) * 2008-02-29 2009-09-10 Canon Inc 反復学習制御回路を備える位置制御装置
JP6180688B1 (ja) * 2016-12-08 2017-08-16 三菱電機株式会社 数値制御装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021193290A1 (ja) * 2020-03-23 2021-09-30 ファナック株式会社 電動機の制御装置
JP7359944B2 (ja) 2020-03-23 2023-10-11 ファナック株式会社 電動機の制御装置
US11892813B2 (en) 2020-03-23 2024-02-06 Fanuc Corporation Control device for electric motor
JP6961128B1 (ja) * 2021-02-01 2021-11-05 三菱電機株式会社 シミュレーション装置、工作機械システム、シミュレーション方法および加工方法

Also Published As

Publication number Publication date
DE112018000172T5 (de) 2020-06-10
US20200012253A1 (en) 2020-01-09
US10663945B2 (en) 2020-05-26
CN110914770A (zh) 2020-03-24
JP6494897B1 (ja) 2019-04-03
CN110914770B (zh) 2021-03-12
JPWO2020008587A1 (ja) 2020-07-16
DE112018000172B4 (de) 2020-09-24

Similar Documents

Publication Publication Date Title
WO2020008587A1 (ja) 数値制御装置
JP5078891B2 (ja) 機械における機械要素の移動案内のための方法および装置
JP6542839B2 (ja) 制御装置及び機械学習装置
JP6740277B2 (ja) 機械学習装置、制御装置、及び機械学習方法
JP2017064837A (ja) 電動機に対する動作指令を学習する機械学習方法および機械学習装置並びに該機械学習装置を備えた工作機械
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
JP6426770B2 (ja) サーボ制御装置
JP6557285B2 (ja) 制御装置及び機械学習装置
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
JP6841852B2 (ja) 制御装置及び制御方法
KR20220044549A (ko) 모터 제어 장치 및 모터 제어 방법
JP2021092954A (ja) ワークモデルの修正量を学習する機械学習装置、制御装置、加工システム、及び機械学習方法
CN113874865A (zh) 借助于贝叶斯优化方法确定技术系统的调节策略的模型参数的方法和装置
JP7158604B1 (ja) 数値制御装置、学習装置、推論装置、および数値制御方法
WO2021060090A1 (ja) 制御システム
JP6775720B1 (ja) 数値制御装置
JP2020035213A (ja) 機械学習装置、制御システム及び機械学習方法
JP6490132B2 (ja) ロボットの制御装置、機械学習装置及び機械学習方法
JP5407435B2 (ja) モータ制御装置
JP6646025B2 (ja) 制御装置及び機械学習装置
JP7166488B1 (ja) 数値制御装置、加工システム、数値制御方法および加工方法
JP2004240609A (ja) 電動機制御システムの自律設計方法及び自律設計装置並びに電動機制御システム
JP2020121358A (ja) 学習制御装置、ロボット制御装置およびロボット
WO2023008236A1 (ja) 稼働調整システム、モータ制御システム、稼働調整方法、および稼働調整プログラム

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2018563932

Country of ref document: JP

Kind code of ref document: A

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18925412

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 18925412

Country of ref document: EP

Kind code of ref document: A1