WO2023209754A1 - サーボ調整システム - Google Patents

サーボ調整システム Download PDF

Info

Publication number
WO2023209754A1
WO2023209754A1 PCT/JP2022/018671 JP2022018671W WO2023209754A1 WO 2023209754 A1 WO2023209754 A1 WO 2023209754A1 JP 2022018671 W JP2022018671 W JP 2022018671W WO 2023209754 A1 WO2023209754 A1 WO 2023209754A1
Authority
WO
WIPO (PCT)
Prior art keywords
virtual
servo
information
parameter setting
servo adjustment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2022/018671
Other languages
English (en)
French (fr)
Inventor
真 鈴木
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fanuc Corp
Original Assignee
Fanuc Corp
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 Fanuc Corp filed Critical Fanuc Corp
Priority to PCT/JP2022/018671 priority Critical patent/WO2023209754A1/ja
Priority to JP2024517613A priority patent/JPWO2023209754A1/ja
Priority to DE112022006672.5T priority patent/DE112022006672T5/de
Priority to CN202280095032.7A priority patent/CN119032506A/zh
Publication of WO2023209754A1 publication Critical patent/WO2023209754A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
    • H02P23/0004—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H02P23/0022—Model reference adaptation, e.g. MRAS or MRAC, useful for control or parameter estimation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H02P21/0014—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using neural networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H02P21/0017—Model reference adaptation, e.g. MRAS or MRAC, useful for control or parameter estimation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
    • H02P21/16—Estimation of constants, e.g. the rotor time constant
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
    • H02P23/0004—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H02P23/0018—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using neural networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
    • H02P23/14—Estimation or adaptation of motor parameters, e.g. rotor time constant, flux, speed, current or voltage

