WO2020200485A1 - Verfahren und vorrichtung zur kompensation einer thermisch bedingten lageveränderung an einer numerisch gesteuerten werkzeugmaschine - Google Patents

Verfahren und vorrichtung zur kompensation einer thermisch bedingten lageveränderung an einer numerisch gesteuerten werkzeugmaschine Download PDF

Info

Publication number
WO2020200485A1
WO2020200485A1 PCT/EP2019/058728 EP2019058728W WO2020200485A1 WO 2020200485 A1 WO2020200485 A1 WO 2020200485A1 EP 2019058728 W EP2019058728 W EP 2019058728W WO 2020200485 A1 WO2020200485 A1 WO 2020200485A1
Authority
WO
WIPO (PCT)
Prior art keywords
machine tool
neural network
map
temperature
values
Prior art date
Application number
PCT/EP2019/058728
Other languages
English (en)
French (fr)
Inventor
Matthias Brand
Ines Schmidt
Isabella GLÖDE
Janine Glänzel
Christian Naumann
Alexander GEIST
Original Assignee
Deckel Maho Seebach Gmbh
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 Deckel Maho Seebach Gmbh filed Critical Deckel Maho Seebach Gmbh
Priority to US17/436,594 priority Critical patent/US20220171363A1/en
Priority to PCT/EP2019/058728 priority patent/WO2020200485A1/de
Priority to JP2021557467A priority patent/JP2022532018A/ja
Priority to EP19719172.9A priority patent/EP3948455A1/de
Priority to CN201980095160.XA priority patent/CN113767341A/zh
Publication of WO2020200485A1 publication Critical patent/WO2020200485A1/de
Priority to JP2024017774A priority patent/JP2024042104A/ja

Links

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
    • G05B19/404—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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
    • 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
    • G05B2219/39—Robotics, robotics to robotics hand
    • G05B2219/39192—Compensate thermal effects, expansion of links
    • 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
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49204—Control of heat to compensate for dilatation, thermal displacement
    • 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
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49206—Compensation temperature, thermal displacement, use measured temperature
    • 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
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49207—Compensate thermal displacement using measured distance
    • 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
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49219—Compensation temperature, thermal displacement

