WO2022219670A1 - 加工条件設定装置、加工条件設定方法、および放電加工装置 - Google Patents
加工条件設定装置、加工条件設定方法、および放電加工装置 Download PDFInfo
- Publication number
- WO2022219670A1 WO2022219670A1 PCT/JP2021/015133 JP2021015133W WO2022219670A1 WO 2022219670 A1 WO2022219670 A1 WO 2022219670A1 JP 2021015133 W JP2021015133 W JP 2021015133W WO 2022219670 A1 WO2022219670 A1 WO 2022219670A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- machining
- discharge current
- pulse width
- machined surface
- peak value
- Prior art date
Links
- 238000003754 machining Methods 0.000 title claims abstract description 377
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000009760 electrical discharge machining Methods 0.000 title claims description 15
- 230000003746 surface roughness Effects 0.000 claims abstract description 79
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 230000007246 mechanism Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 14
- 238000009762 die-sink EDM Methods 0.000 abstract 3
- 230000009471 action Effects 0.000 description 24
- 238000010586 diagram Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 16
- 230000009467 reduction Effects 0.000 description 11
- 230000007423 decrease Effects 0.000 description 8
- 230000002787 reinforcement Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 235000019592 roughness Nutrition 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 235000019587 texture Nutrition 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23H—WORKING OF METAL BY THE ACTION OF A HIGH CONCENTRATION OF ELECTRIC CURRENT ON A WORKPIECE USING AN ELECTRODE WHICH TAKES THE PLACE OF A TOOL; SUCH WORKING COMBINED WITH OTHER FORMS OF WORKING OF METAL
- B23H7/00—Processes or apparatus applicable to both electrical discharge machining and electrochemical machining
- B23H7/14—Electric circuits specially adapted therefor, e.g. power supply
- B23H7/20—Electric circuits specially adapted therefor, e.g. power supply for programme-control, e.g. adaptive
Abstract
加工条件設定装置(30)が、形彫放電加工に対して所望される加工結果として、工具電極の消耗率である電極消耗率、加工速度、被加工物の加工面の粗さである加工面粗さ、および被加工物の加工面内の特定領域の面積に対する実際の加工面の表面積比を受け付ける入力装置(31)と、予め取得された形彫放電加工の放電電流ピーク値と放電電流パルス幅との組み合わせに対する、加工結果の理論的な相関を示す基礎データを記憶する記憶装置(32)と、複数回に渡る形彫放電加工として第1段目から最終段目までの加工処理が行われる際の第1段目から最終段目までの加工条件を、入力装置が受け付けた加工結果と、記憶装置が記憶している基礎データとに基づいて算出する演算装置(33)とを備える。
Description
本開示は、形彫放電加工の加工条件を設定する加工条件設定装置、加工条件設定方法、および放電加工装置に関する。
形彫放電加工は、対向して配置させた工具電極と被加工物との間に電圧パルスを印加して加工間隙に繰り返し放電を発生させ、発生した放電のアーク熱によって被加工物に工具電極の形状を転写した加工穴を形成させる加工である。
形彫放電加工において所望の加工形状を得るためには、被加工物を多量に除去する荒加工から、加工面を所望の精度に仕上げるための仕上げ加工まで、複数回の加工が行われる必要がある。そのため、作業者は、複数回の加工に対し、所望の加工結果を得るための最適な加工条件を設定する必要がある。この複数回の加工における一連の加工条件を、以下では多段の加工条件列という。
形彫放電加工においては、放電一発分の放電電流パルスによって、加工形状、加工速度などの加工結果が決定される。そのため、作業者は、所望の加工結果を得るためには、形彫放電加工の加工条件のうち、加工結果に影響を与える加工条件を、多段の加工条件列に対して設定しておく必要がある。例えば、加工結果に影響を与える加工条件には、放電電流ピーク値と放電電流パルス幅との組み合わせなどが含まれている。この組み合わせは、加工結果だけでなく、工具電極および被加工物の、材質、形状、大きさなどによっても適切な設定値が異なるので、組み合わせは無数に存在することとなる。このため、作業者が、無数の組み合わせの中から手動で適切な設定を行うことは困難であり、組み合わせを自動で設定する技術の開発が進められている。
特許文献1に記載の加工条件設定装置は、加工条件および加工要求を含む複数種類のパラメータ間の理論的な相関関係を示す基礎データに基づいて、加工要求に対応する多段の加工条件列を自動で設定している。
しかしながら、上記特許文献1の技術では、作業者が入力した電極消耗率などの加工要求によって、放電電流ピーク値に対する放電電流パルス幅が一意に決定されてしまうので、加工面質も一意に決定されてしまう。ここでいう加工面質は、ISO(International Organization for Standardization、国際標準化機構)規格のRaまたはRzで表される加工面粗さとは異なる定義の加工面質であり、加工面内のある領域の面積に対する実際の加工面の表面積比で定義される加工面質である。
被加工物は、加工面粗さが大きいほど、加工面の凹凸部の表面積が大きくなるので表面積比は大きくなるが、同じ加工面粗さであっても表面積比が異なる場合がある。例えば、放電電流パルス幅が長くなるほど、同じ面粗さに対する表面積は小さくなるので、表面積比も小さくなる。一方、放電電流パルス幅が短くなるほど、電極消耗率が大きくなる。すなわち、表面積比を大きくしようとすると放電電流パルス幅を短くする必要があるので、電極消耗率は大きくなってしまう。このため、上記特許文献1の技術では、作業者が入力した電極消耗率によって放電電流ピーク値に対する放電電流パルス幅が決まってしまうこととなり、表面積比を考慮した放電電流ピーク値と放電電流パルス幅との適切な組み合わせを決定することができないという問題があった。
本開示は、上記に鑑みてなされたものであって、入力された被加工物の表面積比に応じた適切な加工条件を生成することができる加工条件設定装置を得ることを目的とする。
上述した課題を解決し、目的を達成するために、本開示の加工条件設定装置は、形彫放電加工に対して所望される加工結果として、工具電極の消耗率である電極消耗率、加工速度、被加工物の加工面の粗さである加工面粗さ、および被加工物の加工面内の特定領域の面積に対する実際の加工面の表面積比を受け付ける入力装置を備える。また、本開示の加工条件設定装置は、予め取得された形彫放電加工の放電電流ピーク値と放電電流パルス幅との組み合わせに対する、加工結果の理論的な相関を示す基礎データを記憶する記憶装置を備える。また、本開示の加工条件設定装置は、複数回に渡る形彫放電加工として第1段目から最終段目までの加工処理が行われる際の第1段目から最終段目までの加工条件を、入力装置が受け付けた加工結果と、記憶装置が記憶している基礎データとに基づいて算出する演算装置を備える。
本開示にかかる加工条件設定装置は、入力された被加工物の表面積比に応じた適切な加工条件を生成することができるという効果を奏する。
以下に、本開示の実施の形態にかかる加工条件設定装置、加工条件設定方法、および放電加工装置を図面に基づいて詳細に説明する。
実施の形態1.