Definitions

  • the present disclosure relates to a servo adjustment system.
  • servo motor control parameter adjustment (hereinafter referred to as servo adjustment) techniques such as gain filter adjustment, feedforward adjustment, acceleration/deceleration adjustment, etc. are known. These servo adjustment techniques are required to improve adjustment accuracy and shorten adjustment time.
  • Patent Document 1 requires additional devices such as an acceleration sensor, which increases costs.
  • Patent Document 2 requires the user to determine parameter values, which imposes a heavy workload and causes operational errors.
  • the present disclosure has been made in view of the above, and aims to provide a servo adjustment device that can automatically perform servo adjustment with high precision and in a short time without requiring an additional device.
  • One aspect of the present disclosure is a servo adjustment system that adjusts control parameter setting information of a servo motor controlled by a control device of an industrial machine, the system including a servo motor model that virtualizes the operation of the servo motor, and the control parameter settings. a virtual control device that virtually controls the servo motor model by executing an evaluation program based on the information; and a virtual control device that executes the evaluation program multiple times based on the control parameter setting information that is different in the virtual control device.
  • This servo adjustment system includes a servo adjustment device that determines the control parameter setting information based on virtual feedback information obtained by the above.
  • a servo adjustment device that can automatically perform servo adjustment with high precision and in a short time without requiring an additional device.
  • FIG. 1 is a block diagram showing the configuration of a servo adjustment system according to a first embodiment. It is a flow chart which shows the procedure of the servo adjustment processing performed by the servo adjustment system concerning a 1st embodiment.
  • 3 is a flowchart showing the procedure of feedback information generation processing.
  • FIG. 3 is a diagram showing servo parameter information.
  • FIG. 3 is a diagram showing servo motor model information.
  • FIG. 3 is a diagram showing controlled object model information.
  • FIG. 3 is a diagram showing command information.
  • FIG. 7 is a diagram showing servo motor model operation information in consideration of a motor friction coefficient.
  • FIG. 7 is a diagram showing servo motor model operation information in consideration of a motor friction coefficient and a feed shaft friction coefficient.
  • FIG. 3 is a flowchart illustrating a procedure for determining parameter settings. It is a figure showing an example of parameter adjustment.
  • FIG. 2 is a block diagram showing the configuration of a servo adjustment system according to a second embodiment. It is a block diagram showing the composition of the servo adjustment system concerning a modification of a 2nd embodiment. It is a flowchart which shows the procedure of the servo adjustment process performed by the servo adjustment system based on 2nd Embodiment.
  • 3 is a flowchart illustrating the procedure of a temporary determination process for parameter settings.
  • FIG. 3 is a diagram showing an example of a parameter setting pattern.
  • FIG. 3 is a diagram illustrating an example of parameter settings applied to multiple virtual environments.
  • 3 is a flowchart illustrating a procedure for determining parameter settings. It is a figure which shows an example of a learning result.
  • the servo adjustment system 1 according to the first embodiment is a system that adjusts control parameter setting information (hereinafter referred to as parameter setting information) of a servo motor controlled by a control device of an industrial machine such as a machine tool.
  • FIG. 1 is a block diagram showing the configuration of a servo adjustment system 1 according to the first embodiment.
  • the servo adjustment system 1 according to the first embodiment includes a servo adjustment device 10, a virtual control device 20, a servo motor model 30, and a controlled object model 40.
  • the virtual control device 20, the servo motor model 30, and the controlled object model 40 constitute a virtual environment 50.
  • the servo adjustment device 10 and the virtual control device 20 each include an arithmetic processing means such as a CPU (Central Processing Unit), an auxiliary storage means such as an HDD (Hard Disk Drive) or an SSD (Solid State Drive) that store various computer programs, and an arithmetic processing device.
  • Main storage means such as RAM (Random Access Memory) for storing data temporarily required by the processing means to execute computer programs, operation means such as a keyboard for the operator to perform various operations, and various information for the operator.
  • It is a computer configured with hardware such as display means such as a display that displays.
  • These servo adjustment device 10, virtual control device 20, etc. are capable of transmitting and receiving various signals to and from each other, and the communication method thereof is not particularly limited.
  • the servo adjustment device 10 and/or the virtual control device 20 are communicably connected to a numerical control device (CNC: Computerized Numerical Control), not shown, which corresponds to a control device of an industrial machine such as a machine tool, for example.
  • CNC Computerized Numerical Control
  • Servo parameter information necessary for servo adjustment in this embodiment which will be described later, is part of the CNC parameters stored in the numerical control device, and is acquired from the numerical control device. Further, the parameter setting information after servo adjustment in this embodiment is transmitted to this numerical control device and used for controlling the actual machine.
  • the servo adjustment device 10 performs servo motor control parameter adjustment (hereinafter referred to as servo adjustment), such as gain filter adjustment, feedforward adjustment, acceleration/deceleration adjustment, etc. Specifically, the servo adjustment device 10 acquires virtual feedback information (hereinafter referred to as virtual FB information) obtained by executing the evaluation program multiple times based on different parameter setting information in the virtual control device 20 described below. Then, servo adjustment is performed by determining parameter setting information based on this information. The adjusted parameter setting information is sent to the virtual control device 20 and the numerical control device.
  • servo adjustment servo motor control parameter adjustment
  • the servo adjustment device 10 includes a virtual feedback information acquisition unit (not shown) that acquires the virtual FB information transmitted from the virtual control device 20, and a plurality of virtual FB information obtained by execution with different parameter setting information. and a parameter setting transmitter (not shown) that transmits the determined parameter setting information to the virtual control device 20 and the numerical control device.
  • the virtual control device 20 virtually controls the servo motor model 30 by executing the evaluation program multiple times based on different parameter setting information and generating command information to be passed to the servo motor model 30, which will be described later. Further, thereby, the virtual control device 20 virtually drives a controlled object model 40 such as a machine tool, which will be described later.
  • the virtual control device 20 transmits feedback information (hereinafter also referred to as FB information) obtained by virtually controlling the servo motor model 30 and the controlled object model 40 to the servo adjustment device 10. Note that the current parameter setting information transmitted from the servo adjustment device 10 is applied to the virtual control device 20.
  • the evaluation program is a program that is created so that servo adjustment can be executed efficiently in a short time, separately from the actual machining program, which generally takes a long machining time.
  • the evaluation program is, for example, a program that specifies the axial movement distance, feed rate, etc. according to various machining shapes such as circles, squares, squares with corners, etc.
  • the servo motor model 30 is a model that virtualizes the operation and characteristics of a servo motor. That is, the virtual environment 50 of this embodiment includes a servo motor model 30 that virtualizes the operation of a servo motor of a machine tool or the like. Specifically, the servo motor model 30 is a virtual model that takes into consideration at least one of the undamped natural angular frequency, the damping coefficient, the preceding command time, the motor inertia, and the motor friction coefficient. As a result, it is possible to perform an operation simulation similar to that of the actual machine in the virtual environment 50, and it is possible to obtain virtual feedback information (hereinafter also referred to as virtual FB information) that is similar to that when operating the actual machine.
  • virtual FB information virtual feedback information
  • the controlled object model 40 is a model that virtualizes the operation and characteristics of an industrial machine such as a machine tool, for example. That is, the virtual environment 50 of this embodiment includes a controlled object model 40 that is a virtualized industrial machine such as a machine tool. Specifically, the controlled object model 40 is a model virtualized by taking into consideration at least one of a spring constant, feed shaft inertia, feed shaft friction coefficient, and disturbance torque. This allows the virtual environment 50 to perform an operation simulation that is closer to that of the actual machine, and it is possible to obtain virtual FB information that is closer to that when the actual machine is operated.
  • the generation of command information for the servo motor model 30 in the virtual control device 20 and the generation of virtual FB information in the servo motor model 30 and the controlled object model 40 do not require real time. , it is possible to perform servo adjustment at high speed.
  • FIG. 2 is a flowchart showing the procedure of the servo adjustment process executed by the servo adjustment system 1 according to the first embodiment. Execution of this servo adjustment process is started in response to, for example, an input operation from a user to the servo adjustment device 10.
  • step S11 the virtual control device 20 analyzes and executes the evaluation program. More specifically, the virtual control device 20 executes the evaluation program based on the servo motor parameter setting information (hereinafter also simply referred to as parameter setting) currently applied to the virtual control device 20. After that, the process advances to step S12. Note that this parameter setting is adjusted and changed by the servo adjustment process according to this flow.
  • parameter setting the servo motor parameter setting information
  • step S12 the virtual control device 20 generates command information for the servo motor. Specifically, the virtual control device 20 analyzes and executes the evaluation program in step S11 described above, thereby generating command information for the servo motor. After that, the process advances to step S13.
  • step S13 the virtual control device 20 generates virtual FB information. Specifically, the virtual control device 20 virtually controls and operates the servo motor model 30 and the controlled object model 40 based on the command information to the servo motor generated in step S12, thereby controlling the virtual FB information. generate. After that, the process advances to step S14. Note that this virtual FB information generation process will be described in detail later.
  • step S14 the virtual control device 20 transmits the virtual FB information generated in step S13 described above to the servo adjustment device 10. After that, the process advances to step S15.
  • step S15 the servo adjustment device 10 acquires the virtual FB information transmitted from the virtual control device 20. After that, the process advances to step S16.
  • step S16 the servo adjustment device 10 determines parameter settings based on the acquired virtual FB information. After that, the process advances to step S17. Note that this parameter setting determination process will be described in detail later.
  • step S17 the servo adjustment device 10 transmits the parameter settings determined in step S16 described above to the virtual control device 20. After that, the process advances to step S18.
  • step S18 the virtual control device 20 acquires the parameter settings transmitted from the servo adjustment device 10.
  • the newly acquired parameter settings this time are stored in the virtual control device 20 and applied to the next servo adjustment process. After that, the process advances to step S19.
  • step S19 the servo adjustment device 10 determines whether the servo adjustment has been completed. Specifically, for example, the servo adjustment device 10 holds a list of adjustment parameters, and determines whether the servo adjustment has been completed based on whether adjustment of all parameters in this list has been completed. In addition, when adjusting each parameter, it is determined that the adjustment is not complete until the determination of parameter settings based on different virtual FB information is performed at least twice, that is, multiple times. It is determined that the adjustment has been completed when the value becomes 1% or less. However, it may be determined whether the servo adjustment is completed based on the user's judgment. If the determination is NO, the process returns to step S11, and if the determination is YES, the process ends.
  • the parameter setting information is determined based on the virtual FB information obtained by analyzing and executing the evaluation program multiple times based on different parameter setting information in the virtual control device 20. and will be adjusted.
  • FIG. 3 is a flowchart showing the procedure of virtual FB information generation processing.
  • step S21 the virtual control device 20 adds servo parameter information to the virtual FB information generation element. That is, servo parameter information is added to the virtual FB information generation element regardless of the presence or absence of the servo motor model 30 and the controlled object model 40. After that, the process advances to step S22.
  • the virtual FB information generation element is information necessary to generate virtual FB information in the virtual environment 50.
  • the servo parameter information added as a virtual FB information generation element is the base of the virtual FB information generation element.
  • This servo parameter information is included in CNC parameters stored in a numerical control device (CNC) (not shown) that is communicably connected to the servo adjustment system 1 of this embodiment, and is sent from the numerical control device. It is stored in the virtual control device 20.
  • CNC numerical control device
  • FIG. 4 is a diagram showing servo parameter information.
  • the servo parameter information includes, for example, servo loop gain, speed integral gain, speed proportional gain, phase compensation gain, speed loop gain magnification during cutting, and gain magnification during high-speed HRV (High Response Vector) current control.
  • speed integral gain shift amount, speed proportional gain shift amount, load inertia ratio, amplifier maximum torque, feedforward coefficient, feedforward coefficient when using EGB (electronic gearbox), speed feedforward coefficient, feedforward during cutting Examples include a coefficient, a speed feedforward coefficient during cutting, and the like.
  • step S22 the virtual control device 20 determines the presence or absence of the servo motor model 30 in the virtual environment 50. Since the servo adjustment system 1 of this embodiment includes the servo motor model 30 in the virtual environment 50, this determination is YES and the process proceeds to step S23. On the other hand, if the configuration does not include the servo motor model 30, this determination is NO and the process proceeds to step S26, where the virtual control device 20 generates virtual FB information based on the virtual FB information generation element including servo parameter information. is generated, and this process ends.
  • step S23 the virtual control device 20 adds servo motor model information to the virtual FB information generation element.
  • the virtual FB information generation element includes servo parameter information and servo motor model information.
  • the servo motor model information is not included in the CNC parameters, but is registered through a separate file input or input from a user's screen operation, etc., and is information stored in the virtual control device 20. It is.
  • FIG. 5 is a diagram showing servo motor model information. As shown in FIG. 5, examples of the servo motor model information include an undamped natural angular frequency, a damping coefficient, a preceding command time, a motor inertia, a motor friction coefficient, and the like.
  • step S24 the virtual control device 20 determines whether the controlled object model 40 exists in the virtual environment 50. Since the servo adjustment system 1 of this embodiment includes the controlled object model 40 in the virtual environment 50, this determination is YES and the process proceeds to step S25. On the other hand, if the controlled object model 40 is not provided, this determination becomes NO and the process proceeds to step S26, where the virtual control device 20 is virtualized based on the virtual FB information generation element including servo parameter information and servo motor model information. FB information is generated and this process ends. In this case, since the virtual FB information is generated based on the virtual FB information generation element including the servo motor model information, it is possible to generate virtual FB information that is closer to when the actual machine is operated.
  • step S25 the virtual control device 20 adds controlled object model information to the virtual FB information generation element.
  • the virtual FB information generation element includes servo parameter information, servo motor model information, and controlled object model information.
  • the controlled object model information is not included in the CNC parameters, but is registered through a separate file input or input from a user's screen operation, etc., and is stored in the virtual control device 20. It is information.
  • FIG. 6 is a diagram showing controlled object model information. As shown in FIG. 6, examples of the controlled object model information include a spring constant, feed shaft inertia, feed shaft friction coefficient, and disturbance torque.
  • step S26 in which the virtual control device 20 generates virtual FB information based on the virtual FB information generation element including servo parameter information, servo motor model information, and controlled object model information. is generated, and this process ends.
  • the virtual FB information is generated based on the virtual FB information generation element including the servo motor model information and the controlled object model information, it is possible to generate virtual FB information that is even closer to that when the actual machine is operated.
  • the virtual FB information is generated by the virtual control device 20 calculating an error amount that is the difference (pulse number difference or time difference) between the servo motor model operation information and the command information.
  • FIG. 7 is a diagram showing command information.
  • FIG. 8 is a diagram showing servo motor model operation information in consideration of the motor friction coefficient.
  • FIG. 9 is a diagram showing servo motor model operation information in consideration of the motor friction coefficient and the feed shaft friction coefficient.
  • FIGS. 8 and 9 among the hatched areas that are different from the hatching of the command information pulses in FIG. The area represents an area where the number of pulses is greater than the number of pulses of the command information.
  • the pulse of the servo motor model operation information that takes into account the motor friction coefficient included in the servo motor model information is delayed by a time ⁇ t a from the pulse of the command information shown in FIG. I understand. This is because when the motor friction coefficient of the servo motor model 30 is taken into consideration, a delay time difference ⁇ t a occurs between the command information and the time when the servo motor model 30 actually rotates/stops.
  • the pulses of the servo motor model operation information which takes into account the feed shaft friction coefficient included in the controlled object model information in addition to the motor friction coefficient included in the servo motor model information, are shown in FIG. It can be seen that the pulse of the command information shown is further delayed by a time ⁇ t b which is larger than the time ⁇ t a . Taking into account the motor friction coefficient of the servo motor model 30 and the feed shaft friction coefficient of the controlled object model 40, this means that by the time the servo motor model 30 actually rotates/stops in response to the command information, This is because a delay time difference ⁇ t b occurs.
  • the number of pulses of the command information is 4, while the number of pulses of the servo motor model operation information considering the motor friction coefficient of the servo motor model 30 is 3, and both It is possible to calculate the error amount 1, which is the difference between .
  • the number of pulses of the servo motor model operation information considering the motor friction coefficient of the servo motor model 30 and the feed shaft friction coefficient of the controlled object model 40 is 2, and the error amount 2, which is the difference from the command information, is 2.
  • the error amount which is the difference from the command information is 2.
  • FIG. 10 is a flowchart showing the procedure of the parameter setting determination process.
  • step S31 the servo adjustment device 10 selects parameters to be servo adjusted (hereinafter referred to as adjustment parameters).
