WO2022254621A1 - 数値制御装置、学習装置、推論装置、および数値制御方法 - Google Patents

数値制御装置、学習装置、推論装置、および数値制御方法 Download PDF

Info

Publication number
WO2022254621A1
WO2022254621A1 PCT/JP2021/021045 JP2021021045W WO2022254621A1 WO 2022254621 A1 WO2022254621 A1 WO 2022254621A1 JP 2021021045 W JP2021021045 W JP 2021021045W WO 2022254621 A1 WO2022254621 A1 WO 2022254621A1
Authority
WO
WIPO (PCT)
Prior art keywords
amount
miss
cutting
parameter
estimated
Prior art date
Application number
PCT/JP2021/021045
Other languages
English (en)
French (fr)
Inventor
和哉 中島
Original Assignee
三菱電機株式会社
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 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to DE112021005641.7T priority Critical patent/DE112021005641T5/de
Priority to JP2021562177A priority patent/JP7158604B1/ja
Priority to PCT/JP2021/021045 priority patent/WO2022254621A1/ja
Priority to US18/039,970 priority patent/US11921489B2/en
Priority to CN202180087230.4A priority patent/CN116745712B/zh
Publication of WO2022254621A1 publication Critical patent/WO2022254621A1/ja

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
    • G05B19/4093—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 part programming, e.g. entry of geometrical information as taken from a technical drawing, combining this with machining and material information to obtain control information, named part programme, for the NC machine
    • 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
    • G05B2219/34082—Learning, online reinforcement 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37435—Vibration of machine

Definitions

  • the present disclosure relates to a numerical control device, a learning device, an inference device, and a numerical control method for controlling vibration cutting.
  • the numerical controller controls the machine tool that cuts the rotating workpiece.
  • One of these machine tools is a machine that performs vibration cutting, which is cutting while vibrating the tool at a low frequency.
  • vibration cutting is properly performed, an idling region where cutting is not performed occurs between the movement path of the tool and the workpiece. By providing this idling region, the machine tool can shorten the chips generated by cutting and drop them from the workpiece.
  • the numerical controller of Patent Document 1 calculates the temporal delay of the vibration backward position with respect to the vibration forward position as the phase difference based on the ratio between the vibration amplitude and the feed speed of the tool with respect to the workpiece. Further, the numerical control device of Patent Document 1 calculates a movement path based on the calculated phase difference, calculates a vibration movement amount based on a reference vibration waveform, and performs vibration cutting using the movement path and the vibration movement amount. ing.
  • the present disclosure has been made in view of the above, and an object thereof is to obtain a numerical controller capable of continuing vibration cutting control without the user adjusting parameters.
  • the present disclosure provides a tool and a workpiece by driving a first axis that drives the tool or a second axis that drives the workpiece.
  • a numerical control device for machining a workpiece while performing vibration cutting that relatively vibrates the
  • a parameter adjustment unit that adjusts parameters relating to vibration conditions for vibration cutting and a control unit that controls vibration cutting using the adjusted parameters.
  • the numerical control device has the effect of allowing the user to continue control of vibration cutting without adjusting parameters.
  • FIG. 1 is a diagram showing a configuration of a machining system provided with a numerical controller according to an embodiment
  • FIG. 4 is a flow chart showing the procedure of control processing by the numerical controller according to the embodiment
  • FIG. 2 is a diagram showing the configuration of a learning device included in the numerical controller according to the embodiment
  • FIG. 4 is a diagram for explaining an amplitude amount and an estimated whiff amount calculated by the learning device according to the embodiment
  • FIG. 4 is a diagram for explaining the amplitude amount and the estimated miss swing amount calculated by the learning device according to the embodiment when the feed speed of the tool is low
  • FIG. 5 is a diagram for explaining the amount of cutting load when the learning device according to the embodiment does not detect the miss-cut region
  • FIG. 4 is a diagram for explaining the amount of cutting load when the learning device according to the embodiment detects a missed swing region; 4 is a flow chart showing a processing procedure of learning processing by the learning device according to the embodiment; FIG. 4 is a diagram showing the configuration of an inference device included in the numerical control device according to the embodiment; 4 is a flowchart showing a processing procedure of inference processing by the inference device according to the embodiment; FIG. 4 is a diagram for explaining an estimated miss-cut amount and a designated miss-cut amount when adjusted parameters inferred by the inference device according to the embodiment are used for vibration cutting; FIG. 2 is a diagram showing a hardware configuration example for realizing a numerical control device according to an embodiment;
  • FIG. 1 is a diagram showing the configuration of a machining system provided with a numerical controller according to an embodiment.
  • a machining system 100 includes a numerical controller 1 and a machine tool 2 .
  • the machine tool 2 is a machine that performs vibration cutting (low-frequency vibration cutting) with a tool on a cylindrical workpiece, which is an object to be machined.
  • the machine tool 2 has a power section 3 which is a drive section for tools and workpieces.
  • the machine tool 2 rotates the workpiece with the main axis, which is the cylindrical axis of the workpiece, as the rotation axis, and processes the workpiece by bringing the tool into contact with the workpiece.
  • the machine tool 2 machines a workpiece while vibrating the tool in a direction parallel to the rotation axis and moving the tool so that the tool advances in a direction parallel to the rotation axis.
  • the numerical controller 1 is a computer that numerically controls (NC: Numerical Control) the machine tool 2 .
  • the numerical controller 1 automatically adjusts a parameter related to vibration conditions (hereinafter referred to as parameter H5), which is used when the machine tool 2 executes vibration cutting, and an adjusted parameter H6, which will be described later.
  • the numerical controller 1 has a control unit 10, an analysis unit 20, a storage unit 30, and a parameter adjustment unit 40.
  • the controller 10 includes a position command generator 11 , a vibration waveform generator 12 and an adder 13 .
  • the storage unit 30 has a parameter storage area 32 for storing parameters H5 and post-adjustment parameters H6 used when the machine tool 2 executes vibration cutting.
  • An example of parameter H5 and adjusted parameter H6 is vibration amplitude feed ratio.
  • the vibration amplitude feed ratio is the ratio between the amount of vibration amplitude of the tool and the feed rate of the tool.
  • the feed rate of a tool is the speed of movement of the tool in a direction parallel to the spindle.
  • the tool feed rate does not include speed changes due to tool vibration.
  • the storage unit 30 also stores a machining program 31 used when the numerical controller 1 controls the machine tool 2 .
  • the machining program 31 includes information on the amount of missed cutting during vibration cutting specified by the user (hereinafter referred to as the specified amount of missed cutting H2), information on the feed speed F of the tool, and the like.
  • the amount of missed swing is the length in the amplitude direction of the missed swing region where cutting is not performed between the movement path of the tool and the workpiece.
  • the designated miss amount H2 is a command value for the amount of miss when the tool misses the workpiece during vibration cutting. Note that the designated whiff amount H2 may be stored in the storage unit 30 .