図1は、実施の形態1にかかる加工条件設定装置を備えた放電加工装置の構成を示すブロック図である。放電加工装置1は、被加工物に形彫放電加工を行う形彫放電加工装置である。放電加工装置1は、作業者から要求される加工結果を得るために、荒加工から仕上げ加工まで複数回の加工を実行する。
図1は、実施の形態1にかかる加工条件設定装置を備えた放電加工装置の構成を示すブロック図である。放電加工装置1は、被加工物に形彫放電加工を行う形彫放電加工装置である。放電加工装置1は、作業者から要求される加工結果を得るために、荒加工から仕上げ加工まで複数回の加工を実行する。
放電加工装置1は、加工条件設定装置30と、加工電源34と、加工機構35とを有している。加工条件設定装置30は、作業者によって入力される加工結果を得るための多段の加工条件列を設定するコンピュータである。すなわち、加工条件設定装置30は、作業者が所望する加工結果を得るための、荒加工から仕上げ加工までの加工条件の組み合わせを設定するコンピュータである。実施の形態1では、作業者が所望する加工結果に、被加工物の加工表面積が含まれている。したがって、加工条件設定装置30は、被加工物の加工表面積に応じた適切な多段の加工条件列を設定する。多段の加工条件列は、1段目から最終段目までの加工条件の組み合わせである。多段の加工条件列のうち、1段目の加工条件が、最も粗い加工の条件であり、最終段目の加工が最も滑らかな加工の条件である。
加工条件設定装置30は、入力装置31と、記憶装置32と、演算装置33とを備えている。入力装置31は、作業者が所望する加工結果が加工条件設定装置30に入力されると、この加工結果を受け付ける。作業者が入力装置31に入力する加工結果は、例えば、加工結果を表す物理量である。具体的な物理量が入力されることで、所望する加工結果に対して詳細に加工条件を設定することが可能となる。入力装置31が受け付ける加工結果は、作業者が所望する加工結果であるので、作業者による加工要求であるともいえる。
実施の形態1における加工結果は、加工面粗さ、加工表面積、電極消耗率、加工速度、縮小代、加工面積などである。加工面粗さの例は、ISOで規定されたRa、Rz、ドイツ技術者協会規格(VDI:Verein Deutscher Ingenieure)で規定された加工面質などであり、作業者が所望する規格における数値で示される。Raは、加工面の算術平均粗さであり、Rzは、加工面の山頂線と谷底線との最大高さである。以下では、加工面粗さとして加工面粗さRaが適用される場合について説明する。
加工表面積は、加工面内の特定領域の面積に対する実際の加工面の表面積比(以下、表面積比Sdrという)である。加工面内の特定領域の面積は、特定領域を上面から見た場合の面積である。実際の加工面の表面積は、特定領域の高さ方向の形状も考慮された面積である。実際の加工面の表面積は、実際の加工面を特定領域に平行な面内に展開した場合の面積に対応している。表面積比Sdrとしては、入力装置31に入力された加工面粗さに応じた範囲の中の値を入力することが可能である。すなわち、入力装置31へは、加工面粗さと、加工面粗さ応じた範囲内の表面積比Sdrとが入力される。
電極消耗率は、形彫放電加工に用いられる電極の消耗率である。具体的には、電極消耗率は、被加工物が加工される量と電極の消耗量との比率である。加工速度は、形彫放電加工の速度であり、被加工物に形成される加工穴の形成速度に対応している。
電極消耗率と加工速度とは両立することができないので、作業者は、何れを重視するかの度合いを段階的に示す情報の中から、所望する重視の度合いを選択して入力装置31に入力する。実施の形態1の加工条件設定装置30は、作業者が所望する電極消耗率を満たしつつ、最大の加工速度となるように加工条件を設定する場合について説明する。
記憶装置32は、予め実験にて取得された基礎データを記憶しておく。基礎データは、放電電流ピーク値と放電電流パルス幅との組み合わせに対する加工結果を示すデータテーブルである。具体的には、基礎データは、放電加工装置1が出力し得る全てもしくは一部の、放電電流ピーク値と放電電流パルス幅との組み合わせに対する、加工面粗さ、加工表面積、電極消耗率、加工速度、および縮小代の各実験データの組み合わせから構成されるデータテーブルである。すなわち、基礎データは、加工面粗さ、加工表面積、電極消耗率、加工速度、縮小代などのデータテーブルを含んでいる。基礎データの詳細については、後述する。
演算装置33は、作業者が入力装置31に入力した加工結果と、記憶装置32に記憶されている基礎データとに基づいて、多段の加工条件列を算出する。演算装置33は、多段の加工条件列に含まれる各加工条件に対応する指令を加工電源34に出力する。
形彫放電加工における加工条件には、工具電極と被加工物の電気条件、工具電極の移動条件、特定の制御に関する制御条件、環境条件などが含まれている。電気条件は、放電電流ピーク値、放電電流パルス幅、休止時間、サーボ基準電圧、極性、無負荷電圧などである。移動条件は、工具電極の、ジャンプ速度、ジャンプ時間、揺動量などである。制御条件は、放電電流パルスの波形を制御する条件、加工間隙に印加される電圧パルスの波形を制御する条件などである。環境条件は、加工液噴流の有無、加工液の噴流方法などである。
形彫放電加工の加工条件のうち、放電電流ピーク値および放電電流パルス幅は、加工面粗さ、加工面質、電極消耗率、加工速度といった加工結果に大きな影響を与える。このため、加工条件設定装置30は、所望された加工結果に応じた最適な加工結果を得るために、最適な放電電流ピーク値および放電電流パルス幅の組み合わせを多段の加工条件列に対して設定する。
加工電源34は、演算装置33が算出した多段の加工条件列に従って、加工機構35に電圧パルスを印加する。加工機構35には、工具電極と被加工物とが配置されている。加工機構35では、工具電極と被加工物との間の加工極間36に、加工電源34からの電圧パルスが印加される。これにより、工具電極と被加工物との間の加工間隙に繰り返し放電が発生し、被加工物への形彫放電加工が行われる。
ここで、放電電流ピーク値と放電電流パルス幅との組み合わせと、被加工物の加工面形状である加工面粗さとの関係について説明する。図2は、放電電流波形と加工面粗さとの関係を説明するための図である。加工電源34は、種々の放電電流パルスを出力することができる。
図2では、第1の波形例である放電電流波形11と、第2の波形例である放電電流波形12とを示している。また、図2では、放電電流波形11で放電加工が実行された場合の、被加工物の加工面13と、放電電流波形12で放電加工が実行された場合の、被加工物の加工面14とを示している。
図2では、放電電流波形11,12のような2種類の放電電流パルスによって得られる加工面13,14が、加工面粗さRaまたは最大高さであるRzといった面粗さが同じであるが表面積比Sdrが異なっている場合を示している。放電電流波形11,12を比較すると、放電電流波形11の方が、放電電流波形12よりも放電電流ピーク値が低く放電電流パルス幅が長いが、何れも同じ加工面粗さとなっている。しかしながら、加工面13は、加工面14と比べて放電一発によって形成される放電痕の径方向の大きさが大きいので、加工面13は、加工面14よりも、表面積比Sdrが小さくなる。
図3は、放電電流パルス幅と、加工面粗さRaおよび表面積比Sdrとの関係を説明するための図である。図3に示すグラフの横軸は加工面粗さRaであり、縦軸は表面積比Sdrである。図3では、第1例の放電電流パルス幅で加工された場合の加工面質(表面性状)21と、第2例の放電電流パルス幅で加工された場合の加工面質22とを示している。加工面質21に対応する第1例の放電電流パルス幅は、加工面質22に対応する第2例の放電電流パルス幅よりも小さなパルス幅である。
図2および図3に示すように、放電電流パルス幅が長くなるほど、同じ加工面粗さRaに対する表面積は小さくなるので、表面積比Sdrも小さくなる。加工面の表面積は、形彫放電加工後の被加工物の性能に大きな影響を与えることがあるので、表面積比Sdrは、適切に制御される必要がある。加工条件設定装置30は、入力された被加工物の加工表面積(表面積比Sdr)に応じた適切な加工条件(放電電流ピーク値および放電電流パルス幅)を生成する。
