CN115335785B - 外部信号输入输出单元、控制***、机器学习装置及推断装置 - Google Patents
外部信号输入输出单元、控制***、机器学习装置及推断装置 Download PDFInfo
- Publication number
- CN115335785B CN115335785B CN202080098966.7A CN202080098966A CN115335785B CN 115335785 B CN115335785 B CN 115335785B CN 202080098966 A CN202080098966 A CN 202080098966A CN 115335785 B CN115335785 B CN 115335785B
- Authority
- CN
- China
- Prior art keywords
- signal
- external
- unit
- output
- input
- 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
- 238000010801 machine learning Methods 0.000 title claims description 27
- 238000006243 chemical reaction Methods 0.000 claims abstract description 153
- 238000003745 diagnosis Methods 0.000 claims description 172
- 238000000034 method Methods 0.000 claims description 33
- 230000005856 abnormality Effects 0.000 claims description 13
- 210000004027 cell Anatomy 0.000 description 45
- 230000015556 catabolic process Effects 0.000 description 43
- 238000006731 degradation reaction Methods 0.000 description 43
- 238000010586 diagram Methods 0.000 description 20
- 230000002159 abnormal effect Effects 0.000 description 14
- 238000013528 artificial neural network Methods 0.000 description 7
- 210000002569 neuron Anatomy 0.000 description 7
- 238000004092 self-diagnosis Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
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
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
-
- 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
- G05B19/406—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 monitoring or safety
- G05B19/4063—Monitoring general control system
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Numerical Control (AREA)
Abstract
外部信号输入输出单元(20)具有外部信号控制部(21)、外部信号输出部(22)和外部输出信号变换部(24)。外部信号控制部(21)对在与数控装置(10)之间输入输出的信号进行控制。外部信号输出部(22)将来自外部信号控制部(21)的信号即外部信号输出至经由输出线(221)而与外部连接的设备。外部输出信号变换部(24)将从输出线(221)分支的多个外部输出信号变换为比多个外部输出信号的数量少的数量的信号即第1诊断用信号,向外部信号控制部(21)返回。
Description
技术领域
本发明涉及在通过数控装置对工作机械等控制对象进行控制时使用的外部信号输入输出单元、控制***、机器学习装置及推断装置。
背景技术
在通过数控装置对工作机械等控制对象进行控制的情况下,进行各种外部信号的输入输出。外部信号的输入输出由外部信号输入输出单元进行。下面,外部信号输入输出单元被称为I/O(Input/Output)单元。在外部信号中,除了开始信号、各伺服轴的同步信号等与控制对象的控制相关的信号以外,还包含有紧急停止信号等与安全有关的信号。因此,以往提出了下述技术,即,在I/O单元的动作发生异常的情况下,能够瞬时地对异常进行检测。
在专利文献1公开了一种诊断方法,其在将具有外部信号的输出线和输入线的多个I/O单元与对控制对象进行控制的数控装置连接的***中,对I/O单元的动作是否正常进行诊断。在专利文献1所记载的诊断方法中,在诊断时形成使输入线和输出线短路的短路环,从数控装置向各I/O单元的诊断用信号从I/O单元的输出线经由短路环而进入输入线,返回至数控装置。而且,在数控装置中,基于返回来的诊断用信号对I/O单元的有无动作异常进行诊断。
专利文献1:日本特开2008-152543号公报
发明内容
但是,在专利文献1所记载的技术中存在下述问题,即,必须与输入线和输出线的组合数相应地准备形成于输入线和输出线之间的短路环。例如,在具有16个输入线和16个输出线的I/O单元的情况下,必须形成16个短路环。短路环的数量越多,则电路内的用于对包含短路环用的配线及开关在内的电路部件进行配置的空间变得越大。
本发明就是鉴于上述情况而提出的,其目的在于得到与以往相比能够减少自诊断所需的短路环的数量的外部信号输入输出单元。
为了解决上述的课题,并达到目的,本发明的外部信号输入输出单元具有外部信号控制部、外部信号输出部和外部输出信号变换部。外部信号控制部对在与数控装置之间输入输出的信号进行控制。外部信号输出部将来自外部信号控制部的信号即外部信号输出至经由输出线而与外部连接的设备。外部输出信号变换部将从输出线分支的多个外部输出信号变换为比多个外部输出信号的数量少的数量的信号即第1诊断用信号,向外部信号控制部返回。
发明的效果
本发明所涉及的外部信号输入输出单元具有下述效果,即,与以往相比能够减少自诊断所需的短路环的数量。
附图说明
图1是示意地表示实施方式1所涉及的控制***的结构的一个例子的框图。
图2是示意地表示实施方式1所涉及的I/O单元的外部输出信号变换部由梯形电阻构成的情况下的一个例子的框图。
图3是示意地表示实施方式1所涉及的I/O单元的外部输出信号变换部由多输入1输出的D/A变换器构成的情况下的一个例子的框图。
图4是表示实施方式1所涉及的I/O单元中的故障诊断的概要的图。
图5是表示实施方式1所涉及的故障诊断方法的顺序的一个例子的流程图。
图6是示意地表示实施方式1所涉及的I/O单元的外部输出信号变换部由梯形电阻构成的情况下的其他例的框图。
图7是示意地表示实施方式2所涉及的I/O单元的结构的一个例子的框图。
图8是表示实施方式2所涉及的I/O单元中的故障诊断的概要的图。
图9是表示实施方式2所涉及的故障诊断方法的顺序的一个例子的流程图。
图10是示意地表示实施方式4所涉及的控制***的结构的一个例子的框图。
图11是示意地表示实施方式4所使用的神经网络的一个例子的图。
图12是表示实施方式4所涉及的控制***中的机器学习装置的学习处理的顺序的一个例子的流程图。
图13是表示实施方式4所涉及的故障部位的推定方法的顺序的一个例子的流程图。
图14是示意地表示实施方式5所涉及的控制***的结构的一个例子的框图。
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外部信号输入输出单元、控制***、机器学习装置及推断装置详细地进行说明。
实施方式1.