  • the analysis unit 20 reads the machining program 31 from the storage unit 30.
  • the analysis unit 20 analyzes the machining program 31 and sends the analysis result to the position command generation unit 11 of the control unit 10 .
  • the analysis unit 20 sends the analysis result including information on the amplitude amount A3 to the position command generation unit 11 .
  • the analysis unit 20 sends the specified missed swing amount H2 included in the machining program 31 to the parameter adjustment unit 40 .
  • the parameter adjustment unit 40 adjusts the parameter H5 using artificial intelligence (AI).
  • AI artificial intelligence
  • the parameter adjustment unit 40 receives the designated whiff amount H2 from the analysis unit 20 .
  • the parameter adjustment unit 40 receives the parameter H5 from the storage unit 30 .
  • the parameter adjusting section 40 receives an FB (Feedback) position H3 and a cutting load amount H4 from the power section 3 .
  • the FB position H3 is information indicating the actual position of the tool during vibration cutting.
  • the FB position H3 includes information on the feed axis position of the tool and information on the spindle rotation angle.
  • the feed axis position of a tool is the position of the tool in a direction parallel to the spindle.
  • the cutting load amount H4 is generated when driving the axis (first axis) for driving the tool or the axis (second axis) for driving the workpiece when vibration cutting the workpiece with the tool. load amount.
  • vibration cutting an idling region where cutting is not performed is provided between the moving path of the tool and the workpiece, thereby enabling the cutting chips to be separated.
  • the load condition of the shaft driving the tool and the shaft driving the workpiece is lower than when the tool and the workpiece are in contact with each other.
  • the numerical control device 1 learns the periodic load condition of the shaft, automatically adjusts the parameter H5 during vibration cutting, and the follow-up delay of the servo motor occurs. Vibration cutting control is performed so that the chips can be divided even in such a case.
  • the numerical control device 1 is set with a designated whiff amount H2, which is a value input by the user.
  • the numerical controller 1 adjusts the actual amount of missed cutting (estimated amount of missed cutting H9 described later) to the designated amount of missed cutting H2 based on the spindle rotation angle and the feed axis position while the cutting load amount H4 is decreasing. Vibration cutting control is performed while automatically adjusting the post parameter H6.
  • the parameter adjustment unit 40 includes a learning device 60 and an inference device 70, which will be described later.
  • the parameter adjusting unit 40 machine-learns appropriate parameters for the designated miss H2 using the designated miss H2, parameter H5, FB position H3, cutting load H4, and combined position command H8, which will be described later.
  • An appropriate parameter for the designated missed swing amount H2 is the parameter obtained by adjusting the parameter H5 (hereinafter referred to as the adjusted parameter H6).
  • the parameter adjustment unit 40 After performing machine learning on the adjusted parameter H6, the parameter adjustment unit 40 performs machine learning using the adjusted parameter H6 instead of the parameter H5. Thereby, the parameter adjustment unit 40 machine-learns a new post-adjustment parameter H6 suitable for the new designated whiff amount H2.
  • the parameter adjustment unit 40 performs machine learning of the adjusted parameter H6 based on the parameter H5 or the adjusted parameter H6. In the following description, a case will be described in which the parameter adjusting unit 40 performs machine learning of the adjusted parameter H6 using the adjusted parameter H6.
  • the parameter adjustment unit 40 determines a miss-cutting period based on the cutting load amount H4, and determines an estimated miss-cutting amount (estimated miss-cutting amount H9) based on the FB position H3 and the combined position command H8. calculate.
  • the parameter adjustment unit 40 performs machine learning based on the estimated miss-swing amount H9, the designated miss-swing amount H2, and the adjusted parameter H6.
  • the parameter adjustment unit 40 machine-learns the adjusted parameter H6 so that the estimated miss-swing amount H9, which is estimated to be the actual miss-swing amount, approaches the designated miss-swing amount H2.
  • the parameter adjustment unit 40 infers an appropriate post-adjustment parameter H6 for the designated miss-cutting amount H2 based on the designated miss-cutting amount H2 and the estimated miss-cutting amount H9 during vibration cutting.
  • the parameter adjuster 40 sends the inferred adjusted parameter H6 to the vibration waveform generator 12 of the controller 10 .
  • the position command generator 11 generates a position command for the tool (hereinafter referred to as position command H1) based on the analysis result of the machining program 31.
  • the position command generator 11 sends the position command H1 to the adder 13 .
  • the vibration waveform generator 12 generates a tool vibration waveform (hereinafter referred to as vibration waveform H7) based on the adjusted parameter H6.
  • the vibration waveform generator 12 sends the vibration waveform H7 to the adder 13 .
  • the adder 13 adds the vibration waveform H7 to the position command H1 to generate a synthesized position command (hereinafter referred to as a synthesized position command H8) that is a position command containing the vibration component of the tool.
  • the adder 13 sends the synthetic position command H8 to the power unit 3 .
  • the adder 13 also sends the composite position command H8 to the parameter adjuster 40 .
  • the power unit 3 controls the position of the tool according to the composite position command H8.
  • the power section 3 includes a servo control section, a servo motor, a spindle control section, and a spindle motor.
  • the servomotor is a motor that moves the tool, and the servo control unit controls the servomotor.
  • the spindle motor is a motor that rotates the spindle that is the rotation axis of the workpiece, and the spindle control unit controls the spindle motor.
  • the power unit 3 performs vibration cutting by operating the tool and the workpiece using the servo control unit, the servo motor, the spindle control unit, and the spindle motor.
  • the rotation control of the workpiece may be executed by the control unit 10 or may be executed by another control unit.
  • the machine tool 2 detects the FB position H3 and the cutting load amount H4 during vibration cutting, and sends them to the parameter adjustment unit 40.
  • the cutting load amount H4 may be a load current value that is a current value corresponding to the load, or may be a value detected by a sensor. If the cutting load amount H4 is detected as a sensor value, a sensor such as a torque sensor may be arranged on the machine tool 2, for example.
  • FIG. 2 is a flowchart showing the procedure of control processing by the numerical controller according to the embodiment.
  • the parameter adjusting section 40 acquires the cutting load amount H4 (step S1).
  • the parameter adjuster 40 adjusts the post-adjustment parameter H6 based on the cutting load H4 (step S2).
  • the control unit 10 controls vibration cutting using the adjusted parameter H6 (step S3).
  • the parameter adjustment unit 40 of the numerical controller 1 has a learning device 60 and an inference device 70 .
  • the learning device 60 may be a device having a different configuration from the numerical control device 1 arranged outside the numerical control device 1 .
  • the inference device 70 may be a device having a different configuration from the numerical controller 1 arranged outside the numerical controller 1 .
  • FIG. 3 is a diagram illustrating a configuration of a learning device included in the numerical controller according to the embodiment.
