JPH03208540A - 自動制御加工装置 - Google Patents

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。

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。

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。

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。

〔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。

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。

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。

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。

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。

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。

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
。

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。

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。

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。

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。

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。

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。

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。

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。

〔発明の効果〕

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。

【図面の簡単な説明】

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．

Claims (1)

【特許請求の範囲】
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。