JP6464220B2 - 機械学習装置及び熱変位補正装置 - Google Patents

機械学習装置及び熱変位補正装置 Download PDF

Info

Publication number
JP6464220B2
JP6464220B2 JP2017054267A JP2017054267A JP6464220B2 JP 6464220 B2 JP6464220 B2 JP 6464220B2 JP 2017054267 A JP2017054267 A JP 2017054267A JP 2017054267 A JP2017054267 A JP 2017054267A JP 6464220 B2 JP6464220 B2 JP 6464220B2
Authority
JP
Japan
Prior art keywords
thermal displacement
machine
measurement data
machine learning
learning
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
Application number
JP2017054267A
Other languages
English (en)
Other versions
JP2018153902A (ja
Inventor
光徳 渡邉
光徳 渡邉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
FANUC Corp
Original Assignee
FANUC Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by FANUC Corp filed Critical FANUC Corp
Priority to JP2017054267A priority Critical patent/JP6464220B2/ja
Priority to US15/920,820 priority patent/US10592824B2/en
Priority to CN201810215390.2A priority patent/CN108628256B/zh
Priority to DE102018204132.6A priority patent/DE102018204132B4/de
Publication of JP2018153902A publication Critical patent/JP2018153902A/ja
Application granted granted Critical
Publication of JP6464220B2 publication Critical patent/JP6464220B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • 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
    • G05B19/414—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller
    • G05B19/4142—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller characterised by the use of a microprocessor
    • 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
    • G05B19/182—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 the machine tool function, e.g. thread cutting, cam making, tool direction control
    • 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
    • G05B2219/34—Director, elements to supervisory
    • G05B2219/34013—Servocontroller
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49206—Compensation temperature, thermal displacement, use measured temperature
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49209—Compensation by using temperature feelers on slide, base, workhead
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49219—Compensation temperature, thermal displacement
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49307—Learn, learn operational zone, feed, speed to avoid tool breakage

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Manufacturing & Machinery (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Automatic Control Of Machine Tools (AREA)
  • Numerical Control (AREA)