  • the learning device 60 includes a data acquisition section 61 , a monitoring section 63 and a model generation section 62 .
  • the data acquisition unit 61 receives information in which the adjusted parameters H6 such as the vibration amplitude feed ratio Q1, the designated miss H2, the FB position H3, the cutting load H4, and the combined position command H8 are associated with each other.
  • the adjusted parameters H6 such as the vibration amplitude feed ratio Q1, the designated miss H2, the FB position H3, the cutting load H4, and the combined position command H8 are associated with each other.
  • the data acquisition unit 61 sends the FB position H3, the cutting load amount H4, and the composite position command H8 to the monitoring unit 63. Further, the data acquisition unit 61 receives from the monitoring unit 63 the FB position H3, the cutting load amount H4, and the estimated missed swing amount H9 corresponding to the combined position command H8.
  • the adjusted parameter H6, the specified miss-swing amount H2, and the estimated miss-swing amount H9 acquired by the data acquisition unit 61 are learning data.
  • the data acquisition unit 61 sends learning data to the model generation unit 62 .
  • the parameter H5 is sent to the data acquisition unit 61 instead of the adjusted parameter H6 until the adjusted parameter H6 is calculated.
  • the monitoring unit 63 acquires the FB position H3, the cutting load amount H4, and the combined position command H8 from the data acquisition unit 61, monitors the vibration cutting, and estimates the estimated miss amount H9.
  • the monitoring unit 63 sends the estimated miss-swing amount H9 to the data acquisition unit 61, and the data acquisition unit 61 associates the estimated miss-swing amount H9, the adjusted parameter H6, and the designated miss-swing amount H2, and obtains model data as learning data.
  • FIG. 4 is a diagram for explaining an amplitude amount and an estimated whiff amount calculated by the learning device according to the embodiment.
  • the horizontal axis of the graph shown in FIG. 4 and FIG. 5, which will be described later, is the main shaft rotation angle, and the vertical axis is the feed shaft position. 4 and 5 show waveforms 51A, 52A, 51B and 52B of the position of the tool during vibration cutting, that is, the feed shaft position with respect to the spindle rotation angle.
  • a waveform 51A is a waveform indicating the feed axis position of the tool in the first rotation of the workpiece
  • a waveform 52A is a waveform indicating the feed axis position of the tool in the second rotation of the workpiece.
  • the area below the waveform 51A and above the waveform 52A is the whiff area A2.
  • the monitoring unit 63 calculates waveforms 51A and 52A based on the FB position H3 and the combined position command H8.
  • the amplitude amount A3 in the waveform 52A is the amplitude amount A3 calculated by the analysis unit 20 based on the tool feed speed F and the vibration amplitude feed ratio Q1.
  • the monitoring unit 63 determines the whiff period of the whiff region A2 based on the cutting load amount H4.
  • the monitoring unit 63 calculates an estimated miss-swing amount H9 based on the waveforms 51A and 52A during the miss-swing period. In FIG. 4, the estimated whiff amount H9 is indicated by the whiff amount A1.
  • the monitoring unit 63 calculates a miss amount A1 (estimated miss amount H9) at which the miss amount is the maximum among the FB positions H3 within the miss period.
  • FIG. 5 is a diagram for explaining the amplitude amount and the estimated miss swing amount calculated by the learning device according to the embodiment when the feed speed of the tool is low.
  • a waveform 51B is a waveform indicating the feed axis position of the tool in the first rotation of the workpiece
  • a waveform 52B is a waveform indicating the feed axis position of the tool in the second rotation of the workpiece.
  • the area below the waveform 51B and above the waveform 52B is the whiff area B2.
  • the amplitude amount calculated by the monitoring unit 63 is indicated by the amplitude amount B3.
  • the monitoring unit 63 determines the whiff period of the whiff region B2 based on the cutting load amount H4. It is possible to accurately determine whether or not As a result, when the idling region B2 in which chips fall off is not generated, the numerical control device 1 generates an idling region B2 in which chips fall off by adjusting the adjusted parameter H6. be able to.
  • FIG. 6 is a diagram for explaining the amount of cutting load when the learning device according to the embodiment does not detect a miss region.
  • FIG. 7 is a diagram for explaining the amount of cutting load when the learning device according to the embodiment detects a whiff region.
  • the horizontal axis of the graphs shown in FIGS. 6 and 7 is the spindle rotation angle, and the vertical axis is the feed shaft position and the amount of cutting load. 6 and 7 show the feed shaft position with respect to the spindle rotation angle and the cutting load H4 with respect to the spindle rotation angle.
  • a waveform 51C in FIG. 6 is a waveform indicating the feed axis position of the tool in the first rotation of the workpiece
  • a waveform 52C is a waveform indicating the feed axis position of the tool in the second rotation of the workpiece.
  • the cutting load amount waveform 53C shows the waveform of the cutting load amount H4 with respect to the waveform 52C.
  • the cutting load amount waveform 53C in such a case has a moderate change corresponding to the waveform 52C.
  • a waveform 51D in FIG. 7 is a waveform indicating the feed axis position of the tool in the first rotation of the workpiece
  • a waveform 52D is a waveform indicating the feed axis position of the tool in the second rotation of the workpiece.
  • the cutting load amount waveform 53D shows the waveform of the cutting load amount H4 with respect to the waveform 52D.
  • the area below the waveform 51D and above the waveform 52D is the whiff area D2.
  • the cutting load amount waveform 53D changes gently according to the waveform 52D, but the cutting load amount waveform 53D drops significantly during the idling period D4 of the idling region D2 because the tool does not contact the workpiece.
  • the monitoring unit 63 determines the whiff period D4 based on the change in the cutting load amount waveform 53D. Then, the monitoring unit 63 calculates a whiff amount D1 in the whiff period D4 and sends an estimated whiff amount H9, which is the whiff amount D1, to the model generation unit 62 via the data acquisition unit 61 .
  • the model generation unit 62 mainly learns the adjusted parameter H6, such as the vibration amplitude feed ratio Q1, based on learning data including the adjusted parameter H6, the designated miss amount H2, and the estimated miss amount H9.
  • supervised learning unsupervised learning
  • reinforcement learning an agent (action subject) in an environment observes the current state (environmental parameters) and decides what action to take.
  • the environment dynamically changes according to the actions of the agent, and the agent is rewarded according to the change in the environment.
  • the agent repeats this and learns the course of action that yields the most rewards through a series of actions.
  • Q-learning and TD-learning are known.
  • a general update formula for the action-value function Q(s, a) is represented by formula (1) below.
  • s t represents the state of the environment at time t
  • a t represents the action at time t.
  • Action a t changes the state to s t+1 .
  • r t+1 represents the reward obtained by changing the state
  • ⁇ represents the discount rate
  • ⁇ represents the learning coefficient.
  • ⁇ is in the range of 0 ⁇ 1
  • ⁇ is in the range of 0 ⁇ 1.
