CN110501972B - 热位移校正装置 - Google Patents
热位移校正装置 Download PDFInfo
- Publication number
- CN110501972B CN110501972B CN201910405626.3A CN201910405626A CN110501972B CN 110501972 B CN110501972 B CN 110501972B CN 201910405626 A CN201910405626 A CN 201910405626A CN 110501972 B CN110501972 B CN 110501972B
- Authority
- CN
- China
- Prior art keywords
- manufacturing machine
- ambient temperature
- thermal displacement
- displacement correction
- learned model
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/404—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by control arrangements for compensation, e.g. for backlash, overshoot, tool offset, tool wear, temperature, machine construction errors, load, inertia
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/34—Director, elements to supervisory
- G05B2219/34082—Learning, online reinforcement learning
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37431—Temperature
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/49—Nc machine tool, till multiple
- G05B2219/49206—Compensation temperature, thermal displacement, use measured temperature
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Numerical Control (AREA)
- Automatic Control Of Machine Tools (AREA)
Abstract
一种热位移校正装置,能够有效地进行周边状况未知的环境下的机械精度的温度校正,该热位移校正装置具备机器学习装置。所述机器学习装置具备:模型数据选择部,其在制造机械的周边温度变化下,选择适于对与所述制造机械的动作状态对应的所述制造机械所具备的各轴的热位移校正量进行追加学习的已学习模型;以及已学习模型存储部,其将表示所述制造机械的周边温度的变化的推移的周边温度变化曲线的模式与在所述周边温度变化下学习到的已学习模型关联起来进行存储。所述模型数据选择部根据存储于所述已学习模型存储部的周边温度变化曲线,选择适于对与所述制造机械的动作状态对应的所述制造机械所具备的各轴的热位移校正量进行追加学习的已学习模型。
Description
技术领域
本发明涉及具有机械精度的温度校正功能的热位移校正装置。
背景技术
机床等制造机械的热变形是阻碍加工精度的原因之一。若大致划分制造机械的热源,能够分为以下2种:(1)随着制造机械的运转产生的内部热源;(2)在制造机械的设置环境中施加影响的外部热源。其中,外部热源中考虑气温变化、热风冷风等气氛原因和日光、照明等热辐射。通过制造机械进行加工时,为了确保机械精度,需要校正考虑了该内部热源和外部热源的温度变化所引起的热变形。
以往,通过预测这样的基于热源的温度变化所引起的热变形量,校正各坐标轴方向的进给量来减少由热变形引起的影响的技术广为人知,但难以高精度地预测制造机械的温度变化引起的热变形量,校正各坐标轴方向的进给量来补偿热变形也有限。
作为解决这样的问题的现有技术,例如在日本特开2011-131371号公报中公开了如下技术:引入多个温度传感器,并且求出各温度传感器的有用性,在选择要使用的温度传感器后,使用通过所选择的温度传感器测定出的值来校正机床的热位移。此外,在日本特开2003-094291号公报中公开了如下技术:通过利用神经网络的关系式,求出机床的热变形,校正各可动部的位置来排除热变形的影响。
然而,如日本特开2003-094291号公报等中看到的基于机器学习的制造机械的机械精度的温度校正,存在容易受到制造机械的设置条件的变化影响的问题。即使是相同的制造机械中的动作,在将该制造机械设置于周围温度环境不同的场所时,即使直接使用已学习模型也无法正确地进行热位移校正,需要进行机器学习装置的追加学习。在工厂内运用制造机械的情况下,频繁进行制造机械的布局改变,因此需要每次进行追加学习时效率较差。
