CN113711138A - 伺服控制装置 - Google Patents

伺服控制装置 Download PDF

Info

Publication number
CN113711138A
CN113711138A CN202080029088.3A CN202080029088A CN113711138A CN 113711138 A CN113711138 A CN 113711138A CN 202080029088 A CN202080029088 A CN 202080029088A CN 113711138 A CN113711138 A CN 113711138A
Authority
CN
China
Prior art keywords
unit
point
estimated
servo control
reference point
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
Application number
CN202080029088.3A
Other languages
English (en)
Other versions
CN113711138B (zh
Inventor
藤田智哉
池田辽辅
佐藤刚
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.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric 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 Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Publication of CN113711138A publication Critical patent/CN113711138A/zh
Application granted granted Critical
Publication of CN113711138B publication Critical patent/CN113711138B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G05B19/19—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 positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path
    • 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
    • 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
    • H02P29/00—Arrangements for regulating or controlling electric motors, appropriate for both AC and DC motors
    • H02P29/02—Providing protection against overload without automatic interruption of supply
    • H02P29/024—Detecting a fault condition, e.g. short circuit, locked rotor, open circuit or loss of load
    • H02P29/028—Detecting a fault condition, e.g. short circuit, locked rotor, open circuit or loss of load the motor continuing operation despite the fault condition, e.g. eliminating, compensating for or remedying the fault

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Numerical Control (AREA)
  • Feedback Control In General (AREA)
  • Control Of Position Or Direction (AREA)
  • Control Of Electric Motors In General (AREA)

Abstract

一种伺服控制装置(100)，其相对于对连接有被驱动体的机械部(7a)进行驱动的致动器，将由旋转角检测器(2)检测出的检测位置(Xd)进行反馈，通过控制器部(6a)对致动器进行控制以使得追随由指令值运算部(9)运算出的位置指令(Xc)，伺服控制装置(100)具有：评价点传感器(1a)，其对评价点的状态量进行检测；参照点传感器(1b)，其对参照点的状态量进行检测；第一传递函数运算部(4a)，其使用评价点的状态量及参照点的状态量对第一传递函数(FRF1(s))进行运算；第二传递函数运算部(4b)，其使用参照点的状态量及检测位置对第二传递函数(FRF2(s))进行运算；以及仿真部(5)，其使用第一传递函数(FRF1(s))、第二传递函数(FRF2(s))及刚性值参数(Kdr)，对评价点推定位置进行运算。

Description

伺服控制装置
技术领域
本发明涉及一种进行***辨识的伺服控制装置。
背景技术
伺服控制装置是使用致动器进行反馈控制以使得使用位置检测器检测出的被驱动体的位置与指令位置一致的装置。
如数控工作机械、工业用机械、机器人、输送机等这样具有多自由度的机械装置，具有被称为轴的伺服控制装置。如上所述的机械装置通过安装于各轴的致动器对被驱动体的位置进行控制，通过将各轴的位置控制进行组合，从而实现了多自由度的运动。
进行控制以使得运动轨迹准确地追随所指定的路径即指令轨迹的伺服控制，被称为轨迹控制或者轮廓运动控制。在轨迹控制中如果由于摩擦、机械构造的振动等干扰要因而在轴的运动产生误差，则运动轨迹从指令轨迹偏离，因此产生轨迹误差。例如，在通过将切削刀具的运动转印至加工对象的工作物而产生形状的数控工作机械中，即使是几十微米的轨迹误差，有时也判断为加工不良。
在数控工作机械、工业用机械、机器人、输送机等中，如刀具、输送物、机器人手那样的实际进行作业的部位成为真正希望实现轨迹控制的控制对象。但是，在全部轴中，难以将用于对被驱动体的位置进行检测的位置检测器完全地一致地安装于控制对象。因此，伺服控制装置在进行了反馈控制的情况下，如果位置检测器的安装位置与控制对象的位置不一致，则无法通过位置检测器准确地对控制对象的运动进行检测，因此产生轨迹误差。
在运动轨迹产生轨迹误差的情况下，通过向伺服控制装置输入校正指令而实现误差减小。为了生成校正指令，需要对轨迹误差的产生原因进行确定，知晓产生的轨迹误差的误差量。作为知晓误差量的直接方法而已知下述方法，即，在控制对象安装位移测量器，对产生的轨迹误差进行测定。例如，被称为球杆仪的测定器是2个高精度的钢球间经由位移计而结合，读取进行将2球间的相对距离保持恒定那样的运动时的2点间的相对位移。球杆仪在对工作机械的刀具前端的轨迹误差进行测定时经常被使用。但是，在安装有如上所述的位移测量器的情况下难以进行加工、组装、输送等作业，因此需要在每次进行测定时中止作业。因此，更优选通过更简易的方法且在作业中对控制对象的轨迹误差进行测定或者推定的方式。
基于使用机械装置的建模、***辨识等的轨迹误差的预测结果、误差原因的预测结果的伺服控制装置的轨迹误差的校正是重要的课题，公知多个方法。例如，在专利文献1公开了下述技术，即，从通过检测单元检测出的动作量及动作指令得到机械的频率特性，对机械的负载量的刚体负载模型、将摩擦数值化的摩擦模型及振动特性模型进行辨识。
专利文献1：日本特开2006－333594号公报
发明内容
但是，在专利文献1中记载的技术存在下述问题，即，能够在频率区域对误差的产生要因及最大误差量进行确定，但无法预想到在控制对象产生的时时刻刻的误差量。
本发明就是鉴于上述情况而提出的，其目的在于，得到对进行轨迹控制的机械特性进行辨识，能够实现对控制对象的轨迹误差进行模拟的***辨识的伺服控制装置。
为了解决上述的课题，达到目的，本发明是一种伺服控制装置，其相对于对连接有作为控制对象的被驱动体的机械部进行驱动的大于或等于1个致动器，将由安装于检测点的位置检测器检测出的表示被驱动体的位置的检测位置进行反馈，通过控制器部对致动器进行控制，以使得被驱动体的位置追随对由指令值运算部运算出的位置进行指示的位置指令。伺服控制装置的特征在于，具有：第一检测部，其对在被驱动体或者与被驱动体相对应的位置设定的评价点的状态量进行检测；第二检测部，其对在评价点和致动器之间的机械部设定的参照点的状态量进行检测；第一传递函数运算部，其使用评价点的状态量及参照点的状态量，对作为从参照点至评价点为止的频率响应特性的第一传递函数进行运算；第二传递函数运算部，其使用参照点的状态量及检测位置，对作为从检测位置至参照点为止的频率响应特性的第二传递函数进行运算；以及第一仿真部，其使用第一传递函数、第二传递函数及表示检测位置和参照点之间的刚性值的刚性值参数，对评价点的推定位置进行运算。第一仿真部具有：控制器模拟部，其将推定出检测位置的举动的检测点推定位置作为反馈，对控制器部进行模拟而生成向致动器的指令扭矩推定值；参照点推定位置运算部，其使用第二传递函数及检测点推定位置，对推定出参照点的举动的参照点推定位置进行运算；评价点推定位置运算部，其使用第一传递函数及参照点推定位置，对推定出评价点的举动的评价点推定位置进行运算；驱动反作用力推定部，其使用检测点推定位置、参照点推定位置及刚性值参数，对驱动反作用力推定值进行运算；检测点推定位置运算部，其使用根据驱动反作用力推定值及指令扭矩推定值而运算的有效扭矩推定值，对检测点推定位置进行运算；以及模拟器参数设定部，其将第一传递函数设定于评价点推定位置运算部，将第二传递函数设定于参照点推定位置运算部，将刚性值参数设定于驱动反作用力推定部。
发明的效果
根据本发明，伺服控制装置具有下述效果，即，对进行轨迹控制的机械特性进行辨识，能够实现对控制对象的轨迹误差进行模拟的***辨识。
附图说明
图1是表示实施方式1所涉及的数控工作机械的结构例的图。
图2是表示实施方式1所涉及的数控工作机械的轴即X轴伺服控制装置的结构例的示意图。
图3是表示实施方式1所涉及的控制器部的结构例的框图。
图4是表示实施方式1所涉及的进行***辨识的伺服控制装置的结构例的框图。
图5是表示实施方式1所涉及的仿真部的结构例的框图。
图6是表示实施方式1所涉及的控制器模拟部的结构例的框图。
图7是表示实施方式1所涉及的驱动反作用力推定部的结构例的框图。
图8是表示实施方式1所涉及的伺服控制装置的动作的流程图。
图9是表示将实施方式1所涉及的伺服控制装置所具有的处理电路由处理器及存储器构成的情况下的例子的图。
图10是表示将实施方式1所涉及的伺服控制装置所具有的处理电路由专用的硬件构成的情况下的例子的图。
图11是表示实施方式2所涉及的进行***辨识的伺服控制装置的结构例的图。
图12是表示实施方式2所涉及的数控工作机械的轴即X轴伺服控制装置的结构例的示意图。
图13是表示实施方式2所涉及的控制器部的结构例的框图。
图14是表示实施方式3所涉及的伺服控制装置的结构例的示意图。
图15是表示实施方式4所涉及的进行***辨识的伺服控制装置的结构例的图。
图16是表示实施方式4所涉及的伺服控制装置的动作的流程图。
图17是表示实施方式5所涉及的进行***辨识的伺服控制装置的结构例的图。
图18是表示实施方式5所涉及的校正指令运算部的结构例的框图。
图19是表示实施方式5所涉及的控制器部的结构例的框图。
图20是表示实施方式5所涉及的伺服控制装置的动作的流程图。
图21是表示实施方式6所涉及的进行***辨识的伺服控制装置的结构例的图。
图22是表示实施方式7所涉及的进行***辨识的伺服控制装置的结构例的框图。
图23是表示实施方式7所涉及的学习部的结构例的框图。
图24是表示实施方式7所涉及的仿真部的结构例的框图。
图25是表示实施方式7所涉及的伺服控制装置的动作的流程图。
图26是表示实施方式8所涉及的进行***辨识的伺服控制装置的结构例的图。
图27是表示实施方式8所涉及的学习部的结构例的框图。
图28是表示实施方式8所涉及的仿真部的结构例的框图。
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伺服控制装置详细地进行说明。此外，本发明不受本实施方式限定。对伺服控制装置进行数控工作机械的***辨识的情况具体地进行说明，但本发明也能够应用于具有大于或等于1个使用致动器对控制对象进行驱动的伺服控制装置的工业用机械、机器人、输送机等机械。
实施方式1.
图1是表示本发明的实施方式1所涉及的数控工作机械99的结构例的图。数控工作机械99是正交3轴立式工作机械，具有X轴、Y轴及Z轴这合计3个伺服控制装置。数控工作机械99将刀具76在X轴及Z轴的方向进行驱动，将在工作台77设置的工作物78在Y轴的方向进行驱动，进行工作物78的加工。即，在数控工作机械99中，作为X轴及Z轴的控制对象的被驱动体为刀具76，作为Y轴的控制对象的被驱动体为工作物78。
在数控工作机械99中，在各轴，作为致动器的电动机71的旋转运动通过进给螺纹73变换为向各轴的驱动方向的直进运动。在数控工作机械99中，作为结果，通过将各轴的直进运动组合后的刀具76的XZ平面内的2自由度运动及工作物78的Y方向的1自由度的运动，实现XYZ的3维空间内、即3自由度的运动。数控工作机械99使刀具76旋转，将在工作物78与刀具76干涉的部分的材料去除，由此创造工作物78的3维形状。如果在加工中在刀具76和工作物78之间产生相对位移，则在工作物78中发生材料的切削残留、过切削等而成为加工误差。因此，在对数控工作机械99的加工精度进行评价的方面变得最重要的部位在X轴及Z轴成为刀具76的前端，在Y轴成为工作物78的加工点。
图2是表示实施方式1所涉及的数控工作机械99的轴即X轴伺服控制装置101的结构例的示意图。在这里，为了方便起见，仅示出了X轴伺服控制装置101的例子，但关于Y轴及Z轴的伺服控制装置也是相同的结构。但是，X轴及Z轴的被驱动体为刀具76，与此相对，不同点在于Y轴的被驱动体为工作物78。在X轴和刀具76之间存在Z轴，但X轴的驱动方向和Z轴的驱动方向正交而不相互地干涉。因此，在从X轴观察时Z轴视作独立的构造部件的1个，因此未图示。
在X轴伺服控制装置101中，电动机71的旋转运动经由联接器74而传递至进给螺纹73，经由螺母80而变换为直进运动。进给螺纹73的直进运动由支撑轴承75a、75b约束。螺母80的直进运动经由在刀具76和螺母80之间夹设的Z轴、统称为支撑部件等的机械构造部件72而对刀具76在X方向进行驱动。
X轴的位置指令Xc从指令值运算部9输出，输入至控制器部6a。位置指令Xc表示由指令值运算部9运算出的期望的控制状态下的被驱动体的位置。控制器部6a进行反馈控制，以使得将通过在电动机71安装的旋转角检测器2检测出的电动机旋转角度乘以进给螺纹73的螺距而得到的检测位置Xd和位置指令Xc的误差变小，向电动机71输出电动机电流Im而对机械部7a进行驱动。在机械部7a连接有作为控制对象的被驱动体。在这里，旋转角检测器2仅对电动机71的旋转角度进行检测，但如上所述旋转运动和直进运动能够容易地换算。因此，在本实施方式中，设为旋转角检测器2将电动机旋转角度乘以进给螺纹73的螺距，将变换为X轴伺服控制装置101的直进运动后的检测位置Xd进行输出。旋转角检测器2是在电动机71即检测点安装的位置检测器。
图3是表示实施方式1所涉及的控制器部6a的结构例的框图。控制器部6a使用从指令值运算部9输入的位置指令Xc和从旋转角检测器2输入的检测位置Xd，将电动机电流Im进行输出。首先，加减运算器61a对位置指令Xc和检测位置Xd的差分即位置偏差(Xc－Xd)进行运算。位置控制器62进行与位置偏差(Xc－Xd)相对应的位置控制，生成速度指令Vc。位置控制器62的一个例子为P(Proportional)控制器。速度运算器65根据检测位置Xd而生成检测速度Vd。速度运算器65的一个例子为微分运算器。加减运算器61b对速度指令Vc和检测速度Vd的差分即速度偏差Vde＝Vc－Vd进行运算。速度控制器63与速度偏差Vde相应地进行速度控制，生成电流指令Ic。速度控制器63的一个例子为PI(Proportional Integral)控制器。加减运算器61c对电流指令Ic和电动机电流Im的差分即电流偏差(Ic－Im)进行运算。最后，电流控制器64与电流偏差(Ic－Im)相应地进行电流控制，输出电动机电流Im。电流控制器64的一个例子为PI控制器。
如以上所述，控制器部6a通过反馈控制而进行控制，以使得检测位置Xd与位置指令Xc所示的位置一致。但是，在数控工作机械99中，无法使旋转角检测器2的安装位置与作为控制对象的刀具76的前端一致。因此，在控制对象产生无法通过旋转角检测器2进行检测的干扰的情况下，另外，在控制器部6a的反馈控制赶不上干扰等的情况下，在数控工作机械99中，在作为控制对象的刀具76的运动产生意料之外的误差。
作为对加工造成影响的干扰的例子，已知由联接器74、进给螺纹73、机械构造部件72等的振动、轴的摩擦力产生的误差等。这些干扰已知由于在刀具76和螺母80之间夹设的其他轴的位置、刀具76及工作物78的质量、机械的历时变化、进给螺纹73及螺母80的磨损、各可动轴的润滑油量、气温的变化等而特性发生变化。
由于如前所述的使用状况而干扰发生变动，因此为了在数控工作机械99中维持工作物78的加工品质，在指令值运算部9中进行与干扰相对应的校正，需要进行将控制器部6a的控制参数适当地变更等控制。为此，优选能够在数控工作机械99的运转中对在控制对象持续产生的误差进行预测。
图4是表示实施方式1所涉及的进行***辨识的伺服控制装置100的结构例的框图。伺服控制装置100具有评价点传感器1a、参照点传感器1b、旋转角检测器2、第一传递函数运算部4a、第二传递函数运算部4b、仿真部5、控制器部6a、机械部7a、刚性值保存部8和指令值运算部9。伺服控制装置100相对于对机械部7a进行驱动的大于或等于1个电动机71，将由旋转角检测器2检测出的表示被驱动体的位置的检测位置Xd进行反馈，以使得作为被驱动体的刀具76的位置追随位置指令Xc，通过控制器部6a对电动机71进行控制。
伺服控制装置100具有2个3轴加速度传感器。伺服控制装置100根据上述结构，能够对作业中的机械的动态特性进行测定。2个3轴加速度传感器为同一种类的加速度传感器，为了方便起见，设为将评价点传感器1a及参照点传感器1b区别地称呼。3轴加速度传感器的安装位置如图2所示，评价点传感器1a安装于数控工作机械99的作为刀具76的安装部的主轴端面83，参照点传感器1b安装于作为螺母80的支撑部件的螺母块79。将评价点传感器1a的安装位置设为评价点，将参照点传感器1b的安装位置设为参照点。有时将评价点传感器1a称为第一检测部，将参照点传感器1b称为第二检测部。评价点优选与控制对象一致，但由于在X轴的情况下刀具76旋转，因此如果在这里安装加速度传感器，则无法正确地测定加速度。因此，在X轴中，将与刀具76最接近的非旋转部分即主轴端面83设为评价点。另一方面，如果是Y轴，则工作物78不旋转，因此将与加工点最接近的工作物78或者工作台77的上表面设为评价点，设置加速度传感器即可。另外，评价点如果处于产生的误差量与控制对象视为相同的部件上，则可以变更为任意的场所。如上所述，评价点设定于与被驱动体或者被驱动体相对应的位置。
3轴加速度传感器能够通过1个传感器对正交的3轴方向的加速度进行测定，因此通过使用1个3轴加速度传感器，从而能够对3维内的加速度进行测定。但是，在X轴伺服控制装置101用于***辨识的仅是驱动方向即X方向的加速度信号，因此，即使由1轴加速度传感器代替也不会造成影响。另外，在评价点对3轴加速度传感器进行设置，在X轴和Z轴伺服控制装置中分别使用X方向、Z方向的信号，可以在参照点针对每个轴而设置1轴加速度传感器。在具有多个轴的数控工作机械99中，可以针对每个轴而选定不同的参照点。
在伺服控制装置100中，在3轴加速度传感器的安装时例如存在下述固定方法，即，使用通过磁铁产生的磁力的粘接、使用夹具和螺钉的紧固、通过石蜡进行的固定、使用粘接剂。在本实施方式中，示出了在评价点传感器1a及参照点传感器1b利用3轴加速度传感器的例子，但如果能够对评价点及参照点的运动进行测量，则也可以使用如激光多普勒振动计那样的速度测量器、激光位移传感器、如激光干涉计那样的位移测量器。
参照点如果处于电动机71和评价点之间的驱动力传递的路径上，则可以设定于任意的场所。但是，联接器74、进给螺纹73等进行旋转运动。因此，在联接器74、进给螺纹73等部件上设定参照点的情况下，需要取代3轴加速度传感器而在联接器74、进给螺纹73等安装旋转角检测器，根据旋转角对角加速度进行运算，或者，设置能够直接测定角加速度的陀螺仪传感器。
如图2所示，在X轴伺服控制装置101中，控制器部6a与由指令值运算部9生成的位置指令Xc相应地进行反馈控制，对机械部7a进行驱动。此时，评价点传感器1a对评价点的X方向的加速度信号进行检测。另外，参照点传感器1b对参照点的X方向的加速度信号进行检测。评价点传感器1a及参照点传感器1b如果是表示被驱动体的运动状态，则可以对加速度以外进行检测。有时将由评价点传感器1a及参照点传感器1b检测的表示被驱动体的运动状态的值称为状态量。
向第一传递函数运算部4a输入在机械部7a安装的评价点传感器1a及参照点传感器1b的X方向的加速度信号。另外，向第二传递函数运算部4b输入参照点传感器1b的X方向的加速度信号、及从在电动机71安装的旋转角检测器2输出的检测位置Xd。第一传递函数运算部4a使用从参照点传感器1b取得的加速度信号即参照点加速度Ar和从评价点传感器1a取得的加速度信号即评价点加速度Ae，对作为从参照点位置Xr至评价点位置Xe为止的频率响应特性的第一传递函数FRF1(s)＝Xe(s)/Xr(s)进行运算。其中，s为拉普拉斯运算符。第二传递函数运算部4b使用将通过旋转角检测器2检测出的检测位置Xd进行2阶微分而得到的检测加速度Ad、和从参照点传感器1b取得的参照点加速度Ar，对作为从检测位置Xd至参照点位置Xr为止的频率响应特性的第二传递函数FRF2(s)＝Xr(s)/Xd(s)进行运算。在这里，通过第一传递函数运算部4a及第二传递函数运算部4b进行运算的传递函数的一个例子如式(1)那样表示。决定传递函数的次数的n及m为整数，a0、…、an及b0、…、bm是传递函数的各次数的项的系数。
【式1】
Figure BDA0003305314840000101
如果机械构造部件72是完全的刚体，则成为Xd＝Xr＝Xe，但现实的机械构造无法近似为完全的刚体，因此各点处的振动传递特性及响应特性不同。但是，传递函数运算的算法可以利用最小二乘法、逐次最小二乘法、ARX(Auto Regressive with eXogenous)辨识、固有值分解等已知的各具有1个时间序列的输入信号及输出信号的1输入1输出***的传递函数运算算法的任意算法。
仿真部5利用第一传递函数FRF1(s)、第二传递函数FRF2(s)及在刚性值保存部8预先保存的刚性值参数Kdr，对与从指令值运算部9输入的时时刻刻的位置指令Xc对应的评价点推定位置Xe1及检测点推定位置Xd1进行运算，输出至显示器10。在这里，刚性值参数Kdr是预先测定而保存于刚性值保存部8中的检测位置Xd和参照点位置Xr之间的刚性值。刚性值参数Kdr为标量。
图5是表示实施方式1所涉及的仿真部5的结构例的框图。仿真部5具有控制器模拟部51、检测点推定位置运算部53、参照点推定位置运算部54、驱动反作用力推定部55、评价点推定位置运算部56、仿真参数设定部57和加减运算器61e。模拟出控制器部6a的控制器模拟部51使用位置指令Xc及检测点推定位置Xd1对电动机扭矩推定值Tm1进行运算。图6是表示实施方式1所涉及的控制器模拟部51的结构例的框图。在控制器模拟部51中，与控制器部6a的差异点在于，作为反馈信号，取代检测位置Xd而使用检测点推定位置Xd1，以及相对于电流控制器64的输出Im1而输出由扭矩推定器70运算出的电动机扭矩推定值Tm1。如上所述，控制器模拟部51将推定出检测位置Xd的举动的检测点推定位置Xd1作为反馈，对控制器部6a进行模拟而生成向电动机71的指令扭矩推定值即电动机扭矩推定值Tm1。电动机扭矩推定值Tm1的一个例子为电动机71的扭矩常数的推定值。
返回至图5的说明。加减运算器61e根据作为指令扭矩推定值的电动机扭矩推定值Tm1和驱动反作用力推定值Tr1的差分，对有效扭矩推定值(Tm1－Tr1)进行运算。检测点推定位置运算部53使用有效扭矩推定值(Tm1－Tr1)对检测点推定位置Xd1进行运算。参照点推定位置运算部54使用第二传递函数FRF2(s)及检测点推定位置Xd1，对推定出参照点的举动的参照点推定位置Xr1进行运算。评价点推定位置运算部56使用第一传递函数FRF1(s)及参照点推定位置Xr1，对推定出评价点的举动的评价点推定位置Xe1进行运算。驱动反作用力推定部55使用检测点推定位置Xd1、参照点推定位置Xr1及刚性值参数Kdr，对驱动反作用力推定值Tr1进行运算。
仿真部5通过上述结构，能够对检测位置Xd和被驱动体之间的2点间的相对运动轨迹进行测定。仿真部5关于使用第一传递函数FRF1(s)及第二传递函数FRF2(s)的评价点及参照点的运算方法，可以将时间区域的输入信号进行拉普拉斯变换，在频率区域乘以传递函数后，在逆拉普拉斯变换中对时间区域的输出进行运算，在控制器部6a的运算周期，可以使用Tustin变换等双线性变换法、将传递函数通过离散***的差分方程式进行记述，对相对于输入信号的输出信号进行运算。
在本实施方式中，仅将评价点处的运动方向的运动设为运算的对象，但例如也可以对从电动机电流Im至与评价点的Y方向及Z方向这样的驱动方向正交的方向的加速度为止的传递函数进行运算，在仿真部5中根据电动机电流Im对评价点的Y方向及Z方向的推定位置进行运算。
图7是表示实施方式1所涉及的驱动反作用力推定部55的结构例的框图。加减运算器61d对参照点推定位置Xr1和检测点推定位置Xd1的差分(Xd1－Xr1)进行运算。乘法器67将刚性值参数Kdr乘以差分(Xd1－Xr1)而对驱动反作用力推定值Tr1进行运算。另一方面，驱动反作用力推定部55也可以取代刚性值参数Kdr，而是使用记述有针对检测位置Xd和参照点位置Xr的差分(Xd－Xr)的驱动反作用力Tr的传递特性的传递函数。刚性值参数Kdr事先在参照点施加负载，能够根据施加的负载力的大小和此时的参照点及检测点的位移量进行计算。
返回至图5的说明。仿真参数设定部57将第一传递函数FRF1(s)设定于评价点推定位置运算部56，将第二传递函数FRF2(s)设定于参照点推定位置运算部54，将刚性值参数Kdr设定于驱动反作用力推定部55。仿真参数设定部57设定参数的定时可以是连续的任意时间的定时，可以对电动机71完全地停止的定时进行检测而设定。另外，仿真参数设定部57设定的参数的值可以设定不连续的值，也可以具有插补或者时间常数而变化，以使得参数的变动变得连续。
显示器10是用于将从仿真部5输出的评价点推定位置Xe1及检测点推定位置Xd1提示给对机械进行操作的机械操作者的视频监视器。显示器10例如对与针对数控工作机械99的每个轴的检测点推定位置Xd1对应的评价点推定位置Xe1的误差量进行显示，由此能够对在数控工作机械99产生的误差量进行提示。另外，显示器10将通过X轴、Y轴及Z轴进行同步控制时的检测点位置处的运动轨迹及评价点推定位置Xe1处的运动轨迹绘制在2维平面或者3维空间上，由此能够将在机械整体产生何种加工误差提示给机械操作者。由此，机械操作者通过对在显示器10显示出的内容进行确认而判定加工的合格与否，能够针对产生误差的部位进行修正加工，或者能够对加工程序进行修正，能够抑制误差。
使用流程图对伺服控制装置100的动作进行说明。图8是表示实施方式1所涉及的伺服控制装置100的动作的流程图。在伺服控制装置100中，评价点传感器1a对评价点的状态量进行检测(步骤S1)。参照点传感器1b对参照点的状态量进行检测(步骤S2)。第一传递函数运算部4a使用评价点的状态量及参照点的状态量，对作为从参照点至评价点为止的频率响应特性的第一传递函数FRF1(s)进行运算(步骤S3)。第二传递函数运算部4b使用参照点的状态量及检测位置Xd，对作为从检测位置Xd至参照点为止的频率响应特性的第二传递函数FRF2(s)进行运算(步骤S4)。仿真部5使用第一传递函数FRF1(s)、第二传递函数FRF2(s)、位置指令Xc及表示检测位置Xd和参照点之间的刚性值的刚性值参数Kdr，对表示评价点的推定位置的评价点推定位置Xe1及表示检测位置Xd的推定位置的检测点推定位置Xd1进行运算(步骤S5)。
接下来，对伺服控制装置100的硬件结构进行说明。在伺服控制装置100中，评价点传感器1a、参照点传感器1b及旋转角检测器2是测量器。机械部7a是具有致动器等的设备。刚性值保存部8是存储器。第一传递函数运算部4a、第二传递函数运算部4b、仿真部5、控制器部6a及指令值运算部9通过处理电路而实现。处理电路可以是执行在存储器储存的程序的处理器及存储器，也可以是专用的硬件。
图9是表示将实施方式1所涉及的伺服控制装置100所具有的处理电路由处理器及存储器构成的情况下的例子的图。在处理电路由处理器91及存储器92构成的情况下，伺服控制装置100的处理电路的各功能通过软件、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，储存于存储器92。在处理电路中，处理器91将在存储器92中存储的程序读出而执行，由此实现各功能。即，处理电路具有存储器92，该存储器92用于对伺服控制装置100的处理最终得以执行的程序进行储存。另外，这些程序可以说使计算机执行伺服控制装置100的顺序及方法。
在这里，处理器91可以是CPU(Central Processing Unit)、处理装置、运算装置、微处理器、微型计算机或者DSP(Digital Signal Processor)等。另外，存储器92例如是RAM(Random Access Memory)、ROM(Read Only Memory)、闪存、EPROM(Erasable ProgrammableROM)、EEPROM(注册商标)(Electrically EPROM)等非易失性或者易失性的半导体存储器、磁盘、软盘、光盘、压缩盘、迷你盘或者DVD(Digital Versatile Disc)等。
图10是表示将实施方式1所涉及的伺服控制装置100所具有的处理电路由专用的硬件构成的情况下的例子的图。在处理电路由专用的硬件构成的情况下，图10所示的处理电路93例如为单一电路、复合电路、被程序化的处理器、被并行程序化的处理器、ASIC(Application Specific Integrated Circuit)、FPGA(Field Programmable Gate Array)或者它们的组合。可以将伺服控制装置100的各功能按照功能类别由处理电路93实现，也可以将各功能汇总而由处理电路93实现。
此外，关于伺服控制装置100的各功能，可以将一部分由专用的硬件实现，将一部分由软件或者固件实现。如上所述，处理电路能够通过专用的硬件、软件、固件或者它们的组合而实现上述的各功能。
如以上说明所述，根据本实施方式，进行***辨识的伺服控制装置100在无法直接对评价点的位置进行测定的情况下，也能够使用2个加速度传感器及旋转角检测器2对传递函数进行运算，使用运算出的传递函数及位置指令Xc而高精度地对评价点的时时刻刻的位置进行推定。伺服控制装置100将作为加速度传感器的评价点传感器1a及参照点传感器1b的信号、和作为位置检测器的旋转角检测器2的信号分支为大于或等于2个频带而进行校正，从而能够高精度地对被驱动体的运动轨迹进行测定。
伺服控制装置100在数控工作机械、工业用机械、机器人、输送机等进行轨迹控制的机械中，能够通过简易的设置对机械特性进行辨识，进行模拟控制对象的轨迹误差的***辨识。另外，伺服控制装置100在作为控制对象的评价点的状态测定时使用加速度计，因此在使用中的机械不将工作物78、刀具76等卸下就能够测定。
实施方式2.
在实施方式2中，对在伺服控制装置中进行全闭环控制的情况进行说明。
图11是表示实施方式2所涉及的进行***辨识的伺服控制装置100b的结构例的图。在实施方式2的伺服控制装置100b中，与实施方式1的伺服控制装置100的差异点在于，作为检测位置的输入，取代旋转角检测器2而使用直动位置检测器21，使用与实施方式1结构不同的机械部7b，以及在机械部7b的控制时使用控制器部6b。
图12是表示实施方式2所涉及的数控工作机械99的轴即X轴伺服控制装置101b的结构例的示意图。X轴伺服控制装置101b具有对螺母块79的直动位置进行检测的被称为线性编码器的直动位置检测器21。将如X轴伺服控制装置101b那样的机械结构称为全闭环控制。
图13是表示实施方式2所涉及的控制器部6b的结构例的框图。在全闭环控制的伺服控制装置100b中，控制器部6b将直动位置检测器21的信号用作位置反馈信号，将旋转角检测器2的信号用作速度反馈信号。其他与控制器部6a相同。在图11至图13中，将直动位置检测器21的信号，即通过直动位置检测器21进行检测的检测位置表示为Xl。
在实施方式2中，如图12所示，评价点的位置与实施方式1相同，但机械部7b的检测点的位置成为直动位置检测器21的安装位置。另外，参照点的位置设置于检测点和评价点之间的机械构造部件72的表面。仅使用的传感器的安装位置不同，因此第一传递函数运算部4a、第二传递函数运算部4b及仿真部5的作用与实施方式1相同。
在实施方式2中，将向通过作为旋转电动机的电动机71及进给螺纹73进行驱动的伺服控制装置100b的应用作为例子进行了记述，但如在致动器使用线性电动机的伺服控制装置那样，在不具有旋转电动机的结构中也能够应用本实施方式。
伺服控制装置100b的动作流程及硬件结构与实施方式1的伺服控制装置100相同。
如以上说明所述，根据本实施方式，进行***辨识的伺服控制装置100b在全闭环控制的情况下，也能够高精度地对评价点的时时刻刻的位置进行推定。伺服控制装置100b通过上述结构，也能够应用于半闭环控制、全闭环控制的任意的控制方式。
实施方式3.
在实施方式1及实施方式2中，示出了向作为直线进给轴的伺服控制装置的应用例，但有时在数控工作机械中具有旋转轴。在实施方式3中，说明应用于作为旋转轴的伺服控制装置的情况。
图14是表示实施方式3所涉及的伺服控制装置100c的结构例的示意图。在实施方式3的伺服控制装置100c中，与实施方式1的伺服控制装置100的差异点在于，使用与实施方式1结构不同的机械部7c。电动机71通过蜗轮81将旋转运动减速，使旋转工作台82旋转运动。在图14所示的伺服控制装置100c的旋转轴，在机械构造部件72上设置工作物78，因此该旋转轴的评价点处于机械构造部件72上。另外，在图14所示的伺服控制装置100c中，参照点设为旋转工作台82的圆周上的1点。此外，在伺服控制装置100c中，旋转工作台82的旋转方向设为图14的箭头84所示的方向。
在图14所示的伺服控制装置100c中，旋转轴进行旋转运动，因此评价点及参照点处的运动方向成为旋转运动的圆周方向。因此，在正交3轴的加速度传感器中，难以正确地对参照点及评价点的旋转运动进行测定。在实施方式3中，取代加速度传感器而是将能够检测旋转运动的陀螺仪传感器1c设置于评价点，将相同的陀螺仪传感器1d设置于参照点，对圆周方向的角加速度进行测定。以上，能够应用实施方式1所示的***辨识方式。
另外，在如图14所示的伺服控制装置100c的结构中，除了使用陀螺仪传感器以外，在成为旋转中心的点对称的位置设置2个加速度传感器，由此准确地测定圆周方向的运动的方式也是公知，但如果是能够对圆周方向的各加速度进行测定的方式、测量器，则并不限定于此。
除了蜗轮驱动以外，还存在被称为直接驱动方式的、在直线进给轴中与线性电动机驱动的伺服控制装置相当的机械结构，但同样地能够应用本发明。
伺服控制装置100c的动作流程及硬件结构与实施方式1的伺服控制装置100相同。
如以上说明所述，根据本实施方式，进行***辨识的伺服控制装置100c在具有旋转轴的情况下，也能够高精度地对评价点的时时刻刻的位置进行推定。
实施方式4.
在实施方式4中，对变更控制器部6a的控制参数的情况进行说明。
图15是表示实施方式4所涉及的进行***辨识的伺服控制装置100d的结构例的图。实施方式4的伺服控制装置100d在实施方式1的伺服控制装置100中追加有控制参数变更部11。
控制参数变更部11使用由仿真部5运算出的评价点推定位置Xe1及检测点推定位置Xd1，对控制器部6a的控制参数CP进行变更。即，控制参数变更部11对控制器部6a的控制参数CP进行变更以使得被驱动体的运动精度成为目标值以内。具体地说，控制参数变更部11对控制器部6a的各控制器的控制增益进行变更。控制参数变更部11例如在评价点推定位置Xe1和检测点推定位置Xd1的差分成为某阈值的情况下，进行将位置控制器62的P增益降低等控制。控制参数变更部11同样地可以对速度控制器63的P增益或者I增益进行变更。此外，控制参数变更部11也可以仅使用评价点推定位置Xe1，对控制器部6a的控制参数CP进行变更。
使用流程图对伺服控制装置100d的动作进行说明。图16是表示实施方式4所涉及的伺服控制装置100d的动作的流程图。步骤S1至步骤S5为止的动作与图8的流程图所示的实施方式1的伺服控制装置100的动作相同。在伺服控制装置100d中，控制参数变更部11使用评价点推定位置Xe1、或者评价点推定位置Xe1及检测点推定位置Xd1，对控制器部6a的控制参数CP进行变更以使得作为被驱动体的刀具76的运动精度成为目标值以内(步骤S11)。控制器部6a使用由控制参数变更部11变更后的控制参数CP，与电流偏差(Ic－Im)相应地进行电流控制，输出电动机电流Im(步骤S12)。
关于伺服控制装置100d的硬件结构，控制参数变更部11与仿真部5等同样地，通过处理电路而实现。处理电路可以是执行在存储器中储存的程序的处理器及存储器，也可以是专用的硬件。
如以上说明所述，根据本实施方式，进行***辨识的伺服控制装置100d基于对评价点的时时刻刻的位置进行推定得到的结果，对控制器部6a的控制参数CP进行变更，由此能够将实际的控制高精度化。伺服控制装置100d能够通过控制参数变更部11，自适应地进行控制参数的变更，将控制优化。
实施方式5.
在实施方式5中，对运算针对控制器部的校正指令的情况进行说明。
图17是表示实施方式5所涉及的进行***辨识的伺服控制装置100e的结构例的图。实施方式5的伺服控制装置100e相对于实施方式1的伺服控制装置100，取代控制器部6a而具有控制器部6e，并且追加有校正指令运算部12。
校正指令运算部12使用由仿真部5运算出的评价点推定位置Xe1及检测点推定位置Xd1、并且使用由指令值运算部9运算出的位置指令Xc，对向控制器部6e的位置校正指令Xcmp、速度校正指令Vcmp及电流校正指令Icmp进行运算，输出至控制器部6e。图18是表示实施方式5所涉及的校正指令运算部12的结构例的框图。首先，检测点位置增益乘法部69a对将检测点推定位置Xd1乘以检测点位置增益Kp的Kp×Xd1进行运算。加减运算器61f对评价点推定位置Xe1和由检测点位置增益乘法部69a运算出的Kp×Xd1的差分(Xe1－Kp×Xd1)进行运算。接下来，位置指令增益乘法部69b对将位置指令Xc乘以位置指令增益Kc的Kc×Xc进行运算。加减运算器61g对由加减运算器61f运算出的差分(Xe1－Kp×Xd1)和由位置指令增益乘法部69b运算出的Kc×Xc的差分(Xe1－Kp×Xd1－Kc×Xc)进行运算。
接下来，滤波器部68关于特定的频率成分进行滤波，对校正指令进行运算。滤波器部68是低通滤波器、高通滤波器、带通滤波器、带阻滤波器的任意者或者是它们的组合。位置校正增益乘法部69c将对由滤波器部68运算出的校正指令乘以位置校正增益得到的值作为位置校正指令Xcmp而输出。速度运算器65以速度的维度对由滤波器部68运算出的校正指令进行运算。速度运算器65的一个例子为微分器。速度校正增益乘法部69d将对由速度运算器65运算出的速度的维度的校正指令乘以速度校正增益而得到的值作为速度校正指令Vcmp而输出。加速度运算器66以加速度的维度对由滤波器部68运算出的校正指令进行运算。加速度运算器66的一个例子为2阶微分器。电流校正增益乘法部69e将对由加速度运算器66运算出的加速度的维度的校正指令乘以电流校正增益而得到的值作为电流校正指令Icmp而输出。
此外，各种增益为常数值，是包含0的实数。例如，在从校正指令运算部12仅输出位置校正指令Xcmp的情况下，只要将速度校正增益及电流校正增益设定为0即可。此外，校正指令运算部12可以仅使用评价点推定位置Xe1，对向控制器部6e的位置校正指令Xcmp、速度校正指令Vcmp及电流校正指令Icmp进行运算，输出至控制器部6e。另外，校正指令运算部12可以对位置校正指令Xcmp、速度校正指令Vcmp及电流校正指令Icmp之中的至少1个进行运算，输出至控制器部6e。
控制器部6e从校正指令运算部12接收各校正指令，进行反馈控制。图19是表示实施方式5所涉及的控制器部6e的结构例的框图。与实施方式1的控制器部6a的差异为加减运算器61a、加减运算器61b及加减运算器61c的运算内容。具体地说，是加减运算器61a根据位置指令Xc、检测位置Xd及位置校正指令Xcmp对位置偏差(Xc－Xd+Xcmp)进行运算。另外，加减运算器61b根据速度指令Vc、检测速度Vd及速度校正指令Vcmp对速度偏差Vde＝Vc－Vd+Vcmp进行运算。另外，加减运算器61c根据电流指令Ic、电动机电流Im及电流校正指令Icmp对电流偏差(Ic－Im+Icmp)进行运算。
使用流程图对伺服控制装置100e的动作进行说明。图20是表示实施方式5所涉及的伺服控制装置100e的动作的流程图。步骤S1至步骤S5为止的动作与图8的流程图所示的实施方式1的伺服控制装置100的动作相同。在伺服控制装置100e中，校正指令运算部12对校正指令进行运算(步骤S21)。具体地说，校正指令运算部12使用评价点推定位置Xe1、或者评价点推定位置Xe1及检测点推定位置Xd1，对向控制器部6e的位置校正指令Xcmp、速度校正指令Vcmp及电流校正指令Icmp之中的至少1个进行运算。控制器部6e使用由校正指令运算部12运算出的校正指令，输出电动机电流Im(步骤S22)。具体地说，控制器部6e使用位置校正指令Xcmp、速度校正指令Vcmp及电流校正指令Icmp之中的至少1个，与电流偏差(Ic－Im+Icmp)相应地进行电流控制，输出电动机电流Im。
关于伺服控制装置100e的硬件结构，校正指令运算部12与仿真部5等同样地，通过处理电路而实现。处理电路可以是执行在存储器中储存的程序的处理器及存储器，也可以是专用的硬件。
如以上说明所述，根据本实施方式，进行***辨识的伺服控制装置100e与通过仿真推定出的评价点推定位置Xe1相应地生成校正指令，由此能够实现高精度的运动。伺服控制装置100e能够通过上述结构，生成校正指令，进行直接反馈而能够高精度地校正。
实施方式6.
在实施方式6中，对进行***辨识的伺服控制装置分散而设置于物理分离的场所的情况进行说明。
图21是表示实施方式6所涉及的进行***辨识的伺服控制装置100f的结构例的图。在伺服控制装置100f中，与实施方式5的伺服控制装置100e的差异点在于，具有传感器信号发送部30、校正指令发送部31、传感器信号接收部32、校正指令接收部33及仿真指令值运算部90。
传感器信号发送部30是在数控工作机械99设置的第一发送部。传感器信号发送部30从评价点传感器1a取得加速度信号即评价点加速度Ae，从参照点传感器1b取得加速度信号即参照点加速度Ar，取得由旋转角检测器2检测出的检测位置Xd。传感器信号发送部30将所取得的评价点加速度Ae、参照点加速度Ar及检测位置Xd经由网络向远程地设置的传感器信号接收部32发送。传感器信号接收部32是如果接收到评价点加速度Ae、参照点加速度Ar及检测位置Xd，则将评价点加速度Ae及参照点加速度Ar输出至第一传递函数运算部4a，将参照点加速度Ar及检测位置Xd输出至第二传递函数运算部4b的第一接收部。传感器信号发送部30及传感器信号接收部32可以通过网络线缆而物理地连接，可以通过无线网络通信而连接，也可以通过网络线缆及无线网络通信的组合而连接。
校正指令发送部31是从校正指令运算部12取得位置校正指令Xcmp、速度校正指令Vcmp及电流校正指令Icmp之中的至少1个，经由网络发送至远程地设置的校正指令接收部33的第二发送部。校正指令接收部33是如果接收到位置校正指令Xcmp、速度校正指令Vcmp及电流校正指令Icmp之中的至少1个，则输出至控制器部6e的第二接收部。校正指令发送部31及校正指令接收部33可以通过网络线缆而物理地连接，可以通过无线网络通信而连接，也可以通过网络线缆及无线网络通信的组合而连接。
在仿真部5远程地设置的情况下，存在下述问题，即，仿真部5在接收到指令值运算部9的指令值后对评价点推定位置Xe1进行运算，如果校正指令运算部12运算出校正指令，则由于通信延迟的影响，在控制器部6e中校正指令的输入定时产生延迟。因此，仿真部5及校正指令运算部12使用对与指令值运算部9相同的位置指令Xc进行运算的仿真指令值运算部90而事先进行运算。校正指令发送部31发送由校正指令运算部12事先运算出的校正指令。关于校正指令的发送，在通过校正指令运算部12事先进行针对全部位置指令Xc的校正指令的全部运算后，校正指令发送部31可以汇总而发送。另外，相对于指令值运算部9将仿真指令值运算部90在更早的定时启动而通过校正指令运算部12对校正指令进行运算，校正指令发送部31将时时刻刻的校正指令随时进行发送，以使得校正指令在适当的定时到达校正指令接收部33。另外，也可以将指令值运算部9及仿真指令值运算部90同时启动，仿真部5及校正指令运算部12以比实际时间早的处理周期进行运算，由此校正指令发送部31将时时刻刻的校正指令随时进行发送。
伺服控制装置100f的动作流程与实施方式1的伺服控制装置100相同。关于伺服控制装置100f的硬件结构，传感器信号发送部30及校正指令发送部31是进行无线通信或者有线通信的发送机。另外，传感器信号接收部32及校正指令接收部33是进行无线通信或者有线通信的接收机。
如以上说明所述，根据本实施方式，在进行***辨识的伺服控制装置100f分散而设置于物理分离的场所的情况下，也能够无延迟而在适当的定时进行使用校正指令的控制。
实施方式7.
在实施方式1至6中，对使用了具有1输入1输出所谓的SISO(Single Input SingleOutput)的古典的传递函数运算算法的传递函数运算部的例子进行了说明。在实施方式7中，说明通过机器学习对多输入多输出所谓的MIMO(Multi Input Multi Output)的传递函数进行计算的方法。
图22是表示实施方式7所涉及的进行***辨识的伺服控制装置100g的结构例的框图。实施方式7的伺服控制装置100g相对于实施方式1的伺服控制装置100，取代第一传递函数运算部4a及第二传递函数运算部4b而是具有学习部13g，并且取代仿真部5而是具有仿真部5g。
关于学习部13g所使用的机器学习算法，可以使用任意的算法。在本实施方式中，作为一个例子对应用了深层学习即DL(Deep Learning)的情况进行说明。图23是表示实施方式7所涉及的学习部13g的结构例的框图。向学习部13g输入评价点加速度Ae、参照点加速度Ar及检测位置Xd。评价点加速度Ae是评价点传感器1a的安装位置即评价点的状态量。参照点加速度Ar是参照点传感器1b的安装位置即参照点的状态量。检测位置Xd由控制器部6a取得，是作为致动器的电动机71的状态量。学习部13g将评价点的状态量、参照点的状态量及由控制器部6a取得的致动器的状态量作为状态变量进行观测，按照基于状态变量所创建的训练数据集进行学习。学习部13g在预先设定的每个学习周期对输入的数据进行采样，作为训练数据集而用于学习。学习部13g在训练数据集使用评价点的状态量、参照点的状态量及致动器的状态量即检测位置Xd，对将检测位置Xd设为输入、将评价点的状态量及参照点的状态量设为输出的***模型进行学习。学习部13g具有神经网络部91g、损耗函数运算部92g、优化器部93g和AI(Artificial Intelligence)模型输出部94g。
学习部13g作为使用训练数据集即评价点加速度Ae、参照点加速度Ar及检测位置Xd，关于评价点加速度Ae及参照点加速度Ar用于对预定的时刻即一定时刻前的学习评价点加速度AeM及学习参照点加速度ArM进行预测的***模型，实施网络构造参数Mdl1的学习。具体地说，神经网络部91g通过学习而决定网络构造参数Mdl1。作为网络构造参数Mdl1的一个例子，是权重参数、偏置参数等。神经网络部91g将训练数据集设为输入，使用网络构造参数Mdl1，进行神经网络的计算即推断处理，对学习评价点加速度AeM及学习参照点加速度ArM进行运算。神经网络部91g将通过运算而求出的学习评价点加速度AeM及学习参照点加速度ArM输出至损耗函数运算部92g。
损耗函数运算部92g将实际的评价点加速度Ae及参照点加速度Ar和由神经网络部91g运算出的学***方。损耗函数运算部92g将通过运算求出的损耗函数Lf输出至优化器部93g及AI模型输出部94g。
优化器部93g使用由损耗函数运算部92g通过运算而求出的损耗函数Lf，对在下一次学习时使用的网络构造参数Mdl1进行更新。优化器部93g使用也被称为误差逆传播法的反向传播等公知技术对各参数进行计算。
AI模型输出部94g将损耗函数Lf设为输入，将损耗函数Lf的值和预先决定的阈值进行比较。AI模型输出部94g在损耗函数Lf的值小于或等于预先决定的阈值的情况下，将网络构造参数Mdl1输出至仿真部5g。AI模型输出部94g关于网络构造参数Mdl1的输出定时，可以在预先设定的模型更新周期而周期性地输出。
此外，学习部13g可以构成为将通过控制器部6a采样的电动机71的速度或者加速度、在电动机71中流动的电动机电流等组合而进行学习。
图24是表示实施方式7所涉及的仿真部5g的结构例的框图。仿真部5g使用学习部13g的学习结果，对与从指令值运算部9输入的时时刻刻的位置指令Xc对应的评价点推定位置Xe1及检测点推定位置Xd1进行运算，输出至显示器10。实施方式7的仿真部5g相对于实施方式1的仿真部5，取代参照点推定位置运算部54及评价点推定位置运算部56，而是具有AI模型部58g、2阶积分器95及2阶积分器96。此外，在本实施方式中，仿真参数设定部57将通过学习部13g学习的网络构造参数Mdl1设定于AI模型部58g，将刚性值参数Kdr设定于驱动反作用力推定部55。
AI模型部58g是具有与神经网络部91g相同的神经网络构造的人工智能模型部。AI模型部58g使用评价点加速度Ae、参照点加速度Ar、从仿真参数设定部57设定的网络构造参数Mdl1及由检测点推定位置运算部53运算出的检测点推定位置Xd1，进行神经网络的计算即推断处理，对推定评价点加速度Ae1及推定参照点加速度Ar1进行运算。AI模型部58g将推定评价点加速度Ae1输出至2阶积分器95，将推定参照点加速度Ar1输出至2阶积分器96。
2阶积分器95对输入的推定评价点加速度Ae1进行2阶积分，变换为评价点推定位置Xe1。2阶积分器96对输入的推定参照点加速度Ar1进行2阶积分，变换为参照点推定位置Xr1。此外，可以设为AI模型部58g具有2阶积分器95、96的功能。在该情况下，AI模型部58g对通过运算而求出的推定评价点加速度Ae1进行2阶积分而变换为评价点推定位置Xe1，即对评价点推定位置Xe1进行运算。同样地，AI模型部58g对通过运算而求出的推定参照点加速度Ar1进行2阶积分而变换为参照点推定位置Xr1，即对参照点推定位置Xr1进行运算。
对学习部13g利用深层学习进行机器学习的情况进行了说明，但其是一个例子，并不限定于此。学习部13g可以按照其他公知的方法，例如Q学习、遗传编程、功能逻辑编程、支持向量机等执行机器学习。
使用流程图对伺服控制装置100g的动作进行说明。图25是表示实施方式7所涉及的伺服控制装置100g的动作的流程图。步骤S1及步骤S2的动作是与图8的流程图所示的实施方式1的伺服控制装置100的动作相同。在伺服控制装置100g中，学习部13g使用评价点的状态量、参照点的状态量及检测位置Xd，对网络构造参数Mdl1进行学习(步骤S31)。仿真部5g使用评价点的状态量、参照点的状态量、网络构造参数Mdl1、位置指令Xc及刚性值参数Kdr，对评价点推定位置Xe1及检测点推定位置Xd1进行运算(步骤S32)。关于伺服控制装置100g的硬件结构，学习部13g及仿真部5g通过处理电路而实现。处理电路可以是执行在存储器储存的程序的处理器及存储器，也可以是专用的硬件。
如以上说明所述，根据本实施方式，进行***辨识的伺服控制装置100g应用机器学习算法，由此不由人明确地设计模型构造，能够得到多输入多输出的***模型。此外，以实施方式1为例进行了说明，但其是一个例子，并不限定于此。关于本实施方式，也能够关于实施方式2至6而应用。
实施方式8.
在实施方式7中，说明了通过机器学习对满足与实施方式1至6相同的仿真部的模型结构的***模型进行辨识的方法。在实施方式8中，说明通过机器学习对不同构造的仿真部的模型进行辨识的方法。
图26是表示实施方式8所涉及的进行***辨识的伺服控制装置100h的结构例的图。实施方式8的伺服控制装置100h相对于实施方式7的伺服控制装置100g，取代学习部13g、仿真部5g及刚性值保存部8而是具有学习部13h及仿真部5h。
图27是表示实施方式8所涉及的学习部13h的结构例的框图。学习部13h相对于实施方式7的学习部13g，取代神经网络部91g及损耗函数运算部92g，而是具有神经网络部91h及损耗函数运算部92h。学习部13h在训练数据集使用评价点的状态量、参照点的状态量、致动器的状态量即检测位置、及致动器的驱动力，对将检测位置设为输入、将评价点的状态量及驱动反作用力推定值设为输出的***模型进行学习。学习部13h具有神经网络部91h、损耗函数运算部92h、优化器部93h和AI模型输出部94h。
学习部13h作为使用训练数据集即评价点加速度Ae、参照点加速度Ar、检测位置Xd及电动机电流Im，关于评价点加速度Ae及驱动反作用力推定值Tr1，用于对预定的时刻即一定时刻前的学习评价点加速度AeM及学习驱动反作用力TrM进行预测的***模型，实施网络构造参数Mdl2的学习。具体地说，神经网络部91h通过学习而决定网络构造参数Mdl2。作为网络构造参数Mdl2的一个例子，是权重参数、偏置参数等。神经网络部91h将训练数据集设为输入，使用网络构造参数Mdl2而进行神经网络的计算即推断处理，对学习评价点加速度AeM及学习驱动反作用力TrM进行运算。神经网络部91h将通过运算而求出的学习评价点加速度AeM及学习驱动反作用力TrM输出至损耗函数运算部92h。
损耗函数运算部92h将实际的评价点加速度Ae、参照点加速度Ar及检测位置Xd和由控制器部6a运算出的电动机电流Im、由神经网络部91h运算出的学习评价点加速度AeM及学习驱动反作用力TrM设为输入，对损耗函数Lf进行运算。此时，损耗函数运算部92h使用电动机电流Im及检测位置Xd，通过下面的式(2)而计算执行驱动反作用力运算值Tr2。
【式2】
Tr2＝Im*Kt-Jm*Xd…(2)
在式(2)中，Kt表示根据电动机电流Im对扭矩进行运算的扭矩常数，Jm表示电动机71单体的惯量。由此，损耗函数运算部92h能够使用学习评价点加速度AeM、学习驱动反作用力Trm、评价点加速度Ae及执行驱动反作用力运算值Tr2，对损耗函数Lf进行运算。
优化器部93h使用由损耗函数运算部92h通过运算而求出的损耗函数Lf，对在下一次学习时使用的网络构造参数Mdl2进行更新。优化器部93h使用也被称为误差逆传播法的反向传播等公知技术对各参数进行计算。
AI模型输出部94h将损耗函数Lf设为输入，对损耗函数Lf的值和预先决定的阈值进行比较。AI模型输出部94h在损耗函数Lf的值小于或等于预先决定的阈值的情况下，将网络构造参数Mdl2输出至仿真部5h。AI模型输出部94h可以关于网络构造参数Mdl2的输出定时，以预先设定的模型更新周期而周期性地输出。
图28是表示实施方式8所涉及的仿真部5h的结构例的框图。实施方式8的仿真部5h相对于实施方式7的仿真部5g，取代驱动反作用力推定部55、AI模型部58g及2阶积分器96，而是具有AI模型部58h。此外，在本实施方式中，仿真参数设定部57将由学习部13h学习到的网络构造参数Mdl2设定于AI模型部58h。
AI模型部58h是具有与神经网络部91h相同的神经网络构造的人工智能模型部。AI模型部58h使用从仿真参数设定部57输入的网络构造参数Md2、由控制器模拟部51运算出的推定电动机电流Im2、由检测点推定位置运算部53运算出的检测点推定位置Xd1及在1个样本前由AI模型部58h运算出的推定评价点加速度Ae1，进行神经网络的计算即推断处理，对推定评价点加速度Ae1及驱动反作用力推定值Tr1进行运算。AI模型部58h将推定评价点加速度Ae1输出至2阶积分器95，将驱动反作用力推定值Tr1输出至加减运算器61e。
2阶积分器95对输入的推定评价点加速度Ae1进行2阶积分，变换为评价点推定位置Xe1。此外，可以设为AI模型部58h具有2阶积分器95的功能。在该情况下，AI模型部58h对通过运算而求出的推定评价点加速度Ae1进行2阶积分而变换为评价点推定位置Xe1，即对评价点推定位置Xe1进行运算。
表示伺服控制装置100h的动作的流程图与图25所示的伺服控制装置100g相同。但是，不同点在于，在步骤S32中，在仿真部5h对评价点推定位置Xe1及检测点推定位置Xd1进行运算时，使用网络构造参数Mdl2及位置指令Xc。关于伺服控制装置100h的硬件结构，学习部13h及仿真部5h通过处理电路而实现。处理电路可以是执行在存储器储存的程序的处理器及存储器，也可以是专用的硬件。
如以上说明所述，根据本实施方式，进行***辨识的伺服控制装置100h在使用通过机器学习而得到的网络构造参数Md2，通过AI模型部58h进行推断时，能够不使用传感器数据、实际的致动器的样本数据等而进行推断。由此，伺服控制装置100h在通过AI模型部58h进行推断时可以不考虑通信的延迟，因此能够将仿真部5h设置于物理分离的场所。此外，以实施方式1为例进行了说明，但其是一个例子，并不限定于此。关于本实施方式，也能够关于实施方式2至6而应用。
如以上所述，本发明所涉及的伺服控制装置使用在作为控制对象的评价点安装的加速度传感器的信号、根据安装有位置检测器的检测点的检测位置而运算出的加速度和在设定于检测点和评价点之间的参照点安装的加速度传感器的信号，对从检测点至参照点为止的传递函数和从参照点至评价点为止的传递函数进行运算。伺服控制装置能够应用于下述方法，即，使用运算出的2个传递函数和从检测点至参照点为止的刚性，预想出控制对象的时时刻刻的轨迹误差量，不使夹具、刀具脱离就能够高精度地对处于实际的使用状态的机械的轨迹误差进行测定。
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，也能够与其他公知技术进行组合，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
1a评价点传感器，1b参照点传感器，1c、1d陀螺仪传感器，2旋转角检测器，4a第一传递函数运算部，4b第二传递函数运算部，5、5g、5h仿真部，6a、6b、6e控制器部，7a、7b、7c机械部，8刚性值保存部，9指令值运算部，10显示器，11控制参数变更部，12校正指令运算部，13g、13h学习部，21直动位置检测器，30传感器信号发送部，31校正指令发送部，32传感器信号接收部，33校正指令接收部，51控制器模拟部，53检测点推定位置运算部，54参照点推定位置运算部，55驱动反作用力推定部，56评价点推定位置运算部，57仿真参数设定部，58g、58h AI模型部，61a、61b、61c、61d、61e、61f、61g加减运算器，62位置控制器，63速度控制器，64电流控制器，65速度运算器，66加速度运算器，67乘法器，68滤波器部，69a检测点位置增益乘法部，69b位置指令增益乘法部，69c位置校正增益乘法部，69d速度校正增益乘法部，69e电流校正增益乘法部，70扭矩推定器，71电动机，72机械构造部件，73进给螺纹，74联接器，75a、75b支撑轴承，76刀具，77工作台，78工作物，79螺母块，80螺母，81蜗轮，82旋转工作台，83主轴端面，90仿真指令值运算部，91g、91h神经网络部，92g、92h损耗函数运算部，93g、93h优化器部，94g、94h AI模型输出部，95、96 2阶积分器，99数控工作机械，100、100b、100c、100d、100e、100f、100g、100h伺服控制装置，101、101b X轴伺服控制装置。

Claims (11)

1.一种伺服控制装置，其相对于对连接有作为控制对象的被驱动体的机械部进行驱动的大于或等于1个致动器，将由安装于检测点的位置检测器检测出的表示所述被驱动体的位置的检测位置进行反馈，通过控制器部对所述致动器进行控制，以使得所述被驱动体的位置追随对由指令值运算部运算出的位置进行指示的位置指令，
该伺服控制装置的特征在于，具有：
第一检测部，其对在所述被驱动体或者与所述被驱动体相对应的位置设定的评价点的状态量进行检测；
第二检测部，其对在所述评价点和所述致动器之间的所述机械部设定的参照点的状态量进行检测；
第一传递函数运算部，其使用所述评价点的状态量及所述参照点的状态量，对作为从所述参照点至所述评价点为止的频率响应特性的第一传递函数进行运算；
第二传递函数运算部，其使用所述参照点的状态量及所述检测位置，对作为从所述检测位置至所述参照点为止的频率响应特性的第二传递函数进行运算；以及
第一仿真部，其使用所述第一传递函数、所述第二传递函数及表示所述检测位置和所述参照点之间的刚性值的刚性值参数，对所述评价点的推定位置进行运算，
所述第一仿真部具有：
控制器模拟部，其将推定出所述检测位置的举动的检测点推定位置作为反馈，对所述控制器部进行模拟而生成向所述致动器的指令扭矩推定值；
参照点推定位置运算部，其使用所述第二传递函数及所述检测点推定位置，对推定出所述参照点的举动的参照点推定位置进行运算；
评价点推定位置运算部，其使用所述第一传递函数及所述参照点推定位置，对推定出所述评价点的举动的评价点推定位置进行运算；
驱动反作用力推定部，其使用所述检测点推定位置、所述参照点推定位置及所述刚性值参数，对驱动反作用力推定值进行运算；
检测点推定位置运算部，其使用根据所述驱动反作用力推定值及所述指令扭矩推定值而运算的有效扭矩推定值，对所述检测点推定位置进行运算；以及
模拟器参数设定部，其将所述第一传递函数设定于所述评价点推定位置运算部，将所述第二传递函数设定于所述参照点推定位置运算部，将所述刚性值参数设定于所述驱动反作用力推定部。
2.一种伺服控制装置，其相对于对连接有作为控制对象的被驱动体的机械部进行驱动的大于或等于1个致动器，将由安装于检测点的位置检测器检测出的表示所述被驱动体的位置的检测位置进行反馈，通过控制器部对所述致动器进行控制，以使得所述被驱动体的位置追随对由指令值运算部运算出的位置进行指示的位置指令，
该伺服控制装置的特征在于，具有：
第一检测部，其对在所述被驱动体或者与所述被驱动体相对应的位置设定的评价点的状态量进行检测；
第二检测部，其对在所述评价点和所述致动器之间的所述机械部设定的参照点的状态量进行检测；
学习部，其将所述评价点的状态量、所述参照点的状态量及由所述控制器部取得的所述致动器的状态量即所述检测位置作为状态变量进行观测，按照基于所述状态变量而创建的训练数据集进行学习；
第二仿真部，其使用所述学习部的学习结果，对推定出所述评价点的举动的评价点推定位置及推定出所述检测位置的举动的检测点推定位置进行运算。
3.根据权利要求1或2所述的伺服控制装置，其特征在于，
所述第一检测部及所述第二检测部为加速度传感器。
4.根据权利要求1至3中任一项所述的伺服控制装置，其特征在于，
所述位置检测器为安装于所述致动器的旋转角检测器，或者安装于所述机械部的直动位置检测器。
5.根据权利要求1或2所述的伺服控制装置，其特征在于，
具有控制参数变更部，该控制参数变更部使用所述评价点推定位置、或者所述评价点推定位置及所述检测点推定位置，对所述控制器部的控制参数进行变更，以使得所述被驱动体的运动精度成为目标值以内。
6.根据权利要求2所述的伺服控制装置，其特征在于，
所述学习部在训练数据集使用所述评价点的状态量、所述参照点的状态量及所述检测位置，对将所述检测位置设为输入、将所述评价点的状态量及所述参照点的状态量设为输出的***模型进行学习。
7.根据权利要求2所述的伺服控制装置，其特征在于，
所述学习部在训练数据集使用所述评价点的状态量、所述参照点的状态量、所述检测位置及所述致动器的驱动力，对将所述检测位置设为输入、将所述评价点的状态量及驱动反作用力推定值设为输出的***模型进行学习。
8.根据权利要求2或6所述的伺服控制装置，其特征在于，
所述第二仿真部具有：
控制器模拟部，其将推定出所述检测位置的举动的检测点推定位置作为反馈，对所述控制器部进行模拟而生成向所述致动器的指令扭矩推定值；
人工智能模型部，其使用由所述学习部学习到的***模型，对所述评价点推定位置及推定出所述参照点的举动的参照点推定位置进行运算；
驱动反作用力推定部，其使用所述检测点推定位置、所述参照点推定位置及表示所述检测位置和所述参照点之间的刚性值的刚性值参数，对驱动反作用力推定值进行运算；
检测点推定位置运算部，其使用根据所述驱动反作用力推定值及所述指令扭矩推定值而运算的有效扭矩推定值，对所述检测点推定位置进行运算；以及
模拟器参数设定部，其将由所述学习部学习到的网络构造参数设定于所述人工智能模型部，将所述刚性值参数设定于所述驱动反作用力推定部。
9.根据权利要求2或7所述的伺服控制装置，其特征在于，
所述第二仿真部具有：
控制器模拟部，其将推定出所述检测位置的举动的检测点推定位置作为反馈，对所述控制器部进行模拟而生成向所述致动器的指令扭矩推定值；
人工智能模型部，其使用由所述学习部学习到的***模型，对所述评价点推定位置及驱动反作用力推定值进行运算；
检测点推定位置运算部，其使用根据所述驱动反作用力推定值及所述指令扭矩推定值而运算的有效扭矩推定值，对所述检测点推定位置进行运算；以及
模拟器参数设定部，其将由所述学习部学习到的网络构造参数设定于所述人工智能模型部。
10.根据权利要求1所述的伺服控制装置，其特征在于，
具有校正指令运算部，该校正指令运算部使用所述评价点推定位置、或者所述评价点推定位置及所述检测点推定位置，对向所述控制器部的位置校正指令、速度校正指令及电流校正指令之中的至少1个进行运算，输出至所述控制器部。
11.根据权利要求10所述的伺服控制装置，其特征在于，具有：
第一发送部，其对所述评价点的状态量、所述参照点的状态量及所述检测位置进行发送；
第一接收部，其对所述评价点的状态量、所述参照点的状态量及所述检测位置进行接收，将所述评价点的状态量及所述参照点的状态量输出至所述第一传递函数运算部，将所述参照点的状态量及所述检测位置输出至所述第二传递函数运算部；
第二发送部，其对所述位置校正指令、所述速度校正指令及所述电流校正指令之中的至少1个进行发送；以及
第二接收部，其对所述位置校正指令、所述速度校正指令及所述电流校正指令之中的至少1个进行接收，输出至所述控制器部。
CN202080029088.3A 2019-04-22 2020-01-08 伺服控制装置 Active CN113711138B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
PCT/JP2019/017068 WO2020217282A1 (ja) 2019-04-22 2019-04-22 サーボ制御装置
JPPCT/JP2019/017068 2019-04-22
PCT/JP2020/000330 WO2020217597A1 (ja) 2019-04-22 2020-01-08 サーボ制御装置

Publications (2)

Publication Number Publication Date
CN113711138A true CN113711138A (zh) 2021-11-26
CN113711138B CN113711138B (zh) 2024-02-13

Family

ID=72940752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080029088.3A Active CN113711138B (zh) 2019-04-22 2020-01-08 伺服控制装置

Country Status (4)

Country Link
JP (1) JP7034383B2 (zh)
CN (1) CN113711138B (zh)
DE (1) DE112020002043T5 (zh)
WO (2) WO2020217282A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116802572A (zh) * 2021-02-01 2023-09-22 三菱电机株式会社 仿真装置、工作机械***、仿真方法及加工方法
JP7421014B1 (ja) 2023-04-24 2024-01-23 ファナック株式会社 加工シミュレーション装置及び加工シミュレーション方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003340755A (ja) * 2002-05-28 2003-12-02 Daihen Corp サーボモータ制御用コントローラにおけるゲイン設定法、コントローラの有効性検証法およびロボット制御法
JP2005316937A (ja) * 2004-04-02 2005-11-10 Yaskawa Electric Corp 制御装置およびその制御方法
JP2006195566A (ja) * 2005-01-11 2006-07-27 Yaskawa Electric Corp サーボ制御装置とその制御方法
CN101615023A (zh) * 2008-06-27 2009-12-30 深圳市大族激光科技股份有限公司 一种测定机床伺服***的控制性能的方法、装置及***
CN102707661A (zh) * 2012-05-29 2012-10-03 南京航空航天大学 多轴数控伺服控制***模型辨识方法
CN105190462A (zh) * 2013-03-14 2015-12-23 三菱电机株式会社 伺服控制装置
WO2018073873A1 (ja) * 2016-10-17 2018-04-26 三菱電機株式会社 サーボ制御装置
JP2018153902A (ja) * 2017-03-21 2018-10-04 ファナック株式会社 機械学習装置及び熱変位補正装置
CN108693833A (zh) * 2017-03-31 2018-10-23 发那科株式会社 机器学习装置、伺服控制装置和***以及机器学习方法
CN109116808A (zh) * 2018-08-23 2019-01-01 西安交通大学 一种基于数控机床大数据的联动轨迹轮廓精度预测方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3217604B2 (ja) * 1993-08-20 2001-10-09 三菱電機株式会社 位置決め装置
JP4043996B2 (ja) * 2003-01-20 2008-02-06 ファナック株式会社 サーボモータ駆動制御装置
JP4126030B2 (ja) * 2004-06-07 2008-07-30 株式会社リコー 光ディスク原盤露光装置
JP2006333594A (ja) 2005-05-25 2006-12-07 Yaskawa Electric Corp 機械特性モデル化装置、電動機制御装置、機械制御システムおよび機械特性モデル化方法
JP5411978B2 (ja) * 2012-06-04 2014-02-12 ファナック株式会社 ボールネジの伸縮量を補正する機能を備えたサーボ制御装置
DE112014006247B4 (de) * 2014-01-23 2021-01-21 Mitsubishi Electric Corporation Motorsteuereinrichtung
DE112016006602T5 (de) * 2016-03-16 2018-12-13 Mitsubishi Electric Corporation Maschinenbewegungsbahnverlaufsmessvorrichtung
DE112017002881T5 (de) * 2016-06-09 2019-02-21 Mitsubishi Electric Corporation Servosteuervorrichtung
US20190361421A1 (en) * 2017-11-10 2019-11-28 Mitsubishi Electric Corporation Servo control device

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003340755A (ja) * 2002-05-28 2003-12-02 Daihen Corp サーボモータ制御用コントローラにおけるゲイン設定法、コントローラの有効性検証法およびロボット制御法
JP2005316937A (ja) * 2004-04-02 2005-11-10 Yaskawa Electric Corp 制御装置およびその制御方法
JP2006195566A (ja) * 2005-01-11 2006-07-27 Yaskawa Electric Corp サーボ制御装置とその制御方法
CN101615023A (zh) * 2008-06-27 2009-12-30 深圳市大族激光科技股份有限公司 一种测定机床伺服***的控制性能的方法、装置及***
CN102707661A (zh) * 2012-05-29 2012-10-03 南京航空航天大学 多轴数控伺服控制***模型辨识方法
CN105190462A (zh) * 2013-03-14 2015-12-23 三菱电机株式会社 伺服控制装置
WO2018073873A1 (ja) * 2016-10-17 2018-04-26 三菱電機株式会社 サーボ制御装置
JP2018153902A (ja) * 2017-03-21 2018-10-04 ファナック株式会社 機械学習装置及び熱変位補正装置
CN108628256A (zh) * 2017-03-21 2018-10-09 发那科株式会社 机械学习装置以及热位移修正装置
CN108693833A (zh) * 2017-03-31 2018-10-23 发那科株式会社 机器学习装置、伺服控制装置和***以及机器学习方法
JP2018173777A (ja) * 2017-03-31 2018-11-08 ファナック株式会社 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
CN109116808A (zh) * 2018-08-23 2019-01-01 西安交通大学 一种基于数控机床大数据的联动轨迹轮廓精度预测方法

Also Published As

Publication number Publication date
DE112020002043T5 (de) 2022-02-24
CN113711138B (zh) 2024-02-13
WO2020217282A1 (ja) 2020-10-29
WO2020217597A1 (ja) 2020-10-29
JPWO2020217597A1 (ja) 2021-10-28
JP7034383B2 (ja) 2022-03-11

Similar Documents

Publication Publication Date Title
JP6348137B2 (ja) 工作物の良否を判定する加工機械システム
US9434073B2 (en) Robot apparatus and control method therefor
CN110187694B (zh) 故障预测装置以及机器学习装置
JP6469065B2 (ja) 機械学習装置及び加工時間予測装置
CN110832422B (zh) 机器学习装置、校正参数调整装置及机器学习方法
US10960549B2 (en) Vibration analyzer and vibration analysis method
JP2013128387A (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
US11144032B2 (en) Time to failure analysis of robotic arm cabling
JP2020101541A (ja) トルク推定のための方法および装置
JP6359210B1 (ja) 制御パラメータ調整装置
KR20160117223A (ko) 서보 모터 제어 장치 및 충돌 검출 방법
CN113711138B (zh) 伺服控制装置
WO2021060090A1 (ja) 制御システム
CN109947144B (zh) 控制***、机器学习装置、维护辅助装置和方法、数据生成方法
US9434075B2 (en) Method for operating a multi-limb manipulator
Madsen et al. Model-based on-line estimation of time-varying nonlinear joint stiffness on an e-series universal robots manipulator
Sato Sensor-less estimation of positioning reversal value for ball screw feed drives
WO2018077593A1 (en) Method for determining a deadzone angle of a backlash in a mechanical drive-train system, method for controlling a drive motor controller as well as drive-train system
JP2005275588A (ja) 電動機制御装置制御パラメータ感度解析装置
Oueslati et al. Improving the dynamic accuracy of elastic industrial robot joint by algebraic identification approach
WO2023152869A1 (ja) 加工評価装置、加工システム、および加工評価方法
WO2022162740A1 (ja) 数値制御装置
Hashemi et al. Parameter identification of a robot arm using separable least squares technique
CN112236729B (zh) 数控装置
JP2003157114A (ja) ロストモーション補正方法およびロストモーション補正装置

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