  • the adjusted parameter H6 becomes the action at , the designated miss-swing amount H2 and the estimated miss-swing amount H9 become the state st , and the best action at in the state st at time t is learned.
  • the update formula represented by formula (1) increases the action value Q if the action value Q of action a with the highest Q value at time t+1 is greater than the action value Q of action a executed at time t. On the contrary, the action value Q is decreased.
  • the update formula represented by formula (1) updates the action value function Q(s, a) so that the action value Q of action a at time t approaches the best action value at time t+1. do. As a result, the best behavioral value in a certain environment will be propagated to the behavioral value in the previous environment.
  • the model generation unit 62 when generating a trained model by reinforcement learning, includes a reward calculation unit 620 and a function update unit 621.
  • the reward calculation unit 620 calculates a reward based on the designated missed swing amount H2 and the estimated missed swing amount H9.
  • the reward calculation unit 620 calculates a reward r based on the difference between the designated missed swing amount H2 and the estimated missed swing amount H9.
  • the reward calculation unit 620 increases the reward r (for example, gives a reward of "1"). If it increases, the reward r is reduced (for example, a reward of "-1" is given).
  • the reward calculation unit 620 may calculate the reward based on the estimated whiff amount H9. In this case, the data acquisition unit 61 does not need to acquire the designated whiff amount H2.
  • the reward calculation unit 620 decreases the estimated miss amount H9 and increases the reward r (for example, "1 ”), and on the other hand, if the estimated miss H9 increases or is 0 (there is no periodic load change), the reward r is reduced (for example, a “ ⁇ 1” reward is given). In this manner, the remuneration calculation unit 620 switches the remuneration standard depending on the presence or absence of the designated whiff amount H2.
  • the function updating unit 621 updates the function for determining the adjusted parameter H6 according to the reward calculated by the reward calculating unit 620, and outputs it to the trained model storage unit 80 as a trained model. For example, in the case of Q-learning, the function updating unit 621 uses the action value function Q(s t , a t ) represented by Equation (1) as a function for calculating the adjusted parameter H6.
  • the model generation unit 62 repeatedly executes the learning as described above.
  • the learned model storage unit 80 stores the action value function Q(s t , a t ) updated by the function updating unit 621, that is, the learned model.
  • the trained model storage unit 80 may be arranged inside the learning device 60 or may be arranged outside the learning device 60 . Also.
  • the learned model storage unit 80 may be arranged inside the numerical controller 1 or may be arranged outside the numerical controller 1 .
  • FIG. 8 is a flowchart of a procedure of learning processing by the learning device according to the embodiment.
  • the data acquisition unit 61 acquires the adjusted parameter H6, the specified miss-swing amount H2, and the estimated miss-swing amount H9 as learning data (step S110).
  • the model generation unit 62 calculates a reward based on the designated miss amount H2 and the estimated miss amount H9 (step S120). Specifically, the remuneration calculation unit 620 of the model generation unit 62 acquires the designated miss amount H2 and the estimated miss amount H9, and increases the reward based on a predetermined remuneration standard (increase or decrease in the miss amount difference). Or decide whether to reduce the reward.
  • the remuneration calculation unit 620 determines to increase the remuneration (step S120, whiff amount difference decreases)
  • the remuneration calculation unit 620 increases the remuneration (step S130). That is, the remuneration calculation unit 620 increases the remuneration when the remuneration increase criterion is satisfied due to the decrease in the difference in amount of whiff.
  • the reward calculation unit 620 determines that the reward should be decreased (step S120, whiff amount difference increases)
  • the reward calculation unit 620 decreases the reward (step S140). That is, the remuneration calculation unit 620 reduces the remuneration when the remuneration reduction criterion is satisfied due to the increase in the whiff amount difference.
  • the function updating unit 621 updates the action value function Q(s t , a t ) represented by Equation (1) stored in the learned model storage unit 80 based on the reward calculated by the reward calculation unit 620. (Step S150).
  • the learning device 60 repeatedly executes the above steps S110 to S150, and stores the generated action-value function Q(s t , a t ) in the learned model storage unit 80 as a learned model.
  • ⁇ Utilization phase> 9 is a diagram illustrating a configuration of an inference device included in the numerical controller according to the embodiment; FIG.
  • the inference device 70 includes a data acquisition unit 71 and an inference unit 72 .
  • the data acquisition unit 71 acquires the designated miss-swing amount H2 and the estimated miss-swing amount H9.
  • the data acquisition unit 71 acquires the designated whiff amount H2 from the analysis unit 20 .
  • the data acquisition unit 71 may acquire the estimated whiff amount H9 from the monitoring unit 63 of the learning device 60, or may calculate it by itself.
  • the inference device 70 includes a monitoring unit similar to the monitoring unit 63 .
  • the data acquisition unit 71 may calculate the estimated whiff amount H9 by the same processing as the monitoring unit 63 .
  • the data acquiring unit 71 calculates the estimated miss-pressing amount H9 based on the FB position H3, the cutting load amount H4, and the combined position command H8. Estimate H9.
  • the inference unit 72 uses the learned model stored in the learned model storage unit 80 to infer the adjusted parameter H6. That is, the inference unit 72 inputs the designated miss-swing amount H2 and the estimated miss-swing amount H9 acquired by the data acquisition unit 71 to the learned model, thereby obtaining adjusted parameters suitable for the designated miss-swing amount H2 and the estimated miss-swing amount H9. H6 can be inferred.
  • the inference unit 72 sends the inferred adjusted parameter H ⁇ b>6 to the vibration waveform generation unit 12 . As a result, vibration cutting using the adjusted parameter H6 is performed.
  • the reasoning device 70 outputs the adjusted parameter H6 using the learned model learned by the model generating unit 62 of the numerical control device 1.
  • the reasoning device 70 may A learned model may be acquired from the numerical control device of .
  • the inference device 70 outputs the adjusted parameter H6 based on the learned model obtained from another numerical controller.
  • FIG. 10 is a flowchart of a procedure of inference processing by the inference apparatus according to the embodiment.
  • the data acquisition unit 71 of the inference device 70 acquires the designated missed swing amount H2 and the estimated missed swing amount H9 as inference data (step S210).
  • the inference unit 72 inputs the specified miss swing amount H2 and the estimated miss swing amount H9, which are inference data, to the learned model stored in the learned model storage unit 80 (step S220), and performs adjustment corresponding to the input information. Obtain the posterior parameter H6. The inference unit 72 outputs the obtained adjusted parameter H6 to the control unit 10 via the parameter adjustment unit 40 (step S230).
  • the vibration waveform generation unit 12 of the control unit 10 uses the adjusted parameter H6 output from the inference unit 72 to generate the vibration waveform H7 (step S240).
  • the numerical controller 1 adjusts the post-adjustment parameter H6 so that the estimated miss amount H9 becomes the designated miss amount H2, and executes vibration cutting.