发明内容
因此,本发明的目的在于提供一种能够有效地进行在周边状况未知的环境下的机械精度的温度校正的热位移校正装置。
在本发明的热位移校正装置中,作为基本数据进行恒温的周围温度环境下的机器学***均值和方差作为学习后数据的标签。然后,每次更改布局时记录并累积数据,在将制造机械设置于未知的周围温度环境时,从过去累积的数据中选择一天的温度变化曲线的趋势较近的周围温度环境下进行学习而得的已学习模型,开始追加学习。
这样,通过进行基于在温度变化曲线的趋势较近的周围温度环境下进行学习而得的已学习模型的追加学习,能够大幅度缩短追加学习所需要的时间。
并且,本发明的一方式的热位移校正装置推定制造机械所具备的各轴的热位移校正量,所述热位移校正装置具备机器学习装置,该机器学习装置学习与所述制造机械的动作状态对应的该制造机械所具备的各轴的热位移校正量,所述机器学习装置具备:模型数据选择部,其在所述制造机械的周边温度变化下,选择适于对与所述制造机械的动作状态对应的该制造机械所具备的各轴的热位移校正量进行追加学习的已学习模型;以及已学习模型存储部,其将表示制造机械的周边温度的变化的推移的周边温度变化曲线的模式与在该周边温度变化下学习到的已学习模型关联起来进行存储,所述模型数据选择部根据存储于所述已学习模型存储部的周边温度变化曲线,选择适于对与制造机械的动作状态对应的该制造机械所具备的各轴的热位移校正量进行追加学习的已学习模型。
根据本发明,通过分开使用在各种周围温度环境下学习到的已学习模型,能够缩短在变更布局时的追加学习所需要的时间。
附图说明
根据参照附图的以下的实施例的说明,使本发明的上述及其他目的和特征变得明确。
图1是一实施方式的热位移校正装置的概要硬件结构图。
图2是一实施方式的热位移校正装置的概要功能框图。
图3是表示存储于已学习模型存储部的周边温度变化曲线和已学习模型的例子的图。
具体实施方式
以下,将本发明的实施方式与附图一起进行说明。
图1是表示本发明的一实施方式的热位移校正装置的主要部件的概要硬件结构图。热位移校正装置1能够作为控制各种加工机、机床等制造机械的控制装置来实施。此外,热位移校正装置1能够作为与(控制)制造机械(的控制装置)并设的个人计算机、经由网络与(控制)制造机械(的控制装置)连接的单元计算机、主机计算机、云服务器等计算机来实施。图1示出了作为经由网络与(控制)制造机械(的控制装置)连接的计算机来实施热位移校正装置1的情况的例子。
本实施方式的热位移校正装置1所具备的CPU11是对热位移校正装置1进行整体控制的处理器。CPU11经由总线20读出存储于ROM12的***程序,并按照该***程序对热位移校正装置1整体进行控制。RAM13中暂时存储临时的计算数据、操作员经由未图示的输入部输入的各种数据等。
非易失性存储器14构成为例如通过未图示的电池进行备份供电等,即使热位移校正装置1的电源断开也保持存储状态的存储器。非易失性存储器14中存储操作员对输入装置40进行操作而输入的各种数据、经由接口19从制造机械70取得的数据、经由未图示的接口输入的程序等。存储于非易失性存储器14的程序、各种数据也可以在执行时/利用时在RAM13中展开。此外,在ROM12中预先写入包含对从制造机械70取得的信息进行解析的公知的解析程序、用于控制与后述的机器学习装置100的交换的***程序等的***程序。
接口21是用于连接热位移校正装置1与机器学习装置100的接口。机器学习装置100具备对机器学习装置100整体进行统一控制的处理器101、存储***程序等的ROM102、用于进行机器学习所涉及的各处理中的临时存储的RAM103以及用于存储学习模型等的非易失性存储器104。机器学习装置100能够观测热位移校正装置1可经由接口21取得的各信息。此外,热位移校正装置1将从机器学习装置100输出的与热位移校正量有关的信息经由接口17显示于显示装置50,或经由接口19对制造机械70发送与热位移校正量有关的信息。
图2是第一实施方式的热位移校正装置1和机器学习装置100的概要功能框图。图2所示的各功能模块通过图1所示的热位移校正装置1所具备的CPU11以及机器学习装置100的处理器101执行各自的***程序,控制热位移校正装置1以及机器学习装置100的各部的动作来实现。
本实施方式的热位移校正装置1使机器学习装置100观测经由网络2从各制造机械70取得的与该制造机械70的周边温度变化曲线有关的信息和与该制造机械70的动作状态有关的信息,此外,将使用该机器学习装置100的学习结果判定的、对在各制造机械70中产生的热位移进行校正的热位移校正量显示于显示装置50,并且经由网络2发送给各制造机械70。
另一方面,热位移校正装置1所具备的机器学习装置100具备:状态观测部110,其观测表示各制造机械70的运转动作的状态的状态变量;标签数据取得部115,其取得与状态观测部110观测到的状态变量对应的制造机械70的各轴的热位移量作为标签数据;周边温度变化曲线观测部120,其从各制造机械70取得与该制造机械70的周边温度变化曲线有关的信息;模型数据选择部130,其根据周边温度变化曲线观测部120观测到的与各制造机械70的周边温度变化曲线有关的信息,从设于非易失性存储器104内的已学习模型存储部200选择适于与该制造机械70的动作状态对应的热位移校正量的学习的已学习模型作为在该制造机械70中使用的已学习模型;学习部140,其根据状态观测部110观测到的状态变量和标签数据取得部115取得的标签数据,进行与各制造机械70的周边温度变化曲线对应地选择的已学习模型的机器学习;模型数据存储部150,其将通过学习部140机器学习到的各已学习模型存储于已学习模型存储部200;以及推定结果输出部160,其根据学习部140的学习结果推定并输出与各制造机械70的动作状态对应的热位移校正量。