图1是示意地表示实施方式1所涉及的控制***的结构的一个例子的框图。实施方式1所涉及的控制***1具有:数控装置10;以及I/O单元20,其是与数控装置10连接的外部信号输入输出单元。I/O单元20与未图示的工作机械等设备即连接设备连接。连接设备也被称为控制对象。
数控装置10进行经由I/O单元20而与连接设备之间交换的信号即外部信号的输入输出,是进行机械加工的控制装置。
I/O单元20具有外部信号控制部21、外部信号输出部22、外部信号输入部23和外部输出信号变换部24。
外部信号控制部21对在与数控装置10之间输入输出的信号进行控制。外部信号控制部21具有:多个输出线215,它们对连接设备输出数据;多个输入线216,它们接收来自连接设备的数据的输入;以及诊断用信号输入线217,其接收来自外部输出信号变换部24的诊断用信号的输入。多个输出线215与外部信号输出部22连接,多个输入线216与外部信号输入部23连接。诊断用信号输入线217与外部输出信号变换部24连接。外部信号控制部21还与数控装置10连接,进行外部信号的输入输出。在通常动作时,从外部信号控制部21向数控装置10输入的外部信号为“通常用DI(Digital Input)数据”即通常用DI信号,从数控装置10向外部信号控制部21输出的外部信号为“通常用DO(Digital Output)数据”即通常用DO信号。
外部信号输出部22具有多个输出线221,与连接设备连接。外部信号输出部22经由输出线221将外部信号即通常用DO信号输出至设备。下面,从I/O单元20输出的外部信号也被称为外部输出信号。
外部信号输入部23具有多个输入线222,与连接设备连接。外部信号输入部23将经由输入线222输入的来自设备的外部信号即通常用DI信号输出至外部信号控制部21。下面,向I/O单元20输入的外部信号也被称为外部输入信号。
外部输出信号变换部24将从多个输出线221分支的通常用DO信号向作为比输入的通常用DO信号的数量少的数量的信号的“诊断用数据”即诊断用信号进行变换。作为第1诊断用信号的诊断用信号可以是数字信号,也可以是模拟信号。与I/O单元20的结构相应地,外部输出信号变换部24将通常用DO信号向作为数字信号的诊断用DI信号或者作为模拟信号的诊断用AI(Analog Input)信号进行变换。将变换后的诊断用信号向具有对有无异常进行判别的故障诊断部211的外部信号控制部21输出。由此,与以往相比能够减少向外部信号控制部21环回的信号的数量即配线的数量。
在一个例子中,外部输出信号变换部24由数字模拟变换部构成。下面,数字模拟变换被称为D/A(Digital-to-Analog)变换,数字模拟变换部被称为D/A变换部。下面,示出2个D/A变换部的实现例。
第1个是D/A变换部由梯形电阻或者网络电阻构成的情况。图2是示意地表示实施方式1所涉及的I/O单元的外部输出信号变换部由梯形电阻构成的情况下的一个例子的框图。如图2所示,外部输出信号变换部24具有由梯形电阻242构成的D/A变换部241。D/A变换部241具有与外部信号输出部22的输出线221的数量相对应的输入。D/A变换部241将各输出线221中的通常用DO信号与通断模式相应地变换为唯一的模拟电压值,将模拟电压值向外部信号控制部21输出。模拟电压值成为诊断用信号。此外,诊断用信号是模拟值,因此也被称为诊断用AI信号。另外,D/A变换部241中的二极管用于防止逆电流。并且,也能够取代图2的梯形电阻242而使用网络电阻。
第2个是D/A变换部由多输入1输出的D/A变换器构成的情况。图3是示意地表示实施方式1所涉及的I/O单元的外部输出信号变换部由多输入1输出的D/A变换器构成的情况下的一个例子的框图。如图3所示,D/A变换部241由多个多输入1输出的D/A变换器243构成。D/A变换部241具有与外部信号输出部22的输出线221的数量相对应的输入。各个输出线221与任意的D/A变换器243。各个D/A变换器243将诊断用信号输出至外部信号控制部21。而且,与多个诊断用信号的组合相应地求出唯一的模拟电压值。
在图2及图3的任意情况下,如果诊断用AI信号的数量比通常用DO信号的数量少,则梯形电阻242的组合或者多输入1输出的D/A变换器243的个数等结构要素能够设为大于或等于1个的任意数量。
返回至图1,外部信号控制部21具有故障诊断部211,该故障诊断部211使用从外部输出信号变换部24输入的诊断用信号而进行I/O单元20的故障诊断。外部信号控制部21将由故障诊断部211计算出的故障诊断结果向数控装置10发送。数控装置10如果接收到故障诊断结果,则在异常时,通过警报或者蜂鸣等任意的方法向操作者通知异常。在故障诊断结果中包含有从模拟电压值的标准值起的偏差量的信息,操作者能够知晓I/O单元20的劣化状况。
在外部输出信号变换部24为D/A变换部241的情况下,由D/A变换部241变换后的诊断用AI信号与通常用DO信号的通断模式相应地求出唯一的模拟电压值,因此故障诊断部211能够使用模拟电压值而进行故障诊断。故障诊断部211将针对每个模式而得到的模拟电压的期待值设为标准值,如果从标准值起的偏差量收敛于所指定的范围内,则诊断为正常,如果处于范围外,则诊断为异常。如果构成I/O单元20的外部信号输出部22的DO输出用部件或者I/O单元20的连接设备的历时劣化加深,则从模拟电压的标准值起的偏差变大,因此能够通过从模拟电压的标准值起的偏差而掌握部件或者连接设备的劣化状况为何种程度。在一个例子中,从标准值起的偏差的程度越大,则能够判断为部件或者连接设备的劣化度越大。
图4是表示实施方式1所涉及的I/O单元中的故障诊断的概要的图。在这里,示出通过图2的由梯形电阻242构成的D/A变换部241将4输出的数字输出变换为诊断用AI信号的情况。数字输出为4bit,因此通断模式是从“0000”至“1111”为止的16个模式。如果将通常用DO信号接通时的电压设为V[V],将D/A变换后的模拟电压设为VA[V],则其标准值VA_typ通过下式(1)表示。
VA_typ={(DO0×23+DO1×22+DO2×21+DO3×20)/16}×V···(1)
DO0至DO3是从输出线DO00至DO03输出的通常用DO信号的值。DO0至DO3在通常用DO信号断开的情况下为0,在接通的情况下为1。在将从模拟电压的标准值起的容许偏差量指定为(1/16)V[V]±27%的情况下,故障诊断部211在从标准值起的偏差的程度为大于或等于±27%的情况下,诊断为I/O单元20为异常状态。另外,即使从标准值起的偏差的程度小于±27%,在与±27%接近的值的情况下,也能够诊断为部件或者连接设备发生故障的可能性提高。
此外,在这里,示出了将故障诊断部211设置于外部信号控制部21的情况,但也能够将故障诊断部211设置于外部信号控制部21之外。在该情况下,将诊断用信号从外部信号控制部21发送至具有故障诊断功能的故障诊断部211,故障诊断部211进行故障诊断。
接下来,对具体的故障诊断方法进行说明。图5是表示实施方式1所涉及的故障诊断方法的顺序的一个例子的流程图。在这里,如图2或者图3所示,外部输出信号变换部24由将数字信号向模拟信号变换的D/A变换部241构成,以使用诊断用信号进行故障诊断的情况为例进行说明。此外,在图5的说明中,诊断用信号被称为诊断用AI信号。
首先,数控装置10将用于对连接设备进行控制的数据即通常用DO数据输出至I/O单元20。外部信号控制部21如果接收到通常用DO数据,则将通常用DO数据作为通常用DO信号而输出至与输出目标相对应的输出线215。外部信号输出部22将来自外部信号控制部21的通常用DO信号从输出线221输出。该通常用DO信号输出至连接设备,并且还输出至外部输出信号变换部24。