  • the numerical controller 1 adjusts the parameter H6 (vibration amplitude feed ratio Q1, etc.) so that the estimated miss-swing amount H9 becomes the minimum miss-swing amount larger than 0. to perform vibration cutting.
  • the numerical control device 1 calculates the adjusted parameter H6 that causes the minimum amount of miss, and controls the vibration cutting with this adjusted parameter H6.
  • the minimum idling amount that is not 0 is the minimum idling amount among the idling amounts that allow chips to fall off.
  • the numerical controller 1 sets an amount of idling that allows chips to fall off, based on the amount of cutting load H4 during vibration cutting so far.
  • model generation unit 62 can also use deep learning, which learns to extract the feature quantity itself, as a learning algorithm.
  • the model generator 62 may also perform machine learning according to other known methods such as neural networks, genetic programming, functional logic programming, support vector machines, and the like.
  • the learning device 60 and the reasoning device 70 may be devices separate from the numerical controller 1, connected to the numerical controller 1 via a network, for example. Also, the learning device 60 and the reasoning device 70 may be built in the numerical controller 1 . Furthermore, learning device 60 and reasoning device 70 may reside on a cloud server.
  • the model generation unit 62 may learn the adjusted parameter H6 using learning data acquired from a plurality of numerical controllers 1 .
  • the model generation unit 62 may acquire learning data from a plurality of numerical controllers 1 used in the same area, or may acquire learning data from a plurality of numerical controllers 1 independently operating in different areas.
  • the adjusted parameter H6 may be learned using learning data obtained from
  • the numerical control device 1 that collects the learning data may be added to the target on the way, or it may be removed from the target.
  • the learning device 60 that has learned the adjusted parameter H6 for a certain numerical control device 1 is applied to another numerical control device 1, and the adjusted parameter H6 is re-learned for the different numerical control device 1. It may be updated.
  • the numerical controller 1 of the embodiment learns and outputs the adjusted parameter H6 so that the estimated miss-swing amount H9 approaches the specified miss-swing amount H2 set by the user.
  • FIG. 11 is a diagram for explaining the estimated miss amount and the designated miss amount when the post-adjustment parameters inferred by the inference device according to the embodiment are used for vibration cutting.
  • the horizontal axis of the graph shown in FIG. 11 is the main shaft rotation angle, and the vertical axis is the feed shaft position.
  • FIG. 11 shows the feed shaft position with respect to the main shaft rotation angle.
  • a waveform 51E is a waveform indicating the feed axis position of the tool in the first rotation of the workpiece
  • a waveform 52E is a waveform indicating the feed axis position of the tool in the second rotation of the workpiece.
  • the area below the waveform 51E and above the waveform 52E is the whiff area E2.
  • the estimated whiff amount H9 is indicated by the whiff amount E1.
  • the numerical controller 1 controls the estimated whiff amount H9 (a whiff amount E1) to be the same as the designated whiff amount H2. Adjust the post-adjustment parameter H6. As a result, the estimated whiff amount H9 becomes the same as the designated whiff amount H2.
  • the post-adjustment parameter H6 is adjusted as in the numerical control device 1 of the present embodiment.
  • the numerical controller 1 of the present embodiment adjusts the post-adjustment parameter H6 based on the cutting load amount H4. You can drop the dust.
  • FIG. 12 is a diagram illustrating a hardware configuration example for realizing the numerical control device according to the embodiment.
  • the numerical controller 1 can be implemented by an input device 240, a processor 210, a memory 220, and an output device 230.
  • An example of the processor 210 is a CPU (Central Processing Unit, central processing unit, processing unit, arithmetic unit, microprocessor, microcomputer, DSP (Digital Signal Processor)) or system LSI (Large Scale Integration).
  • Examples of the memory 220 are RAM (Random Access Memory) and ROM (Read Only Memory).
  • the numerical controller 1 is implemented by the processor 210 reading and executing a computer-executable machining program 31 for executing the operations of the numerical controller 1 stored in the memory 220 .
  • the machining program 31, which is a program for executing the operation of the numerical controller 1, can be said to cause a computer to execute the procedure or method of the numerical controller 1.
  • a machining program 31 executed by the numerical control device 1 has a module configuration including a control unit 10, an analysis unit 20, and a parameter adjustment unit 40. These are loaded onto the main storage device, and these are the main Created on a storage device.
  • the input device 240 accepts the specified missed swing amount H2, the parameter H5, and the machining program 31 from the user or an external device, and sends them to the memory 220.
  • the memory 220 corresponds to the storage unit 30 and the trained model storage unit 80.
  • the memory 220 stores the learned model, the specified miss-swing amount H2, the parameter H5, the adjusted parameter H6, the machining program 31, and the like.
  • the learned model, the designated missed swing amount H2, the parameter H5, the adjusted parameter H6, and the machining program 31 are sent to the processor 210.
  • FIG. Also, the memory 220 is used as a temporary memory when the processor 210 executes various processes.
  • the output device 230 sends the composite position command H8 to the power section 3.
  • the processing program 31 may be stored in a computer-readable storage medium in an installable or executable format and provided as a computer program product. Moreover, the machining program 31 may be provided to the numerical controller 1 via a network such as the Internet. It should be noted that the functions of the numerical controller 1 may be partly realized by dedicated hardware such as a dedicated circuit, and partly realized by software or firmware. Further, each of the numerical control device 1, the learning device 60, and the inference device 70 may be realized by separate hardware configurations.
  • the numerical controller 1 calculates the adjusted parameter H6 used for vibration cutting based on the cutting load amount H4 at the time of performing vibration cutting, and uses the adjusted parameter H6 to vibrate. Since the cutting is controlled, it is possible for the user to continue to control the vibration cutting without parameter adjustment.
  • the numerical control device 1 performs vibration cutting while automatically adjusting parameters so that chips are divided, it is possible to prevent vibration cutting from being continued without cutting chips.
  • the user only needs to input vibration cutting commands to the numerical control device 1, and there is no need to adjust parameters, thereby improving usability.
  • the numerical control device 1 controls vibration cutting without the need for the user to adjust parameters, even if the machine tool 2 is continuously operated for a long period of time and the tool wears and the whiff region changes. be able to.
  • the numerical control device 1 can control vibration cutting without the user adjusting parameters even when the feed speed F of the tool is changed.