状态观测部110取得从制造机械70取得的制造机械70的运转动作的状态作为状态变量。作为状态观测部110取得的制造机械70的运转动作的状态,例如示例了制造机械70的当前的周边温度、制造机械70的各部分的温度、制造机械70的电动机的速度或加速度等。状态观测部110也可以取得例如在制造机械70中执行的制造机械70的控制用程序、流过制造机械70所具备的电动机的电流值、由分开设置在制造机械70的各部的传感器等设备检测出的检测值。
标签数据取得部115取得与状态观测部110观测到的状态变量(制造机械70的运转动作的状态)对应的标签数据(观测到该状态变量时的制造机械70的各轴的热位移校正量)。标签数据取得部115例如能够取得在制造机械70对工件进行加工时根据由安装于制造机械70的各部的测长传感器等测定出的各轴的位移量计算出的值,作为与状态变量对应的标签数据。此外,标签数据取得部115例如能够取得根据测量在制造机械70中加工的工件的结果计算出的值、由作业者设定的校正值,作为与事后的状态变量对应的标签数据。
周边温度变化曲线观测部120取得各制造机械70的周边温度变化曲线。周边温度变化曲线观测部120例如取得设置于制造机械70或制造机械70周边的温度传感器检测出的温度值,作为该制造机械70的周边温度变化曲线。周边温度变化曲线观测部120取得的制造机械70的周边温度变化曲线是表示预定期间的该制造机械70周边的温度变化的推移的数据。周边温度变化曲线观测部120观测的制造机械70的周边温度变化曲线也可以使用由单独的温度传感器检测出的温度值,但为了进一步提高精度,可以取得设置于制造机械70周边的多个温度传感器检测出的多个温度值,进行针对该多个温度值的统计处理(取平均等),由此计算出制造机械70的周边温度,观测所计算出的周边温度的时间推移作为周边温度变化曲线。
模型数据选择部130从存储于已学习模型存储部200的已学习模型中选择适于周边温度变化曲线观测部120观测到的周边温度变化曲线的已学习模型。将模型数据选择部130选择出的已学习模型传送给学习部140作为用于制造机械70的追加学习以及推定的学习模型。
图3是表示存储于已学习模型存储部200的已学习模型的例子的图。如图3所示,已学习模型存储部200中,针对各个已学习模型关联存储进行了用于该已学习模型的学习的状态变量的观察和标签数据的取得的制造机械70的周边温度变化曲线的模式。
作为简单结构,模型数据选择部130也可以在显示装置50中一览显示与存储于已学***均值、方差等统计值来辅助选择。此外,模型数据选择部130将周边温度变化曲线观测部120从作为已学习模型的选择对象的制造机械70观测到的周边温度变化曲线与存储于已学习模型存储部200的各个周边温度变化曲线以不同的显示形式(实线和虚线、不同颜色的线等)重叠显示,来辅助作业者判断其类似性。
此外,作为更高级的实施,模型数据选择部130在制造机械70被设置于新的环境后,在周边温度变化曲线观测部120观测到的该制造机械70的周边温度变化曲线与存储于已学习模型存储部200的各个已学习模型相关的周边温度变化曲线之间例如进行波形模式匹配,将与类似度最高的周边温度变化曲线模式相关联的已学习模型选择为用于该制造机械70的学习以及推定的学习模型。这样,不劳烦作业者而能够自动选择适于制造机械70的设置环境的已学习模型。
学习部140按照统称为机器学习的任意的学习算法,学习(追加学习)与各制造机械70的动作状态对应的该制造机械70所具备的各轴的热位移校正量。学习部140根据状态观测部110从制造机械70观测到的状态变量和标签数据取得部115从制造机械70取得的标签数据,进行使用了适于(模型数据选择部130选择的)制造机械70的周边温度变化曲线的学习模型的机器学习。学习部140进行的机器学习,例如也可以是将状态变量与标签数据的组作为训练数据的所谓的监督学习。此外,学习部140用于机器学习的学习模型既可以使用推理公式或神经网络等公知学习模型,也可以采用公知的学习算法作为其学习算法。
模型数据存储部150将学习部140机器学习到的制造机械70的已学习模型与该制造机械70的周边温度变化曲线关联起来存储于已学习模型存储部200。模型数据存储部150将表示周边温度变化曲线观测部120观测到的制造机械70的周边温度的变化的推移的周边温度变化曲线与用于该制造机械70的学习以及推理的已学习模型存储于已学习模型存储部200。模型数据存储部150也可以将学习部140进行机器学习的学习模型中的学习收敛的学习模型作为已学习模型,存储于已学习模型存储部200,此时,学习收敛的判断既可以使用公知的判定方法,也可以在操作者对输入装置40进行操作而指示学习收敛时判断为学习收敛。
