JPH03208540A - 自動制御加工装置 - Google Patents
自動制御加工装置Info
- Publication number
- JPH03208540A JPH03208540A JP483890A JP483890A JPH03208540A JP H03208540 A JPH03208540 A JP H03208540A JP 483890 A JP483890 A JP 483890A JP 483890 A JP483890 A JP 483890A JP H03208540 A JPH03208540 A JP H03208540A
- Authority
- JP
- Japan
- Prior art keywords
- temp
- learning
- machining
- processing
- temperature
- 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.)
- Pending
Links
- 238000003754 machining Methods 0.000 title claims description 40
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000012360 testing method Methods 0.000 claims abstract description 11
- 238000012937 correction Methods 0.000 claims abstract description 7
- 238000001514 detection method Methods 0.000 claims description 14
- 238000000034 method Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 abstract description 3
- 230000005855 radiation Effects 0.000 abstract description 2
- 230000033001 locomotion Effects 0.000 abstract 2
- 210000002569 neuron Anatomy 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000000946 synaptic effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000009529 body temperature measurement Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000010720 hydraulic oil Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007665 sagging Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Landscapes
- Automatic Control Of Machine Tools (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔産業上の利用分野〕
本発明は、自動制御加工装置、特に、ワークに対して加
工を行う加工部を備えた自動制御加工装置に関する. 〔従来の技術〕 従来の自動制御加工装置、たとえばNCタレット旋盤は
、ベッドと、ベッド上に固定されたヘッドストック及び
工具台とを有している.加工の際には、ヘノドスト7ク
の主軸にワークが固定され、工具台に取り付けられた工
具によってワークに加工が施される. この際の加工動作は、CPU等を備えたマイクロコンピ
ュータによる制御に従って行われる.〔発明が解決しよ
うとする課題〕 上述のような自動制御加工装置では、主軸と工具台との
相対位直関係は、可能な限り正確に保たれなければなら
ない.この距離を正確に保つことによって、工具による
ワークに対する加工が正確に行えるからである. ところが、加工の際に主軸が回転すると発熱する.また
、ベッド内には油圧配管が配設されており、配管中の作
動油の温度が工作機械の動作中に上昇する.これらの温
度変化の影響によりヘッドストックや工具台が熱変形し
、その結果、主軸と工具台との相対位置関係が変化する
.このため、前記従来の構威では、主軸と工具との間の
距離を正確に維持することができなくなり、正確な加工
が行えなくなる。
工を行う加工部を備えた自動制御加工装置に関する. 〔従来の技術〕 従来の自動制御加工装置、たとえばNCタレット旋盤は
、ベッドと、ベッド上に固定されたヘッドストック及び
工具台とを有している.加工の際には、ヘノドスト7ク
の主軸にワークが固定され、工具台に取り付けられた工
具によってワークに加工が施される. この際の加工動作は、CPU等を備えたマイクロコンピ
ュータによる制御に従って行われる.〔発明が解決しよ
うとする課題〕 上述のような自動制御加工装置では、主軸と工具台との
相対位直関係は、可能な限り正確に保たれなければなら