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Numerical Control (AREA)

Abstract

工具を駆動する第１の軸、または被加工物を駆動する第２の軸を駆動させることによって、工具と被加工物とを相対的に振動させる振動切削を行いながら被加工物の加工を行う数値制御装置（１）が、振動切削を行う際に第１の軸または第２の軸に発生する切削負荷量（Ｈ４）に基づいて、振動切削の振動条件に関するパラメータを調整するパラメータ調整部（４０）と、調整されたパラメータを用いて振動切削を制御する制御部（１０）と、を備える。

Description

数値制御装置、学習装置、推論装置、および数値制御方法
　本開示は、振動切削を制御する数値制御装置、学習装置、推論装置、および数値制御方法に関する。
　数値制御装置は、回転させられている被加工物に対して工具で切削を行う工作機械を制御する。この工作機械の１つに、工具を低周波で振動させながらの切削である振動切削を行う機械がある。振動切削が適切に行われると、工具の移動経路と、被加工物との間で切削が行われない空振り領域が発生する。工作機械は、この空振り領域を設けておくことで、切削によって発生する切粉を短くして被加工物から脱落させることができる。
　特許文献１の数値制御装置は、振動の振幅と被加工物に対する工具の送り速度との比率に基づいて、振動前進位置に対する振動後退位置の時間的な遅れを位相差として算出している。また、特許文献１の数値制御装置は、算出した位相差に基づいて移動経路を算出し、基準振動波形に基づいて振動移動量を算出し、移動経路および振動移動量を用いて振動切削を行っている。
特許第５７４５７１０号公報
　しかしながら、上記特許文献１の技術では、サーボモータの追従遅れなどが発生したことによって切粉を分断させることができなくなった場合には、数値制御装置の使用者が、振動切削に用いるパラメータを調整する必要があった。
　本開示は、上記に鑑みてなされたものであって、使用者がパラメータ調整を行うことなく振動切削の制御を継続できる数値制御装置を得ることを目的とする。
　上述した課題を解決し、目的を達成するために、本開示は、工具を駆動する第１の軸、または被加工物を駆動する第２の軸を駆動させることによって、工具と被加工物とを相対的に振動させる振動切削を行いながら被加工物の加工を行う数値制御装置であって、振動切削を行う際に第１の軸または第２の軸に発生する切削負荷量に基づいて、振動切削の振動条件に関するパラメータを調整するパラメータ調整部と、調整されたパラメータを用いて振動切削を制御する制御部と、を備える。
　本開示にかかる数値制御装置は、使用者がパラメータ調整を行うことなく振動切削の制御を継続できるという効果を奏する。
実施の形態にかかる数値制御装置を備えた加工システムの構成を示す図 実施の形態にかかる数値制御装置による制御処理の処理手順を示すフローチャート 実施の形態にかかる数値制御装置が備える学習装置の構成を示す図 実施の形態にかかる学習装置が算出する振幅量および推定空振り量を説明するための図 工具の送り速度が小さい場合に実施の形態にかかる学習装置が算出する振幅量および推定空振り量を説明するための図 実施の形態にかかる学習装置が空振り領域を検出しない場合の切削負荷量を説明するための図 実施の形態にかかる学習装置が空振り領域を検出した場合の切削負荷量を説明するための図 実施の形態にかかる学習装置による学習処理の処理手順を示すフローチャート 実施の形態にかかる数値制御装置が備える推論装置の構成を示す図 実施の形態にかかる推論装置による推論処理の処理手順を示すフローチャート 実施の形態にかかる推論装置が推論した調整後パラメータが振動切削に用いられた場合の、推定空振り量および指定空振り量を説明するための図 実施の形態にかかる数値制御装置を実現するハードウェア構成例を示す図
　以下に、本開示の実施の形態にかかる数値制御装置、学習装置、推論装置、および数値制御方法を図面に基づいて詳細に説明する。
実施の形態．
　図１は、実施の形態にかかる数値制御装置を備えた加工システムの構成を示す図である。加工システム１００は、数値制御装置１と、工作機械２とを備えている。工作機械２は、加工対象である例えば円柱状の被加工物に対して工具で振動切削（低周波振動切削）を実行する機械である。工作機械２は、工具および被加工物の駆動部である動力部３を有している。
　工作機械２は、被加工物の円柱軸である主軸を回転軸として被加工物を回転させ、工具を被加工物に接触させることで被加工物を加工する。工作機械２は、工具を回転軸と平行な方向に振動させるとともに、工具が回転軸に対して平行な方向に進むように工具を移動させながら被加工物を加工する。
　数値制御装置１は、工作機械２を数値制御（ＮＣ：Numerical　Control）するコンピュータである。数値制御装置１は、工作機械２に振動切削を実行させる際に用いるパラメータであって、振動条件に関するパラメータ（以下、パラメータＨ５という）と、後述する調整後パラメータＨ６とを自動調整する。
　数値制御装置１は、制御部１０と、解析部２０と、記憶部３０と、パラメータ調整部４０とを有している。制御部１０は、位置指令生成部１１と、振動波形生成部１２と、加算部１３とを具備している。
　記憶部３０は、工作機械２に振動切削を実行させる際に用いるパラメータＨ５および調整後パラメータＨ６を格納するパラメータ格納領域３２を有している。パラメータＨ５および調整後パラメータＨ６の例は、振動振幅送り比率である。振動振幅送り比率は、工具の振動の振幅量と、工具の送り速度との比率である。工具の送り速度は、工具の主軸に平行な方向への移動速度である。工具の送り速度には、工具の振動による速度の変化は含まれていない。なお、以下の説明では、振動振幅送り比率を、振動振幅送り比率Ｑ１という。工具の振動の振幅量をＡ３とし、工具の送り速度をＦとすると、振幅量は、Ａ３＝Ｑ１×Ｆの関係を有している。
　また、記憶部３０は、数値制御装置１が工作機械２を制御する際に用いる加工プログラム３１を記憶する。加工プログラム３１には、使用者によって指定された振動切削の際の空振り量（以下、指定空振り量Ｈ２という）の情報、工具の送り速度Ｆの情報などが含まれている。空振り量は、工具の移動経路と、被加工物との間で切削が行われない空振り領域の振幅方向の長さである。指定空振り量Ｈ２は、振動切削の際に被加工物に対して工具が空振りする際の空振り量の指令値である。なお、指定空振り量Ｈ２は、記憶部３０に格納されていてもよい。