推定结果输出部160根据状态观测部110从制造机械70观测到的状态变量,使用学习部140学习到的用于该制造机械70的已学习模型,推定该制造机械70的热位移校正量,并输出所推定出的该制造机械70的热位移校正量。推定结果输出部160输出的制造机械70的热位移校正量的推定被发送至该制造机械70并用于热位移校正。此外,推定结果输出部160输出的制造机械70的热位移校正量的推定例如也可以显示于显示装置50。
以上,对本发明的实施方式进行了说明,但本发明并不仅限定于上述的实施方式的例子,通过施加适当的变更能够以各种方式实施。
例如,在上述的实施方式中示出了在主机计算机上安装热位移校正装置1的例子,但例如也可以将热位移校正装置1安装于控制制造机械70的控制装置上。
此外,在上述的实施方式中,示出了在机器学习装置100的内部包含已学习模型存储部200的结构,但只要机器学习装置100能够进行参照,则已学习模型存储部200也可以配置于任意场所。例如,考虑将已学习模型存储部200配置于主机计算机、云计算机上,将机器学习装置100配置于各制造机械70上来构成。这样的情况下,多个机器学习装置100可以共享已学习模型存储部200,因此能够从各个机器学习装置100收集已学习模型,提高已学习模型的收集效率。
并且,在上述的实施方式中示出了学习部140进行监督学习时的实施方式,但只要能够进行热位移校正的学习,则也可以采取强化学习等其他的机器学习方法。例如,在进行强化学习的情况下,可以构成为在状态观测部110观测各制造机械70的运转动作的状态和在制造机械70中对各轴设定的热位移校正量,并设置将该热位移校正量的优良与否作为判定数据而取得的功能单元。这样,标签数据取得部115等并非是必须的结构,只要能够根据安装于学习部140的学习方法从制造机械70取得需要的信息,则不发生机器学习有关的问题。应该注意,本发明的发明点在于根据表示制造机械70的周边环境的周边温度变化曲线能够选择适用于机器学习以及推定的已学习模型。
以上,对本发明的实施方式进行了说明,但本发明并不限定于上述的实施方式的例子,通过实施适当的变更,能够以其他方式实施。
Claims (3)
1.一种热位移校正装置,其推定制造机械所具备的各轴的热位移校正量,其特征在于,
所述热位移校正装置具备机器学习装置,该机器学习装置学习与所述制造机械的动作状态对应的该制造机械所具备的各轴的热位移校正量,
所述机器学习装置具备:
模型数据选择部,其在所述制造机械的周边温度的变化下,选择适于对与所述制造机械的动作状态对应的该制造机械所具备的各轴的热位移校正量进行追加学习的已学习模型;以及
已学习模型存储部,其将表示制造机械的周边温度的变化的推移的周边温度变化曲线的模式与在该周边温度的变化下学习到的已学习模型关联起来进行存储,
所述模型数据选择部根据存储于所述已学习模型存储部的周边温度变化曲线,选择适于对与所述制造机械的动作状态对应的该制造机械所具备的各轴的热位移校正量进行追加学习的已学习模型。
2.根据权利要求1所述的热位移校正装置,其特征在于,
所述模型数据选择部显示存储于所述已学习模型存储部的周边温度变化曲线的一览,选择与从所显示的周边温度变化曲线中选择出的周边温度变化曲线相关联的已学习模型,作为适于对与制造机械的动作状态对应的该制造机械所具备的各轴的热位移校正量进行追加学习的已学习模型。
3.根据权利要求1所述的热位移校正装置,其特征在于,
所述机器学习装置还具备取得制造机械的周边温度的变化的周边温度变化曲线观测部,
所述模型数据选择部从已学习模型存储部搜索与所述周边温度变化曲线观测部观测到的制造机械的周边温度的变化类似的周边温度变化曲线,并选择与搜索到的周边温度变化曲线相关联的已学习模型,作为适于对与制造机械的动作状态对应的该制造机械所具备的各轴的热位移校正量进行追加学习的已学习模型。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018-094752 | 2018-05-16 | ||
JP2018094752A JP6753893B2 (ja) | 2018-05-16 | 2018-05-16 | 熱変位補正装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110501972A CN110501972A (zh) | 2019-11-26 |
CN110501972B true CN110501972B (zh) | 2021-06-08 |
Family
ID=68499553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910405626.3A Active CN110501972B (zh) | 2018-05-16 | 2019-05-16 | 热位移校正装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11087238B2 (zh) |
JP (1) | JP6753893B2 (zh) |
CN (1) | CN110501972B (zh) |
DE (1) | DE102019112111B4 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3839414A1 (en) * | 2019-12-20 | 2021-06-23 | Hexagon Technology Center GmbH | Advanced thermal compensation of mechanical processes |