外部输出信号变换部24即D/A变换部241将输入的通常用DO信号向诊断用AI信号进行变换(步骤S11)。此时,诊断用AI信号的数量少于通常用DO信号的数量。即,D/A变换部241根据输入的通常用DO信号,生成比输入的通常用DO信号的数量少的数量的诊断用AI信号。
接下来,外部输出信号变换部24将生成的诊断用AI信号向外部信号控制部21输出(步骤S12)。诊断用AI信号经由诊断用信号输入线217而输入至外部信号控制部21的故障诊断部211。如上所述,由外部信号控制部21输出的通常用DO信号作为诊断用AI信号而环回至外部信号控制部21。
然后,故障诊断部211关于输入的诊断用AI信号而进行模拟数字变换,生成数字信号(步骤S13)。下面,模拟数字变换被称为A/D(Analog-to-Digital)变换。此时,故障诊断部211在将向D/A变换部241输入的信号数设为N的情况下,以成为比N高n(n为自然数)位的分辨率的方式对诊断用AI信号进行A/D变换。n的值越大,则成为越高的分辨率,能够越精细地观察劣化状况,能够进行更高精度的故障诊断。此外,位宽N、n对由数控装置10预先确定的设定值进行传送。另外,也可以将位宽设为N,即,将n设为0。在该情况下,不进行劣化状况的确认,能够仅实施故障诊断。
接下来,故障诊断部211使用A/D变换后的信号而开始故障诊断(步骤S14)。A/D变换后的(N+n)位的信号结构是上位N位示出由外部信号控制部21输出的通常用DO信号的环回结果,下位n位表示劣化状况。下面,包含环回结果的数字信号也被称为环回信息。故障诊断部211将对模拟电压VA的诊断用AI信号进行A/D变换而得到的上位N位的位值设为D1UB,将下位n位的位值设为D1LB,将对针对每个模式而得到的模拟电压的标准值即模拟电压VA_typ的诊断用AI信号进行A/D变换而得到的下位n位的位值设为标准值D1LB_typ。
然后,故障诊断部211判定环回结果是否正确(步骤S15)。具体地说,故障诊断部211将环回结果即位值D1UB和在外部信号控制部21中储存的通常用DO数据的位值进行比较,判定两者是否一致。此外,在外部信号控制部21中储存的通常用DO数据的位值是从数控装置10输出的信息。
在环回结果正确的情况下(步骤S15为Yes的情况下),故障诊断部211判定劣化程度是否处于容许范围内(步骤S16)。具体地说,故障诊断部211进行将表示劣化状况的n位的位值D1LB除以劣化状况的标准值D1LB_typ的除法,对从其除法结果减去1而设为100倍后的结果进行计算而作为劣化程度。该劣化程度可以成为正数也可以成为负数。在一个例子中,劣化程度通过表示正负的符号的1位和7位的数值表示。而且,故障诊断部211对计算出的劣化程度即从标准值起的偏差的比例是否处于预先确定的容许范围内进行判定。在一个例子中,容许范围设为±27%。
在劣化程度处于容许范围内的情况下(步骤S16为Yes的情况下),故障诊断部211判定为I/O单元20正常(步骤S17)。另一方面,在步骤S15中环回结果不正确的情况下(步骤S15为No的情况下)或者在步骤S16中劣化程度不处于容许范围内的情况下(步骤S16为No的情况下),故障诊断部211判定为I/O单元20异常(步骤S18)。
然后,或者在步骤S17后,故障诊断部211使用从步骤S15至步骤S18为止的结果,生成故障诊断结果(步骤S19)。故障诊断结果由至少包含1位的诊断结果位、1位的输出一致判定位、1位的正负符号位及7位的偏差量位的信息构成,该1位的诊断结果位表示步骤S17或者步骤S18中的故障诊断的综合判定的结果,该1位的输出一致判定位表示使用步骤S15中的环回结果的输出一致判定的结果,1位的正负符号位表示通过步骤S16至步骤S18计算出的劣化程度的正负符号,该7位的偏差量位表示劣化程度的绝对值。故障诊断部211基于输出一致判定位、正负符号位及偏差量位这3个信息,对与I/O单元20的外部信号输出部22的正常或者异常有关的结果即综合诊断结果进行诊断。而且,故障诊断部211生成将步骤S15至步骤S18为止的结果储存于确定的位的故障诊断结果。
此外,输出一致判定位在环回结果正确的情况下设为输出一致,在环回结果不正确的情况下设为输出不一致。在输出一致判定位不一致而诊断为异常的情况下,将环回结果即位值D1UB和在外部信号控制部21中储存的通常用DO数据的位值进行比较,与在外部信号控制部21中储存的通常用DO数据不同的位能够确定为故障部位,因此能够唯一地确定故障部位。另外,在正负符号位及偏差量位没有收敛于容许范围内而诊断为异常的情况下,向D/A变换部241输入的N位的信号的任意者能够确定为故障部位。故障诊断结果可以包含有包含与以上的故障部位相关的信息的环回结果或者故障部位。
接下来,外部信号控制部21将由故障诊断部211生成的故障诊断结果向数控装置10输出(步骤S20)。然后,数控装置10根据输入的故障诊断结果对I/O单元20的外部信号输出部22是否异常进行判定(步骤S21)。在I/O单元20的外部信号输出部22异常的情况下(步骤S21为Yes的情况下),数控装置10通过任意的方法向操作者通知异常状态(步骤S22)。此外,即使在I/O单元20的外部信号输出部22正常的情况下,通过操作者的操作而参照故障诊断结果的内容,也能够对I/O单元20的外部信号输出部22或者连接设备的劣化状况进行确认。然后,或者在I/O单元20的外部信号输出部22不异常的情况下(步骤S21为No的情况下),结束故障诊断方法。
此外,在外部输出信号变换部24由D/A变换部241构成的情况下,需要对模拟值的波动是由历时劣化还是由噪声引起的进行识别。图6是示意地表示实施方式1所涉及的I/O单元的外部输出信号变换部由梯形电阻构成的情况下的其他例的框图。在图6中,外部输出信号变换部24在D/A变换部241的后级具有噪声去除部244。通过噪声去除部244将噪声去除,能够防止由噪声引起的诊断精度的降低。例如,噪声去除部244由使用了电阻及电容器的模拟滤波器构成。除此以外,也可以在外部信号控制部21设置数字滤波器。
在实施方式1中,I/O单元20具有外部输出信号变换部24,该外部输出信号变换部24将从外部信号输出部22的输出线221分支的多个外部输出信号变换为比外部输出信号的数量少的数量的信号,向外部信号控制部21返回。由此,与以往相比,能够减少用于返回信号的配线的数量,能够省配线化。即,具有与以往相比能够减少包含异常检测的自诊断所需的短路环的数量这样的效果。
另外,以往在进行包含异常检测的自诊断的情况下,为了使用诊断用的信号而形成诊断用的短路环,需要将动作模式从通常动作向自诊断动作进行切换。因此,在自诊断动作中,无法进行外部信号的输入输出这样的通常动作。在工作机械中,在自诊断动作中,无法进行机械加工,因此生产暂时地停滞。但是,在实施方式1中,在通常动作时使用从外部信号输出部22的输出线221分支的多个外部输出信号对从数控装置10输出的外部信号即多个通常用DO信号进行故障诊断。因此,无需进行通常时和诊断时的动作切换,能够始终进行I/O单元20及其连接设备的状态监视。
外部输出信号变换部24设为与多个外部输出信号的通断模式相应地变换为唯一的模拟电压值。另外,在故障诊断部211中,将对模拟电压值进行A/D变换后的环回结果和在外部信号控制部21中储存的通常用DO数据的位值进行比较。由此,以往仅是知晓是否存在故障部位,但现在能够对故障部位进行确定。另外,在外部输出信号变换部24由D/A变换部241构成的情况下,通过对电压等的数字输入值的从标准值起的波动进行判定,从而能够进行I/O单元20的外部信号输出部22或者连接设备的劣化状况的掌握及故障预知。
实施方式2.