  • the servo adjustment device 10 stores a list of adjustment parameters in advance, and automatically selects adjustment parameters from the stored list. Alternatively, the adjustment parameters may be selected according to input information from the user. After that, the process advances to step S32.
  • the adjustment parameter means a parameter whose setting value is to be changed from the parameter setting determined by acquiring virtual FB information during the previous servo adjustment process.
  • only one parameter is adjusted at the same time.
  • the present invention is not limited to this, and it is also possible to adjust a plurality of parameters at the same time.
  • the servo adjustment device 10 normally determines that the adjustment is completed according to a predetermined rule, such as a rule that continues adjustment until the adjustment amount of the adjustment parameter becomes 1% or less. It remains selected until a decision is made. That is, this parameter setting determination process is repeatedly executed until, for example, the adjustment amount of the adjustment parameter becomes 1% or less. However, it is also possible to forcibly interrupt the adjustment in accordance with input information from the user and to allow selection of the next adjustment parameter.
  • a predetermined rule such as a rule that continues adjustment until the adjustment amount of the adjustment parameter becomes 1% or less. It remains selected until a decision is made. That is, this parameter setting determination process is repeatedly executed until, for example, the adjustment amount of the adjustment parameter becomes 1% or less.
  • step S32 the servo adjustment device 10 determines whether or not the currently selected adjustment parameter is being changed for the first time. Specifically, the servo adjustment device 10 stores the number of times the parameter setting determination process has been executed for each adjustment parameter, and determines the parameter settings for the adjustment parameter selected in step S31 based on the stored information. It is determined whether or not the determination process is being performed for the first time. If this determination is YES, the process proceeds to step S33, and if NO, the process proceeds to step S34.
  • step S33 since this is the first time that the adjustment parameter selected this time has been changed, the parameter settings are determined in accordance with predetermined rule 1, for example, rule 1 to change the adjustment parameter so that it is +10% from the initial value. do. After that, this process ends.
  • step S34 since the adjustment parameter selected this time is not changed for the first time, the servo adjustment device 10 determines that the current virtual FB information generated and acquired by the virtual control device 20 is better than the previous parameter setting. Determine whether it is a result. For example, in this embodiment, if the error amount, which is the difference between the virtual FB information and the command information, is smaller than the previous parameter setting, it is determined that the result is good, and conversely, if it is large, the result is bad. It is determined that If this determination is YES, the process advances to step S35, and if NO, the process advances to step S36.
  • step S35 since the current virtual FB information is a better result than the previous parameter setting, predetermined rule 2 is applied, for example, 80% of the previous adjustment amount in the same direction as the previous parameter setting. Parameter settings are determined according to rule 2, which adds the value of the previous value to the previous value. After that, this process ends.
  • step S36 since the current virtual FB information is a bad result compared to the previous parameter setting, according to predetermined rule 3, for example, 80% of the previous adjustment amount is applied in the opposite direction to the previous parameter setting. % value is subtracted from the previous value (if it is the second time, it is a -8% subtraction since it is an 80% subtraction from the initial value +10%), the parameter settings are determined. After that, this process ends.
  • FIG. 11 is a diagram showing an example of the parameter adjustment described above.
  • the initial value of the selected adjustment parameter is, for example, 300.
  • the adjustment parameter is changed for the first time, if the adjustment parameter is adjusted to be +10% of the initial value according to Rule 1, the adjusted value will be 330.
  • the adjustment parameters are changed not for the first time but for example for the second time, and the current virtual FB information is a better result than the previous parameter settings, follow Rule 2 to change the previous parameter settings.
  • the adjusted value becomes 354.
  • the previous parameter setting If the adjustment is made in the opposite direction by subtracting 80% of the previous adjustment amount from the previous value, the adjusted value will be 306. In this way, the parameter setting determination process is repeatedly executed until, for example, the adjustment amount of the adjustment parameter becomes 1% or less.
  • the servo motor model 30 is virtually controlled by executing an evaluation program based on the servo motor model 30 that virtualizes the operation of the servo motor and control parameter setting information.
  • the configuration includes the following.
  • the servo adjustment system 1 preferably further includes a controlled object model that is a virtualized industrial machine, and the servo adjustment device 10 has a servo motor model 30 that is virtually controlled by the virtual control device 20.
  • the configuration is such that virtual FB information is acquired by driving the controlled object model 40.
  • virtual FB information is generated from the virtual environment 50 using the servo motor model 30 including the operation and characteristics of the servo motor, and the controlled object model 40 including the operation and characteristics of the industrial machine.
  • Servo adjustment can be automatically performed based on the servo adjustment, and parameter settings can be determined automatically and with high precision. Therefore, it is possible to generate virtual FB information that is closer to when the actual machine is operated, and it is possible to perform servo adjustment that is closer to when the actual machine is operated. Furthermore, compared to the case where the user decides the parameter settings, the burden on the user can be reduced and operational errors can be prevented.
  • servo adjustment can be performed using the virtual environment 50, servo adjustment can be automatically performed in a short time by high-speed execution in the virtual environment 50. Therefore, it is possible to reduce equipment downtime due to no need for actual equipment, and it is also possible to perform servo adjustment work at the design stage.
  • the movement of the tool tip point is simulated from the virtual FB information, that is, the operation of the servo motor model. This eliminates the need for additional devices such as acceleration sensors.
  • the evaluation program is executed by the virtual control device 20, so by changing the evaluation program, virtual FB information for different command information can be easily obtained.
  • the actual machining program or a part of it that the user uses for machining as an evaluation program, so there is no need to prepare separate axis movements for evaluation, and it is possible to use the actual machining program that you want to adjust. can be easily obtained.
  • FIG. 12 is a block diagram showing the configuration of a servo adjustment system 1A according to the second embodiment. As shown in FIG. 12, the servo adjustment system 1A according to the second embodiment is different from the servo adjustment system 1 according to the first embodiment in that it includes a machine learning device 60 and a learning data memory 70, Other configurations are common to the first embodiment.
  • the machine learning device 60 includes an arithmetic processing means such as a CPU, an auxiliary storage means such as an HDD or SSD that stores various computer programs, and an arithmetic processing means that executes a computer program. It consists of hardware such as main memory means such as RAM for storing temporarily required data, operating means such as a keyboard for the operator to perform various operations, and display means such as a display that displays various information to the operator. It is a computer that is The machine learning device 60 and the learning data memory 70 are capable of transmitting and receiving various signals to and from the servo adjustment device 10A and the virtual control device 20, and the communication method thereof is not particularly limited.
  • the machine learning device 60 acquires virtual FB information from the virtual environment 50 via the servo adjustment device 10A, and performs servo adjustment by machine learning based on the acquired virtual FB information.
  • the servo adjustment device 10 determines control parameter setting information according to predetermined rules based on virtual FB information obtained based on a plurality of different parameter settings.
  • control parameter setting information is determined by machine learning using a machine learning device 60.
  • the learning data memory 70 acquires and registers machine learning data including the learning results executed by this machine learning device 60.
  • the learning results include, for example, a pass/fail judgment result according to the above-mentioned error amount, which is the difference between the virtual FB information and the command information to the servo motor model. The learning results will be detailed later.
  • the machine learning data registered in the learning data memory 70 is shared between the virtual environment 50 and a real environment composed of servo motors, machine tools, numerical control devices, etc. (all not shown). This makes it possible to execute servo adjustment using more efficient machine learning, and to realize servo adjustment with higher accuracy and in a shorter time.
  • the machine learning executed by the machine learning device 60 is not particularly limited, and examples include supervised learning, unsupervised learning, and reinforcement learning. Among these, reinforcement learning similar to the reinforcement learning described in JP-A-2018-180764, for example, can be preferably applied to the machine learning device 60 of this embodiment.
  • the machine learning device 60 is configured to perform reinforcement learning on parameters (for example, parameters a i and b j (i, j ⁇ 0)) of control parameter setting information that is a target of servo adjustment, for example. Ru. More specifically, the machine learning device 60 uses the values of parameters a i and b j , virtual FB information obtained by the virtual control device 20 executing the evaluation program, and command information to the servo motor model 30 . etc. as a state s, and adjustment of parameters a i and b j related to this state s as an action a.
  • parameters for example, parameters a i and b j (i, j ⁇ 0)
  • FIG. 13 is a block diagram showing the configuration of a servo adjustment system 1B according to a modification of the second embodiment.
  • the servo adjustment system 1B according to the modification of the second embodiment has a plurality of virtual environments 51, 52, ... 50n, compared to the servo adjustment system 1A according to the second embodiment.
  • the difference is that the servo adjustment device 10B includes a plurality of environment management units 11, and the other configurations are the same as the second embodiment.
  • Each of the plurality of virtual environments 51, 52, . . . 50n has the same configuration as the virtual environment 50 of the first embodiment and the second embodiment. That is, each of the plurality of virtual environments 51, 52, . . . 50n has the same configuration. Therefore, in addition to the virtual control devices 21, 22, . . . 20n all having the same configuration, the servo motor models 31, 32, . , 42, . . . 40n all have the same configuration. Therefore, by virtually operating the same machine tool model and servo motor model in multiple virtual environments, it is possible to acquire virtual FB information in parallel, and machine learning can be performed in parallel. This makes high-speed learning possible.
  • the multiple environment management unit 11 included in the servo adjustment device 10B manages control parameter setting information applied to the multiple virtual environments 51, 52, . . . 50n. More specifically, the multiple environment management unit 11 manages parameter settings to be sent to the multiple virtual environments 51, 52, . . . 50n. That is, the multiple environment management unit 11 manages which parameter or which parameter setting pattern (described later) is to be executed in which virtual environment.
  • FIG. 14 is a flowchart showing the procedure of the servo adjustment process executed by the servo adjustment system 1A according to the second embodiment. Execution of this servo adjustment process is started in response to, for example, an input operation from a user to the servo adjustment device 10A. Note that the servo adjustment process executed by the servo adjustment system 1B according to the modification of the second embodiment is also the same as the procedure shown in FIG. 14.
  • step S51 the servo adjustment device 10A tentatively determines parameter settings. After that, the process advances to step S52. Note that this temporary determination process for parameter settings will be described in detail later.
  • step S52 the servo adjustment device 10A transmits the parameter settings tentatively determined in step S51 described above to the virtual control device 20 of the virtual environment 50. After that, the process advances to step S53.
  • step S53 the virtual control device 20 acquires the parameter settings tentatively determined and transmitted by the servo adjustment device 10A. After that, the process advances to step S54.
  • Steps S54 to S58 correspond to steps S11 to S15 of the servo adjustment process according to the first embodiment, and similar processes are executed. That is, in this embodiment, the virtual FB information is generated by analyzing and executing the evaluation program in the virtual control device 20 based on the parameter settings tentatively determined by the servo adjustment device 10A. After that, the process advances to step S59.
  • step S59 the machine learning device 60 performs machine learning based on virtual FB information based on a plurality of different control parameter setting information transmitted and acquired from the servo adjustment device 10A, and generates a learning result. After that, the process advances to step S60.
  • step S60 the learning data memory 70 acquires the learning results obtained by machine learning in the machine learning device 60, and registers the acquired learning results in the data memory. After that, the process advances to step S61.
  • step S61 the servo adjustment device 10A determines whether machine learning by the machine learning device 60 has been completed. If this determination is YES, the process advances to step S62, and if NO, the process returns to step S51.
  • step S62 the servo adjustment device 10A determines parameter settings. After that, the process advances to step S63. Note that this parameter setting determination process will be described in detail later.
  • Step S63 and step S64 correspond to step S17 and step S18 of the servo adjustment process according to the first embodiment, respectively, and similar processes are executed. After executing step S64, this process ends.
  • FIG. 15 is a flowchart showing the procedure of the temporary determination process for parameter settings.
  • step S71 the servo adjustment device 10A generates a target parameter setting pattern only for the first time. More specifically, determining one or more parameters for which optimal values are to be determined through machine learning by the machine learning device 60, that is, parameters to be servo adjusted (adjustment parameters), and setting parameters for executing the evaluation program. Generate a pattern. After that, the process advances to step S72.
  • FIG. 16 is a diagram showing an example of a parameter setting pattern.
  • a two-dimensional setting pattern is generated by defining a minimum value, a maximum value, and a step value for each of the two parameters X and Y.
  • the parameter setting pattern shown in FIG. 16 is an example, and is not limited to a two-dimensional setting pattern, but may be a three-dimensional setting pattern. Note that this setting pattern is automatically determined by the servo adjustment device 10A. However, the user may be allowed to determine this parameter setting pattern.
  • step S72 the servo adjustment device 10A determines whether there are multiple virtual environments.
  • the virtual environment is one of the virtual environments 50, and since this determination is NO, the process advances to step S73.
  • the servo adjustment system 1B according to the modification of the second embodiment there are a plurality of virtual environments such as virtual environments 51, 52, . . . 50n, and since this determination is YES, the process proceeds to step S74.
  • step S73 since there is only one virtual environment as in the second embodiment, the servo adjustment device 10A sets the parameters to be applied to the virtual environment 50 based on the parameter setting pattern shown in FIG. 16, for example. is tentatively determined, and the process ends.
  • step S74 since there is a plurality of virtual environments as in the modification of the second embodiment, the multiple environment management unit 11 included in the servo adjustment device 10B, for example, based on the parameter setting pattern shown in FIG. Parameter settings to be applied to each of the plurality of virtual environments 51, 52, . . . 50n are tentatively determined, and this processing is ended.
  • FIG. 17 is a diagram showing an example of parameter settings applied to multiple virtual environments.
  • the parameter settings shown in FIG. 17 are obtained by dividing the two-dimensional parameter setting pattern consisting of parameters X and Y shown in FIG. 16 into four parts and applying them to each of virtual environments 1 to 4. Since the servo adjustment system 1B according to the modification of the second embodiment has n virtual environments, the two-dimensional parameter setting pattern consisting of parameters X and Y shown in FIG. 16 is divided into n parts, and each virtual environment 51 , 52, . . . 50n.
  • virtual FB information is acquired by allocating completely different patterns to each virtual environment, such as parameter X and parameter Y in the virtual environment 51, parameter N and parameter M in the virtual environment 52, etc.
  • it may also be configured to perform machine learning.
  • FIG. 18 is a flowchart showing the procedure of the parameter setting determination process.
  • step S81 the servo adjustment device 10A determines the parameter settings that will yield the best judgment result from the learning results registered in the learning data memory 70.
  • a criterion for the judgment for example, a pass/fail judgment result according to the error amount, which is the difference between the virtual FB information and the command information to the servo motor model, can be cited. After that, this process ends.
  • FIG. 19 is a diagram showing an example of learning results.
  • the specific pass/fail judgment results include, for example, "best”, “very good”, “good”, “acceptable”, and “unacceptable” for each parameter setting in descending order of error amount. ” are the judgment results.
  • the best judgment result is the parameter settings of 160 for parameter X and 35 for parameter Y, so servo adjustment device 10A determines these parameter settings.
  • the optimal value determined in the virtual environment does not necessarily match completely in the real environment. Therefore, it is preferable to perform machine learning again in a real environment, for example, limited to the range determined as "best” and "very good” as described above.
  • the servo adjustment system 1A further includes a machine learning device 60 that performs machine learning on control parameter setting information using virtual FB information, and the servo adjustment device 10A uses the control parameter setting information based on the learning results by the machine learning device 60.
  • the configuration is such that setting information is determined.
  • servo adjustment using machine learning by the machine learning device 60 can be performed based on virtual FB information obtained by virtual control of the servo motor model 30 in the virtual environment 50. Therefore, according to this embodiment, it is possible to automatically perform servo adjustment with higher precision and in a shorter time.
  • virtual control devices 21, 22, ... 20n servo motor models 31, 32, ... 30n, and controlled object models 41, 42, ... 40n
  • the configuration includes a plurality of virtual environments 51, 52, . . . , 50n.
  • the servo adjustment device 10B has a multiple environment management unit 11 that manages control parameter setting information applied to the plurality of virtual environments 51, 52, . , . . .50n is used for machine learning of control parameter setting information.
  • machine learning based on virtual FB information can be executed at higher speed, and furthermore, it is possible to automatically execute servo adjustment with high precision and in a short time.
  • a machine tool was used as an example of the industrial machine, but the present invention is not limited to this.
  • the present disclosure is also applicable to other industrial machines such as robots with servo motors.
  • the virtual environment 50 is configured to include the controlled object model 40, but the present invention is not limited to this.
  • the present disclosure is applicable even to a virtual environment that does not include the controlled object model 40.
  • the virtual environments 51, 52, . . . , 50n are all servo motor models 31, 32, .
  • the configuration is as follows. It is not limited to this. A configuration may be adopted in which at least one of the plurality of virtual environments includes a servo motor model or a controlled object model, and another virtual environment does not include a servo motor model or a controlled object model.