DE102020102863A1 (de) * | 2020-02-05 | 2021-08-05 | Festo Se & Co. Kg | Parametrierung einer Komponente in der Automatisierungsanlage |
WO2023238192A1 (ja) * | 2022-06-06 | 2023-12-14 | ファナック株式会社 | 熱変位補正装置及びプログラムを記録したコンピュータ読み取り可能な記録媒体 |
JP7467824B1 (ja) | 2022-12-06 | 2024-04-16 | 株式会社東京精密 | 温度制御装置、温度制御方法、プログラム、プローバ及び学習モデル生成方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1126130A (zh) * | 1994-06-16 | 1996-07-10 | 日立精机株式会社 | 机床热位移的修正方法及其装置 |
JP2006055918A (ja) * | 2004-08-17 | 2006-03-02 | Nakamura Tome Precision Ind Co Ltd | 工作機械の熱変形誤差の補正方法 |
CN103926874A (zh) * | 2013-12-03 | 2014-07-16 | 江苏齐航数控机床有限责任公司 | 数控机床热误差补偿建模温度测点组合的选择优化方法 |
CN106157721A (zh) * | 2015-05-11 | 2016-11-23 | 发那科株式会社 | 机床的热位移修正训练装置 |
CN106557069A (zh) * | 2015-09-29 | 2017-04-05 | 发那科株式会社 | 机械学习装置和方法以及具有该机械学习装置的机床 |
CN106560751A (zh) * | 2015-09-30 | 2017-04-12 | 发那科株式会社 | 机器学习装置、机器学习方法及具备机器学习装置的机床 |
CN107953144A (zh) * | 2016-10-18 | 2018-04-24 | 发那科株式会社 | 学习机床加工程序的设定值的机械学习装置及加工*** |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1074188A (ja) * | 1996-05-23 | 1998-03-17 | Hitachi Ltd | データ学習装置およびプラント制御装置 |
JP2003094291A (ja) | 2001-09-27 | 2003-04-03 | Kanto Seiki Kk | 工作機械の熱変形補正方法および装置 |
JP5751611B2 (ja) | 2009-11-27 | 2015-07-22 | 国立大学法人鳥取大学 | 工作機械、工作機械の温度測定部の数及び配置の決定方法及びプログラム |
DE102015115838B4 (de) | 2015-09-18 | 2021-12-16 | Grob-Werke Gmbh & Co. Kg | Bearbeitungsmaschine, Verfahren für das Einfahren einer Bearbeitungsmaschine, Verfahren zur Kompensation des temperaturbedingten Wärmeganges in einer Bearbeitungsmaschine |
JP6235543B2 (ja) * | 2015-09-30 | 2017-11-22 | ファナック株式会社 | 加工機のサイクル加工時間を最適化する機械学習装置、モータ制御装置、加工機、および機械学習方法 |
JP6156566B2 (ja) | 2015-12-25 | 2017-07-05 | 株式会社リコー | 診断装置、診断方法、プログラムおよび診断システム |
JP6703264B2 (ja) * | 2016-06-22 | 2020-06-03 | 富士通株式会社 | 機械学習管理プログラム、機械学習管理方法および機械学習管理装置 |
JP6691087B2 (ja) * | 2017-10-04 | 2020-04-28 | ファナック株式会社 | 熱変位補正システム |
JP6683667B2 (ja) | 2017-10-04 | 2020-04-22 | ファナック株式会社 | 熱変位補正システム |
-
2018
- 2018-05-16 JP JP2018094752A patent/JP6753893B2/ja active Active
-
2019
- 2019-04-25 US US16/393,961 patent/US11087238B2/en active Active
- 2019-05-09 DE DE102019112111.6A patent/DE102019112111B4/de active Active