在实施方式1中,对外部输出信号变换部24由D/A变换部241构成,输出诊断用AI信号的情况进行了说明。在实施方式2中,对外部输出信号变换部24输出数字的诊断用信号的情况进行说明。
图7是示意地表示实施方式2所涉及的I/O单元的结构的一个例子的框图。外部输出信号变换部24还具有脉宽输出部245。脉宽输出部245与D/A变换部241的后级连接,进行电压-频率变换,将数字的诊断用信号进行输出。数字的诊断用信号被称为诊断用DI信号。外部信号控制部21使用变换后的诊断用DI信号而进行故障诊断。此外,对与实施方式1相同的结构要素标注同一标号,省略其说明。
脉宽输出部245是通过计时器IC(Integrated Circuit)和比较器的组合或者V-F(Voltage to Frequency)转换器而实现的。与实施方式1的情况同样地,如果诊断用DI信号的数量比通常用DO信号的数量少,则V-F转换器等结构要素可以是大于或等于1个的任意数量。
外部信号控制部21的故障诊断部211使用从外部输出信号变换部24输入的诊断用DI信号而进行I/O单元20的故障诊断。脉宽输出部245与输入的模拟值相应地输出唯一的脉宽tpls。如实施方式1说明所述,模拟电压值与通常用DO信号的通断模式相应地被唯一地变换,因此脉宽也与通断模式相应地取唯一的值。因此,在实施方式2中,使用该脉宽的值进行故障诊断。将针对每个模式而得到的脉宽的值设为标准值tpls_typ,由此与实施方式1同样地能够进行故障诊断及掌握劣化状况。
图8是表示实施方式2所涉及的I/O单元中的故障诊断的概要的图。在这里,示出通过图7的结构的外部输出信号变换部24将4输出的通常用DO信号变换为诊断用DI信号的情况。如果将在D/A变换后的模拟电压VA的输入时变换得到的频率设为fpls,则与通常用DO信号的通断模式相应地得到的脉宽tpls通过下式(2)表示。
tpls=1/fpls··· (2)
在实施方式2中,如果将针对每个通断模式进行电压-频率变换后的频率的标准值设为fpls_xxxx(其中,xxxx为“0000”至“1111”为止的2进制),则针对每个通断模式的脉宽的标准值tpls_typ通过下式(3)表示。
tpls_typ=1/fpls_xxxx··· (3)
而且,与图4的情况同样地,在与通常用DO信号的通断模式相应地得到的脉宽tpls的从标准值tpls_typ起的偏差大于或等于±27%的情况下,故障诊断部211诊断为I/O单元20为异常状态。
向外部信号控制部21输入的诊断用DI信号的脉宽tpls是通过对脉冲输入中的时钟数进行计数而计算出值。在将时钟频率设为fCLK、将时钟数设为Npls的情况下,诊断用DI信号的脉宽tpls通过下式(4)表示。
tpls=Npls×(1/fCLK)··· (4)
即,时钟频率fCLK越高,则能够越精细地对脉宽tpls的值进行计算。如果将针对每个通断模式而得到的时钟数的标准值设为Npls_typ,则针对每个通断模式的脉宽的标准值tpls_typ通过下式(5)表示。
tpls_typ=Npls_typ×(1/fCLK)··· (5)
图9是表示实施方式2所涉及的故障诊断方法的顺序的一个例子的流程图。首先,外部输出信号变换部24通过D/A变换部241将输入的通常用DO信号变换为模拟信号,通过脉宽输出部245将模拟信号向诊断用DI信号进行变换(步骤S31)。
接下来,脉宽输出部245将生成的诊断用DI信号向外部信号控制部21输出(步骤S32)。
然后,故障诊断部211将诊断用DI信号的脉宽变换为通常用DO信号的环回信息(步骤S33)。从脉宽输出部245输出的诊断用DI信号的脉宽与通常用DO信号的通断模式相应地被唯一地决定。因此,能够通过脉宽向通常用DO信号的环回结果进行变换。通常用DO信号的输出信息以由(N+n)位的数据构成的方式进行变换,上位N位成为从外部信号控制部21输出的通常用DO信号的环回结果,下位n位表示劣化状况。在这里,环回信息是包含环回结果和劣化状况在内的数字信号。此外,与实施方式1同样地,N、n对由数控装置10预先确定的设定值进行传送。
接下来,故障诊断部211使用从脉宽变换后的通常用DO信号的环回信息,开始故障诊断(步骤S34)。在脉宽为tpls时的通常用DO信号的环回信息,将上位N位的位值设为D2UB,将下位n位的位值设为D2LB,在针对每个模式而得到的脉宽的标准值tpls_typ时的通常用DO信号的输出信息,将上位N位的位值设为D2UB_typ,将下位n位的位值设为D2LB_typ。以分辨率成为2(N +n)的方式,对脉宽tpls和位值(D2UB、D2LB)进行分配。故障诊断部211将分配给诊断用DI信号的脉宽tpls的位值(D2UB、D2LB)和分配给针对每个通断模式而得到的脉宽的标准值tpls_typ的位值(D2UB_typ、D2LB_typ)进行比较。
然后,故障诊断部211判定环回结果是否正确(步骤S35)。故障诊断部211将环回结果即位值DUB和在外部信号控制部21中储存的通常用DO数据的位值进行比较。此外,在外部信号控制部21中储存的通常用DO数据的位值是由数控装置10输出的信息。
在环回结果正确的情况下(步骤S35为Yes的情况下),故障诊断部211判定劣化程度是否处于容许范围内(步骤S36)。劣化程度是进行将表示劣化状况的n位的D2LB除以与脉宽的标准值相关联的劣化状况的标准值D2LB_typ的除法,从其除法结果减去1而设为100倍后的结果,即,从标准值起的偏差的比例。该劣化程度可以成为正数也可以成为负数。在一个例子中,劣化程度通过表示正负的符号的1位和7位的数值表示。故障诊断部211对计算出的劣化程度是否处于容许范围进行判定。在一个例子中,容许范围设为±27%。
然后,进行与实施方式1的图5的流程图的步骤S17及其以后的处理相同的处理(步骤S37至步骤S42),因此省略说明。
此外,在上述的说明中,示出了脉宽输出部245设置于D/A变换部241的后级的情况,但也可以如图6所示,在D/A变换部241的后级设置噪声去除部244,在噪声去除部244的后级设置脉宽输出部245。
在实施方式2中,在外部输出信号变换部24,在D/A变换部241或者噪声去除部244的后级配置有与输入的模拟值相应地输出唯一的脉宽的脉宽输出部245。由此,通过脉宽也能够对I/O单元20及连接设备的故障的有无及劣化状况进行诊断。
实施方式3.
在实施方式1、2中,对I/O单元20具有对故障诊断结果进行计算的故障诊断部211的情况进行了说明。在实施方式3中,对数控装置10具有故障诊断部211的情况进行说明。在该情况下,I/O单元20将由外部输出信号变换部24变换后的诊断用信号的信息向数控装置10传送。数控装置10的故障诊断部211使用接收到的诊断用信号而生成故障诊断结果。此外,在数控装置10设定有预先确定的信号数N。数控装置10根据需要参照预先确定的设定值,或将预先确定的设定值向I/O单元20传送。
在由外部输出信号变换部24变换后的诊断用信号为诊断用AI信号的情况下,在外部信号控制部21和数控装置10之间必须通过数字信号进行信息传送。因此,外部信号控制部21对诊断用AI信号进行A/D变换,将A/D变换后的数字信号传送至数控装置10。如实施方式1说明所述,关于位宽N、n而从数控装置10传送设定值,外部信号控制部21通过设定值对诊断用AI信号进行A/D变换。通过A/D变换而得到的数字信号如实施方式1中说明所述,由(N+n)位的信号构成,上位N位表示从外部信号控制部21输出的通常用DO信号的输出结果即环回结果,下位n位表示劣化状况。此后的数控装置10的故障诊断部211中的故障诊断结果的生成及故障诊断方法与实施方式1相同。但是,在步骤S15、S35中,在I/O单元20具有故障诊断部211的情况下,是与将环回结果储存于外部信号控制部21的通常用DO数据相比较而判定环回结果是否正确,但在数控装置10具有故障诊断部211的情况下,是与将环回结果储存于数控装置10的通常用DO数据相比较,判定环回结果是否正确。
另一方面,在由外部输出信号变换部24变换后的信号为诊断用DI信号的情况下,外部信号控制部21将计数得到的时钟数的信息向数控装置10传送。在向数控装置10传送后,与实施方式2的说明同样地,数控装置10的故障诊断部211对脉宽进行计算,基于计算出的脉宽的信息而进行故障诊断结果的生成及故障诊断。此时,故障诊断部211关于位宽N、n而参照在数控装置10中储存的设定值,按照其参照值从脉宽向(N+n)位的信号进行变换。
在实施方式3中,设为数控装置10具有故障诊断部211。由此,具有故障诊断部211的只是数控装置10,因此如果通过控制***1整体观察,则与实施方式1、2相比能够低成本化。
实施方式4.
在实施方式1至3中,根据I/O单元20的劣化状况对有无异常进行了判别。但是,只要输出一致判定非不一致,则无法唯一地确定劣化加深的部位。因此,在实施方式4中,对即使在输出一致判定非不一致的情况下也能够唯一地确定劣化加深的部位的控制***1进行说明。
图10是示意地表示实施方式4所涉及的控制***的结构的一个例子的框图。控制***1具有数控装置10、具有在实施方式1或者2中记载的外部输出信号变换部24的I/O单元20、机器学习装置30和推断装置40。故障诊断部211可以如实施方式1或者2那样设置于I/O单元20,也可以如实施方式3那样设置于数控装置10。机器学习装置30生成使用外部输出信号、诊断用信号及故障诊断结果,对外部信号输出部22或者连接设备的故障部位进行推断的训练好的模型。推断装置40使用由机器学习装置30生成的训练好的模型,根据外部输出信号及诊断用信号,进行外部信号输出部22或者连接设备的故障部位的预知。此外,在图10中,省略了I/O单元20的外部信号输入部23的图示。
机器学习装置30具有作为第1数据取得部的数据取得部31、模型生成部32和训练好的模型存储部33。
数据取得部31取得外部输出信号即通常用DO信号、诊断用信号或者将该信号向环回信息变换后的信号及故障诊断结果而作为学习用数据。向环回信息变换后的信号以下被称为环回信息变换信号。
模型生成部32按照基于从数据取得部31输出的通常用DO信号、诊断用信号或者第1环回信息变换信号即环回信息变换信号及故障诊断结果的组合而创建的学习用数据,对I/O单元20的外部信号输出部22或者连接设备的故障部位进行学习。即,生成根据I/O单元20的通常用DO信号、诊断用信号或者环回信息变换信号及故障诊断结果对I/O单元20的外部信号输出部22或者连接设备的故障部位进行推断的训练好的模型。在这里,学习用数据是将通常用DO信号、诊断用信号或者环回信息变换信号及故障诊断结果彼此相关联的数据。
模型生成部32所使用的学习算法能够使用有教师学习、无教师学习、强化学习等公知的算法。作为一个例子,对应用了神经网络的情况进行说明。模型生成部32例如按照神经网络模型,通过所谓的有教师学习,对I/O单元20的外部信号输出部22或者连接设备的故障部位进行学习。在这里,有教师学习是指下述方法,即,将输入和结果即标签的数据组赋予给机器学习装置30,由此对在这些学习用数据存在的特征进行学习,根据输入对结果进行推断。
图11是示意地表示实施方式4所使用的神经网络的一个例子的图。神经网络300具有由多个神经元X1、X2、X3构成的输入层310、由多个神经元Y1、Y2构成的中间层320及由多个神经元Z1、Z2、Z3构成的输出层330。中间层320也被称为隐藏层,为1层或者大于或等于2层。在图11中,示出了中间层320为1层的情况。
例如,在图11所示的3层神经网络300的情况下,针对输入层310的各神经元X1、X2、X3的输出值而乘以加权系数W1,通过相乘而得到的结果的线性结合输入至中间层320的各神经元Y1、Y2。针对中间层320的各神经元Y1、Y2的输出值而乘以加权系数W2,通过相乘而得到的结果的线性结合输入至输出层330的各神经元Z1、Z2、Z3。在图11的例子中,与输入层310的输出值相乘的加权系数W1为w11至w16,与中间层320的输出值相乘的加权系数W2为w21至w26。从输出层330输出的输出结果通过加权系数W1、W2的值而改变。
在实施方式4中,神经网络300按照基于由数据取得部31取得的通常用DO信号、诊断用信号或者环回信息变换信号及故障诊断结果的组合而创建的学习用数据,通过所谓的有教师学习,对I/O单元20的外部信号输出部22或者连接设备的故障部位进行学习。
即,神经网络300向输入层310输入通常用DO信号、诊断用信号或者环回信息变换信号,以从输出层330输出的结果与故障诊断结果接近的方式调整加权系数W1、W2,从而进行学习。
模型生成部32通过执行以上的学习,从而生成训练好的模型并输出。
训练好的模型存储部33对从模型生成部32输出的训练好的模型进行存储。
推断装置40具有第2数据取得部即数据取得部41和推断部42。
数据取得部41取得外部输出信号即通常用DO信号和诊断用信号或者环回信息变换信号。
推断部42对利用在机器学习装置30的训练好的模型存储部33中存储的训练好的模型而得到的I/O单元20的外部信号输出部22或者连接设备的故障部位进行推断。即,通过向该训练好的模型输入由数据取得部41取得的通常用DO信号和诊断用信号或者环回信息变换信号,从而能够将根据通常用DO信号和诊断用信号或者环回信息变换信号进行推断的I/O单元20的外部信号输出部22或者连接设备的故障部位进行输出。
此外,机器学习装置30用于对I/O单元20的故障诊断结果进行学习,推断装置40用于对I/O单元20的故障部位进行推断。但是,机器学习装置30及推断装置40例如可以经由网络而与数控装置10连接,是与该数控装置10及I/O单元20分体的装置。另外,机器学习装置30及推断装置40也可以内置于数控装置10或者I/O单元20。并且,机器学习装置30及推断装置40也可以存在于云服务器上。
另外,在实施方式4中,说明了使用由模型生成部32学习到的训练好的模型将I/O单元20的外部信号输出部22或者连接设备的故障部位进行输出,但也可以从其他I/O单元20及数控装置10等的外部取得训练好的模型,基于该训练好的模型将I/O单元20的外部信号输出部22或者连接设备的故障部位进行输出。
接下来,对由机器学习装置30学习的处理进行说明。图12是表示实施方式4所涉及的控制***中的机器学习装置的学习处理的顺序的一个例子的流程图。首先,数据取得部31取得外部输出信号即通常用DO信号、诊断用信号或者环回信息变换信号和故障诊断结果(步骤S51)。此外,设为将通常用DO信号、诊断用信号或者环回信息变换信号和故障诊断结果同时取得,但只要能够将通常用DO信号、诊断用信号或者环回信息变换信号及故障诊断结果相关联地输入即可,也可以在彼此不同的定时取得通常用DO信号、诊断用信号或者环回信息变换信号及故障诊断结果的数据。
接下来,模型生成部32按照基于由数据取得部31取得的通常用DO信号、诊断用信号或者环回信息变换信号及故障诊断结果的组合而创建的学习用数据,通过有教师学习,对外部信号输出部22及连接设备的故障部位进行学习,生成训练好的模型(步骤S52)。
然后,模型生成部32将生成的训练好的模型储存于训练好的模型存储部33(步骤S53),结束学习处理。
接下来,对使用推断装置40用于得到I/O单元20的外部信号输出部22或者连接设备的故障部位的处理进行说明。图13是表示实施方式4所涉及的故障部位的推定方法的顺序的一个例子的流程图。
首先,数据取得部41取得外部输出信号即通常用DO信号和诊断用信号或者环回信息变换信号(步骤S71)。接下来,推断部42向训练好的模型输入所取得的通常用DO信号和诊断用信号或者环回信息变换信号,得到I/O单元20的外部信号输出部22或者连接设备的故障部位(步骤S72)。训练好的模型存储于机器学习装置30的训练好的模型存储部33。然后,推断部42将通过训练好的模型得到的I/O单元20的外部信号输出部22或者连接设备的故障部位输出至数控装置10(步骤S73)。
而且,数控装置10使用从推断装置40输入的I/O单元20的外部信号输出部22或者连接设备的故障部位,进行I/O单元20或者连接设备的故障预知(步骤S74)。由此,对I/O单元20的外部信号输出部22或者连接设备的异常进行检测。在一个例子中,在将外部信号输出部22或者连接设备的故障部位或者故障近前部位检测为异常的情况下,数控装置10能够对故障部位或者故障近前部位进行确定。在一个例子中,在劣化状况的从标准值起的偏差处于容许范围外的情况下,确定出异常的外部信号输出部22的部件及连接设备之中的任意者成为故障部位。另外,在一个例子中,劣化状况的从标准值起的偏差处于容许范围内,但在与处于容许范围外的阈值接近的情况下,确定出异常的外部信号输出部22的部件及连接设备之中的任意者成为故障近前部位。在通过故障预知而检测出异常的情况下,数控装置10通过警报等任意的方法向操作者通知异常状态。此外,在正常时,通过操作者的操作而参照故障诊断结果的内容,操作者也能够对I/O单元20的外部信号输出部22或者连接设备的劣化状况进行确认。
此外,在实施方式4中,说明了对模型生成部32所使用的学习算法应用了有教师学习的情况,但并不限定于此。关于学习算法,除了有教师学习以外,也能够应用无教师学习或者有半教师学习等。
另外,模型生成部32可以按照针对多个I/O单元20而创建的学习用数据,对I/O单元20的外部信号输出部22或者连接设备的故障部位进行学习。此时,模型生成部32可以从在同一区域使用的多个I/O单元20取得学习用数据,也可以利用从在不同的区域独立动作的多个I/O单元20收集的学习用数据而对I/O单元20的外部信号输出部22或者连接设备的故障部位进行学习。另外,也能够将对学习用数据进行收集的I/O单元20在中途追加至对象或从对象去除。并且,关于某I/O单元20,可以将对I/O单元20的外部信号输出部22或者连接设备的故障部位进行了学习的学习装置应用于其他I/O单元20,关于该其他I/O单元20对I/O单元20的外部信号输出部22或者连接设备的故障部位进行再学习而更新。
并且,作为在模型生成部32中使用的学习算法,也能够使用对特征量本身的提取进行学习的深层学习(Deep Learning),也可以按照其他公知的方法例如支持向量机等执行机器学习。
在实施方式4中,通过机器学习装置30,基于I/O单元20的外部输出信号、诊断用信号或者环回信息变换信号和故障诊断结果之间的相关关系而对与外部信号输出部22或者其连接设备的劣化状况相关的特征量进行学习。由此,能够通过推断装置40,进行I/O单元20的外部信号输出部22及连接设备的故障预知。
实施方式5.
图14是示意地表示实施方式5所涉及的控制***的结构的一个例子的框图。此外,关于与上述的实施方式相同的结构要素,标注相同的标号而省略其说明。下面,对与上述的实施方式不同的部分进行说明。I/O单元20还具有外部输入信号变换部26。外部输入信号变换部26将从多个输入线222分支的外部输入信号即通常用DI信号向比输入的通常用DI信号的数量少的数量的作为第2诊断用信号的诊断用信号进行变换。诊断用信号与I/O单元20的结构相应地,采取模拟信号或者数字信号的方式。外部输入信号变换部26将变换后的诊断用信号向外部信号控制部21输出。
此外,故障诊断部211也可以设置于外部信号控制部21,也可以设置于数控装置10。故障诊断部211在来自外部输出信号变换部24的作为第1诊断用信号的诊断用信号的基础上,使用来自外部输入信号变换部26的诊断用信号而进行故障诊断。使用由外部输入信号变换部26变换后的诊断用信号,由此通过故障诊断部211能够进行I/O单元20的外部信号输入部23的故障诊断。外部输入信号变换部26的结构例与在实施方式1至3中说明的外部输出信号变换部24相同。另外,故障诊断部211中的故障诊断通过与I/O单元20的外部信号输出部22或者作为其控制对象的连接设备的故障诊断时相同的方法进行。
机器学习装置30的数据取得部31在外部输出信号即通常用DO信号、与外部输出有关的诊断用信号或者第1环回信息变换信号即环回信息变换信号及与外部输出有关的故障诊断结果的基础上,取得外部输入信号即通常用DI信号、与外部输入有关的诊断用信号或者第2环回信息变换信号即环回信息变换信号及与外部输入有关的故障诊断结果而作为学习用数据。
机器学习装置30的模型生成部32按照基于从数据取得部31输出的通常用DI信号及通常用DO信号、与外部输入及外部输出有关的诊断用信号或者环回信息变换信号以及与外部输入及外部输出有关的故障诊断结果的组合而创建的学习用数据,对I/O单元20的外部信号输入部23、外部信号输出部22或者控制对象即连接设备的故障部位进行学习。即,模型生成部32生成根据I/O单元20的通常用DO信号、与外部输出有关的诊断用信号或者环回信息变换信号及与外部输出有关的故障诊断结果,对I/O单元20的外部信号输出部22或者控制对象即连接设备的故障部位进行推断的训练好的模型,生成根据I/O单元20的通常用DI信号、与外部输入有关的诊断用信号或者环回信息变换信号及与外部输入有关的故障诊断结果,对I/O单元20的外部信号输入部23的故障部位进行推断的训练好的模型。在这里,学习用数据是将通常用DI信号及通常用DO信号、与外部输入及外部输出有关的诊断用信号或者环回信息变换信号以及与外部输入及外部输出有关的故障诊断结果彼此相关联的数据。
与实施方式4的不同点仅在于,由数据取得部31取得的学习用数据的种类及由模型生成部32生成的模型的种类增加,关于由模型生成部32进行的训练好的模型的生成方法及机器学习装置30的学习处理,与实施方式4相同。
推断装置40的数据取得部41在外部输出信号即通常用DO信号及与外部输出有关的诊断用信号或者环回信息变换信号的基础上,取得外部输入信号即通常用DI信号及与外部输入有关的诊断用信号或者环回信息变换信号。
推断装置40的推断部42对利用训练好的模型而得到I/O单元20的外部信号输入部23、外部信号输出部22或者控制对象即连接设备的故障部位进行推断。即,向该训练好的模型输入由数据取得部41取得的通常用DI信号及通常用DO信号以及与外部输入及外部输出有关的诊断用信号或者环回信息变换信号,由此能够将根据通常用DI信号及通常用DO信号以及与外部输入及外部输出有关的诊断用信号或者环回信息变换信号进行推断的I/O单元20的外部信号输入部23、外部信号输出部22或者控制对象即连接设备的故障部位进行输出。
与实施方式4的不同点仅在于,由数据取得部41取得的学习用数据的种类及由推断部42推断的信息增加,关于推断装置40的推断处理,与实施方式4相同。另外,如果构成I/O单元20的外部信号输入部23的DI输入用部件或者I/O单元20的连接设备的历时劣化加深,则模拟电压的从标准值起的偏差变大。因此,在实施方式5中,也与实施方式4同样地,通过模拟电压的从标准值起的偏差,能够掌握DI输入用部件、与输入线222连接的连接设备的劣化状况为何种程度。
在实施方式5中,I/O单元20具有外部输入信号变换部26,该外部输入信号变换部26将从外部信号输入部23的输入线222分支的多个外部输入信号变换为比外部输入信号的数量少的数量的信号,向外部信号控制部21返回。另外,基于I/O单元20的外部输入信号、诊断用信号或者环回信息变换信号和故障诊断结果之间的相关关系,对与外部信号输入部23或者其连接设备的劣化状况相关的特征量进行学习。由此,关于I/O单元20的外部信号输入部23也能够进行故障预知。并且,关于I/O单元20的外部信号输入部23、其连接设备也能够掌握劣化状况。
以上的实施方式所示的结构表示一个例子,也能够与其他公知技术组合,也能够将实施方式彼此组合,在不脱离主旨的范围也能够将结构的一部分省略、变更。
标号的说明
1控制***,10数控装置,20外部信号输入输出单元(I/O单元),21外部信号控制部,22外部信号输出部,23外部信号输入部,24外部输出信号变换部,26外部输入信号变换部,30机器学习装置,31、41数据取得部,32模型生成部,33训练好的模型存储部,40推断装置,42推断部,211故障诊断部,215、221输出线,216、222输入线,217诊断用信号输入线,241D/A变换部,242梯形电阻,243D/A变换器,244噪声去除部,245脉宽输出部。
Claims (12)
1.一种外部信号输入输出单元,其特征在于,具有:
外部信号控制部,其对在与数控装置之间输入输出的信号进行控制;
外部信号输出部,其将来自所述外部信号控制部的信号即外部信号输出至经由输出线而与外部连接的设备;
外部输出信号变换部,其将从所述输出线分支的多个外部输出信号变换为比所述多个外部输出信号的数量少的数量的信号即第1诊断用信号,向所述外部信号控制部返回;以及
故障诊断部,其基于所述第1诊断用信号,对在所述外部信号输出部或者所述设备是否存在异常进行诊断。
2.根据权利要求1所述的外部信号输入输出单元,其特征在于,