　解析部２０は、記憶部３０から加工プログラム３１を読み出す。解析部２０は、加工プログラム３１を解析し、解析結果を制御部１０の位置指令生成部１１に送る。解析部２０は、加工プログラム３１の解析処理の際に、例えば、工具の振動の振幅量Ａ３を、前述のＡ３＝Ｑ１×Ｆの関係に基づいて算出する。解析部２０は、解析結果に振幅量Ａ３の情報を含めて位置指令生成部１１に送る。また、解析部２０は、加工プログラム３１内に含まれている指定空振り量Ｈ２をパラメータ調整部４０に送る。
　パラメータ調整部４０は、人工知能（ＡＩ：Artificial　Intelligence）を用いて、パラメータＨ５を調整する。パラメータ調整部４０は、解析部２０から指定空振り量Ｈ２を受け付ける。また、パラメータ調整部４０は、記憶部３０からパラメータＨ５を受け付ける。また、パラメータ調整部４０は、動力部３からＦＢ（FeedBack，フィードバック）位置Ｈ３、および切削負荷量Ｈ４を受け付ける。
　ＦＢ位置Ｈ３は、振動切削中の工具の実際の位置を示す情報である。ＦＢ位置Ｈ３は、工具の送り軸位置の情報と、主軸回転角度の情報とを含んでいる。工具の送り軸位置は、主軸に平行な方向の工具の位置である。振動切削の際には、工具が被加工物の回転軸である主軸に対して平行な方向に振動させられながら、主軸に対して平行な方向に進められる。この時の工具の位置が工具の送り軸位置である。主軸回転角度は、主軸の回転角度である。振動切削では、Ｎを自然数とした場合、主軸の１回転（３６０度）に対して工具が（０．５＋Ｎ）回振動する。本実施の形態では、Ｎ＝１である場合について説明する。
　切削負荷量Ｈ４は、工具で被加工物を振動切削する際の、工具を駆動する軸（第１の軸）または被加工物を駆動する軸（第２の軸）を駆動させる際に発生する負荷量である。振動切削では、工具の移動経路と、被加工物との間で切削が行われない空振り領域が設けられることで、切粉の分断を可能としている。この空振り領域では、工具を駆動する軸および被加工物を駆動する軸の負荷状況が、工具と被加工物とが接している場合に対して低くなる。本実施の形態では、このことを用いて、数値制御装置１が、周期的な軸の負荷状況を学習し、振動切削中にパラメータＨ５を自動で調整し、サーボモータの追従遅れなどが発生した場合であっても切粉が分断できるような振動切削制御を行う。
　また、数値制御装置１は、使用者によって入力される値である指定空振り量Ｈ２が設定される。数値制御装置１は、切削負荷量Ｈ４が低下している期間、主軸回転角度、および送り軸位置に基づいて、実際の空振り量（後述する推定空振り量Ｈ９）が指定空振り量Ｈ２となるよう調整後パラメータＨ６を自動で調整しながら振動切削制御を行う。
　パラメータ調整部４０は、後述する学習装置６０および推論装置７０を具備している。パラメータ調整部４０は、指定空振り量Ｈ２、パラメータＨ５、ＦＢ位置Ｈ３、切削負荷量Ｈ４、および後述する合成位置指令Ｈ８を用いて、指定空振り量Ｈ２に対して適切なパラメータを機械学習する。指定空振り量Ｈ２に対する適切なパラメータは、パラメータＨ５が調整されたパラメータ（以下、調整後パラメータＨ６という）である。パラメータ調整部４０は、調整後パラメータＨ６を機械学習した後は、パラメータＨ５の代わりに調整後パラメータＨ６を用いて機械学習を実行する。これにより、パラメータ調整部４０は、新たな指定空振り量Ｈ２に対して適切な新たな調整後パラメータＨ６を機械学習する。
　パラメータ調整部４０は、パラメータＨ５または調整後パラメータＨ６に基づいて、調整後パラメータＨ６の機械学習を実行する。なお、以下の説明では、パラメータ調整部４０が、調整後パラメータＨ６を用いて調整後パラメータＨ６の機械学習を実行する場合について説明する。
　パラメータ調整部４０は、切削負荷量Ｈ４に基づいて空振り期間を判定し、ＦＢ位置Ｈ３と、合成位置指令Ｈ８とに基づいて、空振り量の推定値である推定空振り量（推定空振り量Ｈ９）を算出する。パラメータ調整部４０は、推定空振り量Ｈ９と、指定空振り量Ｈ２と、調整後パラメータＨ６とに基づいて、機械学習を実行する。パラメータ調整部４０は、実際の空振り量であると推定される推定空振り量Ｈ９が、指定空振り量Ｈ２に近づくように調整後パラメータＨ６を機械学習する。
　また、パラメータ調整部４０は、振動切削中に、指定空振り量Ｈ２、および推定空振り量Ｈ９に基づいて、指定空振り量Ｈ２に対して適切な調整後パラメータＨ６を推論する。パラメータ調整部４０は、推論した調整後パラメータＨ６を制御部１０の振動波形生成部１２に送る。
　位置指令生成部１１は、加工プログラム３１の解析結果に基づいて、工具への位置指令（以下、位置指令Ｈ１という）を生成する。位置指令生成部１１は、位置指令Ｈ１を加算部１３に送る。
　振動波形生成部１２は、調整後パラメータＨ６に基づいて、工具の振動波形（以下、振動波形Ｈ７という）を生成する。振動波形生成部１２は、振動波形Ｈ７を加算部１３に送る。加算部１３は、位置指令Ｈ１に振動波形Ｈ７を加算することで、工具の振動成分を含んだ位置指令である合成位置指令（以下、合成位置指令Ｈ８という）を生成する。加算部１３は、合成位置指令Ｈ８を動力部３に送る。また、加算部１３は、合成位置指令Ｈ８をパラメータ調整部４０に送る。
　動力部３は、合成位置指令Ｈ８に従って工具の位置を制御する。動力部３は、サーボ制御部、サーボモータ、主軸制御部、および主軸モータを備えている。サーボモータは、工具を移動させるモータであり、サーボ制御部は、サーボモータを制御する。主軸モータは、被加工物の回転軸である主軸を回転させるモータであり、主軸制御部は、主軸モータを制御する。動力部３は、サーボ制御部、サーボモータ、主軸制御部、および主軸モータを用いて、工具および被加工物を動作させることで、振動切削が行われる。なお、被加工物の回転制御は、制御部１０が実行してもよいし、他の制御部が実行してもよい。
　工作機械２は、振動切削時に、ＦＢ位置Ｈ３および切削負荷量Ｈ４を検出し、パラメータ調整部４０に送る。切削負荷量Ｈ４は、負荷に対応する電流値である負荷電流値であってもよいし、センサによって検出された値であってもよい。センサの値として切削負荷量Ｈ４が検出される場合には、例えば、トルクセンサ等のセンサが、工作機械２に配置されていてもよい。
　図２は、実施の形態にかかる数値制御装置による制御処理の処理手順を示すフローチャートである。数値制御装置１は、振動切削を開始すると、パラメータ調整部４０が、切削負荷量Ｈ４を取得する（ステップＳ１）。パラメータ調整部４０は、切削負荷量Ｈ４に基づいて、調整後パラメータＨ６を調整する（ステップＳ２）。制御部１０は、調整後パラメータＨ６を用いて振動切削を制御する（ステップＳ３）。