- 2019-05-16 CN CN201910405626.3A patent/CN110501972B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1126130A (zh) * | 1994-06-16 | 1996-07-10 | 日立精机株式会社 | 机床热位移的修正方法及其装置 |
JP2006055918A (ja) * | 2004-08-17 | 2006-03-02 | Nakamura Tome Precision Ind Co Ltd | 工作機械の熱変形誤差の補正方法 |
CN103926874A (zh) * | 2013-12-03 | 2014-07-16 | 江苏齐航数控机床有限责任公司 | 数控机床热误差补偿建模温度测点组合的选择优化方法 |
CN106157721A (zh) * | 2015-05-11 | 2016-11-23 | 发那科株式会社 | 机床的热位移修正训练装置 |
CN106557069A (zh) * | 2015-09-29 | 2017-04-05 | 发那科株式会社 | 机械学习装置和方法以及具有该机械学习装置的机床 |
CN106560751A (zh) * | 2015-09-30 | 2017-04-12 | 发那科株式会社 | 机器学习装置、机器学习方法及具备机器学习装置的机床 |
CN107953144A (zh) * | 2016-10-18 | 2018-04-24 | 发那科株式会社 | 学习机床加工程序的设定值的机械学习装置及加工*** |
Also Published As
Publication number | Publication date |
---|---|
US20190354892A1 (en) | 2019-11-21 |
DE102019112111B4 (de) | 2022-07-14 |
JP6753893B2 (ja) | 2020-09-09 |
DE102019112111A1 (de) | 2019-11-28 |
JP2019198928A (ja) | 2019-11-21 |
US11087238B2 (en) | 2021-08-10 |
CN110501972A (zh) | 2019-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110501972B (zh) | 热位移校正装置 | |
CN108628256B (zh) | 机械学习装置以及热位移修正装置 | |
JP6592039B2 (ja) | 熱変位補正装置 | |
CN109382838B (zh) | 控制装置以及机器学习装置 | |
US20180373233A1 (en) | Failure predicting apparatus and machine learning device | |
US20200061768A1 (en) | Information processing method, information processing system, and information processing device | |
CN109693146B (zh) | 寿命推定装置以及机器学习装置 | |
CN110187694B (zh) | 故障预测装置以及机器学习装置 | |
CN110116371B (zh) | 研磨工具磨损量预测装置、机器学习装置以及*** | |
US10684608B2 (en) | Abnormality detection apparatus and machine learning device | |
CN109719756B (zh) | 寿命预测装置 | |
CN110614537B (zh) | 调整必要性判断装置 | |
JP7148311B2 (ja) | 製品検査装置 | |
US11112759B2 (en) | Thermal displacement correction system and computer | |
CN112415950A (zh) | 机器学习装置、控制***以及机器学习方法 | |
CN109308051B (zh) | 数值控制装置 | |
CN114424129A (zh) | 控制*** | |
CN110096029B (zh) | 热位移校正装置 | |
JP5312475B2 (ja) | 機械装置のエネルギ消費量の分析方法および機械装置 | |
JP2011506987A5 (zh) | ||
WO2023047545A1 (ja) | 追加学習データ選定装置及びコンピュータ読み取り可能な記録媒体 | |
US20190287189A1 (en) | Part supply amount estimating device and machine learning device | |
WO2023238192A1 (ja) | 熱変位補正装置及びプログラムを記録したコンピュータ読み取り可能な記録媒体 | |
CN116529679A (zh) | 数据收集计划生成装置以及数据收集计划生成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |