CN110914770A - 数控装置 - Google Patents
数控装置 Download PDFInfo
- Publication number
- CN110914770A CN110914770A CN201880004309.4A CN201880004309A CN110914770A CN 110914770 A CN110914770 A CN 110914770A CN 201880004309 A CN201880004309 A CN 201880004309A CN 110914770 A CN110914770 A CN 110914770A
- Authority
- CN
- China
- Prior art keywords
- relative displacement
- unit
- displacement
- prediction model
- calculation unit
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/402—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by control arrangements for positioning, e.g. centring a tool relative to a hole in the workpiece, additional detection means to correct position
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q15/00—Automatic control or regulation of feed movement, cutting velocity or position of tool or work
- B23Q15/007—Automatic control or regulation of feed movement, cutting velocity or position of tool or work while the tool acts upon the workpiece
- B23Q15/12—Adaptive control, i.e. adjusting itself to have a performance which is optimum according to a preassigned criterion
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/041—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a variable is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/404—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by control arrangements for compensation, e.g. for backlash, overshoot, tool offset, tool wear, temperature, machine construction errors, load, inertia
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37077—Relative movement
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37436—Prediction of displacement, relative or absolute, motion
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/41—Servomotor, servo controller till figures
- G05B2219/41154—Friction, compensation for friction
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/42—Servomotor, servo controller kind till VSS
- G05B2219/42044—Adapt model as function of difference between real and calculated position
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10T—TECHNICAL SUBJECTS COVERED BY FORMER US CLASSIFICATION
- Y10T483/00—Tool changing
- Y10T483/13—Tool changing with control means energized in response to activator stimulated by condition sensor
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10T—TECHNICAL SUBJECTS COVERED BY FORMER US CLASSIFICATION
- Y10T483/00—Tool changing
- Y10T483/14—Tool changing with signal or indicator
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10T—TECHNICAL SUBJECTS COVERED BY FORMER US CLASSIFICATION
- Y10T483/00—Tool changing
- Y10T483/15—Tool changing with means to condition or adjust tool or tool support
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10T—TECHNICAL SUBJECTS COVERED BY FORMER US CLASSIFICATION
- Y10T483/00—Tool changing
- Y10T483/17—Tool changing including machine tool or component
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Manufacturing & Machinery (AREA)
- Human Computer Interaction (AREA)
- Mechanical Engineering (AREA)
- Numerical Control (AREA)
- Automatic Control Of Machine Tools (AREA)
Abstract
数控装置(8)具有:刀具侧位移测量部(9),其对与刀具的位移相关的物理量进行测量;工件侧位移测量部(10),其对与工件的位移相关的物理量进行测量;驱动信号测量部(12),其对驱动信号进行测量;相对位移计算部(13),其对刀具和工件的相对位移进行计算;相对位移预测部(15),其基于表现驱动信号和相对位移的关系的预测模型,根据驱动信号对相对位移预测值进行计算;模型参数运算部(14),其基于驱动信号、相对位移和相对位移预测值,生成构成预测模型的预测模型参数;以及指令值校正部(16),其将使用预测模型参数对针对驱动部(11)的位置指令进行了校正的校正后位置指令作为指令而输出,模型参数运算部(14)对预测模型参数进行变更,以使得对相对位移和相对位移预测值的偏差进行抑制。
Description
技术领域
本发明涉及按照加工程序对工作机械进行控制的数控装置。
背景技术
在通过工作机械实施加工时,由于可动体的驱动力,可动体和非可动体间的相对位移会发生振动,有时加工精度及品质恶化。针对该问题,在专利文献1中提出了下述技术,即,数控装置通过预测相对位移的事先创建的预测模型而对相对位移进行预测,基于预测出的相对位移进行前馈校正。根据该技术,即使在驱动方向和振动方向不同的情况下也能够应对。
专利文献1:日本专利第6180688号公报
发明内容
但是,在实际的加工中,由于搭载工件重量的变化或者刀具和工件的位置关系的变化这样的工作机械的惯量的变化,刀具和工件的相对位移会发生变化。在专利文献1所记载的技术中,没有考虑工作机械的惯量的变化,因此存在如下述的问题,即,在工作机械的惯量发生了变化时,无法针对来自数控装置的指令而进行适当的校正。
本发明就是鉴于上述情况而提出的,其目的在于得到一种数控装置,该数控装置在工作机械的惯量发生了变化时,能够对在刀具和工件的相对位移发生振动的情况进行抑制。
为了解决上述的课题,并达到目的,本发明是一种数控装置,其通过向对电动机进行驱动的驱动部的指令,对工作机械中的刀具和工件的相对位移进行控制,该数控装置的特征在于,具有:刀具侧位移测量部,其对与刀具的位移相关的物理量进行测量;工件侧位移测量部,其对与工件的位移相关的物理量进行测量;驱动信号测量部,其对从驱部输出至电动机的驱动信号进行测量;相对位移计算部,其根据与刀具的位移相关的物理量和与工件的位移相关的物理量,对刀具和工件的相对位移进行计算;以及相对位移预测部,其基于表现驱动信号和相对位移的关系的预测模型,根据驱动信号对相对位移的预测值即相对位移预测值进行计算。并且,本发明具有:模型参数运算部,其基于驱动信号、相对位移计算部生成的相对位移、以及相对位移预测值,生成将预测模型构成的预测模型参数;以及指令值校正部,其将使用预测模型参数而对针对驱动部的位置指令进行了校正的校正后位置指令作为指令而输出。模型参数运算部对预测模型参数进行变更,以使得对相对位移计算部生成的相对位移和相对位移预测值的偏差进行抑制。
发明的效果
本发明所涉及的数控装置具有下述效果,即,在工作机械的惯量发生了变化时,能够对在刀具和工件的相对位移发生振动的情况进行抑制。
附图说明
图1是示意地表示本发明的实施方式1所涉及的工作机械的结构的一个例子的图。
图2是表示实施方式1所涉及的数控装置的功能结构的一个例子的框图。
图3是表示实施方式1所涉及的加工运转前的预测模型参数的生成处理顺序的一个例子的流程图。
图4是表示实施方式1所涉及的使用粒子群优化法对最优解进行计算的顺序的一个例子的流程图。
图5是表示实施方式1所涉及的通过预测模型参数的变更而实现的效果的图。
图6是表示本发明的实施方式2所涉及的数控装置的功能结构的一个例子的框图。
图7是表示实施方式2所涉及的滤波器处理部的功能结构的一个例子的框图。
图8是表示本发明的实施方式3所涉及的数控装置的功能结构的一个例子的框图。
图9是表示本发明的实施方式4所涉及的数控装置的功能结构的一个例子的框图。
图10是表示实施方式4所涉及的机械学习装置的功能结构的一个例子的框图。
图11是表示实施方式4所涉及的使用了强化学习的机械学习装置的动作流程的流程图。
图12是表示将实施方式1至4所涉及的数控装置的功能通过计算机***实现的情况下的硬件结构的图。
具体实施方式
下面,基于附图对本发明的实施方式所涉及的数控装置详细地进行说明。此外,本发明并不限定于本实施方式。
实施方式1.