Description

本発明は、工作機械に適用される機械学習装置及び熱変位補正装置に関する。
工作機械における加工誤差の主要因の一つとして、工作機械の機械要素の熱膨張により、工具とワークとの間に相対的な熱変位が発生する問題がある。より具体的には、工作機械の構成要素として、例えば、主軸、主軸装置、ベッド、コラム、ワークテーブル、工具等が挙げられる。主軸の回転による発熱、主軸駆動モータの発熱、クーラント供給装置から工具に供給されるクーラントによる吸熱、潤滑油供給装置から主軸軸受に供給される潤滑油による吸熱等により、とりわけ主軸を中心として上記の構成要素が熱変形し、工具とワークとの間の相対的な熱変位が発生することがある。
これに対し、工作機械の主軸近くの熱源や外気温等の様々な熱源による、主軸の熱膨張の影響を考慮して、工作機械を制御する数値制御装置の指令値を補正することにより、加工精度を向上させる技術が従来用いられてきた（例えば、特許文献１）。
特開平７−７５９３７号公報
しかしながら、特許文献１に記載された技術では、工作機械の特性値の取得方法として、単に、複数の温度センサを設置することが言及されるのみであり、高精度な補正が保証されるものではなかった。
また、温度センサで計測した熱が熱伝導により広がって熱膨張するまでに時間がかかるため、高精度の補正には時間遅れの評価が必要となり、補正式は複雑化する。
また、数値制御装置を搭載する機械によって構造や部材が変化するため、機械の種別により、最適な熱変位補正式は変化する。
また、特許文献１に記載の技術では、熱変位量の推定のためにニューラルネットワークを用いているが、ニューラルネットワークをはじめとする機械学習には、通常、多くの計算量を要するため、安価な数値制御装置では複雑なモデルを扱うことはできなかった。
本発明は、このような事情に鑑み、高精度な補正式の導出を、少ない計算量で実施することが可能な機械学習装置及び前記補正式に基づく高精度な補正を行うことが可能な熱変位補正装置を提供することを目的とする。
（１） 本発明に係る機械学習装置は、熱膨張する機械要素を有する工作機械（例えば、後述の工作機械３５）の前記機械要素とその周辺の温度データ及び／又は前記機械要素の動作状態データを含む計測データ群に基づいて前記機械要素の熱変位量を推定する計算式を機械学習によって最適化する機械学習装置（例えば、後述の機械学習装置１０，１０Ａ）であって、前記計測データ群を取得する計測データ取得部（例えば、後述の計測データ取得部１１）と、前記機械要素の熱変位量の実測値を取得する熱変位量取得部（例えば、後述の熱変位量取得部１２）と、前記計測データ取得部によって取得された前記計測データ群を入力データとし、前記熱変位量取得部によって取得された前記機械要素の熱変位量の実測値をラベルとして互いに関連付けて教師データとして記憶する記憶部（例えば、後述の記憶部１３）と、前記計測データ群と、前記機械要素の熱変位量の実測値と、に基づいて機械学習を行うことで、前記機械要素の熱変位量を前記計測データ群に基づいて算出する熱変位量予測計算式を設定する計算式学習部（例えば、後述の計算式学習部１４）と、を備え、前記熱変位量予測計算式は、計測データの時間遅れ要素を使用し、前記計算式学習部は、前記熱変位量予測計算式に前記記憶部に教師データとして記憶された所定期間内における前記計測データ群を代入して算出される前記機械要素の熱変位量の推定値と、前記記憶部にラベルとして記憶された前記所定期間内における前記機械要素の熱変位量の実測値との差異に基づいて、前記熱変位量予測計算式中の前記時間遅れ要素に係る係数を除く前記計測データに係る係数を所定の値に固定して、前記時間遅れ要素に係る係数を機械学習により設定する第１学習部（例えば、後述の第１学習部１４Ａ）と、前記差異に基づいて、前記熱変位量予測計算式中の前記時間遅れ要素に係る係数を所定の値に固定して、前記時間遅れ要素に係る係数を除く前記計測データに係る係数を機械学習により設定する第２学習部（例えば、後述の第２学習部１４Ｂ）と、前記第１学習部による機械学習を行うことで設定される前記熱変位量予測計算式中の前記時間遅れ要素に係る係数を固定して、前記第２学習部による機械学習を実行させ、前記第２学習部による機械学習を行うことで設定される前記熱変位量予測計算式中の前記時間遅れ要素に係る係数を除く前記計測データに係る係数を固定して、前記第１学習部による機械学習を実行させるように、前記第１学習部による機械学習と、前記第２学習部による機械学習とを繰り返す反復部（例えば、後述の反復部１４Ｃ）と、を備える。
（２） （１）の機械学習装置において、前記計測データ取得部（例えば、後述の計測データ取得部１１）は、さらに、前記計測データ群に計測データの追加及び／又は前記計測データ群から計測データを除外することで第２の計測データ群を取得し、前記記憶部（例えば、後述の記憶部１３）に、前記第２の計測データ群を入力データとして記憶し、前記計算式学習部（例えば、後述の計算式学習部１４）は、さらに、前記第２の計測データ群に基づいて前記機械要素の熱変位量を算出する第２熱変位量予測計算式を設定してもよい。
（３） （１）または（２）の機械学習装置において、前記時間遅れ要素は、前記計測データ群に含まれる計測データの１次遅れ要素であってもよい。
（４） （１）または（２）の機械学習装置において、前記時間遅れ要素は、前記計測データ群に含まれる計測データの時間シフト要素であってもよい。
（５） （１）から（４）の機械学習装置において、前記第２学習部（例えば、後述の第２学習部１４Ｂ）は、重回帰分析モデルに基づき設定される前記熱変位量予測計算式の機械学習をしてもよい。
（６） （１）から（５）の機械学習装置は、前記工作機械（例えば、後述の工作機械３５）の制御装置（例えば、後述の制御装置３０）に含まれてもよい。
（７） 本発明に係る熱変位補正装置（例えば、後述の熱変位補正装置２０）は、（１）から（６）の機械学習装置（例えば、後述の機械学習装置１０）により設定された熱変位量予測計算式に基づいて、前記計測データ群から算出される前記機械要素の熱変位量に対応する補正量を算出する補正量算出部（例えば、後述の補正量算出部２２）と、前記補正量算出部によって算出された前記機械要素の補正量に基づき、前記機械要素の機械位置を補正する補正部（例えば、後述の補正部２４）と、を備えている。
（８） （７）の熱変位補正装置は、前記工作機械（例えば、後述の工作機械３５）の制御装置（例えば、後述の制御装置３０）に含まれてもよい。
本発明によれば、高精度な補正式の導出を少ない計算量で実施することを可能とし、前記補正式に基づいて、高精度な補正を可能とする。
本発明の第１実施形態に係る熱変位補正システムを示すブロック図である。 本発明の第１実施形態に係る機械学習装置及び熱変位補正装置の詳細を示すブロック図である。 本発明の第１実施形態に係る計算機学習部の詳細を示すブロック図である。 本発明の第１実施形態に係る工作機械及び制御装置の詳細を示すブロック図である。 本発明の第１実施形態に係る機械学習装置における機械学習時の動作を示すフローチャートである。 本発明の第１実施形態に係る機械学習装置における機械学習時の動作を示すフローチャートである。 本発明の第１実施形態に係る機械学習装置における機械学習時の動作を示すフローチャートである。 本発明の第１実施形態に係る熱変位補正装置における補正時の動作を示すフローチャートである。 本発明の第２実施形態に係る機械学習装置における機械学習時の動作を示すフローチャートである。 本発明の第２実施形態に係る機械学習装置における機械学習時の動作を示すフローチャートである。