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Feedback Control In General (AREA)
  • Numerical Control (AREA)
  • Control Of Electric Motors In General (AREA)

Abstract

追加デバイスを必要とせず、高精度且つ短時間で自動的にサーボ調整が可能なサーボ調整装置を提供すること。産業機械の制御装置が制御するサーボモータの制御パラメータ設定情報を調整するサーボ調整システム１であって、サーボモータの動作を仮想化したサーボモータモデル３０と、制御パラメータ設定情報に基づいて評価用プログラムを実行することによりサーボモータモデル３０を仮想的に制御する仮想制御装置２０と、仮想制御装置２０で異なる制御パラメータ設定情報に基づいて評価用プログラムを複数回実行することで得られる仮想フィードバック情報に基づいて、制御パラメータ設定情報を決定するサーボ調整装置１０と、を備える、サーボ調整システム１である。

Description

サーボ調整システム
　本開示は、サーボ調整システムに関する。
　従来、ゲイン・フィルタ調整、フィードフォワード調整、加減速調整等のサーボモータの制御パラメータ調整（以下、サーボ調整と言う。）技術が知られている。これらのサーボ調整技術では、調整精度の向上とともに調整時間の短縮が求められる。
　ところで、サーボ調整を実行するためには、制御対象となるサーボモータや工作機械を実際に動作させたときのフィードバック情報が必要である。そのため、サーボ調整の実行中においては、制御対象を他の用途で使用することができない。また、制御対象を実際に動作させ、フィードバック情報を取得するための時間は短縮することができない。
　これに対して、工具先端点の動きと指令が一致するようにサーボ調整を実行する技術が提案されている（例えば、特許文献１参照）。また、仮想モデルを利用してサーボ調整を支援する技術が提案されている（例えば、特許文献２参照）。
特開２００６－１７２１４９号公報 特開２０１７－１６７６０７号公報
　しかしながら、特許文献１の技術では、加速度センサ等の追加デバイスが必要となり、コストが嵩む。また、特許文献２の技術では、ユーザがパラメータ値を決定する必要があり、作業負担が大きく操作ミスの原因となる。
　本開示は、上記に鑑みてなされたものであり、追加デバイスを必要とせず、高精度且つ短時間で自動的にサーボ調整が可能なサーボ調整装置を提供することを目的とする。
　本開示の一態様は、産業機械の制御装置が制御するサーボモータの制御パラメータ設定情報を調整するサーボ調整システムであって、前記サーボモータの動作を仮想化したサーボモータモデルと、前記制御パラメータ設定情報に基づいて評価用プログラムを実行することにより前記サーボモータモデルを仮想的に制御する仮想制御装置と、前記仮想制御装置で異なる前記制御パラメータ設定情報に基づいて前記評価用プログラムを複数回実行することで得られる仮想フィードバック情報に基づいて、前記制御パラメータ設定情報を決定するサーボ調整装置と、を備える、サーボ調整システムである。
　本開示によれば、追加デバイスを必要とせず、高精度且つ短時間で自動的にサーボ調整が可能なサーボ調整装置を提供することができる。
第１実施形態に係るサーボ調整システムの構成を示すブロック図である。 第１実施形態に係るサーボ調整システムで実行されるサーボ調整処理の手順を示すフローチャートである。 フィードバック情報生成処理の手順を示すフローチャートである。 サーボパラメータ情報を示す図である。 サーボモータモデル情報を示す図である。 制御対象モデル情報を示す図である。 指令情報を示す図である。 モータ摩擦係数を考慮したサーボモータモデル動作情報を示す図である。 モータ摩擦係数及び送り軸摩擦係数を考慮したサーボモータモデル動作情報を示す図である。 パラメータ設定の決定処理の手順を示すフローチャートである。 パラメータ調整の一例を示す図である。 第２実施形態に係るサーボ調整システムの構成を示すブロック図である。 第２実施形態の変形例に係るサーボ調整システムの構成を示すブロック図である。 第２実施形態に係るサーボ調整システムで実行されるサーボ調整処理の手順を示すフローチャートである。 パラメータ設定の仮決定処理の手順を示すフローチャートである。 パラメータ設定パターンの一例を示す図である。 複数の仮想環境に適用するパラメータ設定の一例を示す図である。 パラメータ設定の決定処理の手順を示すフローチャートである。 学習結果の一例を示す図である。
　以下、本開示の実施形態について、図面を参照して詳細に説明する。なお、第２実施形態及び第３実施形態の説明において、第１実施形態と共通する構成については同一の符号を付し、その説明を適宜省略する。
［第１実施形態］
　第１実施形態に係るサーボ調整システム１は、例えば工作機械等の産業機械の制御装置が制御するサーボモータの制御パラメータ設定情報（以下、パラメータ設定情報と言う。）を調整するシステムである。図１は、第１実施形態に係るサーボ調整システム１の構成を示すブロック図である。図１に示されるように、第１実施形態に係るサーボ調整システム１は、サーボ調整装置１０と、仮想制御装置２０と、サーボモータモデル３０と、制御対象モデル４０と、を備える。仮想制御装置２０、サーボモータモデル３０及び制御対象モデル４０は、仮想環境５０を構成する。
　サーボ調整装置１０及び仮想制御装置２０は、それぞれＣＰＵ（Central　Processing　Unit）等の演算処理手段、各種コンピュータプログラムを格納したＨＤＤ（Hard　Disk　Drive）やＳＳＤ（Solid　State　Drive）等の補助記憶手段、演算処理手段がコンピュータプログラムを実行する上で一時的に必要とされるデータを格納するためのＲＡＭ（Random　Access　Memory）といった主記憶手段、オペレータが各種操作を行うキーボードといった操作手段、及びオペレータに各種情報を表示するディスプレイといった表示手段等のハードウェアによって構成されるコンピュータである。これらサーボ調整装置１０及び仮想制御装置２０等は、相互に各種信号を送受信可能となっており、その通信方式は特に限定されない。
　サーボ調整装置１０及び／又は仮想制御装置２０は、例えば工作機械等の産業機械の制御装置に対応する不図示の数値制御装置（ＣＮＣ：Computerized　Numerical　Control)）と通信可能に接続されている。後述する本実施形態のサーボ調整に必要なサーボパラメータ情報等は、数値制御装置に記憶されているＣＮＣパラメータの一部であり、この数値制御装置から取得される。また、本実施形態のサーボ調整後のパラメータ設定情報は、この数値制御装置に送信され、実機の制御に利用される。
　サーボ調整装置１０は、例えばゲイン・フィルタ調整、フィードフォワード調整、加減速調整等のサーボモータの制御パラメータ調整（以下、サーボ調整と言う。）を実行する。具体的にサーボ調整装置１０は、後述の仮想制御装置２０において異なるパラメータ設定情報に基づいて評価用プログラムを複数回実行することで得られる仮想フィードバック情報（以下、仮想ＦＢ情報と言う。）を取得し、これに基づいてパラメータ設定情報を決定することにより、サーボ調整を行う。調整後のパラメータ設定情報は、仮想制御装置２０や数値制御装置に送信される。
　従って、サーボ調整装置１０は、仮想制御装置２０から送信される仮想ＦＢ情報を取得する不図示の仮想フィードバック情報取得部と、異なるパラメータ設定情報で実行されて得られた複数の仮想ＦＢ情報に基づいてパラメータ設定情報を決定する不図示のパラメータ設定決定部と、決定したパラメータ設定情報を仮想制御装置２０や数値制御装置に送信する不図示のパラメータ設定送信部と、を有している。
　仮想制御装置２０は、異なるパラメータ設定情報に基づいて評価用プログラムを複数回実行し、後述のサーボモータモデル３０に渡す指令情報を生成することにより、サーボモータモデル３０を仮想的に制御する。またこれにより、仮想制御装置２０は、後述の工作機械等の制御対象モデル４０を仮想的に駆動させる。仮想制御装置２０は、これらサーボモータモデル３０及び制御対象モデル４０を仮想的に制御することで得られるフィードバック情報（以下、ＦＢ情報とも言う。）を、サーボ調整装置１０に送信する。なお、仮想制御装置２０には、サーボ調整装置１０から送信される現在のパラメータ設定情報が適用される。
　ここで、評価用プログラムは、一般的に加工時間が長い実際の加工プログラムとは別に、サーボ調整を短時間で効率良く実行可能なように作成されたプログラムである。具体的に評価用プログラムは、例えば、円、四角、角付き四角等の種々の加工形状に応じた軸方向の移動距離や送り速度等を指定するプログラムである。ただし、評価用プログラムの代わりに、ユーザが加工に使用する実際の加工プログラムを評価用プログラムとして使用することも可能である。
　サーボモータモデル３０は、サーボモータの動作、特性を仮想化したモデルである。即ち、本実施形態の仮想環境５０は、工作機械等のサーボモータの動作を仮想化したサーボモータモデル３０を備える。具体的にサーボモータモデル３０は、非減衰固有角振動数、減衰係数、先行指令時間、モータ慣性、モータ摩擦係数のうち少なくとも１つを考慮に入れて仮想化したモデルである。これにより、仮想環境５０にて実機に近い動作シミュレーションが可能となっており、実機を動作させた場合に近い仮想フィードバック情報（以下、仮想ＦＢ情報とも言う。）を得ることが可能である。
　制御対象モデル４０は、例えば工作機械等の産業機械の動作、特性を仮想化したモデルである。即ち、本実施形態の仮想環境５０は、工作機械等の産業機械を仮想化した制御対象モデル４０を備える。具体的に制御対象モデル４０は、ばね定数、送り軸慣性、送り軸摩擦係数、外乱トルクのうち少なくとも１つを考慮に入れて仮想化したモデルである。これにより、仮想環境５０にてより実機に近い動作シミュレーションが可能となっており、実機を動作させた場合により近い仮想ＦＢ情報を得ることが可能である。
　このように本実施形態では、仮想制御装置２０におけるサーボモータモデル３０への指令情報の生成と、サーボモータモデル３０及び制御対象モデル４０での仮想ＦＢ情報の生成は、実時間を必要としないため、サーボ調整の高速実行が可能となっている。
　次に、本実施形態に係るサーボ調整システム１で実行されるサーボ調整処理の手順について、図２を参照して詳しく説明する。図２は、第１実施形態に係るサーボ調整システム１で実行されるサーボ調整処理の手順を示すフローチャートである。このサーボ調整処理は、例えばサーボ調整装置１０に対するユーザからの入力操作等に応じて実行が開始される。
　ステップＳ１１において、仮想制御装置２０は、評価用プログラムを解析して実行する。より詳しくは、仮想制御装置２０は、仮想制御装置２０に現在適用されているサーボモータのパラメータ設定情報（以下、単にパラメータ設定とも言う。）に基づいて、評価用プログラムを実行する。その後、ステップＳ１２に進む。なお、このパラメータ設定は、本フローによるサーボ調整処理により調整され、変更される。
　ステップＳ１２において、仮想制御装置２０は、サーボモータへの指令情報を生成する。具体的には、上述のステップＳ１１で仮想制御装置２０が評価用プログラムを解析して実行することにより、サーボモータへの指令情報が生成される。その後、ステップＳ１３に進む。
　ステップＳ１３において、仮想制御装置２０は、仮想ＦＢ情報を生成する。具体的には、ステップＳ１２で生成されたサーボモータへの指令情報に基づいて、仮想制御装置２０がサーボモータモデル３０及び制御対象モデル４０を仮想的に制御して動作させることにより、仮想ＦＢ情報を生成する。その後、ステップＳ１４に進む。なお、この仮想ＦＢ情報生成処理については、後段で詳述する。
　ステップＳ１４において、仮想制御装置２０は、上述のステップＳ１３で生成された仮想ＦＢ情報をサーボ調整装置１０に送信する。その後、ステップＳ１５に進む。
　ステップＳ１５において、サーボ調整装置１０は、仮想制御装置２０から送信された仮想ＦＢ情報を取得する。その後、ステップＳ１６に進む。
　ステップＳ１６において、サーボ調整装置１０は、取得された仮想ＦＢ情報に基づいてパラメータ設定を決定する。その後、ステップＳ１７に進む。なお、このパラメータ設定の決定処理については、後段で詳述する。
　ステップＳ１７において、サーボ調整装置１０は、上述のステップＳ１６で決定されたパラメータ設定を仮想制御装置２０に送信する。その後、ステップＳ１８に進む。
　ステップＳ１８において、仮想制御装置２０は、サーボ調整装置１０から送信されたパラメータ設定を取得する。今回新たに取得されたパラメータ設定は、仮想制御装置２０に記憶され、次回のサーボ調整処理に適用される。その後、ステップＳ１９に進む。
　ステップＳ１９において、サーボ調整装置１０は、サーボ調整が終了したか否かを判別する。具体的には、例えばサーボ調整装置１０が調整パラメータのリストを保持し、このリストの全てのパラメータの調整が終了したか否かに基づいて、サーボ調整が終了したか否かを判別する。また、各パラメータの調整では、異なる仮想ＦＢ情報に基づいたパラメータ設定の決定が少なくとも２回以上、即ち複数回行われるまで調整は終了していないと判別され、後述するように例えばパラメータの調整量が１％以下になったときに調整は終了したと判別する。ただし、ユーザによる判断に基づいて、サーボ調整が終了したか否かを判別してもよい。この判別がＮＯであればステップＳ１１に戻り、ＹＥＳであれば本処理を終了する。
　以上説明したサーボ調整処理によれば、仮想制御装置２０において異なるパラメータ設定情報に基づいて評価用プログラムを複数回、解析して実行することで得られる仮想ＦＢ情報に基づいて、パラメータ設定情報が決定され、調整されることとなる。
　次に、上述した図２のステップＳ１３における仮想ＦＢ情報生成処理について、図３～図６を参照して詳しく説明する。ここで、図３は、仮想ＦＢ情報生成処理の手順を示すフローチャートである。
　ステップＳ２１において、仮想制御装置２０は、仮想ＦＢ情報生成要素にサーボパラメータ情報を追加する。即ち、サーボモータモデル３０や制御対象モデル４０の有無に関わらず、サーボパラメータ情報が仮想ＦＢ情報生成要素に追加される。その後、ステップＳ２２に進む。
　ここで、仮想ＦＢ情報生成要素とは、仮想環境５０において仮想ＦＢ情報を生成するために必要な情報である。仮想ＦＢ情報生成要素として追加されるサーボパラメータ情報は、仮想ＦＢ情報生成要素のベースとなるものである。このサーボパラメータ情報は、本実施形態のサーボ調整システム１に通信可能に接続される不図示の数値制御装置（ＣＮＣ）に記憶されたＣＮＣパラメータに含まれるものであり、数値制御装置から送信されて仮想制御装置２０に記憶されている。
　図４は、サーボパラメータ情報を示す図である。図４に示されるようにサーボパラメータ情報としては、例えば、サーボループゲイン、速度積分ゲイン、速度比例ゲイン、位相補償ゲイン、切削時速度ループゲイン倍率、高速ＨＲＶ（High Response Vector）電流制御中ゲイン倍率、速度積分ゲインのシフト量、速度比例ゲインのシフト量、負荷イナーシャ比、アンプ最大トルク、フィードフォワード係数、ＥＧＢ（電子ギアボックス）使用時のフィードフォワード係数、速度フィードフォワード係数、切削中のフィードフォワード係数、切削中の速度フィードフォワード係数等が例示される。
　図３に戻って、ステップＳ２２において、仮想制御装置２０は仮想環境５０におけるサーボモータモデル３０の有無を判別する。本実施形態のサーボ調整システム１では仮想環境５０にサーボモータモデル３０を備えるため、この判別はＹＥＳとなり、ステップＳ２３に進む。一方、サーボモータモデル３０を備えていない構成とした場合には、この判別はＮＯとなってステップＳ２６に進み、サーボパラメータ情報を含む仮想ＦＢ情報生成要素に基づいて仮想制御装置２０が仮想ＦＢ情報を生成し、本処理を終了する。
　ステップＳ２３において、仮想制御装置２０は、仮想ＦＢ情報生成要素にサーボモータモデル情報を追加する。これにより、仮想ＦＢ情報生成要素には、サーボパラメータ情報及びサーボモータモデル情報が含まれることとなる。その後、ステップＳ２４に進む。
　ここで、サーボモータモデル情報は、上述のサーボパラメータ情報とは異なりＣＮＣパラメータには含まれず、別途ファイル入力やユーザによる画面操作等からの入力により登録されて、仮想制御装置２０に記憶される情報である。図５は、サーボモータモデル情報を示す図である。図５に示されるようにサーボモータモデル情報としては、例えば、非減衰固有角振動数、減衰係数、先行指令時間、モータ慣性、モータ摩擦係数等が例示される。
　図３に戻って、ステップＳ２４において、仮想制御装置２０は仮想環境５０における制御対象モデル４０の有無を判別する。本実施形態のサーボ調整システム１では仮想環境５０に制御対象モデル４０を備えるため、この判別はＹＥＳとなり、ステップＳ２５に進む。一方、制御対象モデル４０を備えていない場合には、この判別はＮＯとなってステップＳ２６に進み、サーボパラメータ情報及びサーボモータモデル情報を含む仮想ＦＢ情報生成要素に基づいて仮想制御装置２０が仮想ＦＢ情報を生成し、本処理を終了する。この場合、サーボモータモデル情報を含む仮想ＦＢ情報生成要素に基づいて仮想ＦＢ情報を生成するため、実機を動作させた場合により近い仮想ＦＢ情報を生成可能である。
　ステップＳ２５において、仮想制御装置２０は、仮想ＦＢ情報生成要素に制御対象モデル情報を追加する。これにより、仮想ＦＢ情報生成要素には、サーボパラメータ情報、サーボモータモデル情報及び制御対象モデル情報が含まれることとなる。
　ここで、制御対象モデル情報は、上述のサーボモータモデル情報と同様にＣＮＣパラメータには含まれず、別途ファイル入力やユーザによる画面操作等からの入力により登録されて、仮想制御装置２０に記憶される情報である。図６は、制御対象モデル情報を示す図である。図６に示されるように制御対象モデル情報としては、例えば、ばね定数、送り軸慣性、送り軸摩擦係数、外乱トルク等が例示される。
　図３に戻って、ステップＳ２５の処理の実行後、ステップＳ２６に進み、サーボパラメータ情報、サーボモータモデル情報及び制御対象モデル情報を含む仮想ＦＢ情報生成要素に基づいて仮想制御装置２０が仮想ＦＢ情報を生成し、本処理を終了する。この場合、サーボモータモデル情報及び制御対象モデル情報を含む仮想ＦＢ情報生成要素に基づいて仮想ＦＢ情報を生成するため、実機を動作させた場合にさらに近い仮想ＦＢ情報を生成可能である。
　以上説明した本実施形態の仮想ＦＢ情報生成処理に関して、例えば、指令情報に対するサーボモータモデル動作情報の差分（パルス数差あるいは時間差）であるエラー量を仮想制御装置２０が計算することにより仮想ＦＢ情報を生成する例について、図７～図９を参照して詳しく説明する。ここで、図７は、指令情報を示す図である。図８は、モータ摩擦係数を考慮したサーボモータモデル動作情報を示す図である。図９は、モータ摩擦係数及び送り軸摩擦係数を考慮したサーボモータモデル動作情報を示す図である。なお、図８及び図９中、図７の指令情報のパルスのハッチングと異なるハッチングの領域のうち、薄いハッチングの領域は指令情報のパルス数よりパルス数が減少した領域を表しており、濃いハッチングの領域は指令情報のパルス数よりパルス数が増加した領域を表している。
　図８に示されるように、サーボモータモデル情報に含まれるモータ摩擦係数を考慮したサーボモータモデル動作情報のパルスは、図７に示される指令情報のパルスよりも時間Δｔａ分、遅れていることが分かる。これは、サーボモータモデル３０が有するモータ摩擦係数を考慮に入れると、指令情報に対して、実際にサーボモータモデル３０が回転／停止するまでには遅れ時間のずれΔｔａが生じるためである。
　また、図９に示されるように、サーボモータモデル情報に含まれるモータ摩擦係数に加えて、制御対象モデル情報に含まれる送り軸摩擦係数も考慮したサーボモータモデル動作情報のパルスは、図７に示される指令情報のパルスよりも、時間Δｔａよりも大きい時間Δｔｂ分、さらに遅れていることが分かる。これは、サーボモータモデル３０が有するモータ摩擦係数と、制御対象モデル４０が有する送り軸摩擦係数を考慮に入れると、指令情報に対して、実際にサーボモータモデル３０が回転／停止するまでには遅れ時間のずれΔｔｂが生じるためである。
　従って、例えば時間ｔ４に着目すると、指令情報のパルス数が４であるのに対して、サーボモータモデル３０が有するモータ摩擦係数を考慮したサーボモータモデル動作情報のパルス数は３であり、両者の差分であるエラー量１を計算することができる。同様に、サーボモータモデル３０が有するモータ摩擦係数と制御対象モデル４０が有する送り軸摩擦係数を考慮したサーボモータモデル動作情報のパルス数は２であり、指令情報との差分であるエラー量２を計算することができる。このようにして、指令情報との差分であるエラー量を計算でき、計算されたエラー量に基づいて仮想ＦＢ情報を生成可能である。
　次に、上述した図２のステップＳ１６におけるパラメータ設定の決定処理について、図１０及び図１１を参照して詳しく説明する。ここで、図１０は、パラメータ設定の決定処理の手順を示すフローチャートである。
　ステップＳ３１において、サーボ調整装置１０は、サーボ調整の対象であるパラメータ（以下、調整パラメータと言う。）を選択する。サーボ調整装置１０は、調整パラメータのリストを予め記憶しており、記憶されたリストの中から調整パラメータを自動的に選択する。あるいは、ユーザからの入力情報に応じて調整パラメータを選択してもよい。その後、ステップＳ３２に進む。
　ここで、調整パラメータとは、前回のサーボ調整処理時に、仮想ＦＢ情報を取得して決定したパラメータ設定から、設定値を変更する対象のパラメータを意味する。本実施形態では、同時に１つのパラメータのみ調整することとする。ただし、これに限定されず、同時に複数のパラメータを調整することも可能である。
　また、調整パラメータは、一度選択されると、通常は予め決められたルール、例えば調整パラメータの調整量が１％以下になるまで調整を継続するルール等に従って、調整が完了したとサーボ調整装置１０が判断するまで、選択されたままの状態が維持される。即ち、このパラメータ設定の決定処理は、例えば調整パラメータの調整量が１％以下になるまで繰り返し実行される。ただし、ユーザからの入力情報に応じて調整を強制的に中断し、次の調整パラメータを選択できるようにすることも可能である。
　ステップＳ３２において、サーボ調整装置１０は、今回選択された調整パラメータの変更が初めてであるか否かを判別する。具体的にサーボ調整装置１０は、各調整パラメータについてパラメータ設定の決定処理が実行された回数を記憶しており、その記憶された情報に基づいて、ステップＳ３１で選択された調整パラメータについてパラメータ設定の決定処理が初めてであるか否かを判別する。この判別がＹＥＳであればステップＳ３３に進み、ＮＯであればステップＳ３４に進む。
　ステップＳ３３では、今回選択された調整パラメータの変更は初めてであるため、予め決められたルール１、例えば初期値に対して＋１０％となるように調整パラメータを変更するルール１に従って、パラメータ設定を決定する。その後、本処理を終了する。
　ステップＳ３４では、今回選択された調整パラメータの変更は初めてではないため、サーボ調整装置１０は、仮想制御装置２０で生成されて取得された今回の仮想ＦＢ情報が前回のパラメータ設定時と比べて良い結果であるか否かを判別する。例えば本実施形態では、指令情報に対する仮想ＦＢ情報の差分であるエラー量が、前回のパラメータ設定時と比べて小さい場合には良い結果であると判別し、逆に大きい場合には悪い結果であると判別する。この判別がＹＥＳであればステップＳ３５に進み、ＮＯであればステップＳ３６に進む。
　ステップＳ３５では、今回の仮想ＦＢ情報が前回のパラメータ設定時と比べて良い結果であるため、予め決められたルール２、例えば、前回のパラメータ設定時と同じ方向に、前回の調整量の８０％分の値を前回値に加算する（２回目であれば初期値の＋１０％に対する８０％分加算であるから＋８％加算とする）ルール２に従って、パラメータ設定を決定する。その後、本処理を終了する。
　ステップＳ３６では、今回の仮想ＦＢ情報が前回のパラメータ設定時と比べて悪い結果であるため、予め決められたルール３、例えば、前回のパラメータ設定時と逆の方向に、前回の調整量の８０％分の値を前回値から減算する（２回目であれば初期値の＋１０％に対する８０％分減算であるから－８％減算とする）ルール３に従って、パラメータ設定を決定する。その後、本処理を終了する。
　図１１は、上述したパラメータ調整の一例を示す図である。図１１に示されるように、選択された調整パラメータの初期値を例えば３００とする。調整パラメータの変更が初めてである場合、ルール１に従って例えば初期値に対して＋１０％となるように調整すると、調整後の値は３３０となる。次に、調整パラメータの変更が初めてではなく例えば２回目である場合であって、今回の仮想ＦＢ情報が前回のパラメータ設定時と比べて良い結果である場合には、ルール２に従って前回のパラメータ設定時と同じ方向に前回の調整量の８０％分の値を前回値に加算して調整すると、調整後の値は３５４となる。また、調整パラメータの変更が初めてではなく例えば２回目である場合であって、今回の仮想ＦＢ情報が前回のパラメータ設定時と比べて悪い結果である場合には、ルール３に従って前回のパラメータ設定時と逆の方向に前回の調整量の８０％分の値を前回値から減算して調整すると、調整後の値は３０６となる。このようにして、例えば調整パラメータの調整量が１％以下になるまでパラメータ設定の決定処理が繰り返し実行される。
　本実施形態に係るサーボ調整システム１によれば、以下の効果が奏される。
　本実施形態に係るサーボ調整システム１では、サーボモータの動作を仮想化したサーボモータモデル３０と、制御パラメータ設定情報に基づいて評価用プログラムを実行することによりサーボモータモデル３０を仮想的に制御する仮想制御装置２０と、仮想制御装置２０で異なる制御パラメータ設定情報に基づいて評価用プログラムを複数回実行することで得られる仮想ＦＢ情報に基づいて、制御パラメータ設定情報を決定するサーボ調整装置１０と、を備える構成とした。
　また本実施形態に係るサーボ調整システム１では、好ましくは、産業機械を仮想化した制御対象モデルをさらに備え、サーボ調整装置１０は、仮想制御装置２０で仮想的に制御されるサーボモータモデル３０が制御対象モデル４０を駆動させることで仮想ＦＢ情報を取得する構成とした。
　これにより、本実施形態によれば、サーボモータの動作、特性を含んだサーボモータモデル３０と、産業機械の動作、特性を含んだ制御対象モデル４０とを利用した仮想環境５０からの仮想ＦＢ情報に基づいて自動的にサーボ調整を行うことができ、パラメータ設定を高精度且つ自動で決定することができる。そのため、実機を動作させた場合により近い仮想ＦＢ情報を生成することができ、実機を動作させた場合により近いサーボ調整が可能である。また、ユーザがパラメータ設定を決定する場合と比べて、ユーザの負担を低減できるとともに、操作ミスを防止することができる。
　また本実施形態によれば、仮想環境５０を利用したサーボ調整が可能であるため、仮想環境５０での高速実行により短時間で自動的にサーボ調整が可能である。そのため、実機を必要としないことによる設備のダウンタイムを低減できるとともに、設計段階でのサーボ調整作業が可能である。
　また本実施形態によれば、産業機械の寸法、摩擦、機械剛性等を正確に反映した仮想環境５０を構築することにより、仮想ＦＢ情報、即ちサーボモータモデルの動作から工具先端点の動きをシミュレーション可能となり、加速度センサ等の追加デバイスが不要である。
　また本実施形態によれば、仮想ＦＢ情報の生成のために、評価用プログラムを仮想制御装置２０で実行するため、評価用プログラムを変更することで、異なる指令情報に対する仮想ＦＢ情報を容易に得ることが可能である。また、ユーザが加工に使用する実際の加工プログラム（又はその一部）を評価用プログラムとして使用することも可能であり、評価用の軸動作を別途準備する必要がない、また実際に調整したい動作を容易に得ることができる。
［第２実施形態］
　図１２は、第２実施形態に係るサーボ調整システム１Ａの構成を示すブロック図である。図１２に示されるように、第２実施形態に係るサーボ調整システム１Ａは、第１実施形態に係るサーボ調整システム１と比べて、機械学習装置６０及び学習データメモリ７０を備える点において相違し、その他の構成は第１実施形態と共通である。
　機械学習装置６０は、サーボ調整装置１０Ａ及び仮想制御装置２０と同様に、ＣＰＵ等の演算処理手段、各種コンピュータプログラムを格納したＨＤＤやＳＳＤ等の補助記憶手段、演算処理手段がコンピュータプログラムを実行する上で一時的に必要とされるデータを格納するためのＲＡＭといった主記憶手段、オペレータが各種操作を行うキーボードといった操作手段、及びオペレータに各種情報を表示するディスプレイといった表示手段等のハードウェアによって構成されるコンピュータである。機械学習装置６０及び学習データメモリ７０は、サーボ調整装置１０Ａや仮想制御装置２０と相互に各種信号を送受信可能となっており、その通信方式は特に限定されない。
　機械学習装置６０は、仮想環境５０からの仮想ＦＢ情報を、サーボ調整装置１０Ａを介して取得し、取得された仮想ＦＢ情報に基づいて機械学習によりサーボ調整を実行する。即ち、第１実施形態では複数の異なるパラメータ設定に基づいて得られた仮想ＦＢ情報を基に、予め決められたルールに従ってサーボ調整装置１０が制御パラメータ設定情報を決定する構成であるのに対して、本実施形態では機械学習装置６０を利用した機械学習により制御パラメータ設定情報を決定するものである。
　学習データメモリ７０は、この機械学習装置６０で実行された学習結果を含む機械学習データを取得し、登録する。学習結果には、例えばサーボモータモデルへの指令情報に対する仮想ＦＢ情報の差分である上述のエラー量に応じた良否判断結果が含まれる。この学習結果については、後段で詳述する。
　なお、学習データメモリ７０に登録された機械学習データは、仮想環境５０と、いずれも不図示のサーボモータ、工作機械、数値制御装置等から構成される実環境との間で共有される。これにより、より効率的な機械学習によるサーボ調整の実行が可能となり、より高精度且つ短時間でのサーボ調整が実現可能である。
　ここで、機械学習装置６０で実行される機械学習としては、特に限定されず、教師あり学習、教師無し学習、強化学習等が例示される。中でも、例えば特開２０１８－１８０７６４号公報に記載の強化学習と同様の強化学習を、本実施形態の機械学習装置６０に好ましく適用することができる。
　具体的には、機械学習装置６０は、例えばサーボ調整の対象である制御パラメータ設定情報のパラメータ（例えばパラメータａｉ、ｂｊ（ｉ，ｊ≧０）とする）を強化学習するように構成される。より具体的には、機械学習装置６０は、パラメータａｉ、ｂｊの値、仮想制御装置２０が評価用プログラムを実行することで取得される仮想ＦＢ情報、及びサーボモータモデル３０への指令情報等を状態ｓとして、この状態ｓに係るパラメータａｉ、ｂｊの調整を行動ａとする、Ｑ学習（Ｑ－ｌｅａｒｎｉｎｇ）を行うように構成される。当業者にとって周知のように、Ｑ学習では、ある状態ｓのとき、取り得る行動ａの中から、価値Ｑ（ｓ，ａ）の最も高い行動ａを最適な行動として選択する。これにより、最適な制御パラメータ設定情報が選択可能である。より詳細な内容については、特開２０１８－１８０７６４号公報に記載されているため、ここではその詳細な説明を省略する。
　また、図１３は、第２実施形態の変形例に係るサーボ調整システム１Ｂの構成を示すブロック図である。図１３に示されるように、第２実施形態の変形例に係るサーボ調整システム１Ｂは、第２実施形態に係るサーボ調整システム１Ａと比べて、複数の仮想環境５１，５２，・・・５０ｎを備える点と、サーボ調整装置１０Ｂが複数環境管理部１１を備える点において相違し、その他の構成は第２実施形態と共通である。
　複数の仮想環境５１，５２，・・・５０ｎのそれぞれは、第１実施形態及び第２実施形態の仮想環境５０と同一の構成である。即ち、複数の仮想環境５１，５２，・・・５０ｎのそれぞれは同一の構成を備える。そのため、仮想制御装置２１，２２，・・・２０ｎはいずれも同一の構成であることに加えて、サーボモータモデル３１，３２，・・・３０ｎがいずれも同一の構成であるとともに制御対象モデル４１，４２，・・・４０ｎもいずれも同一の構成である。このため、複数の仮想環境で同一の工作機械のモデル及びサーボモータモデルを仮想的に動作させることにより、仮想ＦＢ情報を並行して取得することが可能であり、機械学習を並行して行うことができるため高速学習が可能となっている。
　サーボ調整装置１０Ｂが備える複数環境管理部１１は、複数の仮想環境５１，５２，・・・５０ｎに適用する制御パラメータ設定情報を管理する。より詳しくは、複数環境管理部１１は、複数の仮想環境５１，５２，・・・５０ｎに送信するパラメータ設定を管理する。即ち、複数環境管理部１１は、いずれのパラメータを、あるいは後述するいずれのパラメータ設定パターンを、いずれの仮想環境で実行するのかを管理する。
　これにより、それぞれの仮想環境５１，５２，・・・５０ｎで異なるパラメータ設定で評価用プログラムを実行し、仮想ＦＢ情報を取得することが可能となっている。また、これにより、複数の仮想環境５１，５２，・・・５０ｎから学習データとして仮想ＦＢ情報を集めて機械学習を同時に行い、得られた学習結果を学習データメモリ７０に登録し、これを複数の仮想環境５１，５２，・・・５０ｎ間で共有することにより、より高速な機械学習が可能となっている。
　次に、第２実施形態に係るサーボ調整システム１Ａで実行されるサーボ調整処理について、図１４を参照して詳しく説明する。ここで、図１４は、第２実施形態に係るサーボ調整システム１Ａで実行されるサーボ調整処理の手順を示すフローチャートである。このサーボ調整処理は、例えばサーボ調整装置１０Ａに対するユーザからの入力操作等に応じて実行が開始される。なお、第２実施形態の変形例に係るサーボ調整システム１Ｂで実行されるサーボ調整処理も図１４に示される手順と同様である。
　ステップＳ５１において、サーボ調整装置１０Ａはパラメータ設定を仮決定する。その後、ステップＳ５２に進む。なお、このパラメータ設定の仮決定処理については、後段で詳述する。
　ステップＳ５２において、サーボ調整装置１０Ａは、上述のステップＳ５１で仮決定したパラメータ設定を仮想環境５０の仮想制御装置２０に送信する。その後、ステップＳ５３に進む。
　ステップＳ５３において、仮想制御装置２０は、サーボ調整装置１０Ａで仮決定されて送信されたパラメータ設定を取得する。その後、ステップＳ５４に進む。
　ステップＳ５４からステップＳ５８は、第１実施形態に係るサーボ調整処理のステップＳ１１からステップＳ１５にそれぞれ対応しており、同様の処理が実行される。即ち、本実施形態では、サーボ調整装置１０Ａで仮決定されたパラメータ設定に基づいて、仮想制御装置２０で評価用プログラムを解析して実行することにより、仮想ＦＢ情報を生成する。その後、ステップＳ５９に進む。
　ステップＳ５９において、機械学習装置６０は、サーボ調整装置１０Ａから送信されて取得された複数の異なる制御パラメータ設定情報に基づいた仮想ＦＢ情報に基づいて機械学習を実行し、学習結果を生成する。その後、ステップＳ６０に進む。
　ステップＳ６０において、学習データメモリ７０は、機械学習装置６０にて機械学習されて得られた学習結果を取得し、取得した学習結果をデータメモリに登録する。その後、ステップＳ６１に進む。
　ステップＳ６１において、サーボ調整装置１０Ａは、機械学習装置６０による機械学習が完了したか否かを判別する。この判別がＹＥＳであればステップＳ６２に進み、ＮＯであればステップＳ５１に戻る。
　ステップＳ６２において、サーボ調整装置１０Ａはパラメータ設定を決定する。その後、ステップＳ６３に進む。なお、このパラメータ設定の決定処理については、後段で詳述する。
　ステップＳ６３及びステップＳ６４は、第１実施形態に係るサーボ調整処理のステップＳ１７及びステップＳ１８にそれぞれ対応しており、同様の処理が実行される。ステップＳ６４の実行後、本処理を終了する。
　次に、上述のステップＳ５１におけるパラメータ設定の仮決定処理について、図１５を参照して詳細に説明する。ここで、図１５は、パラメータ設定の仮決定処理の手順を示すフローチャートである。
　ステップＳ７１において、サーボ調整装置１０Ａは、初回のみ、対象パラメータの設定パターンを生成する。より詳しくは、機械学習装置６０による機械学習により最適値を求める対象とする１つ以上のパラメータ、即ちサーボ調整の対象であるパラメータ（調整パラメータ）を決定し、評価用プログラムを実行するパラメータの設定パターンを生成する。その後、ステップＳ７２に進む。
　ここで、図１６は、パラメータ設定パターンの一例を示す図である。図１６に示されるように、例えば２つのパラメータＸ，Ｙのそれぞれについて、最小値、最大値及びステップ値を規定することにより、二次元の設定パターンを生成する。図１６に示すパラメータ設定パターンは一例であり、二次元に限定されるものではなく、三次元の設定パターンであってもよい。なお、この設定パターンは、サーボ調整装置１０Ａが自動的に決定する。ただし、ユーザがこのパラメータ設定パターンを決定できるようにしてもよい。
　図１５に戻って、ステップＳ７２において、サーボ調整装置１０Ａは、仮想環境が複数あるか否かを判別する。第２実施形態に係るサーボ調整システム１Ａでは、仮想環境としては仮想環境５０の１つであり、この判別はＮＯであるため、ステップＳ７３に進む。一方、第２実施形態の変形例に係るサーボ調整システム１Ｂでは、仮想環境としては仮想環境５１，５２，・・・５０ｎのように複数あり、この判別はＹＥＳであるため、ステップＳ７４に進む。
　ステップＳ７３では、第２実施形態のように仮想環境を１つのみ有する場合であるため、サーボ調整装置１０Ａは、例えば図１６に示されるパラメータ設定パターンに基づいて、仮想環境５０に適用するパラメータ設定を仮決定し、本処理を終了する。
　ステップＳ７４では、第２実施形態の変形例のように仮想環境を複数有する場合であるため、サーボ調整装置１０Ｂが備える複数環境管理部１１は、例えば図１６に示されるパラメータ設定パターンに基づいて、複数の仮想環境５１，５２，・・・５０ｎのそれぞれに適用するパラメータ設定を仮決定し、本処理を終了する。
　ここで、図１７は、複数の仮想環境に適用するパラメータ設定の一例を示す図である。図１７に示されるパラメータ設定は、図１６に示されるパラメータＸ，Ｙからなる二次元のパラメータ設定パターンを４分割し、仮想環境１～４のそれぞれに適用したものである。第２実施形態の変形例に係るサーボ調整システム１Ｂでは、ｎ個の仮想環境を有するため、図１６に示されるパラメータＸ，Ｙからなる二次元のパラメータ設定パターンをｎ分割し、各仮想環境５１，５２，・・・５０ｎのそれぞれに適用してもよい。あるいは、対象とするパラメータが多い場合には、仮想環境５１ではパラメータＸとパラメータＹ、仮想環境５２ではパラメータＮとパラメータＭ、といった具合に各仮想環境で全く異なるパターンを振り分けて仮想ＦＢ情報を取得し、機械学習させる構成としてもよい。
　次に、上述のステップＳ６２におけるパラメータ設定の決定処理について、図１８を参照して詳細に説明する。ここで、図１８は、パラメータ設定の決定処理の手順を示すフローチャートである。
　ステップＳ８１において、サーボ調整装置１０Ａは、学習データメモリ７０に登録された学習結果から、最も良い判断結果が得られるパラメータ設定を決定する。判断の基準としては、例えばサーボモータモデルへの指令情報に対する仮想ＦＢ情報の差分であるエラー量に応じた良否判断結果が挙げられる。その後、本処理を終了する。
　ここで、図１９は、学習結果の一例を示す図である。図１９に示されるように、具体的な良否判断結果としては、例えば各パラメータ設定についてエラー量が小さいものから順に、「最も良い」、「とても良い」、「良い」、「可」、「不可」といった判断結果が挙げられる。図１９に示される例では、パラメータＸが１６０、パラメータＹが３５のパラメータ設定が最も良い判断結果となっているため、サーボ調整装置１０Ａは、このパラメータ設定に決定をする。
　なお、実際の運用では、仮想環境で決定した最適値が実環境でも完全に一致するとは限らない。そのため、例えば上述の「最も良い」と「とても良い」と判定された範囲に限定して、実環境で再度、機械学習を行うことが好ましい。
　本実施形態に係るサーボ調整システム１Ａ，１Ｂによれば、以下の効果が奏される。
　本実施形態に係るサーボ調整システム１Ａでは、仮想ＦＢ情報を用いて制御パラメータ設定情報を機械学習する機械学習装置６０をさらに備え、サーボ調整装置１０Ａが機械学習装置６０による学習結果に基づいて制御パラメータ設定情報を決定する構成とした。
　これにより、仮想環境５０におけるサーボモータモデル３０の仮想的な制御により得られる仮想ＦＢ情報に基づいて、機械学習装置６０による機械学習を利用したサーボ調整を実行することができる。従って本実施形態によれば、より高精度且つ短時間でのサーボ調整を自動的に実行することが可能である。
　また本実施形態に係るサーボ調整システム１Ｂでは、仮想制御装置２１，２２，・・・２０ｎと、サーボモータモデル３１，３２，・・・３０ｎと、制御対象モデル４１，４２，・・・４０ｎと、を有する仮想環境５１，５２，・・・５０ｎを複数備える構成とした。また、サーボ調整装置１０Ｂが複数の仮想環境５１，５２，・・・５０ｎに適用する制御パラメータ設定情報を管理する複数環境管理部１１を有し、機械学習装置６０が複数の仮想環境５１，５２，・・・５０ｎから得られる仮想ＦＢ情報を用いて制御パラメータ設定情報を機械学習する構成とした。
　これにより、複数の仮想環境５１，５２，・・・５０ｎで、制御対象モデル４１，４２，・・・４０ｎ及びサーボモータモデル３１，３２，・・・３０ｎを同時に並行して仮想的に動作させることにより、仮想ＦＢ情報を同時に並行して取得することが可能である。従って本実施形態によれば、仮想ＦＢ情報に基づいた機械学習をより高速で実行可能であり、さらに高精度且つ短時間でのサーボ調整を自動的に実行することが可能である。
　なお、本開示は上記態様に限定されるものではなく、本開示の目的を達成できる範囲での変形、改良は本開示に含まれる。
　例えば上記実施形態では、産業機械として工作機械を例に挙げて説明したが、これに限定されない。本開示は、サーボモータを備えるロボット等の他の産業機械にも適用可能である。
　また、例えば上記実施形態では、仮想環境５０が制御対象モデル４０を備える構成としたが、これに限定されない。制御対象モデル４０を備えていない仮想環境であっても、本開示を適用可能である。
　また、例えば上記第２実施形態の変形例では、仮想環境５１，５２，・・・５０ｎがいずれもサーボモータモデル３１，３２，・・・３０ｎと制御対象モデル４１，４２，・・・４０ｎとを有する構成としたが。これに限定されない。複数の仮想環境のうち少なくともいずれかがサーボモータモデルや制御対象モデルを備える構成とし、他の仮想環境がサーボモータモデルや制御対象モデルを備えていない構成としてもよい。
　１，１Ａ，１Ｂ　　サーボ調整システム
　１０，１０Ａ，１０Ｂ　サーボ調整装置
　１１　複数環境管理部
　２０，２１，２２，２０ｎ　仮想制御装置
　３０，３１，３２，３０ｎ　サーボモータモデル
　４０，４１，４２，４０ｎ　制御対象モデル
　５０，５１，５２，５０ｎ　仮想環境
　６０　機械学習装置
　７０　学習データメモリ

Claims (4)

  1. 　産業機械の制御装置が制御するサーボモータの制御パラメータ設定情報を調整するサーボ調整システムであって、
    　前記サーボモータの動作を仮想化したサーボモータモデルと、
    　前記制御パラメータ設定情報に基づいて評価用プログラムを実行することにより前記サーボモータモデルを仮想的に制御する仮想制御装置と、
    　前記仮想制御装置で異なる前記制御パラメータ設定情報に基づいて前記評価用プログラムを複数回実行することで得られる仮想フィードバック情報に基づいて、前記制御パラメータ設定情報を決定するサーボ調整装置と、を備える、サーボ調整システム。
  2. 　前記産業機械を仮想化した制御対象モデルをさらに備え、
    　前記サーボ調整装置は、前記仮想制御装置で仮想的に制御される前記サーボモータモデルが前記制御対象モデルを駆動させることで前記仮想フィードバック情報を取得する、請求項１に記載のサーボ調整システム。
  3. 　前記仮想フィードバック情報を用いて前記制御パラメータ設定情報を機械学習する機械学習装置をさらに備え、
    　前記サーボ調整装置は、前記機械学習装置による学習結果に基づいて前記制御パラメータ設定情報を決定する、請求項１又は２に記載のサーボ調整システム。
  4. 　前記仮想制御装置と、前記サーボモータモデルの少なくとも１つと、を有する仮想環境を複数備え、
    　前記サーボ調整装置は、前記複数の仮想環境に適用する前記制御パラメータ設定情報を管理する複数環境管理部を有し、
    　前記機械学習装置は、前記複数の仮想環境から得られる前記仮想フィードバック情報を用いて前記制御パラメータ設定情報を機械学習する、請求項３に記載のサーボ調整システム。
PCT/JP2022/018671 2022-04-25 2022-04-25 サーボ調整システム Ceased WO2023209754A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
PCT/JP2022/018671 WO2023209754A1 (ja) 2022-04-25 2022-04-25 サーボ調整システム
JP2024517613A JPWO2023209754A1 (ja) 2022-04-25 2022-04-25
DE112022006672.5T DE112022006672T5 (de) 2022-04-25 2022-04-25 Servo-Einstellsystem
CN202280095032.7A CN119032506A (zh) 2022-04-25 2022-04-25 伺服调整系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/018671 WO2023209754A1 (ja) 2022-04-25 2022-04-25 サーボ調整システム

Publications (1)

Publication Number Publication Date
WO2023209754A1 true WO2023209754A1 (ja) 2023-11-02

Family

ID=88518075

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/018671 Ceased WO2023209754A1 (ja) 2022-04-25 2022-04-25 サーボ調整システム

Country Status (4)

Country Link
JP (1) JPWO2023209754A1 (ja)
CN (1) CN119032506A (ja)
DE (1) DE112022006672T5 (ja)
WO (1) WO2023209754A1 (ja)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6961130B1 (ja) * 2021-01-07 2021-11-05 三菱電機株式会社 シミュレーションプログラム、シミュレーション装置、およびシミュレーション方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4283214B2 (ja) 2004-12-16 2009-06-24 ファナック株式会社 機械先端点の制御装置
WO2013099032A1 (ja) * 2011-12-28 2013-07-04 株式会社安川電機 モーションコントローラ及びモータ制御システム
CN106489105B (zh) * 2015-06-18 2018-06-22 三菱电机株式会社 控制参数调整装置
JP6583070B2 (ja) 2016-03-14 2019-10-02 オムロン株式会社 設定支援装置、設定支援方法、情報処理プログラム、および記録媒体

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6961130B1 (ja) * 2021-01-07 2021-11-05 三菱電機株式会社 シミュレーションプログラム、シミュレーション装置、およびシミュレーション方法

Also Published As

Publication number Publication date
JPWO2023209754A1 (ja) 2023-11-02
CN119032506A (zh) 2024-11-26
DE112022006672T5 (de) 2025-01-02

Similar Documents

Publication Publication Date Title
JP6474449B2 (ja) 調整装置及び調整方法
US10824121B2 (en) Machine learning device, servo motor controller, servo motor control system, and machine learning method
Yeung et al. Virtual CNC system. Part I. system architecture
JP6843314B1 (ja) 数値制御装置、数値制御方法および機械学習装置
CN111176114B (zh) 输出装置、控制装置、以及评价函数和机器学习结果的输出方法
US11087509B2 (en) Output device, control device, and evaluation function value output method
JP6499720B2 (ja) 機械学習装置、サーボ制御装置、サーボ制御システム、及び機械学習方法
JP6564432B2 (ja) 機械学習装置、制御システム、制御装置、及び機械学習方法
JP6740279B2 (ja) 調整装置及び調整方法
CN111103794B (zh) 输出装置、控制装置、以及评价函数值的输出方法
JP7405537B2 (ja) 機械学習装置、サーボ制御装置、サーボ制御システム及び機械学習方法
JP6961128B1 (ja) シミュレーション装置、工作機械システム、シミュレーション方法および加工方法
CN111679632A (zh) 切割控制的处理方法、装置、电子设备与存储介质
JP5362146B1 (ja) 数値制御装置および数値制御システム
JP2019053594A (ja) 制御装置及び機械学習装置
WO2023209754A1 (ja) サーボ調整システム
JP6922333B2 (ja) 情報処理装置、情報処理方法、および情報処理プログラム
WO2009141006A1 (en) A method and a system for controlling an industrial robot in accordance with a set of motion control parameters
JP7518278B2 (ja) 調整支援装置、制御システム及び調整支援方法
JP7786067B2 (ja) 制御装置、制御方法およびプログラム
JP7305061B2 (ja) パラメータ調整装置およびパラメータ調整方法
US11022951B2 (en) Information processing device and information processing method
CN114114901A (zh) 对机器的可移动的机器元件进行移动引导的方法和装置
JP6800384B1 (ja) 位置決め制御装置および位置決め方法
JP7772829B2 (ja) プログラム教示支援装置

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: 22940035

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2024517613

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 18854495

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 112022006672

Country of ref document: DE

WWE Wipo information: entry into national phase

Ref document number: 202280095032.7

Country of ref document: CN

122 Ep: pct application non-entry in european phase

Ref document number: 22940035

Country of ref document: EP

Kind code of ref document: A1