ない.この距離を正確に保つことによって、工具による
ワークに対する加工が正確に行えるからである. ところが、加工の際に主軸が回転すると発熱する.また
、ベッド内には油圧配管が配設されており、配管中の作
動油の温度が工作機械の動作中に上昇する.これらの温
度変化の影響によりヘッドストックや工具台が熱変形し
、その結果、主軸と工具台との相対位置関係が変化する
.このため、前記従来の構威では、主軸と工具との間の
距離を正確に維持することができなくなり、正確な加工
が行えなくなる。
本発明の目的は、温度変化に基づきヘッドストックや工
具台が熱変位を生しても、正確な加工を施すことのでき
る自動制御加工装置を提供することにある, 〔課題を解決するための手段〕 本発明に係る自動制御加工装直は、加工部と、温度検出
手段と、学習手段と、制御手段とを備えている。
具台が熱変位を生しても、正確な加工を施すことのでき
る自動制御加工装置を提供することにある, 〔課題を解決するための手段〕 本発明に係る自動制御加工装直は、加工部と、温度検出
手段と、学習手段と、制御手段とを備えている。
前記加工部は、ワークに対して加工を行う部分で・ある
.前記温度検出手段は、加工部の温度変化を検出する手
段である.前記学習手段は、加工部に対してテスト加工
を行うよう制御し、温度横出手段からの検出結果に基づ
いて、温度変化と加工部の変化との関係を学習する手段
である。前記制御手段は、学習手段による学習結果と温
度検出手段による検出結果とに基づき修正しつつ、加工
部に対し加工を行うよう制御する手段である。
.前記温度検出手段は、加工部の温度変化を検出する手
段である.前記学習手段は、加工部に対してテスト加工
を行うよう制御し、温度横出手段からの検出結果に基づ
いて、温度変化と加工部の変化との関係を学習する手段
である。前記制御手段は、学習手段による学習結果と温
度検出手段による検出結果とに基づき修正しつつ、加工
部に対し加工を行うよう制御する手段である。
〔作用〕
本発明に係る自動制襦加工装置では、まず学習手段が、
加工部に対してテスト加工を行うよう制御する.テスト
加工によって加工部の温度が変化するので、学習手段は
、温度検出手段からの検出結果に基づいて、温度変化と
加工部の変化との関係を学習する。
加工部に対してテスト加工を行うよう制御する.テスト
加工によって加工部の温度が変化するので、学習手段は
、温度検出手段からの検出結果に基づいて、温度変化と
加工部の変化との関係を学習する。
次に、制御手段は、加工部に対して加工を行うよう制御
する.このときには、制御手段は、学習手段による学習
結果と温度検出手段による検出結果とに基づく修正を行
いつつ制御を行う.この結果、加工動作に従って加工部
の温度が変化し、それによる加工部の熱変位が生じたと
しても、予め学習手段によって学習された関係に基づい
て制御が修正されるので、正確な加工が行える.〔実施
例〕 本発明の一実施例としてのNCタレット旋盤の概略を第
1図に示す. このタレット旋盤は、概ね水平に配直された台lと、台
1上に配置されたベッド2と、ベッド2上に固定された
ヘッドストノク3及び工具台4とを備えている。
する.このときには、制御手段は、学習手段による学習
結果と温度検出手段による検出結果とに基づく修正を行
いつつ制御を行う.この結果、加工動作に従って加工部
の温度が変化し、それによる加工部の熱変位が生じたと
しても、予め学習手段によって学習された関係に基づい
て制御が修正されるので、正確な加工が行える.〔実施
例〕 本発明の一実施例としてのNCタレット旋盤の概略を第
1図に示す. このタレット旋盤は、概ね水平に配直された台lと、台
1上に配置されたベッド2と、ベッド2上に固定された
ヘッドストノク3及び工具台4とを備えている。
台lにおいて、手前側には切粉受け部5が、奥側にはベ
ッド2がそれぞれ配置されている.ベッド2は、たとえ
ば鋳物性の部材であり、内部に作動油等を通すための油
圧配管(図示せず)等を有している.ベッド2の上面に
は、工具台4の下部に設けられた精密ガイド6が固定さ
れている.精密ガイド6は旋盤の左右方向に延びる部材
であり、工具台4を左右方向に精密にガイドするための
ものである.なお、精密ガイド6としては、たとえばウ
エーブロックやリニアガイドが使用される.精密ガイド
6上には、クロススライド7が左右方向移動可能な状態
で載置されている. ヘッドストック3には、切粉受け部5の上方へ突出する
主軸8が回転自在に支持されている。支軸8は、ワーク
を保持するためのチャックを先端に有している,一方、
工具台4のクロススライド7には、切粉受け部5の上方
へ突出するタレントパー9が支持されている.タレット
パー9は支軸8と平行な回転中心を有している.タレン
トパー9の先端部には、工具(図示せず)が外周面に取
り付けられるタレットlOが設けられている.このタレ
ット旋盤は、第2図に示すような制御部20を有してい
る.IJ御部20は、CPU,ROM,及びRAMを備
えたマイクロコンピュータを含んでいる.制御部20に
は、制御部20に対しオペレータが指令を送るためのキ
ーボード21、タレット旋盤の各部の温度を検出するた
めの温度センサ22及びその他の入力部が接続されてい
る.また、制御部20には、旋盤の各部を駆動するため
のサーボモータ23及び他の出力部が接続されている.
制御部20とサーボモータ23との間には、ドライバ2
4が介在している.なお、温度センサ22はタレット旋
盤の温度測定が必要な複数箇所に設けられており、たと
えば第l図*印の箇所に設けられている.即ち、温度セ
ンサ22は、ベッド2、ヘッドストック3及びクロスス
ライド7の内部に温度測定のために設けられている.こ
の実施例では、制御部20にニエーロコンビュー夕が採
用されている.ニューロコンピュータとは、脂の基本素
子ニューロンやそれらが結合したニエーラルネットワー
クの構造を応用して得られたコンピュータである.この
実施例で採用されるネットワークのモデルは、たとえば
第3図のような3層からなる階層的ネントワークである
.ここでは、全てのユニソトはいずれか1つの層に属し
ており、各ユニソトは隣の層のユニットとしか結合して
いない.また、信号は、入力層から出力層へ1方向にし
か伝わらない. 次に、制御部20に従った上述のタレ・冫ト旋盤の動作
を説明する。なお、第4A図及び第4B図はその制御フ
ローチャートである。
ッド2がそれぞれ配置されている.ベッド2は、たとえ
ば鋳物性の部材であり、内部に作動油等を通すための油
圧配管(図示せず)等を有している.ベッド2の上面に
は、工具台4の下部に設けられた精密ガイド6が固定さ
れている.精密ガイド6は旋盤の左右方向に延びる部材
であり、工具台4を左右方向に精密にガイドするための
ものである.なお、精密ガイド6としては、たとえばウ
エーブロックやリニアガイドが使用される.精密ガイド
6上には、クロススライド7が左右方向移動可能な状態
で載置されている. ヘッドストック3には、切粉受け部5の上方へ突出する
主軸8が回転自在に支持されている。支軸8は、ワーク
を保持するためのチャックを先端に有している,一方、
工具台4のクロススライド7には、切粉受け部5の上方
へ突出するタレントパー9が支持されている.タレット
パー9は支軸8と平行な回転中心を有している.タレン
トパー9の先端部には、工具(図示せず)が外周面に取
り付けられるタレットlOが設けられている.このタレ
ット旋盤は、第2図に示すような制御部20を有してい
る.IJ御部20は、CPU,ROM,及びRAMを備
えたマイクロコンピュータを含んでいる.制御部20に
は、制御部20に対しオペレータが指令を送るためのキ
ーボード21、タレット旋盤の各部の温度を検出するた
めの温度センサ22及びその他の入力部が接続されてい
る.また、制御部20には、旋盤の各部を駆動するため
のサーボモータ23及び他の出力部が接続されている.
制御部20とサーボモータ23との間には、ドライバ2
4が介在している.なお、温度センサ22はタレット旋
盤の温度測定が必要な複数箇所に設けられており、たと
えば第l図*印の箇所に設けられている.即ち、温度セ
ンサ22は、ベッド2、ヘッドストック3及びクロスス
ライド7の内部に温度測定のために設けられている.こ
の実施例では、制御部20にニエーロコンビュー夕が採
用されている.ニューロコンピュータとは、脂の基本素
子ニューロンやそれらが結合したニエーラルネットワー
クの構造を応用して得られたコンピュータである.この
実施例で採用されるネットワークのモデルは、たとえば
第3図のような3層からなる階層的ネントワークである
.ここでは、全てのユニソトはいずれか1つの層に属し
ており、各ユニソトは隣の層のユニットとしか結合して
いない.また、信号は、入力層から出力層へ1方向にし
か伝わらない. 次に、制御部20に従った上述のタレ・冫ト旋盤の動作
を説明する。なお、第4A図及び第4B図はその制御フ
ローチャートである。
第4A図において、ステップStでは、クロススライド
7やタレット10を初期位置にセ・冫卜する等の初期設
定が行われる.ステップS2では、キーボード21から
学習動作開始指令が入力されたか否かが判断される.そ
の指令が入力されていなければステップS3に移行し、
キーボード2lから加工動作開始指令が入力されたか否
かが判断される.この指令が入力されていなければ、再
びステップS2に戻る. タレット旋盤が工場出荷前のテスト段階にある場合には
、テスト加工を行うためキーボード2lから学習開始指
令が人力される。これによって、プログラムはステップ
S2からステップS4に移行し、第4B図の学習サブル
ーチンを実行する。
7やタレット10を初期位置にセ・冫卜する等の初期設
定が行われる.ステップS2では、キーボード21から
学習動作開始指令が入力されたか否かが判断される.そ
の指令が入力されていなければステップS3に移行し、
キーボード2lから加工動作開始指令が入力されたか否
かが判断される.この指令が入力されていなければ、再
びステップS2に戻る. タレット旋盤が工場出荷前のテスト段階にある場合には
、テスト加工を行うためキーボード2lから学習開始指
令が人力される。これによって、プログラムはステップ
S2からステップS4に移行し、第4B図の学習サブル
ーチンを実行する。
第4B図において、ステップS5では、テスト加工動作
が行われる。この動作は、テスト加工動作を行うように
組まれた加工プログラムに従って、実際にワークを加工
する動作である。この動作は、基本的には実際の加工動
作と同じであり、後述するステップSll−517での
動作と実質的に同しであるのでここでは説明を省略する
.テスト加工中には、モータの駆動や油圧配管からの放
熱等によってタレント旋盤の各部の温度が変化する.ス
テップS6では、その温度を温度センサ22によって測
定する.次に、ステップS7では、得られた温度分布に
おける王軸と工具との計算上の位置関係が演算される。
が行われる。この動作は、テスト加工動作を行うように
組まれた加工プログラムに従って、実際にワークを加工
する動作である。この動作は、基本的には実際の加工動
作と同じであり、後述するステップSll−517での
動作と実質的に同しであるのでここでは説明を省略する
.テスト加工中には、モータの駆動や油圧配管からの放
熱等によってタレント旋盤の各部の温度が変化する.ス
テップS6では、その温度を温度センサ22によって測
定する.次に、ステップS7では、得られた温度分布に
おける王軸と工具との計算上の位置関係が演算される。
ここでは、ニエーラルネットワークのダイナミクスにし
だがって、人力層から出力層に向かっての信号伝送過程
に伴う、各ニューロンの状態変化が順次計算される.次
に、オペレータによって主軸8に保持されたワークの形
状が実測され、その測定結果に基づいて主軸8と工具と
の相対位置関係が測定される.得られた実測値は、出力
教師信号としてステップS8においてキーボード2lか
ら入力される.ステップS9では、ステップS7におい
て得られた出力値と、ステップS8に於いて人力された
実測値とに基づいて学習が行われる.ここでは、ステッ
プS7での計算の結果得られた出力層のi番目のニュー
ロンの出力をOiとし、入力信号に対する実測値(出力
教師信号)をDiとすると、実測値と実際に得られた出
力との2乗誤差は、E=Σ(Di−Oi)”/2 ・
・・(1)である.この実施例では逆伝播学習則が採用
され、上式の2乗誤差を極小化するように、即ち、実際
の出力が望ましい出力に可能な限り近づくように、ネッ
トワークのシナップス結合が変化させられる。
だがって、人力層から出力層に向かっての信号伝送過程
に伴う、各ニューロンの状態変化が順次計算される.次
に、オペレータによって主軸8に保持されたワークの形
状が実測され、その測定結果に基づいて主軸8と工具と
の相対位置関係が測定される.得られた実測値は、出力
教師信号としてステップS8においてキーボード2lか
ら入力される.ステップS9では、ステップS7におい
て得られた出力値と、ステップS8に於いて人力された
実測値とに基づいて学習が行われる.ここでは、ステッ
プS7での計算の結果得られた出力層のi番目のニュー
ロンの出力をOiとし、入力信号に対する実測値(出力
教師信号)をDiとすると、実測値と実際に得られた出
力との2乗誤差は、E=Σ(Di−Oi)”/2 ・
・・(1)である.この実施例では逆伝播学習則が採用
され、上式の2乗誤差を極小化するように、即ち、実際
の出力が望ましい出力に可能な限り近づくように、ネッ
トワークのシナップス結合が変化させられる。
より具体的には、次のようにネットワークのシナプス結
合が変化する. ここで、出力層のニューロンの出力Oは、中間層のニュ
ーロンの出力NとO−f (N)の関係にある。従って
、(1)式は、 E=Σ(Di−f i (Nh))” /2・・・(2
)となる。ここで、hは中間層のニューロンの数である
。この(2)式の2乗誤差が極小化するように関数fi
の重みWhi(すなわち、出力Nの係数)が決定される
.決定された重みWhiを用いて、中間層のニューロン
の望ましい出力C(出力教師信号)が決定される. さらに、中間層において、演算で得られた望ましい出力
chと実際に得られた出力Nhの2乗誤差は、 E=Σ(Ch−Nh)” /2・・・(3)となる.こ
こで、中間層のニューロンの出力Nは、人力層に出力M
とN=f (M)の関係にある.従って、(3)式は、 E=Σ(Ch−f h (Mg) )富/2・・・(4
)となる。ここで、gは人力層の二二ーロンの数である
。この(4)式の2乗誤差が極小化するように関数fh
の重みWgh(すなわち、出力Mの係数)が決定される
。
合が変化する. ここで、出力層のニューロンの出力Oは、中間層のニュ
ーロンの出力NとO−f (N)の関係にある。従って
、(1)式は、 E=Σ(Di−f i (Nh))” /2・・・(2
)となる。ここで、hは中間層のニューロンの数である
。この(2)式の2乗誤差が極小化するように関数fi
の重みWhi(すなわち、出力Nの係数)が決定される
.決定された重みWhiを用いて、中間層のニューロン
の望ましい出力C(出力教師信号)が決定される. さらに、中間層において、演算で得られた望ましい出力
chと実際に得られた出力Nhの2乗誤差は、 E=Σ(Ch−Nh)” /2・・・(3)となる.こ
こで、中間層のニューロンの出力Nは、人力層に出力M
とN=f (M)の関係にある.従って、(3)式は、 E=Σ(Ch−f h (Mg) )富/2・・・(4
)となる。ここで、gは人力層の二二ーロンの数である
。この(4)式の2乗誤差が極小化するように関数fh
の重みWgh(すなわち、出力Mの係数)が決定される
。
このように、シナブス結合の学習は、信号の伝播方向と
は逆に出力層から人力層に向かって進行する。
は逆に出力層から人力層に向かって進行する。
学習により得られた重みWgh,Whiを含めた関数f
h,fiは制御部20の不揮発性のRAMに書き込まれ
、1回の学習が完了する。
h,fiは制御部20の不揮発性のRAMに書き込まれ
、1回の学習が完了する。
次に、ステップSlOにおいて学習が終了したか否かが
判断される。さらに学習を続ける場合には、ステップS
5に戻り、それ以降の制御が繰り返される。相当回数の
学習(ステップ55〜ステップS9の処理)を経て、充
分な知識をタレント旋盤が蓄えたと考えられる場合には
、ステップS10から第4A図のメインルーチンに戻る
.テスト加工による学習が済んだタレット旋盤は、出荷
され、例えばユーザーの工場に設置される。
判断される。さらに学習を続ける場合には、ステップS
5に戻り、それ以降の制御が繰り返される。相当回数の
学習(ステップ55〜ステップS9の処理)を経て、充
分な知識をタレント旋盤が蓄えたと考えられる場合には
、ステップS10から第4A図のメインルーチンに戻る
.テスト加工による学習が済んだタレット旋盤は、出荷
され、例えばユーザーの工場に設置される。
ここでは、学習は行われず、通常の加工動作のみが行わ
れる。
れる。
通常の加工動作を行う時には、キーボード2lから加工
動作移行指令が人力される.これによって、プログラム
はステップS3からステップSllに移行する,ステッ
プSllでは、テープリーダー(図示せず)を用いて、
NCプログラムが読み込まれる。ステップ512では、
キーボード2lからの加工開始指令を待つ.加工開始指
令が人力されれば、ステップSl3に移行してNCプロ
グラムのlステップを読み込む.ステップS14では、
ステップSl3での読み込みに基づいて、NCプログラ
ムが終了したか否かを判断する。
動作移行指令が人力される.これによって、プログラム
はステップS3からステップSllに移行する,ステッ
プSllでは、テープリーダー(図示せず)を用いて、
NCプログラムが読み込まれる。ステップ512では、
キーボード2lからの加工開始指令を待つ.加工開始指
令が人力されれば、ステップSl3に移行してNCプロ
グラムのlステップを読み込む.ステップS14では、
ステップSl3での読み込みに基づいて、NCプログラ
ムが終了したか否かを判断する。
NCプログラムが終了していなければステップ515に
移行する.ステップS15では、温度センサ22によっ
てタレント旋盤の各部の温度を測定する。ステップ51
6では、得られた温度分布から、必要に応した加工動作
の修正を行う,ここでは、第4B図における学習プログ
ラムにおいて得られたニューラルネットワークのダイナ
ミクスに従って出力が得られ、その出力に基づいて動作
の修正が行われる.ステップ517では、修正後の指令
に基づいて、タレ7ト旋盤の動作が行われる。ここでは
、学習によって得られたニューラルネットワークに従っ
て温度補正が行われるので、タレフト旋盤の温度変位が
修正され、正確な加工が行われる。ステップS17での
処理が終わればステップS13に戻り、次のステップを
読み込む。
移行する.ステップS15では、温度センサ22によっ
てタレント旋盤の各部の温度を測定する。ステップ51
6では、得られた温度分布から、必要に応した加工動作
の修正を行う,ここでは、第4B図における学習プログ
ラムにおいて得られたニューラルネットワークのダイナ
ミクスに従って出力が得られ、その出力に基づいて動作
の修正が行われる.ステップ517では、修正後の指令
に基づいて、タレ7ト旋盤の動作が行われる。ここでは
、学習によって得られたニューラルネットワークに従っ
て温度補正が行われるので、タレフト旋盤の温度変位が
修正され、正確な加工が行われる。ステップS17での
処理が終わればステップS13に戻り、次のステップを
読み込む。
上述の動作を繰り返し、最終ステップをステップS13
において読み込むと、ステップS14での判断がYes
となりプログラムはメインルーチンに戻る。
において読み込むと、ステップS14での判断がYes
となりプログラムはメインルーチンに戻る。
なお、上述の実施例では出荷前の段階で学習を行ったが
、ユーザー側において相当期間経過後に学習を再び行っ
てもよい.この場合には、新たな学習によって、より正
確な温度補正が行える。
、ユーザー側において相当期間経過後に学習を再び行っ
てもよい.この場合には、新たな学習によって、より正
確な温度補正が行える。
本発明に係る自動制御加工装置は、上述のような学習手
段を有しているので、雇度変化に基づく加工装置に熱変
位が生しても、正確な加工を施すことができるようにな
る。
段を有しているので、雇度変化に基づく加工装置に熱変
位が生しても、正確な加工を施すことができるようにな
る。
第1図は本発明の一実施例の斜視概略図、第2図はその
制御部の概略ブロック図、第3図は制御部のニューラル
ネットワークの概念図、第4A図及び第4B図は制御部
の制御フローチ十一トである. 8・・・主軸、lO・・・タレット、20・・・制御部
、22・・・温度センサ.
制御部の概略ブロック図、第3図は制御部のニューラル
ネットワークの概念図、第4A図及び第4B図は制御部
の制御フローチ十一トである. 8・・・主軸、lO・・・タレット、20・・・制御部
、22・・・温度センサ.
Claims (1)
- (1)ワークに対して加工を行う加工部と、加工部の温
度変化を検出する温度検出手段と、前記加工部に対して
テスト加工を行うよう制御し、前記温度検出手段からの
検出結果に基づいて、温度変化と前記加工部の変化との
関係を学習する学習手段と、 前記学習手段による学習結果と前記温度検出手段による
検出結果とに基づき修正しつつ、前記加工部に対し加工
を行うよう制御する制御手段と、を備えた自動加工制御
装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP483890A JPH03208540A (ja) | 1990-01-12 | 1990-01-12 | 自動制御加工装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP483890A JPH03208540A (ja) | 1990-01-12 | 1990-01-12 | 自動制御加工装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH03208540A true JPH03208540A (ja) | 1991-09-11 |
Family
ID=11594833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP483890A Pending JPH03208540A (ja) | 1990-01-12 | 1990-01-12 | 自動制御加工装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH03208540A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018065211A (ja) * | 2016-10-18 | 2018-04-26 | ファナック株式会社 | 工作機械の加工プログラムの設定値を学習する機械学習装置および加工システム |
JP6784868B1 (ja) * | 2019-09-02 | 2020-11-11 | ヤマザキマザック株式会社 | 制御装置、工作機械、算出方法及びプログラム |
-
1990
- 1990-01-12 JP JP483890A patent/JPH03208540A/ja active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018065211A (ja) * | 2016-10-18 | 2018-04-26 | ファナック株式会社 | 工作機械の加工プログラムの設定値を学習する機械学習装置および加工システム |
US10606233B2 (en) | 2016-10-18 | 2020-03-31 | Fanuc Corporation | Machine learning apparatus that learns setting value in machining program of machine tool, and machining system |
JP6784868B1 (ja) * | 2019-09-02 | 2020-11-11 | ヤマザキマザック株式会社 | 制御装置、工作機械、算出方法及びプログラム |
WO2021044491A1 (ja) * | 2019-09-02 | 2021-03-11 | ヤマザキマザック株式会社 | 制御装置、工作機械、算出方法及びプログラム |
CN114341752A (zh) * | 2019-09-02 | 2022-04-12 | 山崎马扎克公司 | 控制装置、机床、算出方法和程序 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5513113A (en) | Method of and device for correcting position of cutting-edge of tool in numerically controlled machine tool | |
EP0641624B1 (en) | Machine tool | |
Azouzi et al. | On-line prediction of surface finish and dimensional deviation in turning using neural network based sensor fusion | |
US6415191B1 (en) | Intelligent machining and manufacturing | |
JPH0238342B2 (ja) | ||
EP1243992B1 (en) | Tool presetter and tool offset amount calculation method | |
Chen et al. | Improving the machine accuracy through machine tool metrology and error correction | |
Nee et al. | An intelligent fixture with a dynamic clamping scheme | |
EP0268887B1 (en) | Numerical control feed device for machine tool | |
US4615149A (en) | Feed control apparatus for grinding machine | |
US4294045A (en) | Grinding machine with a sizing device | |
JPH1158179A (ja) | 工作機械の熱変位補正方法および装置 | |
JPH068107A (ja) | 工作機械における熱変位補正方法 | |
Ouafi et al. | Accuracy enhancement of multi-axis CNC machines through on-line neurocompensation | |
JP2002144191A (ja) | 工作機械 | |
WO2020217571A1 (ja) | 工作機械における変動量推定装置、及び補正量算出装置 | |
Mareš et al. | Thermal error minimization of a turning-milling center with respect to its multi-functionality | |
JPH03208540A (ja) | 自動制御加工装置 | |
JPS592045B2 (ja) | 数値制御機械における位置決めの温度補償方法および装置 | |
CN108919746B (zh) | 一种转摆台的热误差测试与分析方法 | |
KR20200131475A (ko) | 공작기계의 열변위 보정 방법 및 시스템 | |
Verbert et al. | Obtainable accuracies and compensation strategies for robot supported SPIF | |
JP2004154907A (ja) | 多軸工作機械の熱変位補正方法および装置 | |
JPH0523952A (ja) | 相対位置基準による加工精度維持方法 | |
Mareš et al. | Enhancement of vertical turning lathe accuracy by minimising thermal errors depending on rotary table activity and workpiece clamping diameter |