［第１実施形態］
以下、本発明の第１実施形態を図面に基づいて説明する。図１は、本実施形態に係る熱変位補正システムを示すブロック図である。図２は、本実施形態に係る機械学習装置及び熱変位補正装置の詳細を示すブロック図である。図３は、本実施形態に係る計算機学習部の詳細を示すブロック図である。図４は、本実施形態に係る工作機械及び制御装置の詳細を示すブロック図である。
＜熱変位補正システム１００の構成＞
まず、本実施形態に係る熱変位補正システム１００の構成について説明する。熱変位補正システム１００は、図１に示すように、機械学習装置１０、熱変位補正装置２０、制御装置３０、工作機械３５、及びネットワーク４０を備えている。なお、機械学習装置１０、熱変位補正装置２０、制御装置３０、工作機械３５は、１台でも複数台でもよい。
ここで、制御装置３０と工作機械３５とは１対１の組とされて、通信可能に接続されている。これら制御装置３０と工作機械３５の組は、例えば同じ工場に複数組設置されていてもよく、それぞれ異なる工場に設置されていてもよい。
また、機械学習装置１０と、熱変位補正装置２０と、制御装置３０と、工作機械３５とは、それぞれネットワーク４０に接続されており、ネットワーク４０を介して相互に通信を行うことが可能である。ネットワーク４０は、例えば、工場内に構築されたＬＡＮ（Local Area Network）や、インターネット、公衆電話網、あるいは、これらの組み合わせである。ネットワーク４０における具体的な通信方式や、有線接続及び無線接続のいずれであるか等については、特に限定されない。なお、熱変位補正装置２０と制御装置３０とは、ネットワーク４０を用いた通信ではなく、接続部を介して直接接続してもよく、機械学習装置１０と制御装置３０とは、接続部を介して直接接続してもよい。
次に、熱変位補正システム１００に含まれるこれら装置の機能について、図２に基づいて説明する。図２は、各装置に含まれる機能ブロックを表すブロック図である。なお、各熱変位補正装置２０はそれぞれ同等の機能を有しているため、図２では１台のみを図示する。同様に、各制御装置３０や各工作機械３５もそれぞれ同等の機能を有しているため、図２では１台のみを図示する。また、各装置間に存在するネットワーク４０については、その図示を省略する。
工作機械３５は、図４に示すように、刃物が取り付けられて主軸モータ３７で回転する主軸３６と、この主軸３６を送り出す送り軸３８とによって切削加工を行う。すなわち、この刃物は、主軸３６を駆動する主軸モータ３７により回転し、送り軸３８を駆動する送り軸モータ３９によって送り出される。なお、実施例では、工作機械３５を切削機械として説明するが、これに限定されない。
制御装置３０は、図２及び図４に示すように、工作機械３５に制御信号を送出することにより、工作機械３５が所定の切削加工を行うように制御する。制御装置３０には、ワークの加工内容に応じて定まる複数の加工プログラム３１が格納されている。そして、制御装置３０は、加工プログラム３１を読み取って解釈することにより、切削加工の条件（例えば、主軸の加減速の頻度、回転数、切削負荷、切削時間）を抽出して位置指令データ等を熱変位補正装置２０に出力するプログラム読取解釈部３２と、熱変位補正装置２０から出力される熱変位補正後の位置指令データに基づいて、工作機械３５の主軸モータ３７及び送り軸モータ３９を駆動する動作指令を作成するモータ制御部３３と、動作指令を増幅して工作機械３５の主軸モータ３７に出力するモータ駆動アンプ３４Ａ、及び、送り軸モータ３９に出力するモータ駆動アンプ３４Ｂと、を備えている。また、プログラム読取解釈部３２は、切削加工の条件（例えば、主軸の加減速の頻度、回転数、切削負荷、切削時間）を抽出して熱変位補正装置２０に出力してもよい。また、回転数や切削時間等に関して、制御装置３０は、主軸モータ３７及び／又は送り軸モータ３９からリアルタイムに得られた情報を熱変位補正装置２０に出力してもよい。
また、制御装置３０には、計測データを取得するため、工作機械３５に取り付けるセンサを接続する端子が複数存在する。センサのケーブルをこの端子から抜き差しすることにより、制御装置３０に接続され、工作機械３５に設置されるセンサを加えたり、取り外したりすることが可能である。また、工作機械３５に設置されるセンサの配置を変更することも可能である。なお、センサの配置変更は、工作機械３５の設置場所から取りはずし、設置変更場所に当該センサを加える態様として扱うことができる。
機械学習装置１０は、図２に示すように、教師あり機械学習により、工作機械３５における熱変位量予測計算式を学習する。そのため、機械学習装置１０は、計測データ取得部１１、熱変位量取得部１２、記憶部１３及び計算式学習部１４を備えている。
計測データ取得部１１は、制御装置３０から計測データ群を取得する。ここで、計測データとは、温度センサにより計測された、工作機械３５の機械要素とその周辺の温度データを含んでもよい。さらに計測データは、工作機械３５の機械要素の動作状態データ、具体的には、例えば、工作機械３５の主軸の回転速度や、主軸へのクーラント流量、主軸軸受への潤滑油量等の、温度センサを貼り付けられない箇所の物性値を含んでもよい。
熱変位量取得部１２は、例えばプローブによって検出される、工作機械３５の機械要素の熱変位量の実測値を取得する。
記憶部１３は、計測データ取得部１１によって取得された計測データ群を入力データとし、熱変位量取得部１２によって取得された機械要素の熱変位量の実測値をラベルとして、互いに関連付けて教師データとして記憶する。
計算式学習部１４は、計測データ群と、機械要素の熱変位量の実測値とに基づいて機械学習を行うことで、機械要素の熱変位量を計測データ群に基づいて算出する熱変位量予測計算式を設定する。熱変位量予測計算式は、計測データの時間遅れ要素を加味したものとする。
より具体的には、計測データ群内に独立変数が複数存在するため、例えば、一般化線形モデルの重回帰分析に基づき設定される多項式に対して、計測データの時間遅れ要素を加味した熱変位量予測計算式を使用する。時間遅れ要素としては、例えば、計測データの１次遅れ要素を使用することも可能であり、計測データの時間シフト要素を使用することも可能である。
時刻ｔにおける熱変位量の推定値をＹ（ｔ）、時刻ｔにおけるセンサＸｋの測定値をＸｋ（ｔ）とした場合、時間遅れ要素として計測データの１次遅れ要素を使用した熱変位量予測計算式は、以下の数式（１）となる。
Figure 0006464220
 ここで、ａ１、ａ２・・・ａｎは重回帰分析により決定される係数、ｂ１、ｂ２・・・ｂｎ、及びＴｋは遅れ分に対応する係数である。なお、ΔｔkはセンサＸｋの測定値のサンプリングタイムである。
また、時刻ｔにおける熱変位量の推定値をＹ（ｔ）、時刻ｔにおけるセンサＸｋの測定値をＸｋ（ｔ）とした場合、時間遅れ要素として計測データの時間シフト要素を使用した熱変位量予測計算式は、以下の数式（２）となる。
Figure 0006464220
 ここで、ａ０、ａ１・・・ａｎは重回帰分析により決定される係数、Ｔｋ、ｂｋ０、ｂｋ１・・・ｂｋＴｋは遅れ分に対応する係数である。なお、ΔｔkはセンサＸｋの測定値のサンプリングタイムである。
計算式学習部１４は、求めるべき熱変位量予測計算式を設定し、記憶部１３に教師データとして記憶された所定期間内における計測データ群を代入して算出される機械要素の熱変位量の推定値と、記憶部１３にラベルとして記憶された所定期間内における機械要素の熱変位量の実測値との差異に基づいて、例えば最小二乗法等により差異が最小となるように、熱変位量予測計算式を設定する。
なお、計算式学習部１４は、具体的には、計測データ（入力データ）をＸ１，Ｘ２，・・・Ｘｎとし、工作機械を構成する主軸、ベッド、コラム等の構成要素の各々について、熱変位量の予測値をｆ（Ｘ１，Ｘ２，・・・，Ｘｎ）（ｎは自然数）、熱変位量の実測値をＹＬとした際、ｆ（Ｘ１，Ｘ２，・・・，Ｘｎ）とＹＬとの差異が最小となるような熱変位量予測計算式を設定する。
図３は、計算式学習部１４の詳細を示す。具体的には、計算式学習部１４は、第１学習部１４Ａと、第２学習部１４Ｂと、反復部１４Ｃとを備える。
第１学習部１４Ａは、熱変位量予測計算式中の時間遅れ要素に係る係数を除く、計測データに係る係数を所定の値に固定して、計測データ（入力データ）をＸ１，Ｘ２，・・・Ｘｎとし、工作機械を構成する主軸、ベッド、コラム等の構成要素の各々について、熱変位量の予測値をｆ（Ｘ１，Ｘ２，・・・，Ｘｎ）（ｎは自然数）、熱変位量の実測値をＹＬとした際、ｆ（Ｘ１，Ｘ２，・・・，Ｘｎ）とＹＬとの差異が最小となるように、時間遅れ要素に係る係数を機械学習により設定する。
第２学習部１４Ｂは、熱変位量予測計算式中の時間遅れ要素に係る係数を所定の値に固定して、計測データ（入力データ）をＸ１，Ｘ２，・・・Ｘｎとし、工作機械を構成する主軸、ベッド、コラム等の構成要素の各々について、熱変位量の予測値をｆ（Ｘ１，Ｘ２，・・・，Ｘｎ）（ｎは自然数）、熱変位量の実測値をＹＬとした際、ｆ（Ｘ１，Ｘ２，・・・，Ｘｎ）とＹＬとの差異が最小となるように、時間遅れ要素に係る係数を除く計測データに係る係数を機械学習により設定する。
なお、機械学習の詳細については後述する。
反復部１４Ｃは、第１学習部１４Ａによる機械学習と、第２学習部１４Ｂによる機械学習とを繰り返す。より具体的には、反復部１４Ｃは、例えば、初期設定された熱変位量予測計算式において、熱変位量予測計算式中の時間遅れ要素に係る係数を除く計測データに係る係数を固定した上で第１学習部１４Ａによる機械学習を行うことで熱変位量予測計算式中の時間遅れ要素に係る係数を仮設定する。次に、反復部１４Ｃはこのように仮設定された熱変位量予測計算式において熱変位量予測計算式中の時間遅れ要素に係る係数を固定した上で、第２学習部１４Ｂによる機械学習を実行させ、第２学習部１４Ｂによる機械学習を行うことで熱変位量予測計算式中の時間遅れ要素に係る係数を除く計測データに係る係数を仮設定する。反復部１４Ｃは、さらにこのように仮設定された熱変位量予測計算式において、ふたたび熱変位量予測計算式中の時間遅れ要素に係る係数を除く計測データに係る係数を固定した上で、第１学習部１４Ａによる機械学習を実行させるというように、第１学習部１４Ａによる機械学習と、第２学習部１４Ｂによる機械学習とを繰り返す。
反復部１４Ｃは、予め設定された終了条件を満たす場合に上記の繰り返しを終了する。ここで、終了条件としては、例えば、現時点で仮設定された熱変位量予測計算式を用いて算出される熱変位量推定値と、熱変位量実測値との誤差が閾値以内となり、この熱変位量予測計算式の精度が所定値以上となることが挙げられる。
このように、計算式学習部１４は、複雑な熱変位量予測計算式であっても、第１学習部１４Ａによる機械学習と、第２学習部１４Ｂによる機械学習とを繰り返すことで、同時に実行する計算量を少なくすることが可能となり、比較的安価な装置にも搭載が可能となる。
熱変位補正装置２０は、図２に示すように、補正量算出手段としての補正量算出部２２と、補正実行手段としての補正部２４とを備える。
補正量算出部２２は、機械学習装置１０により設定された熱変位量予測計算式に基づいて、計測データ群（判定データ）から算出される機械要素の熱変位量に対応する補正量を算出する。
補正部２４は、補正量算出部２２によって算出された機械要素の補正量に基づき、機械要素の機械位置を補正する。又は、補正部２４は、この機械要素の補正量を制御装置３０に送信する。より具体的には、補正部２４は、図４に示すように、この機械要素の補正量を用いて、制御装置３０のプログラム読取解釈部３２から出力される切削加工の条件を補正した上で、モータ制御部３３に位置指令データを出力する。
＜機械学習時の動作＞
次に、本実施形態に係る熱変位補正システム１００における機械学習時の動作について説明する。図５は、この機械学習時の機械学習装置１０の動作を示すフローチャートである。
ステップＳ１１において、機械学習装置１０の計測データ取得部１１は、制御装置３０から計測データ群を取得する。より具体的には、計測データ取得部１１は、工作機械３５の機械要素とその周辺の温度データ及び／又は動作状態データを取得する。動作状態データとしては、例えば、主軸の回転速度や、クーラント流量、及び潤滑油流量を含むようにしてもよい。
なお、例えば、計測データとして、温度自体のデータではなく、温度変化量のデータを取得してもよい。さらに、温度変化量のデータとして、初期温度からの温度変化量のデータを取得してもよく、前回測定された温度から今回測定された温度までの温度変化量のデータを取得してもよい。
また、動作状態データとして、クーラントによる吸熱量、潤滑油吸熱量を含むようにしてもよい。
ステップＳ１２において、機械学習装置１０の熱変位量取得部１２は、例えばプローブによって検出される、工作機械３５の機械要素の熱変位量の実測値を取得する。具体的には、例えば、熱変位量のＸ、Ｙ、Ｚ軸方向成分を測定し、それらの測定値の組を実測値としてもよい。
ステップＳ１３において、機械学習装置１０の記憶部１３は、計測データ取得部１１によって取得された計測データ群を入力データとし、熱変位量取得部１２によって取得された機械要素の熱変位量の実測値をラベルとして、互いに関連付けた組とし、教師データとして記憶する。
なお、機械学習装置１０は、この教師データを、オンラインにより連続的に取得した上で、後述の機械学習を実行することが可能である。あるいは、予め全ての教師データをバッチデータとして取得した上で、このバッチデータを用いて、後述の機械学習を実行することも可能である。あるいは、このバッチデータを複数の小さなグループに分割してミニバッチデータとした上で、このミニバッチデータを用いて、後述の機械学習を実行することも可能である。
ステップＳ１４において、機械学習装置１０の計算式学習部１４は、この教師データに基づいて機械学習を実行する。ステップＳ１４の詳細については、後述する。
ステップＳ１５において、機械学習装置１０の計算式学習部１４は、機械学習を終了するか、それとも機械学習を繰り返すかを判定する。ここで、機械学習を終了させる終了条件は前述したとおり任意に定めることができる。ここで、機械学習を終了する場合（Ｓ１５：ＹＥＳ）には、処理はステップＳ１６に移行する。機械学習を繰り返す場合（Ｓ１５：ＮＯ）には、処理は、ステップＳ１１に戻り、同じ処理を繰り返す。
ステップＳ１６において、機械学習装置１０は、その時点までの機械学習により設定した熱変位量予測計算式をネットワーク４０経由で各熱変位補正装置２０に送信する。
また、機械学習装置１０の記憶部１３は、この熱変位量予測計算式を記憶する。これにより、新たに設置された熱変位補正装置２０から熱変位量予測計算式を要求された場合には、その熱変位補正装置２０に熱変位量予測計算式を送信することができる。また、新たな教師データを取得した場合には、更なる機械学習を行うこともできる。
＜機械学習方法の詳細＞
上記のように、図４のステップＳ１４において、計算式学習部１４は、教師データを用いて機械学習を実施するが、その方法について詳述する。
第１の手法として、数式（１）、すなわち、計測データの１次遅れ要素を用いる熱変位量予測計算式によって算出される熱変位量の推定値と、熱変位量の実測値との二重誤差が最小となる係数を、最小二乗法を用いた機械学習により、推論して設定することが可能である。
より具体的には、計測データをＸｋ、ラベルをＹＬとしたとき、
Figure 0006464220
 を、複数の教師データに渡って合計した値が最小となるような係数ａｋ、ｂｋ、及びＴｋの組を求める。なお、ｎは自然数であり、学習に使用する教師データの測定点数を意味する。
第２の手法として、数式（２）、すなわち、計測データの時間シフト要素を用いる熱変位量予測計算式によって算出される熱変位量の推定値と、熱変位量の実測値との二重誤差が最小となる係数を、最小二乗法を用いた機械学習により、推論して設定することが可能である。
より具体的には、計測データをＸｋ、ラベルをＹＬとしたとき、
Figure 0006464220
 を、複数の教師データに渡って合計した値が最小となるような係数ａｋ、ｂｋτ及びＴｋの組を求める。なお、ｎは自然数であり、学習に使用する教師データの測定点数を意味する。
第１の手法における数式（１）のａｋ、ｂｋ、Ｔｋについては、時間に関連しないパラメータａｋを固定した状態での、時間に関連するパラメータｂｋ及びＴｋの機械学習による設定と、時間に関連するパラメータｂｋ及びＴｋを固定した状態での、時間に関連しないパラメータａｋの機械学習による設定とを繰り返すことにより、ａｋ、ｂｋ、及びＴｋの組を決定する。図６Ａは、この決定方法を実施するための、ステップＳ１４のサブステップを示すフローチャートである。
ステップＳ１４Ａにおいて、第１学習部１４Ａが、教師データを用い、ａｋのみを固定した状態で、ｂｋ及びＴｋを機械学習により設定する。
ステップＳ１４Ｂにおいて、反復部１４Ｃが、機械学習の主体を第２学習部１４Ｂに切り替え、第２学習部１４Ｂが、教師データを用い、ｂｋ及びＴｋをステップＳ１４Ａにおいて設定された値に固定した状態で、ａｋのみを機械学習により設定する。
ステップＳ１４Ｃにおいて、現時点でのａｋ、ｂｋ及びＴｋを用いる熱変位量予測式を用いて算出される熱変位量推定値と熱変位量実測値との誤差が閾値以内である場合（Ｓ１４Ｃ：ＹＥＳ）、すなわち、現時点での熱変位量予測式の精度が所定値以上となった場合には、処理を終了する。上記の誤差が閾値を超える場合（Ｓ１４Ｃ：ＮＯ）には、処理はステップＳ１４Ａに戻る。具体的には、ステップＳ１４Ａにおいて、反復部１４Ｃが、機械学習の主体を第１学習部１４Ａに切り替え、第１学習部１４Ａが、ａｋのみをステップＳ１４Ｂで設定された値に固定した状態で、ｂｋ及びＴｋを機械学習により設定する。
第２の手法における数式（２）のａｋ、ｂｋτ、Ｔｋについては、時間に関連しないパラメータであるａｋを固定した状態での、時間に関連するパラメータｂｋ０、ｂｋ１・・・ｂｋＴｋ及びＴｋの機械学習による設定と、時間に関連するパラメータｂｋ０、ｂｋ１・・・ｂｋＴｋ及びＴｋを固定した状態での、時間に関連しないパラメータａｋの機械学習による設定とを繰り返すことにより、ａｋ、ｂｋτ、Ｔｋを決定する。図６Ｂは、この決定方法を実施するための、ステップＳ１４のサブステップを示すフローチャートである。
ステップＳ１４Ｄにおいて、第１学習部１４Ａが、教師データを用い、ａｋを固定した状態で、ｂｋ０、ｂｋ１・・・ｂｋＴｋ及びＴｋを機械学習により設定する。
ステップＳ１４Ｅにおいて、反復部１４Ｃが、機械学習の主体を第２学習部１４Ｂに切り替え、第２学習部１４Ｂが、教師データを用い、ｂｋ０、ｂｋ１・・・ｂｋＴｋ及びＴｋをステップＳ１４Ｄにおいて設定された値に固定した状態で、ａｋのみを機械学習により設定する。
ステップＳ１４Ｆにおいて、現時点でのａｋ、ｂｋτ、Ｔｋを用いる熱変位量予測式を用いて算出される熱変位量推定値と熱変位量実測値との誤差が閾値以内である場合（Ｓ１４Ｆ：ＹＥＳ）、すなわち、現時点での熱変位量予測式の精度が所定値以上となった場合には、処理を終了する。上記の誤差が閾値を超える場合（Ｓ１４Ｆ：ＮＯ）には、処理はステップＳ１４Ｄに戻る。具体的には、ステップＳ１４Ｄにおいて、反復部１４Ｃが、機械学習の主体を第１学習部１４Ａに切り替え、第１学習部１４Ａが、ａｋをステップＳ１４Ｅで設定された値に固定した状態で、ｂｋ０、ｂｋ１・・・ｂｋＴｋ及びＴｋを機械学習により設定する。
＜補正時の動作＞
次に、本実施形態に係る熱変位補正システム１００における補正時の動作について説明する。図７は、この補正時の熱変位補正装置２０の動作を示すフローチャートである。
ステップＳ２１において、補正量算出部２２は、機械学習装置１０により設定された熱変位量予測計算式に基づいて、計測データ群から算出される機械要素の熱変位量に対応する補正量を算出する。
ステップＳ２２において、補正部２４は、補正量算出部２２によって算出された前記機械要素の補正量に基づき、前記機械要素の機械位置を補正することにより、熱変位量を相殺補償する。
なお、図７の記載とは異なるが、ステップＳ２２において、補正部２４は、この機械要素の補正量を制御装置３０に送信してもよい。より具体的には、補正部２４は、この機械要素の補正量を用いて、制御装置３０のプログラム読取解釈部３２から出力される座標位置を補正してモータ制御部３３に位置指令データを出力してもよく、この補正量を用いて予め加工プログラム３１を補正した上で、加工プログラム３１を実行してもよい。
＜第１実施形態が奏する効果＞
上記のように、本実施形態では、機械学習を第１学習部による学習と第２学習部による学習に分割し、第１学習部で時間遅れ要素に係る係数を設定し、第２学習部で時間遅れ要素に係る係数を除く計測データに係る係数を設定することで、高精度な補正式の導出を少ない計算量で実施することを可能とする。
また、本実施形態では、センサの追加や配置変更を行い、その測定結果を熱変位量予測計算式、及び熱変位量予測計算式に基づく補正式の変数に追加し、機械学習で、熱変位量予測計算式や補正式を自動的に決定することで、簡単に精度を向上することが可能となる。
また、本実施形態では、上記の時間遅れ要素を、計測データ群に含まれる計測データの１次遅れ要素とすることができる。これにより、温度センサで計測した熱が熱伝導により広がって熱膨張するまでの時間を考慮して補正をすることが可能となる。
また、本実施形態では、上記の時間遅れ要素を、計測データ群に含まれる計測データの時間シフト要素とすることができる。これにより、温度センサで計測した熱が熱伝導により広がって熱膨張するまでの時間を考慮して補正をすることが可能となる。
また、本実施形態では、重回帰分析モデルに基づいて熱変位量予測計算式を設定することができる。重回帰分析モデルにおいて複数の変数を用いることにより、計算しやすく誤差の少ない熱変位量予測計算式を設定することが可能となる。
また、本実施形態では、上記の機械学習装置を工作機械３５の制御装置３０に含むことが可能となる。これにより、単一の安価な制御装置において、高精度な熱変位量予測計算式に基づく補正を実現することが可能となる。
また、本実施形態の熱変位補正装置２０は、上記の機械学習装置１０により設定された熱変位量予測計算式に基づいて補正を実行する。これにより、高精度な補正を実行することが可能となる。
また、本実施形態では、上記の機械学習装置１０を熱変位補正装置２０に含むことが可能となる。これにより、単一の安価な熱変位補正装置において、少ない計算量で高精度な補正式を導出し、高精度な補正を行うことが可能となる。
また、工作機械３５の動作環境や工作機械３５の種別に応じて、熱変位量予測計算式、熱変位量予測計算式に基づく補正式をチューニングし精度を向上することが可能となる。
［第２実施形態］
第２実施形態における機械学習装置１０Ａの構成は、第１実施形態における機械学習装置１０の構成と同一であるため、その構成、及び構成要素の機能の説明は省略する。
第１実施形態においては、数式（１）のａｋ、ｂｋ及びＴｋについては、ａｋを固定した状態での機械学習によるｂｋ及びＴｋの設定と、ｂｋ及びＴｋを固定した状態での機械学習によるａｋの設定とを繰り返し、熱変位量予測式によって算出される熱変位量推定値と熱変位量実測値との誤差が閾値以内となった段階におけるａｋとｂｋの組を用いて、熱変位量予測式を決定していた。また、数式（２）のａｋ、ｂｋτ、Ｔｋについては、ａｋを固定した状態での機械学習によるｂｋ０、ｂｋ１・・・ｂｋＴｋ及びＴｋの設定と、ｂｋ０、ｂｋ１・・・ｂｋＴｋ及びＴｋを固定した状態での機械学習によるａｋの設定とを繰り返し、熱変位量予測式によって算出される熱変位量推定値と熱変位量実測値との誤差が閾値以内となった段階におけるａｋ、ｂｋτ、Ｔｋの組を用いて、熱変位量予測式を決定していた。
一方、第２実施形態においては、数式（１）のａｋとｂｋ及びＴｋに関しては、ａｋを固定した状態での機械学習によるｂｋ及びＴｋの設定と、ｂｋ及びＴｋを固定した状態での機械学習によるａｋの設定の繰り返しの終了条件を、当該繰り返し回数が予め設定される所定値となった段階におけるａｋ、ｂｋ及びＴｋの組を用いて、熱変位量予測式を決定する。図８Ａは、この決定方法を実施するための、ステップＳ１４のサブステップを示すフローチャートである。
ステップＳ１４Ｇにおいて、繰り返し回数ｊを初期値０に設定する。
ステップＳ１４Ｈにおいて、第１学習部１４Ａが、教師データを用い、ａｋのみを固定した状態で、ｂｋ及びＴｋを機械学習により設定する。
ステップＳ１４Ｉにおいて、反復部１４Ｃが、機械学習の主体を第２学習部１４Ｂに切り替え、第２学習部１４Ｂが、教師データを用い、ｂｋ及びＴｋをステップＳ１４Ｈにおいて設定された値に固定した状態で、ａｋのみを機械学習により設定する。
ステップＳ１４Ｊにおいて、ｊに１を加算する。
ステップＳ１４Ｋにおいて、ｊが所定値に達した場合（Ｓ１４Ｋ：ＹＥＳ）、すなわちステップＳ１４Ｈ及びステップＳ１４Ｉを所定回数繰り返した場合には、処理を終了する。一方、ｊが所定値に達していない場合（Ｓ１４Ｋ：ＮＯ）、すなわちステップＳ１４Ｈ及びステップＳ１４Ｉを、まだ所定回数繰り返していない場合には、処理はステップＳ１４Ｈに戻る。具体的には、ステップＳ１４Ｈにおいて、反復部１４Ｃが、機械学習の主体を第１学習部１４Ａに切り替え、第１学習部１４Ａが、ａｋをステップＳ１４Ｉで設定された値に固定した状態で、ｂｋ及びＴｋを機械学習により設定する。
また、数式（２）のａｋ、ｂｋτ、Ｔｋに関しては、ａｋのみを固定した状態での機械学習によるｂｋ０、ｂｋ１・・・ｂｋＴｋ及びＴｋの設定と、ｂｋ０、ｂｋ１・・・ｂｋＴｋ及びＴｋを固定した状態での機械学習によるａｋのみの設定の繰り返しの終了条件を、当該繰り返し回数が予め設定される所定値となった段階におけるａｋ、ｂｋτ、Ｔｋの組を用いて、熱変位量予測式を決定する。図８Ｂは、この決定方法を実施するための、ステップＳ１４のサブステップを示すフローチャートである。
ステップＳ１４Ｌにおいて、繰り返し回数ｊを初期値０に設定する。
ステップＳ１４Ｍにおいて、第１学習部１４Ａが、教師データを用い、ａｋを固定した状態で、ｂｋ０、ｂｋ１・・・ｂｋＴ及びＴｋを機械学習により設定する。
ステップＳ１４Ｎにおいて、反復部１４Ｃが、機械学習の主体を第２学習部１４Ｂに切り替え、第２学習部１４Ｂが、教師データを用い、ｂｋ０、ｂｋ１・・・ｂｋＴｋ及びＴｋをステップＳ１４Ｍにおいて設定された値に固定した状態で、ａｋのみを機械学習により設定する。
ステップＳ１４Ｏにおいて、ｊに１を加算する。
ステップＳ１４Ｐにおいて、ｊが所定値に達した場合（Ｓ１４Ｐ：ＹＥＳ）、すなわちステップＳ１４Ｍ及びステップＳ１４Ｎを所定回数繰り返した場合には、処理を終了する。一方、ｊが所定値に達していない場合（Ｓ１４Ｐ：ＮＯ）、すなわちステップＳ１４Ｍ及びステップＳ１４Ｎを、まだ所定回数繰り返していない場合には、処理はステップＳ１４Ｍに戻る。具体的には、ステップＳ１４Ｍにおいて、反復部１４Ｃが、機械学習の主体を第１学習部１４Ａに切り替え、第１学習部１４Ａが、ａｋのみをステップＳ１４Ｎで設定された値に固定した状態で、ｂｋ０、ｂｋ１・・・ｂｋＴｋ及びＴｋを機械学習により設定する。
＜第２実施形態が奏する効果＞
上記のように、第２実施形態では、第１実施形態と同様の効果が奏される。
［その他の実施形態］
上述した実施形態は、本発明の好適な実施形態ではあるが、上記実施形態に本発明の範囲を限定するものではなく、本発明の要旨を逸脱しない範囲において、種々の変更を施した形態での実施が可能である。
［変形例１］
上記の実施形態においては、一般化線形モデルの重回帰分析に基づき、熱変位量予測計算式を多項式としたが、これには限定されず、非線形モデルの重回帰分析に基づくものとしてもよい。
［変形例２］
機械学習の結果設定された熱変位量予測計算式の精度が閾値未満である場合には、計測データの追加及び／又は除外を実施することにより、計測データ群を最適化することが可能な構成としてもよい。
工作機械の保守員やエンドユーザの側でセンサを追加及び／又は除外した際、熱変位量予測計算式に基づく補正式の自動チューニングにより、熱変位補正の精度が向上する。
また、例えば熱変位補正の精度を向上させるために、例えば温度センサの配置位置を変えて得られる計測データ群による機械学習を行うようにしてもよい。この場合も、例えば、配置換えした後に得られる熱変位予測式により算出される熱変位量予測値と熱変位量実測値との誤差と、配置換えをする前の計測データ群による機械学習に基づいて得られた熱変位補正式により算出される熱変位量予測値と熱変位量実測値との誤差と、の差異を評価することで、精度が向上しているかどうかを判定することができる。
［変形例３］
また、上記の実施形態では、工作機械３５を切削機械としたがこれには限定されない。工作機械３５は、例えば、ワイヤ放電加工機や、レーザ加工機であってもよい。
［変形例４］
また、制御装置３０が熱変位補正装置２０を備えるように構成してもよい。
あるいは、制御装置３０が機械学習装置１０を備えるように構成してもよい。
［変形例５］
上記の実施形態における機械学習装置１０及び１０Ａは、ＣＰＵを備えるコンピュータシステムとしてもよい。その場合には、ＣＰＵは、例えばＲＯＭ等の記憶部に格納されたプログラムを読み出し、このプログラムに従ってコンピュータを計測データ取得部１１、熱変位量取得部１２、記憶部１３、計算式学習部１４として実行させる。
１０ １０Ａ 機械学習装置
１１ 計測データ取得部
１２ 熱変位量取得部
１３ 記憶部
１４ 計算式学習部
１４Ａ 第１学習部
１４Ｂ 第２学習部
１４Ｃ 反復部
１５ 寄与度判定部
１６ 最適化計測データ選定部
１７ 検出部
２０ 熱変位補正装置
２２ 補正量算出部
２４ 補正部
３０ 制御装置
３５ 工作機械
４０ ネットワーク
１００ 熱変位補正システム

Claims (8)

  1. 熱膨張する機械要素を有する工作機械の前記機械要素とその周辺の温度データ及び／又は前記機械要素の動作状態データを含む計測データ群に基づいて前記機械要素の熱変位量を推定する計算式を機械学習によって最適化する機械学習装置であって、
    前記計測データ群を取得する計測データ取得部と、
    前記機械要素の熱変位量の実測値を取得する熱変位量取得部と、
    前記計測データ取得部によって取得された前記計測データ群を入力データとし、前記熱変位量取得部によって取得された前記機械要素の熱変位量の実測値をラベルとして互いに関連付けて教師データとして記憶する記憶部と、
    前記計測データ群と、前記機械要素の熱変位量の実測値と、に基づいて機械学習を行うことで、前記機械要素の熱変位量を前記計測データ群に基づいて算出する熱変位量予測計算式を設定する計算式学習部と、を備え、
    前記熱変位量予測計算式は、計測データの時間遅れ要素を使用し、
    前記計算式学習部は、
    前記熱変位量予測計算式に前記記憶部に教師データとして記憶された前記計測データ群を代入して算出される前記機械要素の熱変位量の推定値と、前記記憶部にラベルとして記憶された前記機械要素の熱変位量の実測値との差異に基づいて、前記熱変位量予測計算式中の前記時間遅れ要素に係る係数を除く前記計測データに係る係数を所定の値に固定して、前記時間遅れ要素に係る係数を機械学習により設定する第１学習部と、
    前記差異に基づいて、前記熱変位量予測計算式中の前記時間遅れ要素に係る係数を所定の値に固定して、前記時間遅れ要素に係る係数を除く前記計測データに係る係数を機械学習により設定する第２学習部と、
    前記第１学習部による機械学習を行うことで設定される前記熱変位量予測計算式中の前記時間遅れ要素に係る係数を固定して、前記第２学習部による機械学習を実行させ、前記第２学習部による機械学習を行うことで設定される前記熱変位量予測計算式中の前記時間遅れ要素に係る係数を除く前記計測データに係る係数を固定して、前記第１学習部による機械学習を実行させるように、前記第１学習部による機械学習と、前記第２学習部による機械学習とを繰り返す反復部と、
    を備える機械学習装置。
  2. 前記計測データ取得部は、さらに、
    前記計測データ群に計測データの追加及び／又は前記計測データ群から計測データを除外することで第２の計測データ群を取得し、
    前記記憶部に、前記第２の計測データ群を入力データとして記憶し、
    前記計算式学習部は、さらに、
    前記第２の計測データ群に基づいて前記機械要素の熱変位量を算出する第２熱変位量予測計算式を設定する、請求項１に記載の機械学習装置。
  3. 前記時間遅れ要素は、前記計測データ群に含まれる計測データの１次遅れ要素である、請求項1または２に記載の機械学習装置。
  4. 前記時間遅れ要素は、前記計測データ群に含まれる計測データの時間シフト要素である、請求項１または２に記載の機械学習装置。
  5. 前記第２学習部は、重回帰分析モデルに基づき設定される前記熱変位量予測計算式の機械学習をする、請求項１から請求項４のいずれか１項に記載の機械学習装置。
  6. 前記機械学習装置は、前記工作機械の制御装置に含まれる請求項１から請求項５のいずれか１項に記載の機械学習装置。
  7. 請求項１から請求項６のいずれか１項に記載の機械学習装置により設定された熱変位量予測計算式に基づいて、前記計測データ群から算出される前記機械要素の熱変位量に対応する補正量を算出する補正量算出部と、
    前記補正量算出部によって算出された前記機械要素の補正量に基づき、前記機械要素の機械位置を補正する補正部と、
    を備えている工作機械の熱変位補正装置。
  8. 前記熱変位補正装置は、前記工作機械の制御装置に含まれる請求項７に記載の熱変位補正装置。
JP2017054267A 2017-03-21 2017-03-21 機械学習装置及び熱変位補正装置 Active JP6464220B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2017054267A JP6464220B2 (ja) 2017-03-21 2017-03-21 機械学習装置及び熱変位補正装置
US15/920,820 US10592824B2 (en) 2017-03-21 2018-03-14 Machine learning device and thermal displacement compensation device
CN201810215390.2A CN108628256B (zh) 2017-03-21 2018-03-15 机械学习装置以及热位移修正装置
DE102018204132.6A DE102018204132B4 (de) 2017-03-21 2018-03-19 Maschinenlernvorrichtung und Kompensationsvorrichtung für thermische Verschiebung