图1是示意地表示本发明的实施方式1所涉及的工作机械1的结构的一个例子的图。图2是表示实施方式1所涉及的数控装置8的功能结构的一个例子的框图。此外,在图1中,省略了与工作机械1连接的数控装置8及驱动部11的图示。
工作机械1具有:底座2,其成为基座;工作台4,其对作为加工对象的工件3进行保持而能够在水平方向移动且能够在水平面内旋转;头部6,其对刀具5进行保持而能够在垂直方向移动;以及立柱7,其固定于底座2而对头部6进行支撑。
数控装置8与工作机械1及对工作机械1的电动机的位置及速度进行控制而驱动的驱动部11连接。数控装置8是按照用于对工件3进行加工的加工程序,对驱动部11输出移动指令的装置。按照来自数控装置8的指示,在工作机械1中,工作台4在水平方向移动或者在水平面内旋转,或者头部6在垂直方向移动,由此通过刀具5将工件3加工为目标的形状。在工作机械1中,使工作台4移动时的驱动力成为反作用力而传播,由此在工件3以外的构造体发生振动。作为发生振动的构造体,能够举出立柱7。如果发生如上述的振动,则以工件3为基准的刀具5的相对位置振动。
下面,说明在发生了如上述的振动的情况下,抑制加工精度或者加工面品质的恶化的数控装置8的动作。
驱动部11按照来自数控装置8的移动指令,生成用于使工作台4或者头部6移动的驱动信号,将生成的驱动信号输出至工作机械1的电动机。按照该驱动信号,对安装于工作机械1的电动机进行驱动,由此使工作台4或者头部6进行平移驱动或者旋转驱动。其结果,对工作机械1中的刀具5和工件3的相对位移进行控制。此外,在实施方式1中,对使工作台4移动的情况进行说明。在这里的说明中,将如工作台4这样被驱动的物体设为驱动对象物体,将如头部6这样不被驱动的物体设为驱动对象外物体。
数控装置8具有刀具侧位移测量部9、工件侧位移测量部10、驱动信号测量部12、相对位移计算部13、模型参数运算部14、相对位移预测部15、指令值校正部16和位置指令生成部17。
刀具侧位移测量部9从安装于头部6或者刀具5的传感器,取得与刀具5的位移相关的物理量,输出至相对位移计算部13。刀具5的位移是指刀具5的位置的变化量。上述传感器只要是加速度传感器、速度传感器、位移传感器这样的能够取得与刀具5的位移相关的物理量的传感器即可。
工件侧位移测量部10从安装于工件3、工作台4或者底座2的传感器,取得与工件3的位移相关的物理量,输出至相对位移计算部13。工件3的位移是指工件3的位置的变化量。上述传感器只要是加速度传感器、速度传感器、位移传感器这样的能够取得与工件3的位移相关的物理量的传感器即可。
驱动信号测量部12取得从驱动部11输出的驱动信号,输出至相对位移预测部15及模型参数运算部14。
相对位移计算部13根据从刀具侧位移测量部9取得的与刀具5的位移相关的物理量和从工件侧位移测量部10取得的与工件3的位移相关的物理量,对刀具5和工件3的相对位移进行计算。刀具5和工件3的相对位移,是指以工件3的位置为基准时的刀具5的位置的变化量,或者以刀具5的位置为基准时的工件3的位置的变化量,或者刀具5的位移和工件3的位移的差值。作为生成顺序,首先,获取从刀具侧位移测量部9取得的与位移相关的物理量和从工件侧位移测量部10取得的与位移相关的物理量的差值而得到与位移相关的差值信息。而且,在上述差值信息是加速度量纲(Dimension)的数据的情况下,针对该数据进行与时间相关的2阶积分而对相对位移进行计算。另外,在上述差值信息是速度量纲的数据的情况下,针对该数据进行与时间相关的1阶积分而对相对位移进行计算。另外,在上述差值信息是位置量纲的数据的情况下,针对该数据不进行积分操作而是将该数据作为相对位移而生成。将相对位移计算部13生成的相对位移输出至模型参数运算部14。
模型参数运算部14,基于从相对位移计算部13取得的相对位移、从驱动信号测量部12取得的驱动信号和从后面记述的相对位移预测部15取得的相对位移预测值,运算而生成预测模型参数。预测模型是指,由表示将驱动信号作为输入、将工件3和刀具5之间的3维空间内的相对位移作为输出的相关关系的关系式表现的模型。将构成预测模型的参数称为预测模型参数。生成预测模型参数的方法,在加工运转前和加工运转中处理顺序是不同的,详细内容在后面记述。由模型参数运算部14通过运算求出的预测模型参数,输出至相对位移预测部15及指令值校正部16。
相对位移预测部15使用从模型参数运算部14取得的预测模型参数而构建预测模型。相对位移预测部15基于构建出的预测模型,根据从驱动信号测量部12取得的驱动信号,对相对位移的预测值即相对位移预测值进行计算。
位置指令生成部17读取对工件3进行加工的加工程序,将针对驱动部11的移动指令即位置指令输出至指令值校正部16。
指令值校正部16针对从位置指令生成部17取得的位置指令,通过后面记述的方法对位置指令进行校正,以使得相对位移不发生振动的方式求出驱动部11使工作机械1进行驱动的校正后位置指令,输出至驱动部11。
关于模型参数运算部14中的加工运转前及加工运转中的预测模型参数的生成处理顺序而分别进行说明。
首先,关于加工运转前的预测模型参数的生成处理顺序进行说明。在加工运转前,向驱动部11输出用于对工作机械1施振的驱动信号。模型参数运算部14从驱动信号测量部12取得此时的驱动信号,模型参数运算部14从相对位移计算部13取得此时的相对位移。根据所取得的驱动信号及相对位移,模型参数运算部14导出能够表现驱动信号和在相对位移发生的振动之间的关系的作为状态空间模型的预测模型的参数,即预测模型参数。在这里,使用通过基于有限元法或者动力学模型的模拟而得到的模型、通过***辨识而得到的模型、或者从通过***识别而得到的模型以降阶化等近似后的模型,模型参数运算部14将预测模型的参数导出。但是,将预测模型的参数导出的方法并不限定于这些方法。在这里,基于从通过***识别而得到的模型以降阶化等近似后的模型,将状态空间表现的预测模型的参数导出。
图3是表示实施方式1所涉及的加工运转前的预测模型参数的生成处理顺序的一个例子的流程图。首先,作为加工运转前的预测模型参数的生成处理顺序的事前准备,在刀具侧及工件侧两者安装传感器。具体地说,为了使得刀具侧位移测量部9能够取得刀具侧的位移信息,在头部6或者刀具5安装传感器。并且,为了使得工件侧位移测量部10能够取得工件侧的位移信息,在工件3、工作台4或者底座2安装传感器。
在以上的事前准备完成后,用户指示预测模型参数的生成处理的开始,数控装置8的输入装置接收预测模型参数的生成处理的开始的指示(步骤S1)。
接下来,驱动部11输出用于对工作机械1施振的驱动信号(步骤S2)。驱动信号是与实际上进行加工时的信号不同的施振信号。该施振信号只要是具有将在刀具5和工件3之间发生的相对位移的振动的振动频率包含在内的频带的信号即可,使用伪随机信号、正弦扫频信号等。
而且,模型参数运算部14从驱动信号测量部12取得施振中的驱动信号,从相对位移计算部13取得此时的相对位移(步骤S3)。
模型参数运算部14根据取得的驱动信号及相对位移,使用***识别的方法而创建预测模型。模型参数运算部14针对创建出的预测模型实施通过降阶化等实现的近似,由此创建对影响加工精度及品质的相对位移的振动进行了模拟的预测模型(步骤S4)。创建预测模型,具体地说,是指求出对预测模型进行表现的参数即预测模型参数。
模型参数运算部14将构成通过步骤S4创建出的预测模型的预测模型参数输出至相对位移预测部15及指令值校正部16(步骤S5)。在这里,将对创建出的预测模型进行状态空间表现的参数作为预测模型参数。但是,预测模型参数并不限定于进行状态空间表现的参数。
指令值校正部16从位置指令生成部17取得位置指令,从相对位移预测部15取得相对位移预测值,从模型参数运算部14取得预测模型参数。指令值校正部16基于取得的位置指令、相对位移预测值及预测模型参数,向驱动部11输出使工作机械1进行驱动的校正后位置指令,以使得相对位移相对于位置指令而不振动。
指令值校正部16中的校正后位置指令的生成方法,如在专利文献1中记载的那样如下所述。即,指令值校正部16基于使用从模型参数运算部14取得的预测模型参数而构建出的预测模型,基于对驱动对象外物体的移动量即相对位移进行预测、对驱动对象物体的移动量进行预测的预定的模型,对驱动对象物体的移动量进行预测。而且,指令值校正部16通过最优调节器的设计而对反馈增益进行计算,使用驱动对象外物体及驱动对象物体的预测出的移动量和包含反馈增益的信息,计算针对位置指令的校正量,以抑制驱动对象外物体的移动量。指令值校正部16将通过计算出的校正量对位置指令进行了校正的校正后位置指令作为针对驱动部11的指令而输出。但是,指令值校正部16中的校正的方法并不限定于此,也可以根据预测模型对相对位移的振动的频率进行确定,将抑制该频率的振动这样的滤波器设定于指令值校正部16。通过如以上说明的位置指令的校正,能够对在使工作台4移动时的刀具5和工件3的相对位移发生的振动进行抑制。
但是,在工件3、夹具、虎钳、测量器、刀具5等的重量或者形状大幅地变化的情况下,在根据平移驱动或者旋转驱动的结果而刀具5和工件3的位置关系大幅地变化的情况下,在发生了环境的变化或者历时劣化等的情况下,工作机械1的惯量发生变化。如果工作机械1的惯量发生变化,则相对位移的振动特性发生变化,因此通过上述的方法创建出的预测模型难以正确地对相对位移进行预测,其结果,相对位移有可能振动。
因此,在工作机械1的惯量发生了变化的情况下,实施方式1所涉及的数控装置8执行对预测模型参数进行变更的预测模型参数变更处理。此外,预测模型参数变更处理是由模型参数运算部14在加工运转中进行的。下面,对预测模型参数变更处理进行说明。
在加工运转中,模型参数运算部14根据从驱动信号测量部12取得的驱动信号对加速结束时或者减速结束时进行确定。而且,模型参数运算部14从加速结束时或者减速结束时起从相对位移计算部13取得任意的时间的相对位移。另外,模型参数运算部14从相对位移预测部15取得相对位移预测值。而且,模型参数运算部14对取得的相对位移预测值和取得的相对位移的差值的绝对值进行计算。将该计算结果作为相对位移的预测误差。
在加工运转前的施振时工作机械1的惯量没有大幅地变化的情况下,由于通过校正后位置指令抑制了相对位移的振动,因此相对位移的预测误差成为0附近的非常小的值。但是,在工作机械1的惯量大幅地变化的情况下,相对位移的预测误差振动,因此对此时的振动进行预测。具体地说,模型参数运算部14在相对位移的预测误差大于阈值的情况下,使用优化方法对从相对位移计算部13取得的相对位移的振动的振动频率、振幅、衰减比及相位进行计算。此外,上述阈值事先设定为预先确定的适当的正值而仅在需要时实施优化。另外,如果施振时的预测模型的精度充分好,则相对位移预测值的振动充分地得到抑制,因此在这里相对位移预测值视作0,通过优化方法对相对位移的振动进行计算。在这里,作为优化方法而使用公知的方法即粒子群优化法(Particle Swarm Optimization:PSO)进行说明,但用于求出相对位移的振动的优化方法并不限定于该方法。
粒子群优化中的优化式由下面的算式(1)及算式(2)表现。
【式1】
【式2】
算式(1)及算式(2)中的尾标i表示粒子编号(粒子数),尾标k表示搜索次数,w、c1、c2表示各个项中的加权系数,rand1i、rand2i表示从0至1为止的随机数,xi k表示第i个粒子的当前的搜索次数k时的位置矢量,vi k表示第i个粒子的当前的搜索次数k时的移动矢量,xi k+1表示第i个粒子的下一个搜索次数k+1时的位置矢量,vi k+1表示第i个粒子的下一个搜索次数k+1时的移动矢量,pbesti表示第i个粒子的过去的最佳解,gbest表示全粒子的过去的最佳解。
设为能够将由模型参数运算部14从相对位移计算部13取得的相对位移的振动以下面的算式(3)这样进行推定。
【式3】
y=A·exp(-2·π·f·ζ)·sin(2·π·f·t+Φ) …(3)
算式(3)中的y表示推定出的相对位移,A表示振幅,f表示振动频率,ζ表示衰减比,φ表示相位,t表示从加速结束或者减速结束起的时间。此时,设为位置矢量xi k=[A,f,ζ,φ],由此求出使得通过算式(3)推定出的相对位移y和从相对位移计算部13取得的相对位移之差的绝对值成为最小的振幅、振动频率、衰减比、相位。
图4是表示实施方式1所涉及的使用粒子群优化法对最优解进行计算的顺序的一个例子的流程图。图4的流程图的各步骤是由模型参数运算部14执行的。
首先,模型参数运算部14对粒子群优化法中的初始值进行设定(步骤S101)。具体地说,适当地设定成为全粒子数的粒子编号i的最大值、成为全搜索次数的搜索次数k的最大值、加权系数w、c1、c2、各粒子的位置矢量的初始值xi 0、各粒子的移动矢量的初始值vi 0、第i个粒子的过去的最佳解的初始值pbesti 0、全粒子的过去的最佳解gbest的初始值。
接下来,对搜索次数k=0进行设定(步骤S102)。
接下来,对粒子编号i=1进行设定(步骤S103)。
接下来,按照算式(1),对下一个搜索次数k+1时的移动矢量vi k+1进行计算(步骤S104)。
接下来,按照算式(2),对下一个搜索次数k+1时的位置矢量xi k+1进行计算(步骤S105)。
接下来,使用通过步骤S105求出的位置矢量xi k+1对通过算式(3)推定出的相对位移y进行计算而作为yi(步骤S106)。
接下来,对通过步骤S106推定出的相对位移yi和从相对位移计算部13取得的相对位移yref之差的绝对值即第i个粒子的当前的评价值Yi k+1=|yi-yref|进行计算(步骤S107)。
对通过步骤S107计算出的第i个粒子的当前的评价值是否小于关于第i个粒子在过去得到的评价值进行判定(步骤S108)。在判定为当前的评价值小于过去的评价值的情况下(步骤S108:Yes),进入至步骤S109,在其以外的情况下(步骤S108:No),进入至步骤S110。
将通过步骤S105求出的位置矢量xi k+1设定为第i个粒子的过去的最佳解pbesti,由此对第i个粒子的过去的最佳解pbesti进行更新(步骤S109)。即,设为pbesti=xi k+1。
对通过步骤S107计算出的第i个粒子的当前的评价值是否小于关于全粒子在过去得到的评价值进行判定(步骤S110)。在判定为当前的评价值小于全粒子的过去的评价值的情况下(步骤S110:Yes),进入至步骤S111,在其以外的情况下(步骤S110:No),进入至步骤S112。
将第i个粒子的过去的最佳解pbesti设定为全粒子的过去的最佳解gbest,由此对全粒子的过去的最佳解gbest进行更新(步骤S111)。即,设为gbest=pbesti。
将粒子编号i增加1而更新为i=i+1(步骤S112)。
接下来,对粒子编号i是否大于通过步骤S101设定出的全粒子数进行判定(步骤S113)。在判定为粒子编号i大于通过步骤S101设定出的全粒子数的情况下(步骤S113:Yes),进入至步骤S114,在其以外的情况下(步骤S113:No),进入至步骤S104。
将搜索次数k增加1而更新为k=k+1(步骤S114)。
接下来,对搜索次数k是否大于通过步骤S101设定出的全搜索次数进行判定(步骤S115)。在判定为搜索次数k大于通过步骤S101设定出的全搜索次数的情况下(步骤S115:Yes),进入至步骤S116,在其以外的情况下(步骤S115:No),进入至步骤S103。
将全粒子的过去的最佳解gbest决定为最终的最优解(步骤S116)。判断为该最佳解gbest相当于从相对位移计算部13取得的相对位移的振动的振动频率、振幅、衰减比、相位。
模型参数运算部14通过将以上述方式求出的振动频率等应用于与预测模型的振动频率等相对应的部分,从而对预测模型进行变更。
在这里,具体地说,将预测模型如下面的算式(4)所示,由传递函数表现。
【式4】
在算式(4)中,s表示拉普拉斯运算符,N(s)表示s的多项式,λ表示预测模型的固有值,λ~表示λ的共轭复数。通常来说,固有值λ的实部λreal及虚部λimag,能够使用振动频率f和衰减比ζ而如下面的算式(5)及算式(6)所示地表现。
【式5】
λreal=-ζ·(2·π·f) …(5)
【式6】
而且,将通过上述的优化方法的步骤S116求出的振动频率f及衰减比ζ代入至算式(5)及算式(6)的振动频率f及衰减比ζ,由此对固有值进行变更,能够将预测模型变更为与从模型参数运算部14、相对位移计算部13取得的相对位移的振动相匹配的模型。通过将变更后的预测模型进行状态空间表现,从而预测模型参数也能够变更。相对位移计算部13根据从刀具侧位移测量部9及工件侧位移测量部10取得的与位移相关的物理量而计算出相对位移,因此能够与工作机械1的惯量的变化相应地对预测模型参数进行变更。如上述所示,如果预测模型参数由模型参数运算部14进行了变更,则对相对位移预测部15所使用的预测模型参数进行变更,因此进行抑制以使得相对位移预测部15使用预测模型参数而基于驱动信号输出的相对位移预测值和由相对位移计算部13生成的相对位移的偏差成为0。具体地说,模型参数运算部14对预测模型参数进行变更,以使得相对位移预测部15预测的相对位移预测值的振动的振动频率、振幅、衰减比、相位,与相对位移计算部13生成的相对位移的振动的振动频率、振幅、衰减比、相位一致。
图5是表示实施方式1所涉及的通过预测模型参数的变更而实现的效果的图。图5是表示在如图1所示的工作机械1中,针对在水平方向使工件3移动时的以工件3为基准的刀具5的垂直方向的相对位移的模拟结果的一个例子的图。
在图5中,横轴表示时间,纵轴表示相对位移。图5的由虚线表示的曲线L1示出了没有执行加工运转中的预测模型的变更而仅使用在加工运转前构建出的预测模型的情况下的垂直方向的相对位移的时间变化。在图5中由实线表示的曲线L2示出了如上述说明所示在加工运转中变更了预测模型的情况下的垂直方向的相对位移的时间变化。在预测模型中使用算式(4)实施了模拟。在没有执行加工运转中的预测模型的变更的情况下,在运转中工作机械1的惯量发生变化,由此相对位移的振动的振动频率发生变化,其结果,如曲线L1所示,产生了垂直方向的振动振幅。另一方面,可知在加工运转中变更了预测模型的情况下,如曲线L2所示,垂直方向的振动振幅充分地变小,并且振动的结束时间与曲线L1相比得到缩短。
如以上说明所述,根据实施方式1所涉及的数控装置8,基于在加工运转中测定出的相对位移而优化预测模型,即优化预测模型参数。由此,在加工运转中的工作机械1的惯量发生了变化时,能够对在刀具和工件的相对位移发生振动进行抑制。
实施方式2.
图6是表示本发明的实施方式2所涉及的数控装置81的功能结构的一个例子的框图。数控装置81与实施方式1所涉及的数控装置8的差异点在于,将相对位移计算部13变更为相对位移计算部131。
相对位移计算部131具有相对位移运算部18及滤波器处理部19。相对位移运算部18进行与实施方式1所涉及的相对位移计算部13相同的处理。将从相对位移运算部18输出的刀具和工件之间的相对位移在实施方式2中定义为滤波器处理前相对位移。从相对位移运算部18输出的滤波器处理前相对位移被输入至滤波器处理部19。
图7是表示实施方式2所涉及的滤波器处理部19的功能结构的一个例子的框图。滤波器处理部19具有滤波器参数设定部20及带通滤波器21。滤波器参数设定部20根据从模型参数运算部14取得的预测模型参数而推定相对位移的振动的振动频率,将以该振动频率为中心的通频带设定于带通滤波器21。
具体地说,在根据预测模型参数构建出由算式(4)表现的预测模型的情况下,能够根据算式(5)及算式(6)简单地推定相对位移的振动频率。另外,在加工运转前仍未求出预测模型参数的情况下,不执行滤波器处理,将滤波器处理前相对位移直接设为相对位移计算部131的输出,因此滤波器参数设定部20还进行带通滤波器21的可否使用的设定。带通滤波器21基于滤波器参数设定部20的设定,针对从相对位移运算部18输出的滤波器处理前相对位移执行滤波器处理,将与噪声相当的成分去除而作为相对位移输出。将带通滤波器21输出的相对位移设为由相对位移计算部131生成的相对位移。
此外,在预先知道相对位移的振动的振动频率的情况下,可以与来自模型参数运算部14的预测模型参数的输入无关地,滤波器参数设定部20对带通滤波器21的通频带进行设定。另外,关于带通滤波器21中的通频带的设定的方法,可以是将预测的频率的正负几十Hz设为通频带、将预测的频率的一半及2倍的频率区域也设定为通频带等,只要与相对位移的振动的频率接近的值的频率能够经过,则并不特别地限定。
根据实施方式2所涉及的数控装置81,如上所述针对从滤波器处理部19将不需要的振动去除而输出的相对位移通过模型参数运算部14执行优化处理,由此预测模型参数的变更精度提高。其结果,能够使针对相对位移的振动的抑制能力进一步提高。
实施方式3.
图8是表示本发明的实施方式3所涉及的数控装置82的功能结构的一个例子的框图。数控装置82与实施方式1所涉及的数控装置8的差异点在于,数控装置82还具有惯量变更信息预测部22。而且,与实施方式1的不同点在于,基于从惯量变更信息预测部22输出的惯量变更信息对模型参数运算部14中的预测模型参数的变更处理的可行性进行判断。
惯量变更信息预测部22取得从驱动部11输出的工件3的惯量信息或者从位置指令生成部17输出的轴位置信息,将表示在工作机械1的惯量发生了变化的惯量变更信息输出至模型参数运算部14。
工件3的惯量信息是指在工作台4搭载的工件3的推定惯量。关于工件3的推定惯量,已知能够基于电动机的加减速时的驱动信号即电流和加速度而对作为驱动对象的工件3的惯量进行推定。因此,驱动部11基于电动机的加减速时的驱动信号即电流和加速度而输出在工作台4搭载的工件3的推定惯量。
另外,位置指令生成部17基于加工程序而输出工作机械1的各驱动轴的移动信息即位置指令,因此将该位置指令作为轴位置信息输出。
惯量变更信息预测部22对取得的推定惯量进行了存储,在判断为推定惯量的变化增大的情况下,视作工作机械1的惯量发生了变化,将惯量变更信息输出。此外,预先适当地设定与在进行判断时必要的推定惯量的变化量对应的阈值。
另外,惯量变更信息预测部22对取得的轴位置信息进行了存储,在判断为轴位置信息大幅地变化的情况下,视作工作机械1的惯量发生了变化,将惯量变更信息输出。此外,预先适当地设定与在进行判断时必要的位置指令的变化量对应的阈值。
模型参数运算部14基于从惯量变更信息预测部22取得的惯量变更信息,进行预测模型参数变更处理的可行性判断。具体地说,在工作台4搭载有重量大的工件3的情况下,工作机械1的惯量大幅地变化。在这里,将惯量变更信息设为接通或者断开的2值信息。惯量变更信息预测部22在对工作台4进行驱动的电动机的加减速后,基于从驱动部11取得的推定惯量,检测到工作机械1的惯量大幅地变化,将惯量变更信息设为接通而输出。在这里,惯量变更信息预测部22对在检测到工作机械1的惯量大幅地变化时所取得的推定惯量进行了存储。模型参数运算部14在惯量变更信息成为接通的情况下,实施预测模型参数的变更处理,在实施预测模型参数的变更处理后,惯量变更信息预测部22将惯量变更信息设为断开。
预测模型参数的变更处理,是在工作机械1的惯量大幅地变化时必要的处理。根据实施方式3所涉及的数控装置82,仅在必要的情况下进行变更处理,能够使得不进行多余的预测模型参数的变更,因此能够节省多余的运算成本。
实施方式4.
图9是表示本发明的实施方式4所涉及的数控装置83的功能结构的一个例子的框图。数控装置83与实施方式1所涉及的数控装置8的差异点在于,将模型参数运算部14变更为模型参数运算部141。
模型参数运算部141具有对预测模型参数进行学习的机械学习装置100及意思决定部105。机械学习装置100具有状态观测部101及学习部102。
状态观测部101将从相对位移计算部13取得的相对位移、从相对位移预测部15取得的相对位移预测值及从驱动信号测量部12取得的驱动信号作为状态变量进行观测。
学习部102按照基于相对位移、相对位移预测值、驱动信号的状态变量而创建的训练数据组,对预测模型参数进行学习。
学习部102使用的学习算法可以使用任意的算法。作为一个例子,关于应用强化学习(Reinforcement Learning)的情况进行说明。强化学习是指,某个环境内的代理人(行动主体)对当前的状态进行观测,决定应该采取的行动。代理人通过对行动进行选择而从环境获得收益,对经过一系列的行动而得到最多收益的方案进行学习。作为强化学习的代表性的方法,已知Q学习(Q-learning)、TD学习(TD-learning)。例如,在Q学习的情况下,行动价值函数Q(s,a)的一般性的更新式(行动价值表格)由下面的算式(7)表示。
【式7】
Q(st,at)←Q(st,at)+α(rt+1+γmaxa Q(st+1,at)-Q(st,at))…(7)
在算式(7)中,st表示时刻t下的环境,at表示时刻t下的行动。通过行动at,环境变化为st+1。rt+1表示能够通过该环境的变化而得到的收益,γ表示折扣率,α表示学习系数。在应用Q学习的情况下,预测模型参数成为行动at。
由算式(7)表示的更新式,如果时刻t+1下的最佳的行动a的行动价值,大于在时刻t下执行的行动a的行动价值Q,则增大行动价值Q,在相反的情况下,减小行动价值Q。换言之,对行动价值函数Q(s,a)进行更新,以使得时刻t下的行动a的行动价值Q接近时刻t+1下的最佳的行动价值。由此,某个环境中的最佳的行动价值依次不断传播为此前环境中的行动价值。
图10是表示实施方式4所涉及的机械学习装置100的功能结构的一个例子的框图。学习部102还具有收益计算部103和函数更新部104。
收益计算部103基于状态变量对收益进行计算。
在这里,从相对位移预测部15输出的相对位移预测值和从相对位移计算部13输出的相对位移的差值的绝对值是相对位移的预测误差。相对位移的预测误差按照公知的方法进行提取。具体地说,在搭载重量大的工件3,对驱动工作台4的轴的电动机进行加减速驱动后对相对位移和相对位移预测值进行测定,由此能够求出相对位移的预测误差。
收益计算部103基于相对位移的预测误差而对收益r进行计算。具体地说,对预测模型参数进行了变更,其结果,在相对位移预测值的振动频率和相对位移的频率之差的绝对值变小的情况下,收益计算部103使收益r增大。为了使收益r增大,赋予“1”的收益。此外,收益的值并不限于“1”。
另外,对预测模型参数进行了变更,其结果,在相对位移预测值的振幅和相对位移的振幅之差的绝对值变大的情况下,收益计算部103减少收益r。为了减少收益r,赋予“-1”的收益。此外,收益的值并不限于“-1”。
函数更新部104按照由收益计算部103计算的收益,对用于决定预测模型参数的函数进行更新。函数的更新能够按照训练数据组,具体地说,通过更新行动价值表格而进行。行动价值表格是将任意的行动和其行动价值相关联而以表格的形式存储的数据组。例如在Q学习的情况下,将由算式(7)表示的行动价值函数Q(st,at)作为用于预测模型参数的函数使用。
图11是表示实施方式4所涉及的使用了强化学习的机械学习装置100的动作流程的流程图。参照图11的流程图,对更新行动价值函数Q(s,a)的强化学习方法进行说明。
首先,状态观测部101基于从驱动信号测量部12取得的驱动信号,对加速结束时或者减速结束时进行确定(步骤S11)。
状态观测部101从加速结束时或者减速结束时起取得任意的期间的状态变量(步骤S12)。状态变量各自包含有相对位移、驱动信号、相对位移预测值。此外,在加速结束后电动机进行驱动,因此相对位移有可能包含额外的噪声,因此优选将减速结束后的停止状态时的相对位移作为状态变量而利用。
收益计算部103对相对位移预测值和相对位移之差的绝对值即相对位移的预测误差进行计算(步骤S13)。
收益计算部103基于相对位移的预测误差,对收益r进行计算(步骤S14)。
函数更新部104按照通过步骤S14求出的收益r,按照算式(7)对行动价值函数Q(s,a)进行更新(步骤S15)。
函数更新部104对在步骤S15中没有进行更新,行动价值函数Q是否收敛进行判定(步骤S16)。在判定为行动价值函数Q没有收敛的情况下(步骤S16:No),返回至步骤S11。在判定为行动价值函数Q收敛的情况下(步骤S16:Yes),通过学习部102进行的学习结束。此外,也可以不设置步骤S16,而是在步骤S15后立即返回至步骤S11而继续学习。
意思决定部105基于学习部102学习得到的结果、即更新后的行动价值函数Q(s,a)而对收益获得最多的预测模型参数进行选择。而且,指令值校正部16从意思决定部105取得预测模型参数而对位置指令进行校正,由此能够与工作机械1的惯量的变化相应地对在相对位移发生的振动进行抑制。
此外,在实施方式4中,对学习部102利用强化学习而进行机械学习的情况进行了说明。但是,学习部102也可以按照其它公知的方法、神经网络、遗传性编程、功能逻辑编程、支持向量机这样的学习算法而执行机械学习。
实施方式1至4所涉及的数控装置8、81~83是通过个人计算机或者通用计算机这样的计算机***实现的。图12是表示将实施方式1至4所涉及的数控装置8、81~83的功能通过计算机***实现的情况下的硬件结构的图。在将数控装置8、81~83的功能通过计算机***实现的情况下,数控装置8、81~83的功能如图12所示,通过CPU(Central ProcessingUnit)201、存储器202、存储装置203、显示装置204及输入装置205实现。机械学习装置100所执行的功能,通过软件、固件或者软件和固件的组合而实现。软件或者固件作为程序被记述而储存于存储装置203。CPU 201将在存储装置203中存储的软件或者固件读出至存储器202而执行,由此实现数控装置8、81~83的功能。即,计算机***具有存储装置203,该存储装置203在由CPU 201执行数控装置8、81~83的功能时,用于对在结果上执行实施方式1至4所涉及的数控装置8、81~83的动作实施的程序步骤的程序进行储存。另外,这些程序可以说是使计算机执行数控装置8、81~83的功能所实现的处理的程序。存储器202相当于RAM(Random Access Memory)这样的易失性的存储区域。存储装置203相当于ROM(Read OnlyMemory)、闪存存储器这样的非易失性或者易失性的半导体存储器、磁盘。显示装置204的具体例是监视器、显示器。输入装置205的具体例是键盘、鼠标、触摸面板。
以上的实施方式所示的结构,表示本发明的内容的一个例子,也能够与其它公知技术进行组合,在不脱离本发明的主旨的范围,也能够对结构的一部分进行省略、变更。
标号的说明
1工作机械,2底座,3工件,4工作台,5刀具,6头部,7立柱,8、81~83数控装置,9刀具侧位移测量部,10工件侧位移测量部,11驱动部,12驱动信号测量部,13、131相对位移计算部,14、141模型参数运算部,15相对位移预测部,16指令值校正部,17位置指令生成部,18相对位移运算部,19滤波器处理部,20滤波器参数设定部,21带通滤波器,22惯量变更信息预测部,100机械学习装置,101状态观测部,102学习部,103收益计算部,104函数更新部,105意思决定部,201CPU,202存储器,203存储装置,204显示装置,205输入装置。
Claims (5)
1.一种数控装置,其通过向对电动机进行驱动的驱动部的指令,对工作机械中的刀具和工件的相对位移进行控制,
该数控装置的特征在于,具有:
刀具侧位移测量部,其对与所述刀具的位移相关的物理量进行测量;
工件侧位移测量部,其对与所述工件的位移相关的物理量进行测量;
驱动信号测量部,其对从所述驱动部输出至所述电动机的驱动信号进行测量;
相对位移计算部,其根据与所述刀具的位移相关的物理量和与所述工件的位移相关的物理量,对所述刀具和所述工件的相对位移进行计算;
相对位移预测部,其基于表现所述驱动信号和所述相对位移的关系的预测模型,根据所述驱动信号对所述相对位移的预测值即相对位移预测值进行计算;
模型参数运算部,其基于所述驱动信号、所述相对位移计算部生成的所述相对位移、以及所述相对位移预测值,生成构成所述预测模型的预测模型参数;以及
指令值校正部,其将使用所述预测模型参数而对针对所述驱动部的位置指令进行了校正的校正后位置指令作为所述指令而输出,
所述模型参数运算部对所述预测模型参数进行变更,以使得对所述相对位移计算部生成的所述相对位移和所述相对位移预测值的偏差进行抑制。
2.根据权利要求1所述的数控装置,其特征在于,
所述模型参数运算部对预测模型参数进行变更,以使得所述相对位移预测值的振动的振动频率、振幅、衰减比、相位与所述相对位移计算部生成的所述相对位移的振动的振动频率、振幅、衰减比、相位一致。
3.根据权利要求1或2所述的数控装置,其特征在于,
所述相对位移计算部根据与所述刀具的位移相关的物理量和与所述工件的位移相关的物理量,求出所述刀具和所述工件的滤波器处理前相对位移,使用所述预测模型参数对所述滤波器处理前相对位移执行滤波器处理而对相对位移进行计算。
4.根据权利要求1至3中任一项所述的数控装置,其特征在于,
还具有惯量信息变更预测部,该惯量信息变更预测部输出表示所述工作机械的惯量发生了变化的惯量变更信息,
所述模型参数运算部基于所述惯量变更信息,进行所述预测模型参数的变更。
5.根据权利要求1至4中任一项所述的数控装置,其特征在于,
所述模型参数运算部具有:
机械学习装置,其对所述预测模型参数进行学习;以及
意思决定部,其基于所述机械学习装置学习的结果,决定所述预测模型参数,
所述机械学习装置具有:
状态观测部,其将所述驱动信号、所述相对位移计算部生成的所述相对位移、以及所述相对位移预测值,作为状态变量而进行观测;以及
学习部,其按照基于所述状态变量而创建的训练数据组,对所述预测模型参数进行学习。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2018/025474 WO2020008587A1 (ja) | 2018-07-05 | 2018-07-05 | 数値制御装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110914770A true CN110914770A (zh) | 2020-03-24 |
CN110914770B CN110914770B (zh) | 2021-03-12 |
Family
ID=65999395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880004309.4A Active CN110914770B (zh) | 2018-07-05 | 2018-07-05 | 数控装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10663945B2 (zh) |
JP (1) | JP6494897B1 (zh) |
CN (1) | CN110914770B (zh) |
DE (1) | DE112018000172B4 (zh) |
WO (1) | WO2020008587A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6647477B1 (ja) * | 2019-03-28 | 2020-02-14 | 三菱電機株式会社 | 数値制御装置および機械学習装置 |
JP7436181B2 (ja) * | 2019-11-08 | 2024-02-21 | ファナック株式会社 | たわみ量算出装置及びプログラム |
US11892813B2 (en) | 2020-03-23 | 2024-02-06 | Fanuc Corporation | Control device for electric motor |
CN115315665A (zh) * | 2020-03-24 | 2022-11-08 | 三菱电机株式会社 | 数控装置 |
EP3893064A1 (en) * | 2020-04-07 | 2021-10-13 | GF Machining Solutions AG | Method for predicting status of machining operation |
JP6961128B1 (ja) * | 2021-02-01 | 2021-11-05 | 三菱電機株式会社 | シミュレーション装置、工作機械システム、シミュレーション方法および加工方法 |
CN117725368B (zh) * | 2024-02-07 | 2024-05-31 | 浙江公路水运工程咨询集团有限公司 | 一种公路边坡位移预测方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1992019418A1 (en) * | 1991-04-26 | 1992-11-12 | Fanuc Ltd | Copy control device |
JPH06113579A (ja) * | 1992-09-30 | 1994-04-22 | Mitsubishi Electric Corp | 位置制御方法および位置制御装置 |
JP3407972B2 (ja) * | 1994-04-27 | 2003-05-19 | ファナック株式会社 | 工作機械の熱変位補正方法 |
CN1680073A (zh) * | 2004-03-10 | 2005-10-12 | 发那科株式会社 | 机械加工设备 |
JP2006198742A (ja) * | 2005-01-21 | 2006-08-03 | Hitachi Via Mechanics Ltd | 穴明け加工機 |
JP2009205641A (ja) * | 2008-02-29 | 2009-09-10 | Canon Inc | 反復学習制御回路を備える位置制御装置 |
CN101727088A (zh) * | 2008-10-31 | 2010-06-09 | 大隈株式会社 | 用于数控机床的位置控制装置 |
CN102209677A (zh) * | 2008-11-12 | 2011-10-05 | 三菱电机株式会社 | 电梯控制装置 |
US20130149062A1 (en) * | 2011-12-13 | 2013-06-13 | Mori Seiki Co., Ltd. | Machine Tool |
CN104285191A (zh) * | 2013-05-09 | 2015-01-14 | 三菱电机株式会社 | 数控装置 |
CN106662860A (zh) * | 2014-08-12 | 2017-05-10 | 三菱电机株式会社 | 数控装置 |
JP6180688B1 (ja) * | 2016-12-08 | 2017-08-16 | 三菱電機株式会社 | 数値制御装置 |
CN107234255A (zh) * | 2016-03-29 | 2017-10-10 | 发那科株式会社 | 进行摆动切削的机床的伺服控制装置以及控制方法 |
CN107976955A (zh) * | 2017-11-07 | 2018-05-01 | 大连理工大学 | 一种大型薄壁零件复杂曲面镜像加工方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS601139B2 (ja) * | 1978-08-05 | 1985-01-12 | 株式会社牧野フライス製作所 | 倣い工作機械の自動工具寸法補正方法 |
JPS59169720A (ja) * | 1983-03-16 | 1984-09-25 | Inoue Japax Res Inc | 電気加工用マシニングセンタ |
JPH04340105A (ja) | 1990-11-28 | 1992-11-26 | Okuma Mach Works Ltd | 数値制御装置 |
JP3304484B2 (ja) * | 1993-03-04 | 2002-07-22 | 株式会社ダイヘン | 産業用ロボットの制御装置 |
JPH0775937A (ja) * | 1993-09-07 | 1995-03-20 | Sodick Co Ltd | 工作機械及びその制御方法 |
JPH07266193A (ja) * | 1994-03-30 | 1995-10-17 | Toshiba Mach Co Ltd | 熱変位補正装置 |
JP4283214B2 (ja) | 2004-12-16 | 2009-06-24 | ファナック株式会社 | 機械先端点の制御装置 |
JP4819665B2 (ja) * | 2006-12-18 | 2011-11-24 | オークマ株式会社 | 非真円形状加工装置 |
IT1401373B1 (it) * | 2010-08-06 | 2013-07-18 | Fidia Spa | Sistema predittivo di controllo e visualizzazione virtuale per una macchina utensile a controllo numerico |
CN106489105B (zh) * | 2015-06-18 | 2018-06-22 | 三菱电机株式会社 | 控制参数调整装置 |
JP6063016B1 (ja) * | 2015-09-29 | 2017-01-18 | ファナック株式会社 | 電動機に対する動作指令を学習する機械学習方法および機械学習装置並びに該機械学習装置を備えた工作機械 |
JP2019096219A (ja) * | 2017-11-27 | 2019-06-20 | ファナック株式会社 | 工作機械の制御装置 |
-
2018
- 2018-07-05 DE DE112018000172.5T patent/DE112018000172B4/de active Active
- 2018-07-05 CN CN201880004309.4A patent/CN110914770B/zh active Active
- 2018-07-05 US US16/340,385 patent/US10663945B2/en active Active
- 2018-07-05 WO PCT/JP2018/025474 patent/WO2020008587A1/ja active Application Filing
- 2018-07-05 JP JP2018563932A patent/JP6494897B1/ja active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1992019418A1 (en) * | 1991-04-26 | 1992-11-12 | Fanuc Ltd | Copy control device |
JPH06113579A (ja) * | 1992-09-30 | 1994-04-22 | Mitsubishi Electric Corp | 位置制御方法および位置制御装置 |
JP2822809B2 (ja) * | 1992-09-30 | 1998-11-11 | 三菱電機株式会社 | 位置制御方法および位置制御装置 |
JP3407972B2 (ja) * | 1994-04-27 | 2003-05-19 | ファナック株式会社 | 工作機械の熱変位補正方法 |
CN1680073A (zh) * | 2004-03-10 | 2005-10-12 | 发那科株式会社 | 机械加工设备 |
JP2006198742A (ja) * | 2005-01-21 | 2006-08-03 | Hitachi Via Mechanics Ltd | 穴明け加工機 |
JP2009205641A (ja) * | 2008-02-29 | 2009-09-10 | Canon Inc | 反復学習制御回路を備える位置制御装置 |
TW201001086A (en) * | 2008-02-29 | 2010-01-01 | Canon Kk | Position control apparatus including iterative learning circuit, exposure apparatus, method for manufacturing device, and iterative learning method for use in position control apparatus having iterative learning circuit including learning filter |
CN101727088A (zh) * | 2008-10-31 | 2010-06-09 | 大隈株式会社 | 用于数控机床的位置控制装置 |
CN102209677A (zh) * | 2008-11-12 | 2011-10-05 | 三菱电机株式会社 | 电梯控制装置 |
US20130149062A1 (en) * | 2011-12-13 | 2013-06-13 | Mori Seiki Co., Ltd. | Machine Tool |
CN104285191A (zh) * | 2013-05-09 | 2015-01-14 | 三菱电机株式会社 | 数控装置 |
CN104285191B (zh) * | 2013-05-09 | 2016-04-20 | 三菱电机株式会社 | 数控装置 |
CN106662860A (zh) * | 2014-08-12 | 2017-05-10 | 三菱电机株式会社 | 数控装置 |
CN107234255A (zh) * | 2016-03-29 | 2017-10-10 | 发那科株式会社 | 进行摆动切削的机床的伺服控制装置以及控制方法 |
JP6180688B1 (ja) * | 2016-12-08 | 2017-08-16 | 三菱電機株式会社 | 数値制御装置 |
CN107976955A (zh) * | 2017-11-07 | 2018-05-01 | 大连理工大学 | 一种大型薄壁零件复杂曲面镜像加工方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110914770B (zh) | 2021-03-12 |
US10663945B2 (en) | 2020-05-26 |
JP6494897B1 (ja) | 2019-04-03 |
US20200012253A1 (en) | 2020-01-09 |
WO2020008587A1 (ja) | 2020-01-09 |
DE112018000172T5 (de) | 2020-06-10 |
DE112018000172B4 (de) | 2020-09-24 |
JPWO2020008587A1 (ja) | 2020-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110914770B (zh) | 数控装置 | |
JP5078891B2 (ja) | 機械における機械要素の移動案内のための方法および装置 | |
JP6680756B2 (ja) | 制御装置及び機械学習装置 | |
JP5209810B1 (ja) | イナーシャと摩擦係数とばね定数を同時に推定する機能を備える電動機の制御装置 | |
Thomsen et al. | Vibration control of industrial robot arms by multi-mode time-varying input shaping | |
JP6426770B2 (ja) | サーボ制御装置 | |
JP6697491B2 (ja) | 機械学習装置、サーボモータ制御装置、サーボモータ制御システム、及び機械学習方法 | |
JP6557285B2 (ja) | 制御装置及び機械学習装置 | |
JP7464383B2 (ja) | ワークモデルの修正量を学習する機械学習装置、制御装置、加工システム、及び機械学習方法 | |
JP2017064837A (ja) | 電動機に対する動作指令を学習する機械学習方法および機械学習装置並びに該機械学習装置を備えた工作機械 | |
KR102224970B1 (ko) | 제어 장치 및 기계 학습 장치 | |
US20190018392A1 (en) | Control apparatus and learning device | |
JP2019168973A (ja) | 駆動装置及び機械学習装置 | |
WO2021060090A1 (ja) | 制御システム | |
JP2020004080A (ja) | 出力装置、制御装置、及び評価関数値の出力方法 | |
JP2020035213A (ja) | 機械学習装置、制御システム及び機械学習方法 | |
JP2009125920A (ja) | ロボットの作業動作最適化装置 | |
JP6978452B2 (ja) | 機械学習装置、制御装置、及び機械学習の探索範囲の設定方法 | |
JP6646025B2 (ja) | 制御装置及び機械学習装置 | |
JP6180688B1 (ja) | 数値制御装置 | |
JP2002091570A (ja) | サーボ制御方法 | |
Leniowska | An adaptive vibration control procedure based on symbolic solution of Diophantine equation | |
JP4072350B2 (ja) | モータ制御装置 | |
CN112236729B (zh) | 数控装置 | |
JP2020121358A (ja) | 学習制御装置、ロボット制御装置およびロボット |
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 |