Definitions

  • the present invention relates to methods and devices for compensating thermally induced changes in position on numerically controlled machine tools, in particular for characteristic map-based compensation or correction of thermally induced changes in position on numerically controlled machine tools.
  • thermally induced position errors on machine tools have a major influence on the machining accuracy when machining workpieces on the machine tool.
  • Another possibility is the compensation in the machine control, for example through the temperature-dependent correction of position setpoints of the machine axes on the machine control.
  • this was made possible, for example, by measuring the temperature on temperature sensors on the machine tool, the measured temperatures being used to calculate correction parameters by means of calculation formulas by means of which the nominal axis positions in the Machine control can be corrected or adjusted in real time; see e.g. DE 10 2010 003 303 A1.
  • Machine tool is the so-called map-based correction or compensation of changes in position on the machine tool; see e.g. the article
  • the above article describes a map-based correction of thermal positioning errors on machine tools.
  • the “abstract” of the article describes: “Thermally caused positioning errors on machine tools can have a major influence on the machining accuracy and thus on the product quality and the profitability of machine tools.
  • the thermal error can account for up to 75% of the total error of the machine.
  • the approaches to reducing these errors range from constructive measures to the use of materials with a low expansion coefficient and model-based correction of thermal errors. Measures used in industry to reduce the thermo-elastic error are, for example, the thermo-symmetrical design of the machine tool or bringing about a thermally stable state of the machine.
  • the machine is usually cooled in the area of the heat sources or it is warmed up until it is thermally stationary (has reached the "operating temperature”).
  • Another measure is the air conditioning of the environment in order to create constant conditions.
  • the approaches described increase the energy requirement significantly, which leads to a reduction in economic efficiency.
  • the correlative correction is used in the industrial sector.
  • the correlative models mediate between selected temperature measurement points in the machine structure and the displacement at the point of action (Tool-Center-Point TCP).
  • the map-based correction represents such a correlative approach. With the help of maps, it maps temperatures on the surface of the machine tool and the current axis configuration directly to the TCP shift.
  • thermo-elastic correction and compensation strategies can be learned with data from measurements or thermo-elastic simulations and can then be used online during processing, integrated into the control.
  • the article presents the map-based correction. The procedure and the advantages and disadvantages of the method are discussed and finally the functionality of the process is proven experimentally on a demonstrator.
  • an object of the present invention is to to provide improved temperature compensation on machine tools.
  • a method for compensating for a thermally induced change in position on a numerically controlled machine tool comprising: providing a
  • Characteristic map describing the temperature behavior of the machine tool on a control device of the machine tool, determination of one or more temperature values using one or more temperature sensors on the machine tool, determination of one or more compensation parameters on the control device of the machine tool on the basis of the determined one or a plurality of temperature values and the characteristic map provided, and compensating for a temperature-dependent change in position on the machine tool as a function of the one or more compensation values determined.
  • a method for compensating for a thermally induced change in position on a numerically controlled machine tool in particular a map-based method, is characterized in that a map (or map) provided is adapted by means of a computer-implemented neural network, the temperature compensation in particular by means of of the map takes place and not directly through the neural network.
  • the temperature compensation at the machine control take place on the basis of a map (i.e. a map-based correction of thermal positioning errors on machine tools), the map being adapted at least once or several times by means of a neural network.
  • a map i.e. a map-based correction of thermal positioning errors on machine tools
  • a method for adapting a characteristic map describing a temperature behavior of a numerically controlled machine tool can be proposed as an example for use in compensating for a thermally induced change in position on the machine tool, comprising: adapting the map provided by means of a computer-implemented neural network.
  • input data for the neural network can be determined in real time during operation of the machine tool, in particular during a work process of the machine tool.
  • input data for the neural network can include sensor data from sensors of the machine tool and / or input data calculated from sensor data from sensors of the machine tool.
  • output data from the neural network can adapt or update the characteristic diagram.
  • output data of the neural network can specify an adapted or updated characteristic diagram.
  • the adaptation of the characteristic map can include: reading in at least part of the characteristic map currently provided on the control device to the neural network; Reading in input data, which in particular includes sensor data from sensors of the machine tool, to the neural network; and / or determining a network structure of at least part of an adapted or updated characteristic diagram on the neural network.
  • the characteristics map provided on the control device can be adapted or updated in particular on the basis of the network structure determined.
  • the adaptation of the characteristic diagram provided can be carried out repeatedly by means of the computer-implemented neural network, particularly preferably at regular intervals.
  • the neural network can control the characteristics map provided on the control device of the machine tool.
  • sensor values from one or more temperature sensors of the machine tool can be transmitted to the neural network in order to adapt the provided characteristic diagram as input data of the neural network.
  • sensor values from one or more position sensors of the machine tool can be transmitted to the neural network as input data of the neural network in order to adapt the characteristic diagram provided.
  • the one or more position sensors of the machine tool can output recorded actual values of linear and / or rotary axes of the machine tool.
  • nominal values of linear and / or rotary axes of the machine tool can be transmitted from the control device to the neural network in order to adapt the provided characteristic diagram as input data of the neural network.
  • position measurement values of a position measurement method carried out on the machine tool can be transmitted to the neural network in order to adapt the provided characteristic diagram as input data of the neural network.
  • the position measurement method can be carried out on the machine tool by means of one or more measuring probes. Furthermore, additionally or alternatively, the position measurement method can be carried out on the machine tool by means of one or more electromagnetic measuring devices and / or by means of one or more optical measuring devices, in particular by means of a laser measurement device and / or a camera device.
  • the characteristic diagram describing the temperature behavior of the machine tool can be provided on the basis of one or more FE models and / or FE simulations of the machine tool.
  • the neural network can be integrated into the control device of the machine tool. In preferred exemplary embodiments, the neural network can be integrated into a control computer connected to the control device of the machine tool.
  • the neural network can be integrated into a central server connected to the control device of the machine tool.
  • the central server can be connected to a plurality of control devices of machine tools.
  • the central server can have a plurality of neural networks.
  • Each neural network can preferably be assigned to one of the machine tools and / or the plurality of neural networks can communicate with one another.
  • the method can furthermore comprise: determining a displacement map on the basis of map entries in the map (or maps).
  • FIG. 1 shows a schematic exemplary representation of a characteristic map KF for temperature compensation on a machine tool according to a
  • FIG. 2 shows a schematic exemplary illustration of a plurality of characteristic fields for temperature compensation on a machine tool according to one
  • FIG. 3 shows a schematic representation of a map-based method for temperature compensation on a machine tool.
  • FIG. 4 shows a schematic illustration of an application of a neural network for updating characteristics for a characteristic diagram-based method for temperature compensation on a machine tool.
  • FIG. 5 shows, by way of example, a schematic diagram of a system for adapting one or more characteristics maps to one or more machine tools according to an exemplary embodiment of the invention.
  • Thermo-elastic effects on machine tools are currently one of the main causes of positioning errors on machine tools.
  • the heat exchange with the environment should not be neglected.
  • complex, coupled flow and structural mechanical simulations can be necessary. The coupling of the two simulations makes transients particularly difficult Simulation calculations with moving components, as the ambient conditions and thus the heat transfer coefficients are constantly changing
  • model-based or map-based correction approaches do not require any additional energy input.
  • Correlative correction is used as a model-based approach in the industrial sector.
  • the map-based models mostly mediate between selected temperature measurement points in the machine structure and the displacement at the point of action, e.g. at the tool position (often also called tool center point or TCP).
  • Map-based correction methods have recently been proposed; see e.g. the article "Map-based correction of thermal positioning errors on machine tools" by C. Naumann, Fraunhofer Institute for Machine Tools and Forming Technology -IWU-, Chemnitz; Verbundinitiative Maschinenbau So -VEMAS-, Chemnitz: Digitization in production. 3rd Saxon Automation Day 2017: March 9th, 2017.
  • the temperature compensation is based on at least one characteristic diagram indicating the temperature behavior of the machine.
  • a map can be viewed as a data structure, in particular a regression model, the map specifying or representing a mapping of one or more input variables to one or more output variables.
  • An input variable to an output variable can also be referred to as a characteristic curve.
  • a characteristic curve is a graphical representation of two interdependent physical quantities, e.g. is characteristic of a component, an assembly or a device.
  • the characteristic can be displayed as a line in a two-dimensional coordinate system.
  • a family of characteristics or, for short, a characteristic diagram can represent several characteristics depending on further input variables, for example in the form of several characteristics or in a three-dimensional coordinate system.
  • a characteristic curve is the dependence of the electrical current flowing through a diode on the electrical voltage. If the temperature of the diode is also added as a parameter, it becomes a family of characteristics that consists of several current-voltage characteristics assigned to certain temperatures. In control engineering, the characteristic describes the static behavior of a system. Characteristic curves are used in practice u. a. to define the working point, to determine a linear approximation at a certain point of the characteristic. It can also be used to determine the power loss of a component or to correct the signal output by a sensor.
  • maps can be understood as continuous images of a set of input variables on a one-dimensional shift or on a one-dimensional compensation parameter.
  • the most important input variables are usually temperatures on and in the machine structure (e.g. recorded or measured by one or more temperature sensors that are arranged at sensor positions in the machine structure, e.g. on the machine bed, on movable components of the machine tool, on rotatable or pivotable components of the machine tool, etc.) and optionally position data of the machine axes.
  • a 3 or 6-dimensional correction vector for the change in position (for example the temperature-dependent change in position of the TCP) can be sought for the displacement correction in some exemplary embodiments, for each of these correction directions a separate map can be set up or multi-dimensional maps with several output variables (output variables) can be provided.
  • one or more substitute variables are used as output variables and these are then converted, if necessary, using a downstream model for displacement.
  • Exemplary embodiments relate to a new application of characteristic maps in connection with neural networks in industry.
  • the machine or machine tool can be mapped in exemplary embodiments with the help of an FE network.
  • Temperature values can also be used for FE analyzes in further exemplary embodiments.
  • control data can e.g. Data from the regulation (e.g.
  • Drive control current control, speed control, position control), monitoring, diagnosis and / or motor, mechanics and / or position detection (e.g. motor currents or motor power of drives of the machine tool).
  • a complete analysis of the machine in a data processing method or a computer-based simulation based on the analysis of one or more FE models of the machine or machine tool can generate or calculate one or more characteristic fields that preferably show a temperature behavior of the machine or machine tool Machine tool describes.
  • characteristic diagrams in addition or as an alternative to the calculation of one or more characteristic diagrams on the basis of an FEM-based simulation - characteristic diagrams can also be calculated, determined and / or based on a computer simulation of a machine tool (so-called virtual machine tool or so-called digital twin) or customized. Additionally or alternatively you can Characteristic maps can also be determined and / or adapted on the basis of an experimental determination on a machine tool in test operation.
  • a characteristic diagram is here an example of an n-dimensional mapping which can be used as a regression model and / or in connection with inter- or extrapolation methods.
  • a characteristic field can be in the form of a table or matrix and can specify output data (e.g. one or more output variables) for possible input data (e.g. one or more input variables) or map one or more input variable values to one or more output variable values.
  • input data indicating temperature information e.g. can specify one or more temperature values from temperature sensors on the machine tool
  • further input data or input variables can also be used.
  • the input data or input variables can also include measured values from air humidity sensors and / or air pressure sensors on the machine tool and / or adjacent to the machine tool.
  • the input data or input variables can also include position sensor values (e.g. from position measuring instruments on movable components of the machine tool, such as linear, rotary and / or swivel axes) and / or parameters taken from the machine control.
  • position sensor values e.g. from position measuring instruments on movable components of the machine tool, such as linear, rotary and / or swivel axes
  • parameters taken from the machine control e.g. from position measuring instruments on movable components of the machine tool, such as linear, rotary and / or swivel axes
  • parameters taken from the machine control or determined or evaluated from the machine control e.g. Set position values for axes of the machine tool, determined actual position values for axes of the machine tools, speeds (e.g. spindle speeds), motor currents, motor power, etc.
  • sensor values can be used as input variables, such as pressure measurement values (e.g. pressure values in hydraulic and / or pneumatic systems of the machine tool, pressure values in cooling circuit systems of the machine tool, etc.), vibration or vibration measurement values (e.g. from vibration or vibration sensors), Force measurement values (e.g. from force sensors, expansion strip sensors, etc.), torque measurement values (e.g. from torque sensors or based on calculations based on force measured values), active power values, acceleration measured values (e.g. from acceleration sensors), structure-borne sound values (e.g. from structure-borne sound sensors), etc.
  • pressure measurement values e.g. pressure values in hydraulic and / or pneumatic systems of the machine tool, pressure values in cooling circuit systems of the machine tool, etc.
  • vibration or vibration measurement values e.g. from vibration or vibration sensors
  • Force measurement values e.g. from force sensors, expansion strip sensors, etc.
  • torque measurement values e.g. from torque sensors or based on calculations based on force measured values
  • active power values e.g. from acceleration
  • the characteristic diagram can be repeated or even periodically in temporally discrete sections on the basis of the input variables entered, e.g. by evaluating the sensors and / or internal control data, correction terms or one or more correction parameters for internal compensation of the temperature shift are transferred to the machine control, the machine control then being able to perform the temperature compensation using the transferred correction terms or one or more correction parameters, e.g. by adjusting the target positions of one or more movable components of the machine tool (e.g. the linear, round and / or swivel axes of the machine tool) on the basis of the transferred correction terms or one or more correction parameters.
  • the target positions of one or more movable components of the machine tool e.g. the linear, round and / or swivel axes of the machine tool
  • a neural network structure is preferably also implemented, which can update the characteristics map or maps with the aid of new data.
  • New training or input data for the neural network can preferably be determined from the real process or during operation on the machine tool (e.g. during an experimental test operation and / or in the real machining process on the machine tool)
  • Input data for the neural network also from a computer-implemented simulation of a machine tool, e.g. on a virtual machine tool and / or on the basis of a digital twin of the machine tool.
  • new data can be generated with the help of a neural network, which update the map or maps or adapt or optimize.
  • the neural network does not directly perform the actual temperature compensation methods on the machine tool influences, since the actual temperature compensation method on the machine tool on the machine control is preferably carried out on the basis of one or more maps, the map or maps being able to be adapted or optimized once, several times or even repeatedly by means of the neural network.
  • the neural network preferably has no direct influence on the map-based correction, but controls or influences the map or maps and thus only has an indirect influence on the temperature compensation.
  • the characteristic map-based correction is particularly preferably carried out on the machine tool on the basis of one or more characteristic maps, with the characteristic map or maps being adapted or optimized by the neural network.
  • input data for the neural network can be recorded for the update at the installation site of the machine tool, and automated updating of the characteristic map or maps is possible.
  • One advantage is the resistance to fluctuating influences.
  • the invention enables a significantly improved adaptation of the machines or machine operation to new environmental conditions, e.g. at new installation locations.
  • the basis for some exemplary embodiments is the provision of one or more characteristic diagrams describing a temperature behavior of a machine tool.
  • This can e.g. include: selection of the input data or input variables (e.g. temperature, axis positions, etc.), definition of limit values of the input variables (e.g. of temperature, positions; maximum values and / or minimum values), discretization of the input variables (e.g. definition of a characteristic map grid), selection of the core - or, basic functions (Engl "kernel functions"), optimization of the sensors, and / or collection of data, etc.
  • the input data or input variables e.g. temperature, axis positions, etc.
  • definition of limit values of the input variables e.g. of temperature, positions; maximum values and / or minimum values
  • discretization of the input variables e.g. definition of a characteristic map grid
  • selection of the core - or, basic functions (Engl "kernel functions") optimization of the sensors, and / or collection of data, etc.
  • one or more characteristic diagrams can be calculated on the basis of a data processing process or a simulation (for example an FE or FEM simulation or analysis) (for example on the basis of the method of least squares).
  • one or more characteristic diagrams can additionally or alternatively be calculated or determined in a test operation based on a data processing process or a simulation on a virtual machine tool or based on a digital twin of the machine tool and / or based on experimental determinations on a machine tool .
  • One or more calculated or determined characteristic maps can then be provided, e.g. by transferring the map or maps to the machine control.
  • the map or maps or entries in the map or maps can be transmitted from the machine control to the neural network as input data of the neural network, and the map or maps or at least parts thereof are read into the neural network.
  • new data or input variables can be read in from the machine tool, from sensors of the machine tool and / or from the machine control of the machine tool.
  • the characteristic diagram (s) are then preferably updated or adapted and / or at least one or more entries in the characteristic diagram (s) are updated or adapted on the basis of the network structure of the neural network.
  • the network structure of the neural network is based on radial basis functions and / or on other interpolation functions (e.g. linear and non-linear regression methods).
  • Continuously learning compensation algorithms are preferably based on neural networks and / or interpolation functions (e.g. linear and / or nonlinear regression methods, radial basis functions, polynomial basis functions, etc.).
  • interpolation functions e.g. linear and / or nonlinear regression methods, radial basis functions, polynomial basis functions, etc.
  • genetic algorithms can be integrated for the independent adaptation of the interpolation support points for the interpolation functions.
  • the neural network for adapting or optimizing the map or maps can include a learning algorithm, for example by data acquisition based on databases, measurement data, and / or simulation data (eg by generating synthetic input variables based, for example, on simulations on a virtual machine tool or based on a digital twin of the machine tool).
  • a learning algorithm for example by data acquisition based on databases, measurement data, and / or simulation data (eg by generating synthetic input variables based, for example, on simulations on a virtual machine tool or based on a digital twin of the machine tool).
  • Embodiments of the present invention preferably relate to a method for continuously learning compensation algorithms based on a map-based error description of thermally caused displacements of the machine structure, in particular by means of a neural network.
  • a continuous expansion of the compensation method particularly preferably relates to a load case description of the machine tool during machining and / or a position setting of the movable components or axes of the machine tool.
  • processing methods can be recognized independently on the control and corrected by means of appropriate characteristic maps, e.g. by providing corresponding characteristic fields for different processing methods and adapting or optimizing them by means of a neural network.
  • the sensor placements can be adapted or optimized for improved feedback to the controller. This also enables predictive state estimation through the improved sensor placement.
  • FIG. 1 shows a schematic exemplary illustration of a characteristic map KF for temperature compensation on a machine tool according to an exemplary embodiment of the present invention.
  • the measured position values Xj preferably give positions (for example measured actual positions) of m movable components of the Machine tool to, for example, m movable axes of the machine tool.
  • position setpoints or axis setpoints from the machine control can also be used.
  • the characteristics map KF outputs, for example, a correction parameter KP, which can be used on the machine control as a compensation value or as a correction value for adapting setpoint positions, for correcting or compensating for thermally induced changes in position on the machine tool.
  • a correction parameter KP which can be used on the machine control as a compensation value or as a correction value for adapting setpoint positions, for correcting or compensating for thermally induced changes in position on the machine tool.
  • correction parameters can be determined using one or more characteristic maps, and further input variables can also be defined.
  • FIG. 2 shows a schematic exemplary representation of a plurality of characteristic maps KF1, KF2, KF3,... For temperature compensation on a machine tool according to an exemplary embodiment of the present invention.
  • the measured position values Xj preferably indicate positions (e.g. measured actual positions) of m movable components of the machine tool, e.g. of m movable axes of the machine tool.
  • further sensor values and / or parameters of the machine control can be read in as input variables, such as speed values Xj for speeds of movable components of the machine tool (e.g. the linear, round and / or swivel axes of the machine tool).
  • the speed values Xj preferably indicate speeds (for example by means of time dependency of measured actual positions) of m movable components of the machine tool, for example of m movable axes of the Machine tool.
  • acceleration values or acceleration measured values can also be included as input variables.
  • sensor values and / or parameters of the machine control can be read in as input variables, e.g. Speed values ü) k (e.g. spindle speed, motor or drive speed e.g. for axle drives, etc.), pressure values Pq (e.g. measured pressure values such as air pressure, pressure value in pneumatic systems of the machine tool, pressure value in hydraulic systems of the machine tool, pressure value in cooling systems of the machine tool) and also, for example a humidity reading.
  • Speed values ü e.g. spindle speed, motor or drive speed e.g. for axle drives, etc.
  • pressure values Pq e.g. measured pressure values such as air pressure, pressure value in pneumatic systems of the machine tool, pressure value in hydraulic systems of the machine tool, pressure value in cooling systems of the machine tool
  • Pq e.g. measured pressure values such as air pressure, pressure value in pneumatic systems of the machine tool, pressure value in hydraulic systems of the machine tool, pressure value in cooling systems of the machine tool
  • also, for example a humidity reading e
  • the maps KF1, KF2, KF3 each output, by way of example, a respective correction parameter KP1, KP2 or KP3, which can be used on the machine control as a respective compensation value or as a respective correction value to adapt one or more target positions, for correction or correction. Compensation of thermally induced changes in position on the machine tool.
  • the respective correction parameters KP1, KP2 and KP3 can each specify correction parameters that can be used for individual axes of the machine tool or also specify correction parameters in individual orthogonal directions.
  • the characteristics maps KF1, KF2, KF3 each with one output variable can also be understood or provided as a multi-dimensional characteristic diagram with a multi-dimensional output variable space, in which an output variable vector can be output.
  • FIG. 3 shows a schematic representation of a map-based method for temperature compensation on a machine tool.
  • step S301 one or more characteristic fields which indicate or describe a temperature behavior of the machine tool are provided on the machine control of the machine tool.
  • the characteristic diagram (s) can have been generated in an FE model-based simulation or analysis and are preferably provided on the machine control as a stored data structure (for example as a lookup table or lookup matrix).
  • step S302 input data or input variables are determined on the machine tool by way of example. This preferably includes reading in measured temperature values from temperature sensors of the machine tool. In addition, this can include reading in position data relating to the actual positions of movable components (eg movable axes) of the machine tool, for example from the machine control or from position measuring sensors of the machine tool. Furthermore, additional sensor data or control data can be read in (see above).
  • one or more correction parameters or compensation parameters are determined, for example, on the basis of the input data or input variables and on the basis of the characteristic map (s) provided, e.g. as direct output variable (s) of the map (s) and / or from further calculations based on the output variable (s) of the map (s).
  • step S304 a temperature compensation or correction of a thermal change in position on the machine tool is carried out, for example, on the machine control based on the determined one or more correction parameters or compensation parameters.
  • Steps S302 to S304 can preferably be repeated for repeated temperature compensation, e.g. periodically, quasi-continuously (e.g. discreetly at a clock frequency dependent on the clock frequency of the machine control), regularly, at predetermined times, when temperature changes are detected, etc.
  • FIG. 4 shows a schematic illustration of an application of a neural network for updating characteristics for a characteristic diagram-based method for temperature compensation on a machine tool.
  • step S401 input variables of the characteristic diagram are read in by way of example (for example from the machine control system or by direct transmission of sensor values from sensors of the machine tool). Some or all of the input variables of the characteristic diagram to be updated are preferably read in. It is also possible to read in further input variables. Alternatively or additionally, sensor data can also be obtained from a computer-implemented simulation of a machine tool (eg on a virtual machine tool or based on a digital twin of the machine tool), ie so-called synthetically generated sensor data.
  • step S402 the characteristic map (s) or at least entries in the characteristic maps are read in by way of example.
  • the characteristic diagrams or the characteristic diagrams currently provided or stored on the machine control, or at least parts thereof, are read out.
  • step S403 additional training data are optionally read in by way of example.
  • Such training data for training the neural network can e.g. actually measured position data, e.g. if the temperature compensation is carried out in a training course on a machine tool with an additionally clamped position measuring device instead of a tool (e.g. by means of a measuring probe) and / or with additional position measuring devices (e.g. with laser measurement, camera measurement, etc.) in order to determine the actual and target positions at the Compare machine control with additional position measurement values.
  • additional position measuring devices e.g. with laser measurement, camera measurement, etc.
  • training data can also be generated from a computer-implemented simulation of a machine tool (e.g. on a virtual machine tool or on the basis of a digital twin of the machine tool), or obtained from a database that collects historical processing data from a number of machine tools.
  • training data can also include data read in from the control data.
  • step S404 the neural network (e.g. after or during a training operation), i.e. e.g. a training or already trained neural network, used to at least partially adapt or update the input data and / or the map or maps provided, and possibly on the basis of optionally available training data.
  • a training or already trained neural network used to at least partially adapt or update the input data and / or the map or maps provided, and possibly on the basis of optionally available training data.
  • step S405 the adapted or updated characteristic map or maps or the adapted or updated entries are made available to the machine control.
  • a temperature compensation according to FIG. 3 can then be used adapted or updated characteristic map or a plurality of adapted or updated characteristic maps are provided on the machine control (for example as step S301 in FIG. 3 or also during the repetition of steps S302 to S304 in FIG. 3).
  • FIG. 5 shows, by way of example, a schematic diagram of a system for adapting one or more characteristics maps to one or more machine tools according to an exemplary embodiment of the invention.
  • the system comprises, for example, a server 100 with a processor 101 and a storage device 102 on which a neural network NN that can be executed by means of the processor 101 is implemented or stored.
  • the server 100 is, for example, connected to a control device 300 of a machine tool 400 via a communication network 200 (e.g. a LAN, WLAN, or even the Internet).
  • the machine tool 400 preferably has, for example, actuators 401 (e.g. spindle drive, axle drives, etc.) and sensors 402 (e.g. temperature sensors, position measuring sensors, pressure sensors, humidity sensors, acceleration sensors, vibration sensors, and / or force sensors, etc.).
  • the control device 300 comprises, for example, a processor 301 and a memory device 302 on which one or more characteristic maps KF are provided or stored.
  • the processor 301 is preferably set up to carry out temperature compensation on the basis of the characteristic map (s) KF (e.g. in accordance with one or more of the aspects and examples described above).
  • the processor 101 of the server 100 is set up to use the neural network NN to adapt or update the characteristic field (s) KF on the control device 300 (e.g. in accordance with one or more of the aspects and examples described above).
  • control devices 300 'and 300 "with corresponding machine tools 400' and 400" are connected to the server 100, so that the neural network NN can be used to adapt or update the Maps can be used on several machine tools (eg of the same type at different installation locations).

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Automatic Control Of Machine Tools (AREA)
  • Numerical Control (AREA)

Abstract

Die vorliegende Erfindung betrifft Verfahren und Vorrichtungen zur Kompensation einer thermisch bedingten Lageveränderung an einer numerisch gesteuerten Werkzeugmaschine, wobei: ein das thermo-elastische Verhalten der Werkzeugmaschine beschreibendes Kennfeld an einer Steuerungseinrichtung der Werkzeugmaschine bereitgestellt wird, ein oder mehrere Temperaturwerte mittels eines oder mehrerer Temperatursensoren an der Werkzeugmaschine ermittelt werden, ein oder mehrere Kompensationsparameter an der Steuerungseinrichtung der Werkzeugmaschine auf Grundlage der ermittelten einen oder mehreren Temperaturwerte und des bereitgestellten Kennfeldes ermittelt werden, und wobei eine temperaturabhängige Lageveränderung an der Werkzeugmaschine in Abhängigkeit der einen oder mehreren ermittelten Kompensationswerte durchgeführt wird. Erfindungsgemäß wird das bereitgestellte Kennfeld mittels eines computer-implementierten neuronalen Netzes angepasst bzw. aktualisiert.

Description

VERFAHREN UND VORRICHTUNG ZUR KOMPENSATION EINER THERMISCH BEDINGTEN LAGEVERÄNDERUNG AN EINER NUMERISCH GESTEUERTEN WERKZEUGMASCHINE
Beschreibung
Die vorliegende Erfindung betrifft Verfahren und Vorrichtungen zur Kompensation thermisch bedingter Lageveränderungen an numerisch gesteuerten Werkzeugmaschinen, insbesondere zur Kennfeld-basierten Kompensation bzw. Korrektur thermisch bedingter Lage-veränderungen an numerisch gesteuerten Werkzeugmaschinen.
Hintergrund
Im Stand der Technik ist es bekannt, dass thermisch bedingte Positionsfehler an Werkzeugmaschinen einen großen Einfluss auf die Bearbeitungsgenauigkeit bei der Bearbeitung von Werkstücken an der Werkzeugmaschine haben. Grundsätzlich ist es somit erwünscht, temperaturbedingte Lageveränderungen an Werkzeugmaschinen, insbesondere bei der Werkstückbearbeitung, zu verringern bzw. deren Einfluss auf die Bearbeitungsgenauigkeit zu vermindern, z.B. durch aktive Temperierung und/oder durch Kompensation in der Maschinensteuerung.
Eine Möglichkeit stellt hierbei die aktive Temperierung bzw. Kühlung der Werkzeugmaschine bzw. der Werkzeugmaschinenumgebung dar, um Temperatureinflüsse an der Werkzeugmaschine zu verringern; siehe z.B. DE 10 2014 202 878 Al.
Eine weitere Möglichkeit ist die Kompensation in der Maschinensteuerung, z.B. durch die temperaturabhängige Korrektur von Positionssollwerten der Maschinenachsen an der Maschinensteuerung. Dies wurde im Stand der Technik z.B. durch Messungen der Temperatur an Temperatursensoren an der Werkzeugmaschine ermöglicht, wobei die gemessenen Temperaturen dazu verwendet werden, mittels Berechnungsformeln Korrekturparameter auszurechnen, mittels denen die Sollachspositionen in der Maschinensteuerung in Echtzeit korrigiert bzw. angepasst werden; siehe z.B. DE 10 2010 003 303 Al.
Zudem wurde in der DE 10 2015 115 838 Al vorgeschlagen, an einer
Bearbeitungsmaschine eine Temperaturkompensation mit einer ein neuronales Netz aufweisenden Auswerteeinheit durchzuführen.
Eine neuartigere Methode der temperaturabhängigen Korrektur von
Positionssollwerten von Maschinenachsen an der Maschinensteuerung einer
Werkzeugmaschine ist die sogenannte Kennfeld-basierte Korrektur bzw. Kompensation von Lageveränderungen an der Werkzeugmaschine; siehe z.B. den Artikel
„Kennfeldbasierte Korrektur thermischer Positionierfehler an Werkzeugmaschinen“ von C. Naumann, Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik -IWU-, Chemnitz; Verbundinitiative Maschinenbau Sachsen -VEMAS-, Chemnitz: Digitalisierung in der Produktion. 3. Sächsischer Tag der Automation 2017 : 09. März 2017.
Im vorstehenden Artikel wird eine Kennfeld-basierte Korrektur thermischer Positionierfehler an Werkzeugmaschinen beschrieben. Der „Abstract“ des Artikels beschreibt:„Thermisch bedingte Positionierfehler an Werkzeugmaschinen können einen großen Einfluss auf die Bearbeitungsgenauigkeit und damit auf die Produktquaiität sowie die Wirtschaftlichkeit von Werkzeugmaschinen haben. Dabei kann der thermische Fehler bis zu 75% des Gesamtfehlers der Maschine ausmachen. Die Ansätze zur Reduktion dieser Fehler reichen von konstruktiven Maßnahmen über die Verwendung von Werkstoffen mit geringem Ausdehnungskoeffizient bis zur modellbasierten Korrektur der thermischen Fehler. Industriell angewandte Maßnahmen zur Verringerung des thermo elastischen Fehlers sind zum Beispiel die thermo-symmetrische Gestaltung der Werkzeugmaschine oder das Herbeiführen eines thermisch stabilen Zustands der Maschine. Hierfür wird die Maschine in der Regel im Bereich der Wärmequellen gekühlt oder sie wird warmgefahren , bis sie thermisch stationär ist (die„Betriebstemperatur“ erreicht hat). Fine weitere Maßnahme ist die Klimatisierung der Umgebung , um konstante Bedingungen zu schaffen. Die beschriebenen Ansätze erhöhen den Energiebedarf deutlich , was zu einer Reduzierung der Wirtschaftlichkeit führt. Als ein modellbasierter Ansatz ohne zusätzlichen Energiebedarf kommt die korrelative Korrektur im industriellen Bereich zum Einsatz. Die korrelativen Modelle vermitteln zwischen ausgewählten Temperaturmesspunkten in der Maschinenstruktur und der Verlagerung an der Wirkstelle (Tool-Center-Point TCP). Die kennfeldbasierte Korrektur stellt einen solchen korrelativen Ansatz dar. Sie bildet mit Hilfe von Kennfeldern Temperaturen auf der Oberfläche der Werkzeugmaschine und die aktuelle Achs-Konfiguration direkt auf die TCP-Verlagerung ab. Die Kennfelder können mit Daten aus Messungen oder thermo-elastischen Simulationen angelernt werden und sind anschließend während der Bearbeitung online steuerungsintegriert anwendbar. Der Beitrag stellt nach einem Überblick über thermo elastische Korrektur- und Kompensationsstrategien die kennfeldbasierte Korrektur vor. Dabei wird auf das Vorgehen und die Vor- und Nachteile der Methode eingegangen und zuletzt an einem Demonstrator die Funktionsfähigkeit des Verfahrens experimentell belegt.“
Ausgehend von dem grundsätzlichen Bedürfnis der einfachen, effizienten, genauen und/oder anwendungsfreundlichen Temperaturkompensation an Werkzeugmaschinen und ausgehend von den Vorteilen der Kennfeld-basierten bzw. Modell-basierten Temperaturkompensation an Werkzeugmaschinen gemäß dem vorstehend beschriebenen Stand der Technik ist es eine Aufgabe der vorliegenden Erfindung, eine verbesserte Temperaturkompensation an Werkzeugmaschinen bereitzustellen.
Zusammenfassung
Zur Lösung der vorstehend beschriebenen Aufgabe werden Verfahren und Vorrichtungen zur Kompensation thermisch bedingter Lageveränderungen an numerisch gesteuerten Werkzeugmaschinen gemäß den unabhängigen Ansprüchen vorgeschlagen. Abhängige Ansprüche betreffen bevorzugte bzw. besonders zweckdienliche Ausführungsbeispiele.
Gemäß einem beispielhaften Aspekt wird ein Verfahren zur Kompensation einer thermisch bedingten Lageveränderung an einer numerisch gesteuerten Werkzeugmaschine vorgeschlagen, umfassend: Bereitstellen eines ein
Temperaturverhalten der Werkzeugmaschine beschreibenden Kennfeldes an einer Steuerungseinrichtung der Werkzeugmaschine, Ermitteln von einem oder mehreren Temperaturwerten mittels eines oder mehrerer Temperatursensoren an der Werkzeugmaschine, Ermitteln von einem oder mehreren Kompensationsparametern an der Steuerungseinrichtung der Werkzeugmaschine auf Grundlage der ermittelten einen oder mehreren Temperaturwerte und des bereitgestellten Kennfeldes, und Kompensieren einer temperaturabhängigen Lageveränderung an der Werkzeugmaschine in Abhängigkeit der einen oder mehreren ermittelten Kompensationswerte.
Erfindungsgemäß ist ein Verfahren zur Kompensation einer thermisch bedingten Lageveränderung an einer numerisch gesteuerten Werkzeugmaschine, insbesondere ein Kennfeld-basiertes Verfahren, dadurch gekennzeichnet, dass ein bereitgestelltes Kennfeld (bzw. Kennlinienfeld) mittels eines computer-implementierten neuronalen Netzes angepasst wird, wobei insbesondere die Temperaturkompensation mittels des Kennfelds erfolgt und nicht direkt durch das neuronale Netz.
In anderen Worten wird erfindungsgemäß insbesondere bevorzugt vorgeschlagen, dass die Temperaturkompensation an der Maschinensteuerung auf Grundlage eines Kennfeldes (d.h. eine Kennfeld-basierte Korrektur thermischer Positionierfehler an Werkzeugmaschinen) erfolgt, wobei das Kennfeld zumindest einmal oder mehrere Male mittels eines neuronalen Netzes angepasst wird.
Dies bringt den synergistischen Vorteil, dass die Temperaturkompensation effizient und anwenderfreundlich sowie äußerst schnell und genau in Echtzeit an der Werkzeugmaschinensteuerung auf Grundlage des bereitgestellten Kennfelds durchgeführt werden kann, wobei ein z.B. auf Basis einer FE-Simulation erstelltes Kennfeld bedarfsbedingt mittels dem Trainieren eines neuronalen Netzes oder mittels einem bereits trainierten neuronalen Netz optimiert werden kann.
Beispielhaft kann erfindungsgemäß ein Verfahren zur Anpassung eines ein Temperaturverhalten einer numerisch gesteuerten Werkzeugmaschine beschreibenden Kennfeldes zum Einsatz bei einer Kompensation einer thermisch bedingten Lageveränderung an der Werkzeugmaschine vorgeschlagen werden, umfassend: Anpassen des bereitgestellten Kennfeldes mittels eines computer-implementierten neuronalen Netzes.
Im Folgenden werden weitere beispielhafte Aspekte bzw. Ausführungsbeispiele und bevorzugte Ausführungsformen der vorliegenden Erfindung diskutiert. In bevorzugten Ausführungsbeispielen können Eingangsdaten für das neuronale Netz in Echtzeit während des Betriebs der Werkzeugmaschine ermittelt werden, insbesondere während eines Arbeitsprozesses der Werkzeugmaschine.
In bevorzugten Ausführungsbeispielen können Eingangsdaten für das neuronale Netz Sensordaten von Sensoren der Werkzeugmaschine und/oder aus Sensordaten von Sensoren der Werkzeugmaschine berechnete Eingangsdaten umfassen.
In bevorzugten Ausführungsbeispielen können Ausgangsdaten des Neuronalen Netzes das Kennfeld anpassen bzw. aktualisieren. In weiteren bevorzugten Ausführungsbeispielen können Ausgangsdaten des neuronalen Netzes ein angepasstes bzw. aktualisiertes Kennfeld angeben.
In bevorzugten Ausführungsbeispielen kann das Anpassen des Kennfeldes umfassen: Einlesen zumindest eines Teils des momentan an der Steuereinrichtung bereitgestellten Kennfeldes an dem Neuronalen Netz; Einlesen von Eingangsdaten, die insbesondere Sensordaten von Sensoren der Werkzeugmaschine umfassen, an dem Neuronalen Netz; und/oder Ermitteln einer Netzstruktur zumindest eines Teils eines angepassten bzw. aktualisierten Kennfeldes an dem Neuronalen Netz.
In bevorzugten Ausführungsbeispielen kann das an der Steuerungseinrichtung bereitgestellte Kennfeld insbesondere auf Grundlage der ermittelten Netzstruktur angepasst bzw. aktualisiert werden.
In bevorzugten Ausführungsbeispielen kann das Anpassen des bereitgestellten Kennfeldes mittels des computer-implementierten neuronalen Netzes wiederholt durchgeführt werden, insbesondere bevorzugt in regelmäßigen Abständen.
In bevorzugten Ausführungsbeispielen kann das neuronale Netz das an der Steuerungseinrichtung der Werkzeugmaschine bereitgestellte Kennfeld steuern.
In bevorzugten Ausführungsbeispielen können dem neuronalen Netz zum Anpassen des bereitgestellten Kennfeldes als Eingangsdaten des neuronalen Netzes Sensorwerte von einem oder mehreren Temperatursensoren der Werkzeugmaschine übermittelt werden. In bevorzugten Ausführungsbeispielen können dem neuronalen Netz zum Anpassen des bereitgestellten Kennfeldes als Eingangsdaten des neuronalen Netzes Sensorwerte von einem oder mehreren Positionssensoren der Werkzeugmaschine übermittelt werden.
In bevorzugten Ausführungsbeispielen können die einen oder mehreren Positionssensoren der Werkzeugmaschine erfasste Ist-Werte von Linear- und/oder Rundachsen der Werkzeugmaschine ausgeben.
In bevorzugten Ausführungsbeispielen können dem neuronalen Netz zum Anpassen des bereitgestellten Kennfeldes als Eingangsdaten des neuronalen Netzes Soll-Werte von Linear- und/oder Rundachsen der Werkzeugmaschine von der Steuerungseinrichtung übermittelt werden.
In bevorzugten Ausführungsbeispielen können dem neuronalen Netz zum Anpassen des bereitgestellten Kennfeldes als Eingangsdaten des neuronalen Netzes Positionsmesswerte eines an der Werkzeugmaschine durchgeführten Positionsvermessungsverfahrens übermittelt werden.
In bevorzugten Ausführungsbeispielen kann das Positionsvermessungsverfahren an der Werkzeugmaschine mittels eines oder mehrerer Messtaster durchgeführt werden. Weiterhin, zusätzlich oder alternativ kann das Positionsvermessungsverfahren an der Werkzeugmaschine mittels eines oder mehrerer elektromagnetischer Messvorrichtungen und/oder mittels eines oder mehrerer optischer Messvorrichtungen, insbesondere mittels einer Laservermessungseinrichtung und/oder einer Kameraeinrichtung, durchgeführt werden.
In bevorzugten Ausführungsbeispielen kann das das Temperaturverhalten der Werkzeugmaschine beschreibende Kennfeld auf Grundlage eines oder mehrere FE- Modelle und/oder FE-Simulationen der Werkzeugmaschine bereitgestellt werden.
In bevorzugten Ausführungsbeispielen kann das neuronale Netz in die Steuerungseinrichtung der Werkzeugmaschine intergiert sein. In bevorzugten Ausführungsbeispielen kann das neuronale Netz in einen mit der Steuerungseinrichtung der Werkzeugmaschine verbundenen Steuerungscomputer intergiert sein.
In bevorzugten Ausführungsbeispielen kann das neuronale Netz in einen mit der Steuerungseinrichtung der Werkzeugmaschine verbundenen Zentral-Server intergiert sein.
In bevorzugten Ausführungsbeispielen kann der Zentral-Server mit einer Mehrzahl von Steuerungseinrichtungen von Werkzeugmaschinen verbunden sein.
In bevorzugten Ausführungsbeispielen kann der Zentral-Server eine Mehrzahl von neuronalen Netzen aufweisen. Bevorzugt kann jedes neuronale Netz einer der Werkzeugmaschinen zugeordnet sein und/oder können die Mehrzahl von neuronalen Netzen untereinander kommunizieren.
In bevorzugten Ausführungsbeispielen kann das Verfahren weiterhin umfassen: Ermitteln eines Verlagerungsfeldes auf Grundlage von Kennfeldeinträgen des Kennfeldes (bzw. der Kennfelder).
Weitere Aspekte und deren Vorteile als auch Vorteile und speziellere Ausführungsmöglichkeiten der vorstehend beschriebenen Aspekte und Merkmale werden aus den folgenden, jedoch in keinster Weise einschränkend aufzufassenden Beschreibungen und Erläuterungen zu den angehängten Figuren beschrieben.
Kurzbeschreibung der Figuren
Fig. 1 zeigt eine schematische beispielhafte Darstellung eines Kennfeldes KF für die Temperaturkompensation an einer Werkzeugmaschine gemäß einem
Ausführungsbeispiel der vorliegenden Erfindung.
Fig. 2 zeigt eine schematische beispielhafte Darstellung mehrerer Kennfelder für die Temperaturkompensation an einer Werkzeugmaschine gemäß einem
Ausführungsbeispiel der vorliegenden Erfindung. Fig. 3 zeigt eine schematische Darstellung eines Kennfeld-basierten Verfahrens zur Temperaturkompensation an einer Werkzeugmaschine.
Fig. 4 zeigt eine schematische Darstellung eine Anwendung eines neuronalen Netzes zur Kennfeldaktualisierung für ein Kennfeld-basierten Verfahrens zur Temperaturkompensation an einer Werkzeugmaschine.
Fig. 5 zeigt beispielhaft schematisch ein System zum Anpassen eines oder mehrerer Kennfelder an einer oder mehrerer Werkzeugmaschinen gemäß einem Ausführungsbeispiel der Erfindung.
Detaillierte Beschreibung der Figuren und
bevorzugter Ausführungsbeispiele
Im Folgenden werden Beispiele bzw. Ausführungsbeispiele der vorliegenden Erfindung detailliert unter Bezugnahme auf die beigefügten Figuren beschrieben. Gleiche bzw. ähnliche Elemente in den Figuren können hierbei mit gleichen Bezugszeichen bezeichnet sein, manchmal allerdings auch mit unterschiedlichen Bezugszeichen.
Es sei hervorgehoben, dass die vorliegende Erfindun jedoch in keinster Weise auf die im Folgenden beschriebenen Ausführungsbeispiele und deren Ausführungsmerkmale begrenzt bzw. eingeschränkt ist, sondern weiterhin Modifikationen der Ausführungsbeispiele umfasst, insbesondere diejenigen, die durch Modifikationen der Merkmale der beschriebenen Beispiele bzw. durch Kombination einzelner oder mehrerer der Merkmale der beschriebenen Beispiele im Rahmen des Schutzumfanges der unabhängigen Ansprüche umfasst sind.
Thermo-elastische Effekte an Werkzeugmaschinen stellen aktuell eine der Hauptursachen von Positionierfehlern an der Werkzeugmaschine dar. Neben den z.B. durch Reibung und Bearbeitungsprozesse resultierenden Wärmeeinträgen ist zudem der Wärmeaustausch mit der Umgebung nicht zu vernachlässigen. Für die Bestimmung dieser Wärmeströme und der resultierenden Temperatur- und Verformungsfelder können teilweise aufwändige gekoppelte strömungs- und strukturmechanische Simulationen notwendig sein. Die Kopplung beider Simulationen erschwert insbesondere transiente Simulationsrechnungen mit bewegten Komponenten, da sich hierbei die Umgebungsbedingungen und damit die Wärmeübergangskoeffizienten ständig ändern
Eine industriell verbreitete Maßnahme zur Verringerung thermisch bedingter Positionsfehler an Werkzeugmaschinen ist das Herbeiführen eines thermisch stabilen Zustands der Maschine. Hierfür kann die Maschine in der Regel im Bereich der Wärmequellen gekühlt oder warmgefahren werden bis sie thermisch stabil ist (d.h. die „Betriebstemperatur“ erreicht hat). Eine weitere mögliche Maßnahme ist die Klimatisierung der Umgebung, um konstante Bedingungen zu schaffen. Die beschriebenen Ansätze erhöhen den Energiebedarf deutlich, was zu einer Reduzierung der Wirtschaftlichkeit führt.
Modellbasierte bzw. Kennfeld-basierte Korrekturansätze hingegen erfordern keinen zusätzlichen Energieeinsatz. Als ein modellbasierter Ansatz kommt die korrelative Korrektur im industriellen Bereich zum Einsatz. Die Kennfeld-basierten Modelle vermitteln meist zwischen ausgewählten Temperaturmesspunkten in der Maschinenstruktur und der Verlagerung an der Wirkstelle, z.B. an der Werkzeugposition (oftmals auch Tool-Center- Point bzw. TCP genannt).
In der letzten Zeit wurden Kennfeld-basierte Korrekturverfahren vorgeschlagen; siehe hierzu z.B. den Artikel„Kennfeldbasierte Korrektur thermischer Positionierfehler an Werkzeugmaschinen“ von C. Naumann, Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik -IWU-, Chemnitz; Verbundinitiative Maschinenbau Sachsen -VEMAS-, Chemnitz: Digitalisierung in der Produktion. 3. Sächsischer Tag der Automation 2017 : 09. März 2017.
Bei Kennfeld-basierten Korrekturverfahren liegt der Temperaturkompensation zumindest ein das Temperaturverhalten der Maschine angebendes Kennfeld (Engl.: „characteristic diagram“) zu Grunde.
Ein Kennfeld kann als Datenstruktur, insbesondere Regressionsmodell, angesehen werden, wobei das Kennfeld eine Abbildung von einer oder mehreren Eingangsvariablen auf eine oder mehrere Ausgangsvariablen angibt bzw. darstellt. Im Falle einer Abbildung von einer Eingangsvariablen auf eine Ausgangsvariable kann auch von einer Kennlinie gesprochen werden.
Eine Kennlinie ist eine graphisch darstellbare Abbildung von zwei voneinander abhängigen physikalischen Größen, die z.B. für ein Bauteil, eine Baugruppe oder ein Gerät kennzeichnend ist. Die Kennlinie kann als Linie in einem zweidimensionalen Koordinatensystem dargestellt werden.
Ein Kennlinienfeld oder kurz Kennfeld kann mehrere Kennlinien in Abhängigkeit von weiteren Eingangsgrößen beispielsweise in Form mehrerer Kennlinien oder in einem dreidimensionalen Koordinatensystem darstellen.
Ein Beispiel für eine Kennlinie ist die Abhängigkeit des durch eine Diode fließenden elektrischen Stroms von der elektrischen Spannung. Wird zusätzlich die Temperatur der Diode als Parameter hinzugenommen, wird daraus ein Kennlinienfeld, das aus mehreren, bestimmten Temperaturen zugeordneten Strom-Spannungs-Kennlinien besteht. In der Regelungstechnik beschreibt die Kennlinie das statische Verhalten eines Systems. Kennlinien dienen in der Praxis u. a. zur Festlegung des Arbeitspunktes, zur Bestimmung einer linearen Näherung in einem bestimmten Punkt der Kennlinie. Weiterhin kann sie zur Bestimmung der Verlustleistung eines Bauteiles oder zur Korrektur des von einem Sensor ausgegebenen Signals dienen.
Für die Kennfeld-basierte Korrektur bzw. Temperaturkompensation können Kennfelder als stetige Abbildungen von einem Satz Eingangsvariablen auf eine eindimensionale Verlagerung bzw. auf einen eindimensionalen Kompensationsparameter verstanden werden. Die wichtigsten Eingangsvariablen sind in der Regel Temperaturen an und in der Maschinenstruktur (z.B. aufgenommen bzw. gemessen durch ein oder mehrere Temperatursensoren, die an Sensorpositionen der Maschinenstruktur angeordnet sind, z.B. an dem Maschinenbett, an verfahrbaren Bauteilen der Werkzeugmaschine, an drehbaren bzw. schwenkbaren Bauteilen der Werkzeugmaschine, etc.) und optional Positionsdaten der Maschinenachsen.
Da für die Verlagerungskorrektur in manchen Ausführungsbeispielen ein 3- oder 6- dimensionaler Korrekturvektor für die Lageveränderung (z.B. die temperaturabhängige Lageveränderung des TCP) gesucht werden kann, kann fürjede dieser Korrekturrichtungen ein eigenes Kennfeld aufgestellt werden oder es können mehrdimensionale Kennfelder mit mehreren Ausgangsgrößen (Ausgangsvariablen) bereitgestellt werden.
In weiteren Ausführungsbeispielen ist es möglich, dass anstelle der Lageveränderung selbst eine oder mehrere Ersatzgrößen als Ausgangsvariablen verwendet werden und diese dann ggf. über ein nachgelagertes Modell zur Verlagerung umrechnet werden.
Ausführungsbeispiele betreffen eine neue Anwendung von Kennfeldern im Zusammenhang mit neuronalen Netzen in der Industrie.
Vorerst kann die Maschine bzw. Werkzeugmaschine in Ausführungsbeispielen mit Hilfe eines FE-Netzes abgebildet werden.
Zu den bisher genutzten sensorischen Daten bzw. Sensorwerten (z.B.
Temperaturwerte) können in weiteren Ausführungsbeispielen auch Daten bzw. Parameter aus der Steuerung für FE-Analysen genutzt werden.
Derartige Steuerungsdaten können z.B. Daten aus der Regelung (z.B.
Antriebsregelung: Stromregelung, Drehzahlregelung, Lageregelung), Überwachung, Diagnose und/oder Motor, Mechanik und/oder Positionserfassung umfassen (z.B. Motorströme bzw. Motorleistung von Antrieben der Werkzeugmaschine).
Gemäß einiger Ausführungsbeispiele kann eine vollständige Analyse der Maschine in einem Datenverarbeitungsverfahren bzw. einer computerbasierten Simulation ausgehend aus der Analyse eines oder mehrerer FE-Modelle der Maschine bzw. Werkzeugmaschine ein oder mehrere Kennfelder erzeugen bzw. berechnen, das/die bevorzugt ein Temperaturverhalten der Maschine bzw. Werkzeugmaschine beschreibt.
In weiteren Ausführungsbeispielen können - zusätzlich oder alternativ zur Berechnung von einem oder mehreren Kennfelder auf Basis einer FEM-basierten Simulation - Kennfelder auch auf Grundlage einer Computer-Simulation einer Werkzeugmaschine (sog. virtuelle Werkzeugmaschine bzw. sog. Digitaler Zwilling) berechnet, bestimmt und/oder angepasst werden. Zusätzlich oder alternativ können Kennfelder auch auf Grundlage einer experimentellen Ermittlung an einer Werkzeugmaschine im Testbetrieb bestimmt und/oder angepasst werden.
Ein Kennfeld ist hierbei beispielhaft eine n-dimensionale Abbildung, welche als Regressionsmodell, und/oder im Zusammenhang mit Inter- bzw. Extrapolationsmethoden angewendet werden kann.
In manchen Ausführungsbeispielen kann ein Kennfeld als Tabelle oder Matrix vorliegen und für mögliche Eingangsdaten (z.B. eine oder mehrere Eingangsvariablen) Ausgangsdaten (z.B. eine oder mehrere Ausgangsvariablen) angeben bzw. von ein oder mehreren Eingangsvariablenwerten auf ein oder mehrere Ausgangsvariablenwerte abbilden.
Zusätzlich zu Temperaturinformationen angebenden Eingangsdaten, die z.B. einen oder mehrere Temperaturwerte von Temperatursensoren an der Werkzeugmaschine angeben können, können auch weitere Eingangsdaten bzw. Eingangsvariablen genutzt werden. Die Eingangsdaten bzw. Eingangsvariablen können auch Messwerte von Luftfeuchtigkeitssensoren und/oder Luftdrucksensoren an der Werkzeugmaschine und/oder benachbart zu der Werkzeugmaschine umfassen.
Zudem können die Eingangsdaten bzw. Eingangsvariablen auch Positions sensorwerte (z.B. von Positionsmessinstrumenten an verfahrbaren Bauteilen der Werkzeugmaschine, wie z.B. Linear-, Rund- und/oder Schwenkachsen) und/oder auch der Maschinensteuerung entnommene Parameter umfassen.
Zu aus der Maschinensteuerung entnommenen oder aus der Maschinensteuerung ermittelten bzw. ausgewerteten Parametern können z.B. Sollpositionswerte für Achsen der Werkzeugmaschine, ermittelte Istpositionswerte für Achsen der Werkzeugmaschinen, Drehzahlen (z.B. Spindeldrehzahlen), Motorströme, Motorleistung, etc. gehören.
Zudem können weitere Sensorwerte als Eingangsvariablen verwendet werden, wie z.B. Druckmesswerte (z.B. Druckwerte in Hydraulik- und/oder Pneumatiksystemen der Werkzeugmaschine, Druckwerte in Kühlkreislaufsystemen der Werkzeugmaschine, etc.), Schwingungs- bzw. Vibrationsmesswerte (z.B. von Vibrations- bzw. Schwingungssensoren), Kraftmesswerte (z.B. von Kraftsensoren, Dehnstreifensensoren, etc.), Drehmoment messwerte (z.B. aus Drehmomentsensoren oder auf Grundlage von Berechnungen basierend auf Kraftmesswerten), Wirkleistungswerte, Beschleunigungsmesswerte (z.B. aus Beschleunigungssensoren), Körperschallwerte (z.B. aus Körperschallsensoren), etc.
In manchen Ausführungsbeispielen können wiederholt oder gar periodisch in zeitlich diskreten Abschnitten vom Kennfeld auf Grundlage der eingegebenen Eingangsvariablen, z.B. durch Auswertung der Sensoren und/oder steuerungsinternen Daten, Korrekturterme bzw. ein oder mehrere Korrekturparameter zur steuerungsinternen Kompensation der Temperaturverlagerung an die Maschinensteuerung übergeben werden, wobei die Maschinensteuerung dann mittels der übergebenen Korrekturterme bzw. ein oder mehrerer Korrekturparameter die Temperaturkompensation durchführen kann, z.B. durch Anpassen von Sollpositionen einer oder mehrerer verfahrbarer Bauteile der Werkzeugmaschine (z.B. der Linear-, Rund-, und/oder Schwenkachsen der Werkzeugmaschine) auf Grundlage der übergebenen Korrekturterme bzw. ein oder mehrerer Korrekturparameter.
Bevorzugt wird gemäß Ausführungsbeispielen weiterhin eine neuronale Netzstruktur implementiert, welche mit Hilfe neuer Daten das Kennfeld bzw. die Kennfelder aktualisieren kann.
Neue Trainings- bzw. Eingangsdaten für das neuronale Netz können bevorzugt aus dem realen Prozess bzw. bei Betrieb an der Werkzeugmaschine ermittelt werden (z.B. bei einem experimentellen Testbetrieb und/oder im reellen Bearbeitungsprozess an der Werkzeugmaschine), und zusätzlich oder alternativ können Trainings- bzw. Eingangsdaten für das neuronale Netz auch aus einer computerimplementierten Simulation einer Werkzeugmaschine, z.B. an einer virtuellen Werkzeugmaschine und/oder auf Basis eines Digitalen Zwillings der Werkzeugmaschine, ermittelt werden.
Gemeinsam mit den bestehenden Daten aus einer FE-Analyse, einer Computer- Simulation einer Werkzeugmaschine (virtuelle Werkzeugmaschine bzw. Digitaler Zwilling) und/oder experimentellem Betrieb einer Werkzeugmaschine können mithilfe eines neuronalen Netzes neue Daten generiert werden, die das Kennfeld bzw. die Kennfelder aktualisieren bzw. anpassen bzw. optimieren.
In Ausführungsbeispielen ist es besonders bevorzugt, dass das neuronale Netz die eigentlichen Temperaturkompensationsverfahren an der Werkzeugmaschine nicht direkt beeinflusst, da die eigentlichen Temperaturkompensationsverfahren an der Werkzeugmaschine an der Maschinensteuerung bevorzugt auf Grundlage eines oder mehrerer Kennfelder durchgeführt wird, wobei das bzw. die Kennfelder einmal, mehrmals oder gar wiederholend mittels des neuronalen Netzes angepasst bzw. optimiert werden können.
Das neuronale Netz hat bevorzugt keinen direkten Einfluss auf die Kennfeld basierte Korrektur sondern steuert bzw. beeinflusst das bzw. die Kennfelder und hat somit nur indirekten Einfluss auf die Temperaturkompensation. Insbesondere bevorzugt wird die Kennfeld-basierte Korrektur an der Werkzeugmaschine auf Basis ein oder mehrerer Kennfelder durchgeführt, wobei das bzw. die Kennfelder durch das neuronale Netz angepasst bzw. optimiert werden.
In einigen Ausführungsbeispielen können Eingangsdaten für das neuronale Netz für die Aktualisierung am Aufstellort der Werkzeugmaschine aufgenommen werden und es ist ein automatisiertes Aktualisieren des Kennfeldes bzw. der Kennfelder möglich.
Ein Vorteil ist die Resistenz gegen schwankende Einflüsse. Zudem ermöglicht die Erfindung eine signifikant verbesserte Anpassung der Maschinen bzw. des Maschinenbetriebs an neue Umgebungsbedingungen, z.B. an neuen Aufstellorten. Zudem bietet sich der Vorteil, dass Verlagerungsfehler weiter reduziert werden können und eine höhere Fertigungsgenauigkeit ermöglicht wird.
Grundlage für einige Ausführungsbeispiele ist die Bereitstellung eines oder mehrerer ein Temperaturverhalten einer Werkzeugmaschine beschreibenden Kennfelder. Dies kann z.B. umfassen: Auswahl der Eingangsdaten bzw. Eingangsvariablen (z.B. Temperatur, Achspositionen, etc.), Festlegung von Grenzwerten der Eingangsvariablen (z.B. von Temperatur, Positionen; Maximalwerte und/oder Minimalwerte), Diskretisierung der Eingangsvariablen (z.B. Definition eines Kennfeldgitters), Auswahl von Kern- bzw, Basisfunktionen (Engl „kernel functions“), Optimierung der Sensoren, und/oder Sammeln von Daten, etc.
In einigen Ausführungsbeispielen können ein oder mehrere Kennfelder auf Grundlage eines Datenverarbeitungsprozesses bzw. einer Simulation (z.B. einer FE- bzw. FEM-Simulation bzw. -Analyse) berechnet werden (z.B. auf Grundlage der Methode der kleinsten Quadrate). In einigen Ausführungsbeispielen können ein oder mehrere Kennfelder zusätzlich oder alternativ auf Grundlage eines Datenverarbeitungsprozesses bzw. einer Simulation an einer virtuellen Werkzeugmaschine bzw. auf Grundlage eines Digitalen Zwillings der Werkzeugmaschine und/oder auf Grundlage experimenteller Ermittlungen an einer Werkzeugmaschine in einem Testbetrieb berechnet bzw. bestimmt werden.
Ein oder mehrere berechnete bzw. bestimmte Kennfelder können dann bereitgestellt werden, z.B. durch Übergabe des Kennfeldes bzw. der Kennfelder an die Maschinensteuerung.
Für die Anpassung des Kennfeldes bzw. der Kennfelder durch das neuronale Netz können das Kennfeld bzw. die Kennfelder bzw. Einträge in dem bzw. den Kennfeldern von der Maschinensteuerung an das neuronale Netz als Eingangsdaten des neuronalen Netzes übertragen werden und das Kennfeld bzw. die Kennfelder oder zumindest Teile davon an dem neuronalen Netz eingelesen werden. Zudem können neue Daten bzw. Eingangsvariablen von der Werkzeugmaschine, von Sensoren der Werkzeugmaschine und/oder aus der Maschinensteuerung der Werkzeugmaschine eingelesen werden. Bevorzugt werden dann auf Grundlage der Netzstruktur des neuronalen Netzes das bzw. die Kennfelder aktualisiert bzw. angepasst und/oder zumindest ein oder mehrere Einträge in dem bzw. den Kennfeldern aktualisiert bzw. angepasst.
In bevorzugten Ausführungsbeispielen basiert die Netzstruktur des neuronalen Netzwerks auf Radialen Basisfunktionen und/oder auf anderen Interpolationsfunktionen (z.B. lineare und nichtlineare Regressionsverfahren).
Kontinuierlich lernende Kompensationsalgorithmen gemäß Ausführungsbeispielen basieren bevorzugt auf Neuronalen Netzen und/oder Interpolationsfunktionen (z.B. lineare und/oder nichtlineare Regressionsverfahren, Radiale Basis Funktionen, polynomische Basisfunktionen, etc.). Außerdem können genetische Algorithmen zur selbstständigen Adaption der Interpolationsstützstellen für die Interpolationsfunktionen eingebunden werden.
Das neuronale Netz zur Anpassung bzw. Optimierung des Kennfeldes bzw. der Kennfelder kann einen lernenden Algorithmus umfassen, z.B. durch Datenakquise basierend auf Datenbanken, Messdaten, und/oder Simulationsdaten (z.B. durch Erzeugung synthetischer Eingangsgrößen basierend z.B. auf Simulationen an einer virtuellen Werkzeugmaschine bzw. auf Grundlage eines Digitalen Zwillings der Werkzeugmaschine).
Bevorzugt betreffen Ausführungsbeispiele der vorliegenden Erfindung ein Verfahren für kontinuierlich lernende Kompensationsalgorithmen basierend auf einer Kennfeld basierten Fehlerbeschreibung von thermisch bedingten Verlagerungen der Maschinenstruktur, insbesondere mittels eines neuronalen Netzes.
Eine kontinuierliche Erweiterung des Kompensationsverfahrens betrifft insbesondere bevorzugt eine Lastfallbeschreibung der Werkzeugmaschine bei der Bearbeitung und/oder eine Positionsstellung der verfahrbaren Bauteile bzw. Achsen der Werkzeugmaschine.
In bevorzugten Ausführungsbeispielen können Bearbeitungsverfahren an der Steuerung selbstständig erkannt werden und durch entsprechende Kennfelder korrigiert werden, z.B. indem für verschiedene Bearbeitungsverfahren jeweils entsprechende Kennfelder bereitgestellt werden und mittels eines neuronalen Netzes angepasst bzw. optimiert werden.
Zudem können in weiteren Ausführungsbeispielen die Sensorplatzierungen für ein verbessertes Feedback an die Steuerung angepasst bzw. optimiert werden. Dies ermöglicht auch eine prädiktive Zustandsschätzung durch die verbesserte Sensorplatzierung.
Fig. 1 zeigt eine schematische beispielhafte Darstellung eines Kennfeldes KF für die Temperaturkompensation an einer Werkzeugmaschine gemäß einem Ausführungsbeispiel der vorliegenden Erfindung.
Das Kennfeld KF ist beispielhaft derart bereitgestellt, dass es als Eingangsvariablen mehrere Temperaturmesswerte Ti mit i=l,...,n von n Temperatursensoren der Werkzeugmaschine und mehrere Positionsmesswerte Xj mit j=l,...,m von Positionssensoren der Werkzeugmaschine aufnimmt. Die Positionsmesswerte Xj geben bevorzugt Positionen (z.B. gemessene Ist-Positionen) von m beweglichen Bauteilen der Werkzeugmaschine an, z.B. von m verfahrbaren Achsen der Werkzeugmaschine. Alternativ oder auch zusätzlich zu Positionsmesswerten können auch Positionssollwerte bzw. Achssollwerte aus der Maschinensteuerung verwendet werden.
Als Ausgangsvariable gibt das Kennfeld KF beispielhaft einen Korrekturparameter KP aus, der an der Maschinensteuerung als Kompensationswert bzw. als Korrekturwert zur Anpassung von Sollpositionen verwendet werden kann, zur Korrektur bzw. Kompensation von thermisch bedingten Lageveränderungen an der Werkzeugmaschine.
In weiteren Ausführungsbeispielen kann das Kennfeld auch nur mehrere Temperaturmesswerte Ti mit i=l,...,n von n Temperatursensoren der Werkzeugmaschine als Eingangsvariablen definieren (z.B. ohne Positionsmesswerte als Eingangsvariablen).
Zudem können durch ein oder mehrere Kennfelder mehrere Korrekturparameter ermittelt werden, und es können auch noch weitere Eingangsvariablen definiert werden.
Fig. 2 zeigt eine schematische beispielhafte Darstellung mehrerer Kennfelder KF1, KF2, KF3,... für die Temperaturkompensation an einer Werkzeugmaschine gemäß einem Ausführungsbeispiel der vorliegenden Erfindung.
Die Kennfelder KF1, KF2, KF3,... sind beispielhaft derart bereitgestellt, dass als Eingangsvariablen mehrere Temperaturmesswerte Ti mit i=l,...,n von n Temperatursensoren der Werkzeugmaschine und mehrere Positionsmesswerte Xj mit j=l,...,m von Positionssensoren der Werkzeugmaschine aufgenommen werden. Die Positionsmesswerte Xj geben bevorzugt Positionen (z.B. gemessene Ist-Positionen) von m beweglichen Bauteilen der Werkzeugmaschine an, z.B. von m verfahrbaren Achsen der Werkzeugmaschine.
Zudem oder alternativ können weitere Sensorwerte und/oder Parameter der Maschinensteuerung als Eingangsvariablen eingelesen werden, wie z.B. Geschwindigkeitswerte Xj für Geschwindigkeiten von verfahrbaren Bauteilen der Werkzeugmaschine (z.B. der Linear-, Rund-, und/oder Schwenkachsen der Werkzeugmaschine). Die Geschwindigkeitswerte Xj geben bevorzugt Geschwindigkeiten (z.B. mittels Zeitabhängigkeit von gemessenen Ist-Positionen) von m beweglichen Bauteilen der Werkzeugmaschine an, z.B. von m verfahrbaren Achsen der Werkzeugmaschine. Zudem oder alternativ können auch Beschleunigungswerte bzw. Beschleunigungsmesswerte als Eingangsvariablen eingehen.
Zudem oder alternativ können weitere Sensorwerte und/oder Parameter der Maschinensteuerung als Eingangsvariablen eingelesen werden, wie z.B. Drehzahlwerte ü)k (z.B. Spindeldrehzahl, Motor- bzw. Antriebsdrehzahl z.B. bei Achsantrieben, etc.), Druckwerte Pq (z.B. Druckmesswerte wie Luftdruck, Druckwert in Pneumatiksystemen der Werkzeugmaschine, Druckwert in Hydrauliksystemen der Werkzeugmaschine, Druckwert in Kühlsystemen der Werkzeugmaschine) und beispielhaft auch ein Luftfeuchtigkeitsmesswert.
Als Ausgangsvariablen geben die Kennfelder KF1, KF2, KF3 jeweils beispielhaft einen jeweiligen Korrekturparameter KP1, KP2 bzw. KP3 aus, der an der Maschinensteuerung als jeweiliger Kompensationswert bzw. als jeweiliger Korrekturwert zur Anpassung von einer oder mehrerer Sollpositionen verwendet werden kann, zur Korrektur bzw. Kompensation von thermisch bedingten Lageveränderungen an der Werkzeugmaschine. Hierbei können die jeweiligen Korrekturparameter KP1, KP2 bzw. KP3 jeweils für einzelne Achsen der Werkzeugmaschine anwendbare Korrekturparameter angeben oder auch in einzelne orthogonale Richtungen Korrekturparameter angeben. Die Kennfelder KF1, KF2, KF3 mit jeweils einer Ausgangsvariablen können auch als mehrdimensionales Kennfeld mit mehrdimensionalem Ausgangsvariablenraum verstanden werden bzw. bereitgestellt werden, bei dem ein Ausgangsvariablenvektor ausgegeben werden kann.
Fig. 3 zeigt eine schematische Darstellung eines Kennfeld-basierten Verfahrens zur Temperaturkompensation an einer Werkzeugmaschine.
Im Schritt S301 werden beispielhaft ein oder mehrere Kennfelder, die ein Temperaturverhalten der Werkzeugmaschine angeben bzw. beschreiben, an der Maschinensteuerung der Werkzeugmaschine bereitgestellt. Das bzw. die Kennfelder können in einer FE-Model-basierten Simulation bzw. Analyse erzeugt worden sein und sind an der Maschinensteuerung bevorzugt als gespeicherte Datenstruktur bereitgestellt (z.B. als Lookup-Tabelle oder Lookup-Matrix). Im Schritt S302 werden beispielhaft Eingangsdaten bzw. Eingangsvariablen an der Werkzeugmaschine ermittelt. Dies umfasst bevorzugt das Einlesen von Temperaturmesswerten von Temperatursensoren der Werkzeugmaschine. Zudem kann dies das Einlesen von Positionsdaten betreffend Ist-Positionen von beweglichen Bauteilen (z.B. verfahrbaren Achsen) der Werkzeugmaschine, z.B. aus der Maschinensteuerung oder aus Positionsmesssensoren der Werkzeugmaschine umfassen. Weiterhin können zusätzliche Sensordaten bzw. Steuerungsdaten eingelesen werden (siehe oben).
Im Schritt S303 werden beispielhaft auf Grundlage der Eingangsdaten bzw. Eingangsvariablen und auf Grundlage des bzw. der bereitgestellten Kennfelder ein oder mehrere Korrekturparameter bzw. Kompensationsparameter ermittelt, z.B. als direkte Ausgangsvariable(n) des bzw. der Kennfelder und/oder aus weiteren Berechnungen auf Grundlage der Ausgangsvariable(n) des bzw. der Kennfelder.
Im Schritt S304 wird beispielhaft an der Maschinensteuerung auf Grundlage der ermittelten einen oder mehreren Korrekturparameter bzw. Kompensationsparameter eine Temperaturkompensation bzw. Korrektur einer thermischen Lageveränderung an der Werkzeugmaschine durchgeführt.
Die Schritte S302 bis S304 können bevorzugt zur wiederholten Temperaturkompensation wiederholt werden, z.B. periodisch, quasi kontinuierlich (z.B. diskret in einer von der Taktfrequenz der Maschinensteuerung abhängigen Taktfrequenz), regelmäßig, zu vorbestimmten Zeiten, bei Feststellen von Temperaturänderungen, etc.
Fig. 4 zeigt eine schematische Darstellung einer Anwendung eines neuronalen Netzes zur Kennfeldaktualisierung für ein Kennfeld-basiertes Verfahren zur Temperaturkompensation an einer Werkzeugmaschine.
Im Schritt S401 werden beispielhaft Eingangsvariablen des Kennfeldes eingelesen (z.B. aus der Maschinensteuerung oder durch direkte Übertragung von Sensorwerten von Sensoren der Werkzeugmaschine). Bevorzugt werden einige oder alle der Eingangsvariablen des zu aktualisierenden Kennfeldes eingelesen. Es ist auch möglich weitere Eingangsvariablen einzulesen. Alternativ oder zusätzlich können Sensordaten auch aus einer computer-implementierten Simulation einer Werkzeugmaschine (z.B. an einer virtuellen Werkzeugmaschine oder auf Grundlage eines Digitalen Zwillings der Werkzeugmaschine) erzeugt werden, d.h. sogenannte synthetisch erzeugte Sensordaten.
Im Schritt S402 werden beispielhaft das bzw. die Kennfelder oder zumindest Einträge der Kennfelder eingelesen. Hierzu werden das. bzw. die momentan an der Maschinensteuerung bereitgestellten bzw. gespeicherten Kennfelder oder zumindest Teile davon ausgelesen.
Im Schritt S403 werden optional beispielhaft weitere Trainingsdaten eingelesen. Derartige Trainingsdaten zum Trainieren des neuronalen Netzes können z.B. tatsächlich gemessene Positionsdaten umfassen, z.B. wenn die Temperaturkompensation in einem Trainingsgang an einer Werkzeugmaschine mit zusätzlich eingespanntem Positionsmessgerät anstelle eines Werkzeugs (z.B. mittels eines Messtasters) und/oder mit zusätzlichen Positionsmessgeräten (z.B. mit Laservermessung, Kameravermessung, etc.) durchgeführt wird, um Ist- und Soll-Positionen an der Maschinensteuerung mit zusätzlichen Positionsmesswerten zu vergleichen.
Alternativ oder zusätzlich können Trainingsdaten auch aus einer computer implementierten Simulation einer Werkzeugmaschine (z.B. an einer virtuellen Werkzeugmaschine oder auf Grundlage eines Digitalen Zwillings der Werkzeugmaschine) erzeugt werden, bzw. aus einer Datenbank eingeholt werden, die historische Bearbeitungsdaten einer Mehrzahl von Werkzeugmaschinen sammelt.
Zudem können die Trainingsdaten auch aus den Steuerdaten eingelesene Daten umfassen.
Im Schritt S404 wird das neuronale Netz (z.B. nach oder während einem Trainingsbetrieb), d.h. z.B. ein trainierendes oder bereits trainiertes neuronales Netz, dazu verwendet, auf Grundlage der Eingangsdaten und/oder des bzw. der bereitgestellten Kennfelder, und ggf. auf Grundlage optional verfügbarer Trainingsdaten, das bzw. die eingelesenen Kennfelder zumindest teilweise anzupassen bzw. zu aktualisieren.
Im Schritt S405 werden das bzw. die angepassten bzw. aktualisierten Kennfelder bzw. die angepassten bzw. aktualisierten Einträge an der Maschinensteuerung bereitgestellt. Somit kann dann für eine Temperaturkompensation gemäß Fig. 3 ein angepasstes bzw. aktualisiertes Kennfeld oder mehrere angepasste bzw. aktualisierte Kennfelder an der Maschinensteuerung bereitgestellt werden (z.B. als Schritt S301 in Fig. 3 oder auch während der Wiederholung der Schritte S302 bis S304 in Fig. 3).
Fig. 5 zeigt beispielhaft schematisch ein System zum Anpassen eines oder mehrerer Kennfelder an einer oder mehreren Werkzeugmaschinen gemäß einem Ausführungsbeispiel der Erfindung.
Das System umfasst beispielhaft einen Server 100 mit einem Prozessor 101 und einer Speichereinrichtung 102 an der ein mittels des Prozessors 101 ausführbares neuronales Netz NN implementiert bzw. gespeichert ist.
Der Server 100 ist beispielhaft über ein Kommunikationsnetzwerk 200 (z.B. ein LAN, WLAN, oder auch das Internet) mit einer Steuerungseinrichtung 300 einer Werkzeugmaschine 400 verbunden. Die Werkzeugmaschine 400 weist bevorzugt beispielhaft Aktoren 401 (z.B. Spindelantrieb, Achsantriebe, etc.) und Sensoren 402 auf (z.B. Temperatursensoren, Positionsmesssensoren, Drucksensoren, Luftfeuchtigkeits sensoren, Beschleunigungssensoren, Vibrationssensoren, und/oder Kraftsensoren, etc.) auf.
Die Steuerungseinrichtung 300 umfasst beispielhaft einen Prozessor 301 und eine Speichereinrichtung 302 an der ein oder mehrere Kennfelder KF bereitgestellt bzw. gespeichert sind. Der Prozessor 301 ist bevorzugt dazu eingerichtet, eine Temperaturkompensation auf Grundlage des bzw. der Kennfelder KF durchzuführen (z.B. gemäß einem oder mehreren der vorstehend beschriebenen Aspekte und Beispiele).
Beispielhaft ist der Prozessor 101 des Servers 100 dazu eingerichtet, mittels des neuronalen Netzes NN das bzw. die Kennfelder KF an der Steuerungseinrichtung 300 anzupassen bzw. zu aktualisieren (z.B. gemäß einem oder mehreren der vorstehend beschriebenen Aspekte und Beispiele).
Weiterhin sind beispielhaft weitere Steuerungseinrichtungen 300‘ und 300“ mit entsprechenden Werkzeugmaschinen 400‘ und 400“ mit dem Server 100 verbunden, so dass das neuronale Netz NN beispielhaft zur Anpassung bzw. Aktualisierung der Kennfelder an mehreren Werkzeugmaschinen (z.B. gleicher Bauart an verschiedenen Aufstellorten) verwendet werden kann.
Vorstehend wurden Beispiele bzw. Ausführungsbeispiele der vorliegenden Erfindung sowie deren Vorteile detailliert unter Bezugnahme auf die beigefügten Figuren beschrieben. Es sei erneut hervorgehoben, dass die vorliegende Erfindung jedoch in keinster Weise auf die vorstehend beschriebenen Ausführungsbeispiele und deren Ausführungsmerkmale begrenzt bzw. eingeschränkt ist, sondern weiterhin Modifikationen der Ausführungsbeispiele umfasst, insbesondere diejenigen, die durch Modifikationen der Merkmale der beschriebenen Beispiele bzw. durch Kombination einzelner oder mehrerer der Merkmale der beschriebenen Beispiele im Rahmen des Schutzumfanges der unabhängigen Ansprüche umfasst sind.

Claims

Ansprüche
1. Verfahren zur Kompensation einer thermisch bedingten Lageveränderung an einer numerisch gesteuerten Werkzeugmaschine, umfassend:
- Bereitstellen eines ein Temperaturverhalten, insbesondere Thermo-elastisches Verhalten, der Werkzeugmaschine beschreibenden Kennfeldes an einer
Steuerungseinrichtung der Werkzeugmaschine,
- Ermitteln von einem oder mehreren Temperaturwerten mittels eines oder mehrerer Temperatursensoren an der Werkzeugmaschine,
- Ermitteln von einem oder mehreren Kompensationsparametern an der
Steuerungseinrichtung der Werkzeugmaschine auf Grundlage der ermittelten einen oder mehreren Temperaturwerte und des bereitgestellten Kennfeldes, und
- Kompensieren einer temperaturabhängigen Lageveränderung an der
Werkzeugmaschine in Abhängigkeit der einen oder mehreren ermittelten
Kompensationswerte,
gekennzeichnet durch
- Anpassen des bereitgestellten Kennfeldes mittels eines computer
implementierten neuronalen Netzes.
2. Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, dass
Eingangsdaten für das neuronale Netz in Echtzeit während des Betriebs der
Werkzeugmaschine ermittelt werden, insbesondere während eines Arbeitsprozesses der Werkzeugmaschine.
3. Verfahren gemäß Anspruch 1 oder 2, dadurch gekennzeichnet, dass
Eingangsdaten für das neuronale Netz Sensordaten von Sensoren der
Werkzeugmaschine und/oder aus Sensordaten von Sensoren der Werkzeugmaschine berechnete Eingangsdaten umfassen.
4. Verfahren gemäß einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass
Ausgangsdaten des Neuronalen Netzes das Kennfeld anpassen bzw. aktualisieren und/oder dass Ausgangsdaten des neuronalen Netzes ein angepasstes bzw.
aktualisiertes Kennfeld angeben.
5. Verfahren gemäß einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass
das Anpassen des Kennfeldes umfasst:
- Einlesen zumindest eines Teils des momentan an der Steuereinrichtung bereitgestellten Kennfeldes an dem Neuronalen Netz,
- Einlesen von Eingangsdaten, die insbesondere Sensordaten von Sensoren der Werkzeugmaschine umfassen, an dem Neuronalen Netz,
- Ermitteln einer Netzstruktur zumindest eines Teils eines angepassten bzw. aktualisierten Kennfeldes an dem Neuronalen Netz; und/oder
das Anpassen des Kennfeldes umfasst: Ändern von einem oder mehreren Koeffizienten des Kennfeldes basierend auf dem Neuronalen Netz.
6. Verfahren gemäß Anspruch 5, dadurch gekennzeichnet, dass
das an der Steuerungseinrichtung bereitgestellte Kennfeld auf Grundlage der ermittelten Netzstruktur angepasst bzw. aktualisiert wird.
7. Verfahren gemäß einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass
das An passen des bereitgestellten Kennfeldes mittels des computer
implementierten neuronalen Netzes wiederholt durchgeführt wird, insbesondere in regelmäßigen Abständen.
8. Verfahren gemäß einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass
das neuronale Netz das an der Steuerungseinrichtung der Werkzeugmaschine bereitgestellte Kennfeld steuert.
9. Verfahren gemäß einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass
dem neuronalen Netz zum Anpassen des bereitgestellten Kennfeldes als Eingangsdaten des neuronalen Netzes Sensorwerte der einen oder mehreren
Temperatursensoren der Werkzeugmaschine übermittelt werden.
10. Verfahren gemäß einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass
dem neuronalen Netz zum Anpassen des bereitgestellten Kennfeldes als
Eingangsdaten des neuronalen Netzes Sensorwerte von einem oder mehreren
Positionssensoren der Werkzeugmaschine übermittelt werden.
11. Verfahren gemäß Anspruch 10, dadurch gekennzeichnet, dass
die einen oder mehreren Positionssensoren der Werkzeugmaschine erfasste Ist- Werte von Linear- und/oder Rundachsen der Werkzeugmaschine ausgeben.
12. Verfahren gemäß einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass
dem neuronalen Netz zum Anpassen des bereitgestellten Kennfeldes als
Eingangsdaten des neuronalen Netzes Soll-Werte von Linear- und/oder Rundachsen der Werkzeugmaschine von der Steuerungseinrichtung übermittelt werden.
13. Verfahren gemäß einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass
dem neuronalen Netz zum Anpassen des bereitgestellten Kennfeldes als Eingangs und/oder Ausgangsdaten des neuronalen Netzes Positionsmesswerte eines an der Werkzeugmaschine durchgeführten Positionsvermessungsverfahrens übermittelt werden.
14. Verfahren gemäß Anspruch 13, dadurch gekennzeichnet, dass
das Positionsvermessungsverfahren an der Werkzeugmaschine mittels eines oder mehrerer Messtaster durchgeführt wird,
das Positionsvermessungsverfahren an der Werkzeugmaschine mittels eines oder mehrerer elektromagnetischer Messvorrichtungen durchgeführt wird, und/oder
das Positionsvermessungsverfahren an der Werkzeugmaschine mittels eines oder mehrerer optischer Messvorrichtungen, insbesondere mittels einer
Laservermessungseinrichtung und/oder einer Kameraeinrichtung, durchgeführt wird.
15. Verfahren gemäß einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass das das thermo-elastische Verhalten der Werkzeugmaschine beschreibende Kennfeld auf Grundlage eines oder mehrerer FE-Modelle der Werkzeugmaschine bereitgestellt wird.
16. Verfahren gemäß einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass
das neuronale Netz in die Steuerungseinrichtung der Werkzeugmaschine intergiert ist.
17. Verfahren gemäß einem der Ansprüche 1 bis 15, dadurch gekennzeichnet, dass das neuronale Netz in einen mit der Steuerungseinrichtung der
Werkzeugmaschine verbundenen Steuerungscomputer intergiert ist.
18. Verfahren gemäß einem der Ansprüche 1 bis 15, dadurch gekennzeichnet, dass das neuronale Netz in einen mit der Steuerungseinrichtung der
Werkzeugmaschine verbundenen Zentral-Server intergiert ist.
19. Verfahren gemäß Anspruch 18, dadurch gekennzeichnet, dass
der Zentral-Server mit einer Mehrzahl von Steuerungseinrichtungen von
Werkzeugmaschinen verbunden ist.
20. Verfahren gemäß Anspruch 19, dadurch gekennzeichnet, dass
der Zentral-Server eine Mehrzahl von neuronalen Netzen aufweist, wobei jedes neuronales Netz einer der Werkzeugmaschinen zugeordnet ist und die Mehrzahl von neuronalen Netzen untereinander kommunizieren.
21. Verfahren gemäß einem der vorstehenden Ansprüche, gekennzeichnet durch
Ermitteln eines Verlagerungsfeldes auf Grundlage von Kennfeldeinträgen des
Kennfeldes.
22. Steuersystem zur Kompensation einer thermisch bedingten Lageveränderung an einer numerisch gesteuerten Werkzeugmaschine, umfassend:
- eine Steuerungseinrichtung der Werkzeugmaschine, und
- ein computer-implementiertes neuronales Netz, wobei ein ein Temperaturverhalten, insbesondere thermo-elastisches Verhalten, der Werkzeugmaschine beschreibendes Kennfeld an der Steuerungseinrichtung der Werkzeugmaschine bereitgestellt ist,
wobei die Steuerungseinrichtung der Werkzeugmaschine dazu eingerichtet ist, einen oder mehrere Kompensationsparameter auf Grundlage von einem oder mehreren Temperaturwerten, die mittels eines oder mehrerer Temperatursensoren an der Werkzeugmaschine ermittelt werden, und dem bereitgestellten Kennfeld zu ermitteln, und eine temperaturabhängige Lageveränderung an der Werkzeugmaschine in
Abhängigkeit der einen oder mehreren ermittelten Kompensationswerte zu
kompensieren, und
wobei das computer-implementierte neuronale Netz dazu eingerichtet ist, das bereitgestellte Kennfeld anzupassen.
PCT/EP2019/058728 2019-04-05 2019-04-05 Verfahren und vorrichtung zur kompensation einer thermisch bedingten lageveränderung an einer numerisch gesteuerten werkzeugmaschine WO2020200485A1 (de)

Priority Applications (6)

Application Number Priority Date Filing Date Title
US17/436,594 US20220171363A1 (en) 2019-04-05 2019-04-05 Method and Device for Compensating for a Thermally Induced Change in Position on a Numerically Controlled Machine Tool
PCT/EP2019/058728 WO2020200485A1 (de) 2019-04-05 2019-04-05 Verfahren und vorrichtung zur kompensation einer thermisch bedingten lageveränderung an einer numerisch gesteuerten werkzeugmaschine
JP2021557467A JP2022532018A (ja) 2019-04-05 2019-04-05 数値制御された工作機械の熱的に誘発された位置変化を補償するための方法および装置
EP19719172.9A EP3948455A1 (de) 2019-04-05 2019-04-05 Verfahren und vorrichtung zur kompensation einer thermisch bedingten lageveränderung an einer numerisch gesteuerten werkzeugmaschine
CN201980095160.XA CN113767341A (zh) 2019-04-05 2019-04-05 用于对数控机床上的热导致的位置变化进行补偿的方法和装置
JP2024017774A JP2024042104A (ja) 2019-04-05 2024-02-08 数値制御された工作機械の熱的に誘発された位置変化を補償するための方法および装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/EP2019/058728 WO2020200485A1 (de) 2019-04-05 2019-04-05 Verfahren und vorrichtung zur kompensation einer thermisch bedingten lageveränderung an einer numerisch gesteuerten werkzeugmaschine

Publications (1)

Publication Number Publication Date
WO2020200485A1 true WO2020200485A1 (de) 2020-10-08

Family

ID=66251724

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2019/058728 WO2020200485A1 (de) 2019-04-05 2019-04-05 Verfahren und vorrichtung zur kompensation einer thermisch bedingten lageveränderung an einer numerisch gesteuerten werkzeugmaschine

Country Status (5)

Country Link
US (1) US20220171363A1 (de)
EP (1) EP3948455A1 (de)
JP (2) JP2022532018A (de)
CN (1) CN113767341A (de)
WO (1) WO2020200485A1 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021214061A1 (de) * 2020-04-21 2021-10-28 Deckel Maho Seebach Gmbh Werkzeugmaschinensteuerung und verfahren zur kennfeldbasierten fehlerkompensation an einer wekzeugmaschine
CN115328025A (zh) * 2022-09-21 2022-11-11 重庆大学 一种基于模型适用度评价指标的机床热误差双闭环建模与补偿方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AT526494A2 (de) * 2022-08-16 2024-03-15 Fill Gmbh Verfahren zum Bestimmen, ob eine Werkzeugmaschine warmgefahren ist, Werkzeugmaschine und Verfahren zur Bearbeitung von Werkstücken

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0735443A2 (de) * 1995-03-28 1996-10-02 Siemens Aktiengesellschaft Neuronales Netz zur Positionsabweichungskompensation bei Werkstückbearbeitungseinrichtungen
AT7710U2 (de) * 2004-06-30 2005-07-25 Avl List Gmbh Verfahren zur erstellung eines modells einer steuergrösse für nichtlineare, stationäre reale systeme, beispielsweise verbrennungsmotoren oder teilsystemen davon
DE102010003303A1 (de) 2010-03-25 2011-09-29 Deckel Maho Seebach Gmbh Verfahren und Vorrichtung zum Kompensieren einer temperaturabhängigen Lageveränderung an einer Werkzeugmaschine
DE102014202878A1 (de) 2014-02-17 2015-08-20 Deckel Maho Seebach Gmbh Werkzeugmaschine mit im Arbeitsbetrieb wärmeerzeugenden Funktionskomponenten
DE102015115838A1 (de) 2015-09-18 2017-03-23 Grob-Werke Gmbh & Co. Kg Neuronale Netze in einer Werkzeugmaschine

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11114776A (ja) * 1997-10-13 1999-04-27 Niigata Eng Co Ltd 工作機械の熱変位補正装置
KR100264247B1 (ko) * 1998-03-28 2000-08-16 김영삼 공작기계의 열변형오차 측정 및 보정시스템
JP3897501B2 (ja) * 1999-11-09 2007-03-28 株式会社ジェイテクト ボールねじの熱変位補正装置
JP2003094291A (ja) * 2001-09-27 2003-04-03 Kanto Seiki Kk 工作機械の熱変形補正方法および装置
CN101315028B (zh) * 2007-05-29 2012-05-30 中国石油天然气集团公司 数字声波变密度声系的非线性温度补偿方法
CN101290266B (zh) * 2008-06-17 2010-11-03 上海理工大学 数控机床热误差补偿温度测点位置的确定方法
TW201021959A (en) * 2008-12-11 2010-06-16 Ind Tech Res Inst A thermal error compensation method for machine tools
CN203191707U (zh) * 2013-01-17 2013-09-11 成厚权 一种电子计时仪器
CN103926874B (zh) * 2013-12-03 2016-05-25 江苏齐航数控机床有限责任公司 数控机床热误差补偿建模温度测点组合的选择优化方法
CN105388356B (zh) * 2014-08-22 2019-03-29 比亚迪股份有限公司 电流测量装置
CN105807714B (zh) * 2014-12-31 2018-05-01 佛山市诺威科技有限公司 一种义齿加工机床热误差的在线温度补偿方法
JP6648500B2 (ja) * 2015-11-17 2020-02-14 株式会社ジェイテクト 工作機械の熱変位補正装置
JP6464203B2 (ja) * 2017-01-10 2019-02-06 ファナック株式会社 工作機械の機械学習装置および熱変位補正装置
JP6564412B2 (ja) * 2017-03-21 2019-08-21 ファナック株式会社 機械学習装置及び熱変位補正装置
IT201700118624A1 (it) * 2017-10-19 2019-04-19 Thales Alenia Space Italia Spa Con Unico Socio Metodi e relativo sistema per misurare deformazioni termo-elastiche di un oggetto

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0735443A2 (de) * 1995-03-28 1996-10-02 Siemens Aktiengesellschaft Neuronales Netz zur Positionsabweichungskompensation bei Werkstückbearbeitungseinrichtungen
AT7710U2 (de) * 2004-06-30 2005-07-25 Avl List Gmbh Verfahren zur erstellung eines modells einer steuergrösse für nichtlineare, stationäre reale systeme, beispielsweise verbrennungsmotoren oder teilsystemen davon
DE102010003303A1 (de) 2010-03-25 2011-09-29 Deckel Maho Seebach Gmbh Verfahren und Vorrichtung zum Kompensieren einer temperaturabhängigen Lageveränderung an einer Werkzeugmaschine
DE102014202878A1 (de) 2014-02-17 2015-08-20 Deckel Maho Seebach Gmbh Werkzeugmaschine mit im Arbeitsbetrieb wärmeerzeugenden Funktionskomponenten
DE102015115838A1 (de) 2015-09-18 2017-03-23 Grob-Werke Gmbh & Co. Kg Neuronale Netze in einer Werkzeugmaschine

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHRISTIAN NAUMANN ET AL: "Characteristic diagram based correction algorithms for the thermo-elastic deformation of machine tools", 48TH CIRP CONFERENCE ON MANUFACTURING SYSTEMS -CIRP CMS 2015, 1 January 2016 (2016-01-01), pages 801 - 805, XP055651999, DOI: 10.1016/j.procir.2015.12.029 *
IHLENFELDT STEFFEN ET AL: "Experimenteller Vergleich kennfeld- und strukturmodellbasierter Korrektur", 1 January 2016 (2016-01-01), pages 111 - 128, XP009517632, ISBN: 978-3-95735-038-1, Retrieved from the Internet <URL:http://publica.fraunhofer.de/dokumente/N-382030.html> *
STEFFEN IHLENFELDT ET AL: "ON THE SELECTION AND ASSESSMENT OF INPUT VARIABLES FOR THE CHARACTERISTIC DIAGRAM BASED CORRECTION OF THERMO-ELASTIC DEFORMATIONS IN MACHINE TOOLS", JOURNAL OF MACHINE ENGINEERING, vol. 18, no. 4, 30 November 2018 (2018-11-30), pages 25 - 38, XP055652003, ISSN: 1895-7595, DOI: 10.5604/01.3001.0012.7630 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021214061A1 (de) * 2020-04-21 2021-10-28 Deckel Maho Seebach Gmbh Werkzeugmaschinensteuerung und verfahren zur kennfeldbasierten fehlerkompensation an einer wekzeugmaschine
CN115328025A (zh) * 2022-09-21 2022-11-11 重庆大学 一种基于模型适用度评价指标的机床热误差双闭环建模与补偿方法

Also Published As

Publication number Publication date
EP3948455A1 (de) 2022-02-09
US20220171363A1 (en) 2022-06-02
JP2024042104A (ja) 2024-03-27
CN113767341A (zh) 2021-12-07
JP2022532018A (ja) 2022-07-13

Similar Documents

Publication Publication Date Title
DE19821873C2 (de) Verfahren zum Verringern des Einflusses von Temperaturänderungen auf Industrieroboter
DE102018204137B4 (de) Maschinenlernvorrichtung und Kompensationsvorrichtung für thermische Verschiebung
DE102016008987B4 (de) Maschinenlernverfahren und Maschinenlernvorrichtung zum Lernen von Fehlerbedingungen, und Fehlervorhersagevorrichtung und Fehlervorhersagesystem, das die Maschinenlernvorrichtung einschließt
DE102015008574B4 (de) System zum Modifizieren eines Roboterprogramms
DE112015004920T5 (de) Computerimplementiertes Verfahren zur Teilanalytik eines Werkstücks, das von mindestens einer CNC- Maschine bearbeitet wird
WO2021214061A1 (de) Werkzeugmaschinensteuerung und verfahren zur kennfeldbasierten fehlerkompensation an einer wekzeugmaschine
DE102019001948A1 (de) Steuerung und maschinelle Lernvorrichtung
DE102018205015A1 (de) Einstellvorrichtung und Einstellverfahren
DE102018007640A1 (de) Klimatisierungssteuersystem
DE102018200240B4 (de) Robotersteuerungsvorrichtung
DE102018204132A1 (de) Maschinenlernvorrichtung und Kompensationsvorrichtung für thermische Verschiebung
EP1754115A1 (de) Verfahren und vorrichtung zum regeln, steuern von manipulatoren
DE102007024143A1 (de) Bewegungssteuerung für elastische Roboterstrukturen
DE102019201412A1 (de) Verfahren zum optimierten Betrieb eines Ventilators oder einer Ventilator-Anordnung
WO2020200485A1 (de) Verfahren und vorrichtung zur kompensation einer thermisch bedingten lageveränderung an einer numerisch gesteuerten werkzeugmaschine
DE102020210120A1 (de) Maschinenlernvorrichtung; steuersystem und maschinenlernverfahren
DE102018113928A1 (de) Kinematische Tabellenerzeugung für Lenkradwaresimulator
WO2015082669A1 (de) Computer-implementiertes verfahren und system zur automatischen überwachung und statusermittlung ganzer prozessabschnitte in einer process unit
DE102020119379A1 (de) Stellungsregler Selbstbewertung für digitalen Zwilling
DE102018123847A1 (de) Wärmeverschiebungskompensationssystem
DE102011007083A1 (de) Verfahren zum Steuern des Positionierens eines Aktuators mit einem Wellgetriebe
DE102020122373A1 (de) Vorrichtung für maschinelles Lernen, Servosteuervorrichtung, Servosteuersystem und Verfahren für maschinelles Lernen
DE102020201613A1 (de) Vorrichtung für maschinelles Lernen, Steuervorrichtung und Verfahren zum Festlegen eines Suchbereichs für maschinelles Lernen
EP2195714A1 (de) Verfahren zur bestimmung einer thermisch bedingten positionsänderung eines werkzeugmaschinenabschnitts einer werkzeugmaschine
DE102019213431A1 (de) Steuervorrichtung, CNC-Vorrichtung und Steuerverfahren

Legal Events

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

Ref document number: 19719172

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021557467

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2019719172

Country of ref document: EP

Effective date: 20211105