如果将所述多个外部输出信号的数量设为N,则所述外部输出信号变换部通过大于或等于N的分辨率将所述多个外部输出信号数字模拟变换为所述第1诊断用信号,其中,N为自然数。
3.根据权利要求1所述的外部信号输入输出单元,其特征在于,
所述外部输出信号变换部具有数字模拟变换部,该数字模拟变换部将作为数字信号的所述外部输出信号变换为作为模拟信号的所述第1诊断用信号。
4.根据权利要求3所述的外部信号输入输出单元,其特征在于,
所述外部输出信号变换部还具有噪声去除部,该噪声去除部将通过所述数字模拟变换部变换后的所述第1诊断用信号的噪声去除。
5.根据权利要求3所述的外部信号输入输出单元,其特征在于,
所述外部输出信号变换部还具有脉宽输出部,该脉宽输出部将由所述数字模拟变换部变换后的模拟信号变换为表示脉宽的数字信号,
所述第1诊断用信号是从所述脉宽输出部输出的数字信号。
6.一种控制***,其特征在于,具有:
所述数控装置;以及
与所述数控装置连接的权利要求1至5中任一项所述的外部信号输入输出单元。
7.一种控制***,其特征在于,具有:
外部信号输入输出单元,其具有外部输出信号变换部,该外部输出信号变换部将来自从外部信号输出部的输出线分支的外部信号控制部的信号即多个外部输出信号,变换为比所述多个外部输出信号的数量少的数量的信号即第1诊断用信号,向所述外部信号控制部返回;以及
数控装置,其具有故障诊断部,该故障诊断部对所述第1诊断用信号进行接收,对在所述外部信号输入输出单元的所述输出线或者与所述输出线连接的设备是否存在异常进行诊断。
8.根据权利要求6或7所述的控制***,其特征在于,
还具有机器学习装置,其具有:
第1数据取得部,其取得学习用数据,该学习用数据包含从所述外部信号输出部输出的所述多个外部输出信号、由所述外部输出信号变换部变换后的所述第1诊断用信号或者将所述第1诊断用信号,变换为包含所述多个外部输出信号的环回结果在内的信息的信号即即第1环回信息变换信号及所述外部信号输出部或者所述设备的故障诊断结果;以及
模型生成部,其使用所述学习用数据,生成根据所述多个外部输出信号、所述第1诊断用信号或者所述第1环回信息变换信号,用于进行所述外部信号输出部或者所述设备的故障部位的推断的训练好的模型。
9.根据权利要求8所述的控制***,其特征在于,
还具有推断装置,其具有:
第2数据取得部,其取得所述多个外部输出信号、所述第1诊断用信号或者所述第1环回信息变换信号;以及
推断部,其使用所述训练好的模型,根据所述多个外部输出信号、所述第1诊断用信号或者所述第1环回信息变换信号,将所述外部信号输出部或者所述设备的故障部位进行输出。
10.根据权利要求9所述的控制***,其特征在于,
所述外部信号输入输出单元还具有:
外部信号输入部,其将经由输入线输入的来自所述设备的信号输出至所述外部信号控制部;以及
外部输入信号变换部,其将从所述输入线分支的多个外部输入信号变换为比所述多个外部输入信号的数量少的数量的信号即第2诊断用信号,向所述外部信号控制部输出,
所述学习用数据还包含所述多个外部输入信号、所述第2诊断用信号或者将所述第2诊断用信号变换为包含所述多个外部输入信号的环回结果在内的信息的信号即第2环回信息变换信号和所述外部信号输入部或者所述设备的故障诊断结果,
在所述训练好的模型,包含根据所述多个外部输入信号、所述第2诊断用信号或者所述第2环回信息变换信号对所述外部信号输入部或者所述设备的故障部位的推断,
所述推断部使用所述训练好的模型,根据所述多个外部输入信号和所述第2诊断用信号或者所述第2环回信息变换信号,还将所述外部信号输入部或者所述设备的故障部位进行输出。
11.一种机器学习装置,其对控制***中的外部信号输出部或者设备的故障部位进行学习,该控制***具有数控装置、将来自所述数控装置的多个外部输出信号经由所述外部信号输出部而输出至所述设备并且使所述多个外部输出信号分支、生成变换为比所述多个外部输出信号的数量少的数量的信号的诊断用信号的外部信号输入输出单元、以及使用所述诊断用信号对所述外部信号输出部或者所述设备的故障部位进行诊断的故障诊断部,
该机器学习装置的特征在于,具有:
数据取得部,其取得学习用数据,该学习用数据包含所述多个外部输出信号、所述诊断用信号或者将所述诊断用信号变换为包含所述多个外部输出信号的环回结果在内的信息的信号即环回信息变换信号和所述外部信号输出部或者所述设备的故障诊断结果;以及
模型生成部,其使用所述学习用数据,生成根据所述多个外部输出信号、所述诊断用信号或者所述环回信息变换信号,用于对所述外部信号输出部或者所述设备的故障部位进行推断的训练好的模型。
12.一种推断装置,其对控制***中的外部信号输出部或者设备的故障部位进行推断,该控制***具有数控装置、将来自所述数控装置的多个外部输出信号经由所述外部信号输出部而输出至所述设备并且使所述多个外部输出信号分支、生成变换为比所述多个外部输出信号的数量少的数量的信号的诊断用信号的外部信号输入输出单元、以及使用所述诊断用信号对所述外部信号输出部或者所述设备的故障部位进行诊断的故障诊断部,
该推断装置的特征在于,具有:
数据取得部,其取得所述多个外部输出信号、所述诊断用信号或者将所述诊断用信号变换为包含所述多个外部输出信号的环回结果在内的信息的信号即环回信息变换信号;以及
推断部,其使用根据所述多个外部输出信号、所述诊断用信号或者所述环回信息变换信号,用于对所述外部信号输出部或者所述设备的故障部位进行推断的训练好的模型,根据所述多个外部输出信号、所述诊断用信号或者所述环回信息变换信号,将所述外部信号输出部或者所述设备的故障部位进行输出。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/038796 WO2022079838A1 (ja) | 2020-10-14 | 2020-10-14 | 外部信号入出力ユニット、制御システム、機械学習装置および推論装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115335785A CN115335785A (zh) | 2022-11-11 |
CN115335785B true CN115335785B (zh) | 2024-06-18 |
Family
ID=76083849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080098966.7A Active CN115335785B (zh) | 2020-10-14 | 2020-10-14 | 外部信号输入输出单元、控制***、机器学习装置及推断装置 |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP6880353B1 (zh) |
CN (1) | CN115335785B (zh) |
DE (1) | DE112020006674T5 (zh) |
WO (1) | WO2022079838A1 (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101206480A (zh) * | 2006-12-18 | 2008-06-25 | 发那科株式会社 | 外部信号输入输出单元的诊断方法及*** |
CN107272586A (zh) * | 2016-04-08 | 2017-10-20 | 发那科株式会社 | 机械学习装置、机械学习方法、故障预知装置及*** |
CN210605458U (zh) * | 2019-08-09 | 2020-05-22 | 深圳市弘粤驱动有限公司 | 一种伺服驱动器及驱动*** |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005221258A (ja) * | 2004-02-03 | 2005-08-18 | Fanuc Ltd | エンコーダ |
JP5254714B2 (ja) * | 2008-09-05 | 2013-08-07 | 株式会社マキタ | 電動工具用マイコン搭載システム及び電池パック |