次に、基礎データの例について説明する。図4は、実施の形態1にかかる加工条件設定装置が用いる面粗さデータの例を示す図である。図5は、実施の形態1にかかる加工条件設定装置が用いる電極消耗データの例を示す図である。加工面粗さRaのデータである面粗さデータ41、および電極消耗率のデータである電極消耗データ42は、何れも基礎データの例である。基礎データは、予め取得された形彫放電加工の放電電流ピーク値と放電電流パルス幅との組み合わせに対する、加工結果の理論的な相関を示すデータである。
図4に示すように、面粗さデータ41は、放電電流ピーク値IPと放電電流パルス幅ONとの組み合わせに対応する、加工面粗さを示すデータである。図5に示すように、電極消耗データ42は、放電電流ピーク値IPと放電電流パルス幅ONとの組み合わせに対応する、電極消耗率を示すデータである。
図4および図5では、最も小さい放電電流ピーク値IPをI1で示し、m(mは自然数)番目に小さい放電電流ピーク値IPをImで示している。また、最も小さい放電電流パルス幅ONをt1で示し、n(nは自然数)番目に小さい放電電流パルス幅ONをtnで示している。Imは、最大の放電電流ピーク値IPであり、tnは、最大の放電電流パルス幅ONである。
例えば、m番目に小さい放電電流ピーク値Imと、n番目に小さい放電電流パルス幅tnとの組み合わせで放電加工が行われた場合の加工面粗さRaは、Ramnであり、電極消耗率は、EWmnである。
加工面粗さRaは、放電電流ピーク値IPが大きいほど粗くなる。また、加工面粗さRaは、放電電流パルス幅ONが小さいほど粗くなる。また、電極消耗率は、放電電流ピーク値IPが大きいほど大きくなる。また、電極消耗率は、放電電流パルス幅ONが小さいほど大きくなる。
なお、記憶装置32には、基礎データとして、加工表面積(表面積比Sdr)、加工速度、縮小代などのデータテーブルも記憶されている。これらの加工表面積、加工速度、縮小代などのデータテーブルも、面粗さデータ41および電極消耗データ42と同様の構成を有している。例えば、加工表面積のデータテーブルでは、放電電流ピーク値IPと放電電流パルス幅ONとの組み合わせに対応する表面積比Sdrが格納されている。同様に、加工速度のデータテーブルでは、放電電流ピーク値IPと放電電流パルス幅ONとの組み合わせに対応する加工速度が格納されている。縮小代のデータテーブルでは、放電電流ピーク値IPと放電電流パルス幅ONとの組み合わせに対応する縮小代が格納されている。
図6は、実施の形態1にかかる加工条件設定装置による加工条件列の算出処理手順を示すフローチャートである。加工条件設定装置30の入力装置31は、縮小代、加工面積といった作業者が所望する加工結果が加工条件設定装置30に入力されると、この所望の加工結果を受け付ける(ステップS10)。入力装置31は、この加工結果を演算装置33に送る。入力装置31に入力される加工結果には、例えば、所望される、縮小代、加工面積、電極消耗率、加工面粗さ、加工表面積、加工速度などのデータが含まれている。
演算装置33は、入力された縮小代、加工面積などに基づいて、許容される最大放電電流ピーク値IP_1を算出する(ステップS20)。IP_1は、1段目の放電加工で用いられる最大放電電流ピーク値である。
次に、演算装置33は、基礎データである電極消耗データ42に基づいて、最大放電電流ピーク値IP_1に対応する放電電流パルス幅ON_1を算出する(ステップS30)。この場合において、演算装置33は、電極消耗データ42のうちの選択可能な放電電流パルス幅ONの中から最大のパルス幅を放電電流パルス幅ON_1に決定する。ON_1は、1段目の放電加工で用いられる放電電流パルス幅である。
演算装置33は、これらの最大放電電流ピーク値IP_1と、放電電流パルス幅ON_1と、面粗さデータ41とに基づいて、最大の加工面粗さである加工面粗さRa_1を算出する(ステップS40)。Ra_1は、1段目の放電加工が完了した際の加工面粗さである。
演算装置33は、決定した最大の加工面粗さRa_1と、加工結果として入力された加工面粗さとに基づいて、加工条件列の段数N(Nは自然数)と、途中の加工条件列における加工面粗さRa_k(kは、2から(N-1)までの自然数)を算出する(ステップS50)。すなわち、演算装置33は、段数Nと、2段目から(N-1)段目までの加工面粗さRa_1からRa_(N-1)を決定する。
演算装置33は、各段の加工面粗さを、前段の加工条件の加工面粗さよりも小さくなるように決定する。演算装置33は、予め演算装置33に組み込まれたロジックに従って加工面粗さを算出する。
例えば、演算装置33は、予め定められた比率pに従って1段目の加工面粗さRa_1から最終段目の加工面粗さRa_Nまで、等倍に加工面粗さを小さくしていく場合、N=logp(Ra_N/Ra_1)、およびRa_k=p×Ra_(k-1)の式によって加工条件列の段数Nとk段目の加工面粗さRa_kを算出する。
演算装置33は、以上の手順によって算出した各加工条件の加工面粗さRa_kと、面粗さデータ41と、電極消耗データ42とに基づいて、最終段目以外の各加工条件の放電電流ピーク値IP_kおよび放電電流パルス幅ON_kを算出する(ステップS60)。
図7は、実施の形態1にかかる加工条件設定装置による、放電電流ピーク値および放電電流パルス幅の算出処理を説明するための図である。図7の上段に示すグラフは、横軸が放電電流パルス幅であり、縦軸が加工面粗さである。図7の下段に示すグラフは、横軸が放電電流パルス幅であり、縦軸が電極消耗率である。
図7の上段に示すグラフには、放電電流パルス幅と加工面粗さとの対応関係23,24が示されている。対応関係23は、放電電流ピーク値が、k段目の放電電流ピーク値IP_kである場合の放電電流パルス幅と加工面粗さとの対応関係である。対応関係24は、放電電流ピーク値が、(k+1)段目の放電電流ピーク値IP_(k+1)である場合の放電電流パルス幅と加工面粗さとの対応関係である。
また、図7の下段に示すグラフには、放電電流パルス幅と電極消耗率との対応関係25,26が示されている。対応関係25は、放電電流ピーク値が、k段目の放電電流ピーク値IP_kである場合の放電電流パルス幅と電極消耗率の対応関係である。対応関係26は、放電電流ピーク値が、(k+1)段目の放電電流ピーク値IP_(k+1)である場合の放電電流パルス幅と電極消耗率との対応関係である。ここでのkは、例えばk=1である。
k段目の加工条件における、加工面粗さをRa_kとし、放電電流ピーク値をIP_kとし、放電電流パルス幅をON_kとする。演算装置33は、面粗さデータ41から、(k+1)段目にIP_kを適用した場合に(k+1)段目の加工面粗さRa_(k+1)となる放電電流パルス幅tk+1を検索する。
次に、演算装置33は、電極消耗データ42を参照し、検索した放電電流パルス幅tk+1と、放電電流ピーク値IP_kとの組み合わせに対応する電極消耗率EW1を算出する。演算装置33は、電極消耗率EW1が所望の電極消耗率EW以下であるか否かを判定する。
EW≧EW1であれば、演算装置33は、IP_k、tk+1をそれぞれ(k+1)段目の放電電流ピーク値IP_(k+1)、放電電流パルス幅ON_(k+1)とする。すなわち、EW≧EW1であれば、演算装置33は、k段目の放電電流ピーク値IP_kを、(k+1)段目の放電電流ピーク値IP_(k+1)に適用する。
一方、EW1>EWであれば、演算装置33は、放電加工装置1に設定可能なIP_kよりも1段階低い放電電流ピーク値IP_(k-1)に対して、Ra_(k+1)となる放電電流パルス幅tk+1を、面粗さデータ41から検索する。
演算装置33は、電極消耗データ42を参照し、検索した放電電流パルス幅tk+1と放電電流ピーク値IP_(k-1)との組み合わせに対応する電極消耗率EW2を算出する。演算装置33は、電極消耗率EW2が所望の電極消耗率EW以下であるか否かを判定する。