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017054267A JP6464220B2 (ja) 2017-03-21 2017-03-21 機械学習装置及び熱変位補正装置

Publications (2)

Publication Number Publication Date
JP2018153902A JP2018153902A (ja) 2018-10-04
JP6464220B2 true JP6464220B2 (ja) 2019-02-06

Family

ID=63450638

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017054267A Active JP6464220B2 (ja) 2017-03-21 2017-03-21 機械学習装置及び熱変位補正装置

Country Status (4)

Country Link
US (1) US10592824B2 (ja)
JP (1) JP6464220B2 (ja)
CN (1) CN108628256B (ja)
DE (1) DE102018204132B4 (ja)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6673950B2 (ja) * 2018-01-31 2020-04-01 ファナック株式会社 基準温度設定装置、基準温度設定方法及び基準温度設定プログラム
TW202012097A (zh) * 2018-09-03 2020-04-01 義大利商Ｈｓｄ股份公司 用於工具機的操作裝置
JP6875347B2 (ja) * 2018-10-12 2021-05-26 ファナック株式会社 熱変位補正装置及び数値制御装置
WO2020090030A1 (ja) * 2018-10-31 2020-05-07 三菱電機株式会社 数値制御装置、学習装置および学習方法
JP6890110B2 (ja) * 2018-10-31 2021-06-18 Dmg森精機株式会社 工作機械の熱変位補正方法
CN109709894B (zh) * 2019-01-18 2022-02-08 汪祖兵 一种数控机床热误差软件补偿方法
JP7053518B2 (ja) 2019-02-18 2022-04-12 ファナック株式会社 切削液量調整装置及び切削液量調整システム
EP3935581A4 (en) 2019-03-04 2022-11-30 Iocurrents, Inc. DATA COMPRESSION AND COMMUNICATION USING MACHINE LEARNING
JP7156982B2 (ja) * 2019-03-11 2022-10-19 株式会社日立製作所 リアルタイムコントローラおよびそれを用いた分散制御システム、産業機械
WO2020217282A1 (ja) * 2019-04-22 2020-10-29 三菱電機株式会社 サーボ制御装置
CN114341752B (zh) * 2019-09-02 2023-06-13 山崎马扎克公司 控制装置、机床、修正系数算出方法和存储介质
CN111240268B (zh) * 2020-01-14 2021-03-16 重庆大学 基于slstm神经网络的轴***热误差建模方法和热误差补偿***
CN115702060A (zh) * 2020-06-17 2023-02-14 发那科株式会社 信息处理装置、控制装置及优化方法
KR20230119360A (ko) * 2022-02-07 2023-08-16 주식회사 디엔솔루션즈 공작기계의 열변위 보정 장치 및 보정 방법
JP7466801B1 (ja) 2023-07-21 2024-04-12 三菱電機株式会社 制御装置、工作機械システム、および加工方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH068107A (ja) * 1992-06-29 1994-01-18 Hitachi Seiko Ltd 工作機械における熱変位補正方法
JPH0775937A (ja) * 1993-09-07 1995-03-20 Sodick Co Ltd 工作機械及びその制御方法
JPH08300242A (ja) * 1995-05-07 1996-11-19 Hitachi Seiki Co Ltd 工作機械の熱変位補正方法及びその装置
JPH11114776A (ja) * 1997-10-13 1999-04-27 Niigata Eng Co Ltd 工作機械の熱変位補正装置
JP4488564B2 (ja) 1999-11-17 2010-06-23 関東精機株式会社 工作機械の熱変形抑制方法および温度制御装置
JP2003094291A (ja) * 2001-09-27 2003-04-03 Kanto Seiki Kk 工作機械の熱変形補正方法および装置
JP2004154907A (ja) * 2002-11-07 2004-06-03 Toshiba Mach Co Ltd 多軸工作機械の熱変位補正方法および装置
JP4242760B2 (ja) * 2003-12-25 2009-03-25 オークマ株式会社 工作機械の熱変位補正方法
JP4891104B2 (ja) * 2007-01-29 2012-03-07 オークマ株式会社 工作機械の熱変位推定方法
JP2010120150A (ja) * 2008-11-22 2010-06-03 Mori Seiki Co Ltd 工作機械の熱変形補正のための推定方法
CN103926874B (zh) 2013-12-03 2016-05-25 江苏齐航数控机床有限责任公司 数控机床热误差补偿建模温度测点组合的选择优化方法
JP5956497B2 (ja) * 2014-04-08 2016-07-27 ファナック株式会社 機械の熱変位補正装置
JP6001211B1 (ja) 2014-10-29 2016-10-05 ヤマザキマザック株式会社 熱変位補正量設定変更装置を備える工作機械
DE102015115838B4 (de) * 2015-09-18 2021-12-16 Grob-Werke Gmbh & Co. Kg Bearbeitungsmaschine, Verfahren für das Einfahren einer Bearbeitungsmaschine, Verfahren zur Kompensation des temperaturbedingten Wärmeganges in einer Bearbeitungsmaschine

Also Published As

Publication number Publication date
US20180276570A1 (en) 2018-09-27
US10592824B2 (en) 2020-03-17
DE102018204132B4 (de) 2020-01-16
CN108628256B (zh) 2019-11-22
DE102018204132A1 (de) 2018-09-27
JP2018153902A (ja) 2018-10-04
CN108628256A (zh) 2018-10-09

Similar Documents

Publication Publication Date Title
JP6464220B2 (ja) 機械学習装置及び熱変位補正装置
JP6564412B2 (ja) 機械学習装置及び熱変位補正装置
CN108287525B (zh) 机床的机器学习装置以及热位移修正装置
JP7086600B2 (ja) プロセス制御器、プロセス制御方法、プロセス制御デバイス、及び多重速度制御器
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
CN107798160A (zh) 用于数控机床的热变形预测的方法和装置
CN110501972B (zh) 热位移校正装置
JP6856162B2 (ja) 制御システム
CN111433691A (zh) 控制***、工厂***、学习***、估计用模型的生成方法和致动器的状态估计方法
JP6882364B2 (ja) 機械学習装置及び熱変位補正装置
JP6673950B2 (ja) 基準温度設定装置、基準温度設定方法及び基準温度設定プログラム
WO2020090373A1 (ja) 工作機械の熱変位補正方法
US20230205167A1 (en) Information processing device, control device, and optimization method
JP6087262B2 (ja) 数値制御装置
JP5321165B2 (ja) フィードフォワード量推定装置および制御装置
JP2019130627A (ja) 熱変位補正装置及び機械学習装置
JP4997140B2 (ja) データ収集方法、データ収集装置、およびモデリング装置
US11556142B2 (en) Warm-up evaluation device, warm-up evaluation method, and warm-up evaluation program
JP6909616B2 (ja) 製造システムおよび製造方法
CN110929874A (zh) 特性判定装置、特性判定方法以及特性判定程序
WO2022131260A1 (ja) データ収集計画生成装置及びデータ収集計画生成方法
JP2006055918A (ja) 工作機械の熱変形誤差の補正方法
Harsch et al. Safe Human-Robot-Collaboration (HRC) based on a new concept considering human movement variability

Legal Events

Date Code Title Description
A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20180627

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20180820

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20181121

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20181211

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190107

R150 Certificate of patent or registration of utility model

Ref document number: 6464220

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150