JP2014059800A (ja) * | 2012-09-19 | 2014-04-03 | Azbil Corp | 設備制御システム、コネクタ接続不良検出方法、およびi/oモジュール |
JP5987069B2 (ja) * | 2015-01-16 | 2016-09-06 | ファナック株式会社 | シリアル通信信号監視による内部レジスタ自己リセット機能を備えた数値制御システム |
JP6571704B2 (ja) * | 2017-02-13 | 2019-09-04 | ファナック株式会社 | 診断用データ取得システム、診断用システム、及び診断用データ取得プログラム |
JP6834883B2 (ja) * | 2017-09-22 | 2021-02-24 | 株式会社デンソーウェーブ | 制御装置 |
JP6956028B2 (ja) * | 2018-02-22 | 2021-10-27 | ファナック株式会社 | 故障診断装置及び機械学習装置 |
US20190302707A1 (en) * | 2018-03-28 | 2019-10-03 | Mitsubishi Electric Research Laboratories, Inc. | Anomaly Detection in Manufacturing Systems Using Structured Neural Networks |
CN208459842U (zh) * | 2018-08-03 | 2019-02-01 | 佛山微控工业自动化科技有限公司 | 数控车床***继电器输出控制电路 |
CN110109393A (zh) * | 2019-05-06 | 2019-08-09 | 北京国电智深控制技术有限公司 | 一种数字量输出板卡 |
-
2020
- 2020-10-14 CN CN202080098966.7A patent/CN115335785B/zh active Active
- 2020-10-14 JP JP2021510145A patent/JP6880353B1/ja active Active
- 2020-10-14 WO PCT/JP2020/038796 patent/WO2022079838A1/ja active Application Filing
- 2020-10-14 DE DE112020006674.6T patent/DE112020006674T5/de active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101206480A (zh) * | 2006-12-18 | 2008-06-25 | 发那科株式会社 | 外部信号输入输出单元的诊断方法及*** |
CN107272586A (zh) * | 2016-04-08 | 2017-10-20 | 发那科株式会社 | 机械学习装置、机械学习方法、故障预知装置及*** |
CN210605458U (zh) * | 2019-08-09 | 2020-05-22 | 深圳市弘粤驱动有限公司 | 一种伺服驱动器及驱动*** |
Also Published As
Publication number | Publication date |
---|---|
JPWO2022079838A1 (zh) | 2022-04-21 |
DE112020006674T5 (de) | 2023-06-29 |
JP6880353B1 (ja) | 2021-06-02 |
WO2022079838A1 (ja) | 2022-04-21 |
CN115335785A (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3776113B1 (en) | Apparatus and method for controlling system | |
US7098798B2 (en) | Process device with loop override | |
US6049741A (en) | Method of predicting a failure and control unit and load controlling system using the same | |
CN102576040A (zh) | 电压监测器 | |
WO2018172216A1 (en) | Battery energy store | |
Li et al. | A fuzzy-based sensor validation strategy for AC motor drives | |
WO2018088949A1 (en) | Method and system for vehicle analysis | |
US9343894B2 (en) | Method and device for monitoring a device equipped with a microprocessor | |
CN115335785B (zh) | 外部信号输入输出单元、控制***、机器学习装置及推断装置 | |
CN113312720A (zh) | 一种非工作状态下***的预计可靠性评估方法及*** | |
JP3567073B2 (ja) | 時系列データ予測方法および装置 | |
Huang | Abductive reasoning network based diagnosis system for fault section estimation in power systems | |
EP3855613A1 (en) | On-board capacitor health monitoring systems and methods | |
CN110531163B (zh) | 一种磁浮列车悬浮斩波器母线电容状态监测方法 | |
JP2008092685A (ja) | 電力系統監視制御システム | |
EP1652160B2 (en) | Process device with loop override | |
KR102565529B1 (ko) | 자율제어기반의 수처리 제어시스템 및 그 방법 | |
RU2297659C1 (ru) | Интегрированная система автоматического координированного управления объектом | |
Li et al. | Fault-tolerant decentralized PCT estimators applied to non-linear electrical power system state estimation | |
EP3996027A1 (en) | Method and system for monitoring and/or operating a power system asset | |
Fanti et al. | Distributed fault detection by labeled Petri Nets | |
UA122316U (uk) | Спосіб побудови комплексної експертної системи контролю технічного стану та діагностики | |
CN117616438A (zh) | 电动汽车诊断及预知*** | |
CN116484746A (zh) | 识别断路器操作机构状态的数字孪生***、方法及介质 | |
Bobbio et al. | Modeling cascading failure propagation through dynamic Bayesian networks |
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 |