演算装置33は、所望の電極消耗率EWを満たす放電電流パルス幅と放電電流ピーク値との組み合わせを見つけるまで、放電電流パルス幅を小さくしていく処理と、放電電流ピーク値を小さくしていく処理とを繰り返す。これにより、演算装置33は、最終段目を除く全ての加工条件における放電電流ピーク値と放電電流パルス幅との組み合わせを決定することができる。
演算装置33は、最終段目の加工条件における放電電流ピーク値と放電電流パルス幅との組み合わせを、最終段目の加工面粗さRa_Nと、面粗さデータ41と、加工表面積の基礎データとに基づいて算出する。
加工表面積の基礎データは、前述したように、放電電流ピーク値と放電電流パルス幅との組み合わせに対応する加工表面積を示すデータである。以下、加工表面積の基礎データを表面積データという。
演算装置33は、面粗さデータ41から、最終段目の加工面粗さRa_Nを得ることができる放電電流ピーク値と放電電流パルス幅との組み合わせを検索する。次に、演算装置33は、表面積データに基づいて、検索した放電電流ピーク値と放電電流パルス幅との組み合わせに対応する加工表面積を読み出す。演算装置33は、読み出した加工表面積が、所望の加工表面積を満たすか否かを判定する。
読み出した加工表面積が、所望の加工表面積を満たさない場合、演算装置33は、所望の加工表面積を満たす放電電流ピーク値と放電電流パルス幅との組み合わせを検索する。すなわち、演算装置33は、最終段目の加工面粗さRa_Nを得ることができ、且つ所望の加工表面積を満たす放電電流ピーク値と放電電流パルス幅との組み合わせを検索する。演算装置33は、面粗さデータ41および表面積データに基づいて、最終段目の加工面粗さRa_Nを得ることができ、且つ所望の加工表面積を満たす放電電流ピーク値と放電電流パルス幅との組み合わせを全て抽出する。
演算装置33は、所望の加工面粗さRa_Nおよび加工表面積を満たす組み合わせのうち、放電電流パルス幅が最も長くなる組み合わせを最終段目の加工条件に決定する。すなわち、演算装置33は、最終段目の加工条件として、放電電流ピーク値IP_Nおよび放電電流パルス幅ON_Nを算出する(ステップS70)。このように、演算装置33は、放電電流パルス幅が長い加工条件を選択することで、電極消耗率を極力小さくすることが可能となる。
演算装置33は、ステップS20からS70の処理で得られた加工条件を、多段の加工条件列に決定する(ステップS80)。加工電源34は、演算装置33によって算出された多段の加工条件列に従って、放電電流パルスを生成し、加工極間36に放電エネルギーを印加する。
以上の図6で説明した手順によって、演算装置33は、作業者が所望する、加工面粗さ、電極消耗率、および加工表面積を満たす加工条件を自動で算出することが可能となる。また、演算装置33は、上記手順によって放電電流ピーク値と放電電流パルス幅との組み合わせを選ぶことにより、所望の加工面粗さ、電極消耗率、加工表面積を満たす最速の加工条件列を設定することができる。すなわち、演算装置33は、作業者が所望する加工結果を満たす範囲内で最も大きな放電電流ピーク値と、最も小さな放電電流パルス幅の組み合わせを選ぶことにより、加工速度を最大速度に設定することができる。
なお、演算装置33は、作業者が所望する加工速度を満たしつつ、最小の電極消耗率となるように加工条件を設定してもよい。この場合、演算装置33は、電極消耗データ42の代わりに、放電電流ピーク値と放電電流パルス幅との組み合わせに対する加工速度の基礎データを用いる。そして、演算装置33は、加工条件列の算出処理の際に、電極消耗率の情報の代わりに加工速度の情報を用いて、上述した処理と同様の処理を実行する。
このように、実施の形態1では、演算装置33が、複数回に渡る形彫放電加工として第1段目から最終段目までの加工処理が行われる際の加工条件を、入力装置31が受け付けた加工結果と、記憶装置32が記憶している基礎データとに基づいて算出している。そして、入力装置31が受け付けた加工結果には、加工表面積が含まれている。したがって、加工条件設定装置30は、入力された被加工物の加工表面積に応じた適切な加工条件を生成することが可能となる。
実施の形態2.
つぎに、図8を用いて実施の形態2について説明する。実施の形態2にかかる加工条件設定装置30は、実施の形態1にかかる加工条件設定装置30と同様の構成を有しているので、その説明は省略する。
つぎに、図8を用いて実施の形態2について説明する。実施の形態2にかかる加工条件設定装置30は、実施の形態1にかかる加工条件設定装置30と同様の構成を有しているので、その説明は省略する。
実施の形態1の加工条件設定装置30は、最終段目の加工条件だけ加工表面積に基づいて、放電電流ピーク値と放電電流パルス幅との組み合わせを決定している。このため、最終段目の加工条件だけ電極消耗率が所望の加工条件を満たさないが、仕上げ加工条件における電極消耗はわずかであるので、場合によっては無視することができる。
ところが、作業者が極めて高精度な加工を所望する場合、電極消耗率を抑える必要がある。そこで、実施の形態2の加工条件設定装置30は、所望される加工結果を多段の加工条件列それぞれに対して設定できるようにする。これにより、加工条件設定装置30は、最終段目の加工条件だけ所望された電極消耗率を超える場合であっても、他段の加工条件列の電極消耗率を所望された値よりも小さく設定することで、加工条件全体の電極消耗量の総和を所望された値に設定することができる。より好ましくは、作業者が手動で多段の加工条件列の全ての電極消耗率を設定するのではなく、加工条件設定装置30が、実施の形態1で説明した手順で加工条件を算出する。この後、加工条件設定装置30は、再度電極消耗量を計算する。加工条件設定装置30の演算装置33へは、実施の形態1で説明した手順で加工条件を算出した後に再度電極消耗量を計算するロジックが組み込まれる。また、実施の形態2では、所望される加工結果に、加工条件全体の電極消耗量の総和が含まれている。
図8は、実施の形態2にかかる加工条件設定装置による加工条件列の算出処理手順を示すフローチャートである。図8に示す処理のうち、図6で説明した実施の形態1の加工条件設定装置30が実行する処理と同様の処理については、その説明を省略する。
実施の形態2の加工条件設定装置30が実行するステップS10からS70の処理は、実施の形態1の加工条件設定装置30が実行するステップS10からS70の処理と同じ処理である。
実施の形態2の演算装置33は、全段の加工条件を算出した後、すなわちステップS70の処理の後、電極消耗データ42に基づいて、放電加工の全体における電極消耗量の総和を算出する。
演算装置33は、電極消耗量の総和が、所望された電極消耗量よりも大きいか否かを判定する(ステップS75)。電極消耗量の総和が、所望された電極消耗量以下の場合(ステップS75、No)、演算装置33は、算出した加工条件をそのまま多段の加工条件列に設定する(ステップS80)。
一方、電極消耗量の総和が、所望された電極消耗量よりも大きい場合(ステップS75、Yes)、演算装置33は、最終段目を除く全ての加工条件における電極消耗率の基準値(前述の所望の電極消耗率EW)を所望された値よりも小さい値に再設定する。すなわち、演算装置33は、入力された電極消耗率よりも低い値を所望の電極消耗率に設定する(ステップS76)。演算装置33は、再設定した電極消耗率を用いて、実施の形態1で説明した最大放電電流ピーク値に対する放電電流パルス幅を決定する。そして、演算装置33は、図8のステップS30からS70の処理を再度実行し、全ての加工条件における放電電流ピーク値と放電電流パルス幅との組み合わせを決定する。このようなステップS30からS70の処理が繰り返されることによって、演算装置33は、最終段の加工条件のみ所望された電極消耗率を満たさなくても、加工全体として所望された電極消耗量を満たす多段の加工条件列を自動で算出することが可能となる。
このように実施の形態2によれば、加工条件設定装置30が、所望される加工結果を多段の加工条件列それぞれに対して設定可能としているので、加工全体として所望された加工結果を満たす多段の加工条件列を算出することが可能となる。
実施の形態3.
つぎに、実施の形態3について説明する。実施の形態3では、特定の放電加工装置1が実測した実測値を元に生成された基礎データを、全ての放電加工装置1に記憶させておき、放電加工装置1毎に異なる基礎データは記憶させない。
つぎに、実施の形態3について説明する。実施の形態3では、特定の放電加工装置1が実測した実測値を元に生成された基礎データを、全ての放電加工装置1に記憶させておき、放電加工装置1毎に異なる基礎データは記憶させない。
放電加工装置1が複数台ある場合、各放電加工装置1の記憶装置32に記憶させる基礎データは、特定の1台の放電加工装置1で取得された基礎データであることが望ましい。すなわち、ある1台の放電加工装置1にて取得された放電電流ピーク値および放電電流パルス幅の実測値に対応した各加工結果のデータが、全ての放電加工装置1が用いる基礎データであることが望ましい。換言すると、各放電加工装置1が用いる基礎データは、特定の放電加工装置1から得られた基礎データであることが望ましい。
特定の放電加工装置1に設定された設定値に基づいた基礎データを別の放電加工装置1に記憶させた場合、放電加工装置1ごとの電気回路的なばらつきによって、別の放電加工装置1では、放電電流ピーク値および放電電流パルス幅に差が生じてしまう。すなわち、放電電流ピーク値および放電電流パルス幅は、放電加工装置1毎に誤差を有している。このため、各放電加工装置1では、基礎データと実加工結果との間に誤差が生じてしまう可能性がある。
実施の形態3では、それぞれの放電加工装置1に対し、特定の放電加工装置1が実測した実測値を元に生成された基礎データを記憶させておく。これにより、放電加工装置1ごとに放電電流ピーク値および放電電流パルス幅に差異が生じたとしても、基礎データに数値的な補正をかけることで、放電加工装置1ごとに適した基礎データへ変換することが可能になる。
このように実施の形態3によれば、特定の放電加工装置1が実測した実測値を元に生成された基礎データを、他の放電加工装置1に記憶させるので、他の放電加工装置1は、基礎データに数値的な補正をかけることで、自装置に適した基礎データに変換することが可能になる。
実施の形態4.
つぎに、図9から図13を用いて実施の形態4について説明する。実施の形態1から3の放電加工装置1は、基礎データに基づいた所望の加工結果を満たす理論的に加工速度が最も速くなる加工条件を自動で設定することができる。ところが、実際には工具電極に使用される材料、加工極間36の加工屑の状態などによって、最速となる加工条件が変化する可能性が考えられる。そこで、実施の形態4では、加工条件に対する加工中の加工速度を学習する。すなわち、放電加工装置1は、入力された基礎データに基づいて、加工結果が作業者の所望する値を満たす放電電流ピーク値と放電電流パルス幅との組み合わせの中から、加工速度が最速となるものを検索する。実施の形態4において、作業者が所望する加工結果は、電極消耗率、加工面粗さ、および加工表面積である。
つぎに、図9から図13を用いて実施の形態4について説明する。実施の形態1から3の放電加工装置1は、基礎データに基づいた所望の加工結果を満たす理論的に加工速度が最も速くなる加工条件を自動で設定することができる。ところが、実際には工具電極に使用される材料、加工極間36の加工屑の状態などによって、最速となる加工条件が変化する可能性が考えられる。そこで、実施の形態4では、加工条件に対する加工中の加工速度を学習する。すなわち、放電加工装置1は、入力された基礎データに基づいて、加工結果が作業者の所望する値を満たす放電電流ピーク値と放電電流パルス幅との組み合わせの中から、加工速度が最速となるものを検索する。実施の形態4において、作業者が所望する加工結果は、電極消耗率、加工面粗さ、および加工表面積である。
<学習フェーズ>
図9は、実施の形態4にかかる学習装置の構成例を示すブロック図である。学習装置50は、放電加工装置1に、所望された加工結果を満たす範囲内で、加工速度が最大となる放電電流ピーク値および放電電流パルス幅を提供するための学習済モデル71を学習するコンピュータである。学習装置50は、データ取得部51、およびモデル生成部52を備えている。
図9は、実施の形態4にかかる学習装置の構成例を示すブロック図である。学習装置50は、放電加工装置1に、所望された加工結果を満たす範囲内で、加工速度が最大となる放電電流ピーク値および放電電流パルス幅を提供するための学習済モデル71を学習するコンピュータである。学習装置50は、データ取得部51、およびモデル生成部52を備えている。
データ取得部51は、加工軸の位置と、加工軸の位置に対応する放電電流ピーク値と、加工軸の位置に対応する放電電流パルス幅とを学習用データとして取得する。加工軸の位置は、加工速度に対応する情報である。データ取得部51が学習用データとして取得するデータは、加工の際に実際に用いられたデータである。データ取得部51が第1のデータ取得部である。
モデル生成部52は、放電電流ピーク値、放電電流パルス幅、および加工軸の位置を含む学習用データに基づいて、学習用に設定された放電電流ピーク値および放電電流パルス幅に対する加工速度を学習する。すなわち、モデル生成部52は、放電加工装置1の加工軸の位置から、学習用に設定された放電電流ピーク値および放電電流パルス幅に対する加工速度を推論する学習済モデル71を生成する。
モデル生成部52は、教師あり学習、教師なし学習、強化学習等の公知の学習アルゴリズムを用いることができる。一例として、モデル生成部52に強化学習(Reinforcement Learning)を適用した場合について説明する。強化学習では、ある環境内におけるエージェント(行動主体)が、現在の状態(環境のパラメータ)を観測し、取るべき行動を決定する。エージェントの行動により環境が動的に変化し、エージェントには環境の変化に応じて報酬が与えられる。エージェントはこれを繰り返し、一連の行動を通じて報酬が最も多く得られる行動方針を学習する。強化学習の代表的な手法として、Q学習(Q-learning)やTD学習(TD-learning)が知られている。例えば、Q学習の場合、行動価値関数Q(s,a)の一般的な更新式は以下の式(1)で表される。
式(1)において、stは時刻tにおける環境の状態を表し、atは時刻tにおける行動を表す。行動atにより、状態はst+1に変わる。rt+1はその状態の変化によってもらえる報酬を表し、γは割引率を表し、αは学習係数を表す。なお、γは0<γ≦1、αは0<α≦1の範囲とする。加工軸の位置に対応する放電電流ピーク値および放電電流パルス幅が行動atとなり、加工軸の位置が状態stとなり、モデル生成部52は、時刻tの状態stにおける最良の行動atを学習する。
式(1)で表される更新式は、時刻t+1における最もQ値の高い行動aの行動価値Qが、時刻tにおいて実行された行動aの行動価値Qよりも大きければ、行動価値Qを大きくし、逆の場合は、行動価値Qを小さくする。換言すれば、時刻tにおける行動aの行動価値Qを、時刻t+1における最良の行動価値に近づけるように、行動価値関数Q(s,a)を更新する。それにより、或る環境における最良の行動価値が、それ以前の環境における行動価値に順次伝播していくようになる。
上記のように、強化学習によって学習済モデル71を生成する場合、モデル生成部52は、報酬計算部53と、関数更新部54と、を備えている。
報酬計算部53は、放電電流ピーク値、放電電流パルス幅、および加工軸の位置に基づいて報酬を計算する。報酬計算部53は、加工速度基準に基づいて、報酬rを計算する。報酬計算部53は、例えば、加工速度が増加する場合(報酬増大基準を満たす場合)には報酬rを増大させ(例えば「1」の報酬を与える)、他方、加工速度が減少する場合(報酬減少基準を満たす場合)には報酬rを低減する(例えば「-1」の報酬を与える)。
関数更新部54は、報酬計算部53によって計算される報酬に従って、加工速度を決定するための関数を更新し、学習装置50の外部に配置された学習済モデル記憶部70に出力する。例えばQ学習の場合、関数更新部54は、式(1)で表される行動価値関数Q(st,at)を、学習用に設定された放電電流ピーク値および放電電流パルス幅に対する加工速度を算出するための関数として用いる。
関数更新部54は、以上のような学習を繰り返し実行する。学習済モデル記憶部70は、関数更新部54によって更新された行動価値関数Q(st,at)、すなわち、学習済モデル71を記憶する。
次に、図10を用いて、学習装置50による学習処理の処理手順について説明する。図10は、実施の形態4にかかる学習装置による学習処理の処理手順を示すフローチャートである。データ取得部51は、放電電流ピーク値、放電電流パルス幅、および加工軸の位置を学習用データとして取得する(ステップS110)。
モデル生成部52は、放電電流ピーク値、放電電流パルス幅、および加工軸の位置に基づいて、報酬を計算する(ステップS120)。具体的には、報酬計算部53は、放電電流ピーク値、放電電流パルス幅、および加工軸の位置を取得し、加工軸の位置から加工速度を算出し、予め定められた加工速度基準(報酬基準)に基づいて報酬を増やすか、または報酬を減らすかを判断する。加工速度基準は、加工速度が大きくなったか小さくなったかである。
報酬計算部53は、報酬を増やすと判断した場合に報酬を増やし、報酬を減らすと判断した場合に報酬を減らす。すなわち、報酬計算部53は、加工軸の位置から算出した加工速度が増加した場合に報酬を増やす(ステップS130)。一方、報酬計算部53は、加工軸の位置から算出した加工速度が減少した場合に報酬を減らす(ステップS140)。なお、報酬計算部53は、加工速度に変化が無かった場合は、報酬を増減させなくてもよい。
関数更新部54は、報酬計算部53によって計算された報酬に基づいて、学習済モデル記憶部70が記憶する式(1)で表される行動価値関数Q(st,at)を更新する(ステップS150)。これにより、放電電流ピーク値および放電電流パルス幅に対応する加工速度が学習される。
学習装置50は、以上のステップS110からS150までのステップを繰り返し実行し、生成された行動価値関数Q(st,at)を、学習済モデル71として学習済モデル記憶部70に記憶させる。
実施の形態4にかかる学習装置50は、学習済モデル71を学習装置50の外部に設けられた学習済モデル記憶部70に記憶するものとしたが、学習済モデル記憶部70を学習装置50の内部に備えていてもよい。
<活用フェーズ>
図11は、実施の形態4にかかる推論装置の構成例を示すブロック図である。推論装置60は、データ取得部61と、推論部62とを備えている。データ取得部61が第2のデータ取得部である。
図11は、実施の形態4にかかる推論装置の構成例を示すブロック図である。推論装置60は、データ取得部61と、推論部62とを備えている。データ取得部61が第2のデータ取得部である。
データ取得部61は、加工速度を推論するためのデータとして放電電流ピーク値および放電電流パルス幅を取得する。データ取得部61は、例えば、図4および図5で説明した放電電流ピーク値および放電電流パルス幅を取得する。
推論部62は、学習済モデル記憶部70が記憶している学習済モデル71を利用して、放電電流ピーク値および放電電流パルス幅に対応する加工速度を推論する。すなわち、推論部62は、この学習済モデル71にデータ取得部61が取得した、放電電流ピーク値および放電電流パルス幅を入力することで、放電電流ピーク値および放電電流パルス幅に適した加工速度を推論することができる。推論部62は、得られた加工速度を放電加工装置1の記憶装置32に出力する。
なお、本実施の形態では、推論装置60が、学習装置50のモデル生成部52で学習した学習済モデル71を用いる場合について説明したが、推論装置60は、他の学習装置50から取得した学習済モデル71を用いてもよい。この場合も、推論装置60は、他の学習装置50から取得した学習済モデル71に基づいて、加工速度を出力する。他の学習装置50は、放電加工装置1とは異なる他の放電加工装置から学習済モデル71を学習する装置である。すなわち、推論装置60は、他の放電加工装置で学習された学習済モデル71を用いて、放電電流ピーク値および放電電流パルス幅に適した加工速度を推論してもよい。
次に、図12を用いて、推論装置60による推論処理の処理手順について説明する。図12は、実施の形態4にかかる推論装置による推論処理の処理手順を示すフローチャートである。データ取得部61は、加工速度を推論するためのデータである推論用データを取得する(ステップS210)。具体的には、データ取得部61は、推論用に設定された放電電流ピーク値および放電電流パルス幅を取得する。
推論部62は、学習済モデル記憶部70が記憶している学習済モデル71に、放電電流ピーク値および放電電流パルス幅を入力し(ステップS220)、放電電流ピーク値および放電電流パルス幅に対する加工速度を得る。
推論部62は、得られたデータ、すなわち放電電流ピーク値および放電電流パルス幅に対する加工速度を放電加工装置1に出力する(ステップS230)。
放電加工装置1の記憶装置32は、出力された、放電電流ピーク値および放電電流パルス幅に対する加工速度を学習結果として記憶する(ステップS240)。推論部62は、所望された加工結果を満たす放電電流ピーク値と放電電流パルス幅との組み合わせのうち、データ未取得の組み合わせがあるか否かを判定する(ステップS250)。
データ未取得の組み合わせがある場合(ステップS250、Yes)、推論部62は、加工速度の推論に用いる放電電流ピーク値および放電電流パルス幅の組み合わせを変更する(ステップS260)。すなわち、推論部62は、放電電流ピーク値および放電電流パルス幅の組み合わせを、データ未取得の放電電流ピーク値と放電電流パルス幅との組み合わせに変更し、推論用データに設定する。
推論装置60は、データ未取得の組み合わせが無くなるまで、ステップS210からS260までの処理を繰り返す。データ未取得の組み合わせが無くなると(ステップS250、No)、推論部62は、学習結果として記憶しておいた加工速度の中から、加工速度が最大となる放電電流ピーク値と放電電流パルス幅との組み合わせを検索する。すなわち、推論部62は、所望された加工結果を満たす範囲内で加工速度が最大となる放電電流ピーク値と放電電流パルス幅との組み合わせを検索する。
推論部62は、検索した放電電流ピーク値と放電電流パルス幅との組み合わせを放電加工装置1の記憶装置32に送る。記憶装置32は、所望された加工結果を満たす範囲内で加工速度が最大となる放電電流ピーク値と放電電流パルス幅との組み合わせを記憶する。これにより、放電加工装置1は、推論装置60から送られてきた放電電流ピーク値と放電電流パルス幅との組み合わせを、放電加工時に用いるパラメータに設定する(ステップS270)。放電加工装置1は、記憶装置32が記憶している、加工速度が最大となる放電電流ピーク値と放電電流パルス幅との組み合わせを用いて放電加工を実行する。
なお、実施の形態4では、推論部62が用いる学習アルゴリズムに強化学習を適用した場合について説明したが、これに限られるものではない。学習アルゴリズムについては、強化学習以外にも、教師あり学習、教師なし学習、又は半教師あり学習等を適用することも可能である。
また、モデル生成部52に用いられる学習アルゴリズムとしては、特徴量そのものの抽出を学習する、深層学習(Deep Learning)を用いることもできる。モデル生成部52は、他の公知の方法、例えばニューラルネットワーク、遺伝的プログラミング、機能論理プログラミング、サポートベクターマシンなどに従って機械学習を実行してもよい。
なお、学習装置50および推論装置60は、例えば、ネットワークを介して放電加工装置1に接続された、この放電加工装置1とは別個の装置であってもよい。また、学習装置50および推論装置60の少なくとも一方は、放電加工装置1に内蔵されていてもよい。さらに、学習装置50および推論装置60は、クラウドサーバ上に存在していてもよい。
また、モデル生成部52は、複数の放電加工装置1から取得される学習用データを用いて、放電電流ピーク値と放電電流パルス幅との組み合わせに対する加工速度を学習するようにしてもよい。なお、モデル生成部52は、同一のエリアで使用される複数の放電加工装置1から学習用データを取得してもよいし、異なるエリアで独立して動作する複数の放電加工装置1から収集される学習用データを利用して放電電流ピーク値および放電電流パルス幅に対する加工速度を学習してもよい。また、学習用データを収集する放電加工装置1を途中で対象に追加すること、または対象から除去することも可能である。さらに、ある放電加工装置に関して、放電電流ピーク値および放電電流パルス幅に対する加工速度を学習した学習装置を、これとは別の放電加工装置1に適用し、当該別の放電加工装置1に関して放電電流ピーク値および放電電流パルス幅に対する加工速度を再学習して更新するようにしてもよい。
ここで、学習装置50および推論装置60のハードウェア構成について説明する。学習装置50および推論装置60は、同様のハードウェア構成を有しているので、以下では、学習装置50のハードウェア構成について説明する。
図13は、実施の形態4にかかる学習装置を実現するハードウェア構成例を示す図である。学習装置50は、プロセッサ91、メモリ92、出力装置93、および入力装置94により実現することができる。
プロセッサ91の例は、CPU(Central Processing Unit、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、DSP(Digital Signal Processor)ともいう)またはシステムLSI(Large Scale Integration)である。メモリ92の例は、RAM(Random Access Memory)、ROM(Read Only Memory)である。
学習装置50は、プロセッサ91が、メモリ92で記憶されている学習装置50の動作を実行するための、コンピュータで実行可能な、学習プログラムを読み出して実行することにより実現される。学習装置50の動作を実行するための学習プログラムは、学習装置50の手順または方法をコンピュータに実行させるものであるともいえる。学習装置50の動作を実行するための学習プログラムには、加工速度を学習するためのプログラムなどが含まれている。
学習装置50で実行される学習プログラムは、モデル生成部52を含むモジュール構成となっており、これらが主記憶装置上にロードされ、これらが主記憶装置上に生成される。
入力装置94は、放電電流ピーク値、放電電流パルス幅、および加工軸の位置などを受け付けてプロセッサ91に送る。メモリ92は、面粗さデータ41、電極消耗データ42といった基礎データなどを記憶する。また、メモリ92は、プロセッサ91が各種処理を実行する際の一時メモリに使用される。出力装置93は、プロセッサ91が生成した加工速度を加工電源34に出力する。
学習プログラムは、インストール可能な形式または実行可能な形式のファイルで、コンピュータが読み取り可能な記憶媒体に記憶されてコンピュータプログラムプロダクトとして提供されてもよい。また、学習プログラムは、インターネットなどのネットワーク経由で学習装置50に提供されてもよい。なお、学習装置50の機能について、一部を専用回路などの専用のハードウェアで実現し、一部をソフトウェアまたはファームウェアで実現するようにしてもよい。なお、加工条件設定装置30も、学習装置50と同様のハードウェア構成を有している。
このように実施の形態4では、学習装置50が、放電加工装置1の加工軸の位置、設定された放電電流ピーク値および放電電流パルス幅に基づいて、加工速度を推論する学習済モデル71を生成している。また、推論装置60が、学習済モデル71を用いて、放電加工装置1の加工軸の位置、設定された放電電流ピーク値および放電電流パルス幅から、加工速度を推論している。これにより、放電加工装置1の加工軸の位置に応じた、設定された放電電流ピーク値および放電電流パルス幅に対する加工速度を取得することが可能となる。推論装置60は、加工速度が最大となる放電電流ピーク値と放電電流パルス幅との組み合わせを放電加工に適用することで、所望された加工結果を満たしつつ短時間で放電加工を実行することが可能となる。
以上の実施の形態に示した構成は、一例を示すものであり、別の公知の技術と組み合わせることも可能であるし、実施の形態同士を組み合わせることも可能であるし、要旨を逸脱しない範囲で、構成の一部を省略、変更することも可能である。
1 放電加工装置、11,12 放電電流波形、13,14 加工面、21,22 加工面質、23~26 対応関係、30 加工条件設定装置、31,94 入力装置、32 記憶装置、33 演算装置、34 加工電源、35 加工機構、36 加工極間、41 面粗さデータ、42 電極消耗データ、50 学習装置、51,61 データ取得部、52 モデル生成部、53 報酬計算部、54 関数更新部、60 推論装置、62 推論部、70 学習済モデル記憶部、71 学習済モデル、91 プロセッサ、92 メモリ、93 出力装置。
Claims (10)
- 形彫放電加工に対して所望される加工結果として、工具電極の消耗率である電極消耗率、加工速度、被加工物の加工面の粗さである加工面粗さ、および前記被加工物の加工面内の特定領域の面積に対する実際の加工面の表面積比を受け付ける入力装置と、
予め取得された前記形彫放電加工の放電電流ピーク値と放電電流パルス幅との組み合わせに対する、前記加工結果の理論的な相関を示す基礎データを記憶する記憶装置と、
複数回に渡る前記形彫放電加工として第1段目から最終段目までの加工処理が行われる際の前記第1段目から前記最終段目までの加工条件を、前記入力装置が受け付けた前記加工結果と、前記記憶装置が記憶している前記基礎データとに基づいて算出する演算装置と、
を備える、
ことを特徴とする加工条件設定装置。 - 前記加工結果は、物理量を示す情報である、
ことを特徴とする請求項1に記載の加工条件設定装置。 - 前記入力装置は、前記形彫放電加工毎に前記加工結果を受け付ける、
ことを特徴とする請求項1または2に記載の加工条件設定装置。 - 前記演算装置は、複数回に渡る前記形彫放電加工のうちの前記最終段目の加工処理において前記電極消耗率が前記加工結果を満たさない場合、前記最終段目よりも前段の加工処理に対して前記電極消耗率を下げたうえで前記第1段目から前記最終段目までの加工条件を算出する、
ことを特徴とする請求項3に記載の加工条件設定装置。 - 前記加工結果は、前記形彫放電加工における前記工具電極の消耗量の総和を含み、
前記演算装置は、前記第1段目から前記最終段目までの電極消耗量の総和が、前記加工結果を満たす前記加工条件を算出する、
ことを特徴とする請求項4に記載の加工条件設定装置。 - 前記基礎データは、予め前記形彫放電加工が実行された際の実測値に基づいて生成されたデータである、
ことを特徴とする請求項1から5の何れか1つに記載の加工条件設定装置。 - 前記形彫放電加工の加工速度を学習する学習装置をさらに備え、
前記学習装置は、
前記加工条件を用いて前記形彫放電加工を行う形彫放電加工装置の加工軸の位置と、前記加工軸の位置における前記放電電流ピーク値および前記放電電流パルス幅とを含む学習用データを取得する第1のデータ取得部と、
前記学習用データを用いて、前記放電電流ピーク値および前記放電電流パルス幅から、前記放電電流ピーク値および前記放電電流パルス幅に対応する加工速度を推論するための学習済モデルを生成するモデル生成部と、
を有する、
ことを特徴とする請求項1から6の何れか1つに記載の加工条件設定装置。 - 前記学習済モデルを用いて前記加工速度を推論する推論装置をさらに備え、
前記推論装置は、
前記加工軸の位置における前記放電電流ピーク値および前記放電電流パルス幅を取得する第2のデータ取得部と、
前記学習済モデルを用いて、前記第2のデータ取得部が取得した前記放電電流ピーク値および前記放電電流パルス幅に対応する前記加工速度を推論して出力する推論部と、
を有する、
ことを特徴とする請求項7に記載の加工条件設定装置。 - 記憶装置が、予め取得された形彫放電加工の放電電流ピーク値と放電電流パルス幅との組み合わせに対する、前記形彫放電加工の加工結果の理論的な相関を示す基礎データを記憶する記憶ステップと、
入力装置が、形彫放電加工に対して所望される加工結果として、工具電極の消耗率である電極消耗率、加工速度、被加工物の加工面の粗さである加工面粗さ、および前記被加工物の加工面内の特定領域の面積に対する実際の加工面の表面積比を受け付ける入力ステップと、
演算装置が、複数回に渡る前記形彫放電加工として第1段目から最終段目までの加工処理が行われる際の前記第1段目から前記最終段目までの加工条件を、前記入力装置が受け付けた前記加工結果と、前記記憶装置が記憶している前記基礎データとに基づいて算出する演算ステップと、
を含む、
ことを特徴とする加工条件設定方法。 - 形彫放電加工を行う加工機構と、
前記加工機構が用いる加工条件を設定する加工条件設定装置と、
を有し、
前記加工条件設定装置は、
形彫放電加工に対して所望される加工結果として、工具電極の消耗率である電極消耗率、加工速度、被加工物の加工面の粗さである加工面粗さ、および前記被加工物の加工面内の特定領域の面積に対する実際の加工面の表面積比を受け付ける入力装置と、
予め取得された前記形彫放電加工の放電電流ピーク値と放電電流パルス幅との組み合わせに対する、前記加工結果の理論的な相関を示す基礎データを記憶する記憶装置と、
複数回に渡る前記形彫放電加工として第1段目から最終段目までの加工処理が行われる際の前記第1段目から前記最終段目までの前記加工条件を、前記入力装置が受け付けた前記加工結果と、前記記憶装置が記憶している前記基礎データとに基づいて算出する演算装置と、
を備える、
ことを特徴とする放電加工装置。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2021/015133 WO2022219670A1 (ja) | 2021-04-12 | 2021-04-12 | 加工条件設定装置、加工条件設定方法、および放電加工装置 |
JP2021541440A JP6952941B1 (ja) | 2021-04-12 | 2021-04-12 | 加工条件設定装置、加工条件設定方法、および放電加工装置 |
CN202180072650.5A CN116438028B (zh) | 2021-04-12 | 2021-04-12 | 加工条件设定装置、加工条件设定方法及放电加工装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2021/015133 WO2022219670A1 (ja) | 2021-04-12 | 2021-04-12 | 加工条件設定装置、加工条件設定方法、および放電加工装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2022219670A1 true WO2022219670A1 (ja) | 2022-10-20 |
Family
ID=78150257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2021/015133 WO2022219670A1 (ja) | 2021-04-12 | 2021-04-12 | 加工条件設定装置、加工条件設定方法、および放電加工装置 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP6952941B1 (ja) |
CN (1) | CN116438028B (ja) |
WO (1) | WO2022219670A1 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05233044A (ja) * | 1992-02-18 | 1993-09-10 | Mitsubishi Electric Corp | 加工条件生成装置並びに加工条件生成方式 |
JP2013158862A (ja) * | 2012-02-02 | 2013-08-19 | Sodick Co Ltd | 形彫放電加工における加工条件設定支援装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2892028B2 (ja) * | 1989-02-20 | 1999-05-17 | 日立精工株式会社 | 放電加工装置 |
JP3542233B2 (ja) * | 1996-05-16 | 2004-07-14 | 株式会社ソディック | 形彫放電加工方法及び装置 |
JP3807189B2 (ja) * | 2000-03-28 | 2006-08-09 | 三菱電機株式会社 | 放電による追加工方法及び装置 |
JP4498722B2 (ja) * | 2003-11-19 | 2010-07-07 | 株式会社ソディック | 放電加工方法および放電加工装置 |
JPWO2009101688A1 (ja) * | 2008-02-14 | 2011-06-02 | 三菱電機株式会社 | 放電加工装置 |
-
2021
- 2021-04-12 JP JP2021541440A patent/JP6952941B1/ja active Active
- 2021-04-12 WO PCT/JP2021/015133 patent/WO2022219670A1/ja active Application Filing
- 2021-04-12 CN CN202180072650.5A patent/CN116438028B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05233044A (ja) * | 1992-02-18 | 1993-09-10 | Mitsubishi Electric Corp | 加工条件生成装置並びに加工条件生成方式 |
JP2013158862A (ja) * | 2012-02-02 | 2013-08-19 | Sodick Co Ltd | 形彫放電加工における加工条件設定支援装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116438028A (zh) | 2023-07-14 |
JP6952941B1 (ja) | 2021-10-27 |
CN116438028B (zh) | 2024-02-20 |
JPWO2022219670A1 (ja) | 2022-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6063013B1 (ja) | びびり或いは工具摩耗/破損の発生を抑制する加工条件調整機能を有する数値制御装置 | |
JP6457472B2 (ja) | 制御システム及び機械学習装置 | |
JP6457563B2 (ja) | 数値制御装置及び機械学習装置 | |
JP6348098B2 (ja) | 機械学習を使った中子の溶着位置決定機能を備えたワイヤ放電加工機のシミュレーション装置 | |
JP6740277B2 (ja) | 機械学習装置、制御装置、及び機械学習方法 | |
JP2017042882A (ja) | 加工条件を調整しながら加工を行うワイヤ放電加工機 | |
JP3743247B2 (ja) | ニューラルネットワークによる予測装置 | |
CN111857052B (zh) | 机器学习装置、数值控制系统以及机器学习方法 | |
JP2017030067A (ja) | 加工時間測定機能とオンマシン測定機能を有する制御装置付き加工装置 | |
JP7158604B1 (ja) | 数値制御装置、学習装置、推論装置、および数値制御方法 | |
JP2018073097A (ja) | 工具経路生成装置、工具経路生成方法及び工具経路生成プログラム | |
CN116500986A (zh) | 一种分布式作业车间的优先调度规则生成方法及系统 | |
WO2022219670A1 (ja) | 加工条件設定装置、加工条件設定方法、および放電加工装置 | |
WO2020255370A1 (ja) | 加工条件探索装置およびワイヤ放電加工機 | |
JP6880350B1 (ja) | 学習装置、放電加工機および学習方法 | |
WO2022153936A1 (ja) | 機械学習装置 | |
JP2018130798A (ja) | 数値制御装置 | |
CN112394640B (zh) | 参数整定方法、装置、存储介质及参数整定单元 | |
JP6739690B1 (ja) | 制御装置、放電加工機、および機械学習装置 | |
JP7171538B2 (ja) | 工具条件決定装置、学習装置、および方法 | |
Tomislav et al. | GPU implementation of the feedforward neural network with modified Levenberg-Marquardt algorithm | |
CN112364526A (zh) | 一种基于果蝇算法的模糊批调度方法及系统 | |
CN116339242B (zh) | 一种自由曲面刀具路径生成方法及相关设备 | |
JP7204952B1 (ja) | 加工条件探索装置および加工条件探索方法 | |
CN110209133B (zh) | 带恶化维护时长的单机生产调度方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
ENP | Entry into the national phase |
Ref document number: 2021541440 Country of ref document: JP Kind code of ref document: A |
|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 21936874 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 21936874 Country of ref document: EP Kind code of ref document: A1 |