　つぎに、数値制御装置１による学習処理および推論処理について説明する。数値制御装置１のパラメータ調整部４０は、学習装置６０と、推論装置７０とを具備している。なお、学習装置６０は、数値制御装置１の外部に配置された数値制御装置１とは別構成の装置であってもよい。また、推論装置７０は、数値制御装置１の外部に配置された数値制御装置１とは別構成の装置であってもよい。
<学習フェーズ>
　図３は、実施の形態にかかる数値制御装置が備える学習装置の構成を示す図である。学習装置６０は、データ取得部６１と、モニタリング部６３と、モデル生成部６２とを備えている。
　データ取得部６１は、振動振幅送り比率Ｑ１などの調整後パラメータＨ６、指定空振り量Ｈ２、ＦＢ位置Ｈ３、切削負荷量Ｈ４、および合成位置指令Ｈ８が対応付けされた情報を受け付ける。
　データ取得部６１は、ＦＢ位置Ｈ３、切削負荷量Ｈ４、および合成位置指令Ｈ８をモニタリング部６３に送る。また、データ取得部６１は、モニタリング部６３から、ＦＢ位置Ｈ３、切削負荷量Ｈ４、および合成位置指令Ｈ８に対応する推定空振り量Ｈ９を受け付ける。
　データ取得部６１が取得する、調整後パラメータＨ６、指定空振り量Ｈ２、および推定空振り量Ｈ９が、学習用データである。データ取得部６１は、学習用データをモデル生成部６２に送る。なお、調整後パラメータＨ６が算出されるまでは、調整後パラメータＨ６の代わりにパラメータＨ５がデータ取得部６１に送られる。
　モニタリング部６３は、データ取得部６１から、ＦＢ位置Ｈ３、切削負荷量Ｈ４、および合成位置指令Ｈ８を取得して、振動切削をモニタリングし、推定空振り量Ｈ９を推定する。モニタリング部６３は、推定空振り量Ｈ９をデータ取得部６１に送り、データ取得部６１は、推定空振り量Ｈ９と、調整後パラメータＨ６と、指定空振り量Ｈ２とを対応付けし、学習用データとしてモデル生成部６２に送る。
　ここで、振幅量Ａ３および推定空振り量Ｈ９について説明する。図４は、実施の形態にかかる学習装置が算出する振幅量および推定空振り量を説明するための図である。図４および後述する図５に示すグラフの横軸は主軸回転角度であり、縦軸は送り軸位置である。図４および図５では、振動切削の際の工具の位置、すなわち主軸回転角度に対する送り軸位置の波形５１Ａ，５２Ａ，５１Ｂ，５２Ｂを示している。
　振動切削では、工具が主軸に対して平行な方向に振動しつつ、主軸に対して平行な方向に進められる。波形５１Ａが、被加工物の１回転目における工具の送り軸位置を示す波形であり、波形５２Ａが、被加工物の２回転目における工具の送り軸位置を示す波形である。波形５１Ａよりも下の領域で、且つ波形５２Ａよりも上の領域が空振り領域Ａ２である。空振り領域Ａ２の期間である空振り期間が開始されると、切粉が分断される。
　モニタリング部６３は、ＦＢ位置Ｈ３および合成位置指令Ｈ８に基づいて、波形５１Ａ，５２Ａを算出する。波形５２Ａにおける振幅量Ａ３は、解析部２０が工具の送り速度Ｆと、振動振幅送り比率Ｑ１とに基づいて算出した振幅量Ａ３である。
　モニタリング部６３は、切削負荷量Ｈ４に基づいて空振り領域Ａ２の空振り期間を判定する。モニタリング部６３は、空振り期間内の波形５１Ａ，５２Ａに基づいて、推定空振り量Ｈ９を算出する。図４では、推定空振り量Ｈ９を空振り量Ａ１で示している。モニタリング部６３は、空振り期間内のＦＢ位置Ｈ３のうち空振り量が最大値となっている空振り量を、空振り量Ａ１（推定空振り量Ｈ９）として算出する。
　図５は、工具の送り速度が小さい場合に実施の形態にかかる学習装置が算出する振幅量および推定空振り量を説明するための図である。波形５１Ｂが、被加工物の１回転目における工具の送り軸位置を示す波形であり、波形５２Ｂが、被加工物の２回転目における工具の送り軸位置を示す波形である。波形５１Ｂよりも下の領域で、且つ波形５２Ｂよりも上の領域が空振り領域Ｂ２である。図５では、モニタリング部６３が算出する振幅量を振幅量Ｂ３で示している。
　図５に示すように、工具の送り速度Ｆが小さい場合には、切粉が脱落するような振幅量Ｂ３であっても、空振り領域Ｂ２が小さくなる。この場合、被加工物の粘性などの要因によって切粉が脱落しない場合がある。このような場合であっても、本実施の形態では、モニタリング部６３が、切削負荷量Ｈ４に基づいて空振り領域Ｂ２の空振り期間を判定するので、切粉が脱落するような空振り領域Ｂ２を発生させているか否かを正確に判断できる。これにより、数値制御装置１は、切粉が脱落するような空振り領域Ｂ２を発生させていない場合には、調整後パラメータＨ６を調整することで切粉が脱落するような空振り領域Ｂ２を発生させることができる。
　ここで、切削負荷量Ｈ４と空振り領域との関係について説明する。図６は、実施の形態にかかる学習装置が空振り領域を検出しない場合の切削負荷量を説明するための図である。図７は、実施の形態にかかる学習装置が空振り領域を検出した場合の切削負荷量を説明するための図である。
　図６および図７に示すグラフの横軸は主軸回転角度であり、縦軸は送り軸位置および切削負荷量である。図６および図７では、主軸回転角度に対する送り軸位置と、主軸回転角度に対する切削負荷量Ｈ４とを示している。
　図６の波形５１Ｃが、被加工物の１回転目における工具の送り軸位置を示す波形であり、波形５２Ｃが、被加工物の２回転目における工具の送り軸位置を示す波形である。図６では、波形５２Ｃに対する切削負荷量Ｈ４の波形を切削負荷量波形５３Ｃで示している。
　波形５１Ｃよりも下の領域で、且つ波形５２Ｃよりも上の領域があれば、この領域が空振り領域となるが、図６には空振り領域がない。このため、切粉は分断されない。このような場合の切削負荷量波形５３Ｃは、波形５２Ｃに応じた緩やかな変化を有している。
　図７の波形５１Ｄが、被加工物の１回転目における工具の送り軸位置を示す波形であり、波形５２Ｄが、被加工物の２回転目における工具の送り軸位置を示す波形である。図７では、波形５２Ｄに対する切削負荷量Ｈ４の波形を切削負荷量波形５３Ｄで示している。
　波形５１Ｄよりも下の領域で、且つ波形５２Ｄよりも上の領域が空振り領域Ｄ２である。切削負荷量波形５３Ｄは、波形５２Ｄに応じた緩やかな変化をしているが、空振り領域Ｄ２の空振り期間Ｄ４は、工具が被加工物に接触しないので、切削負荷量波形５３Ｄが大きく低下している。
　モニタリング部６３は、切削負荷量波形５３Ｄの変化に基づいて、空振り期間Ｄ４を判定する。そして、モニタリング部６３は、空振り期間Ｄ４での空振り量Ｄ１を算出し、空振り量Ｄ１である推定空振り量Ｈ９を、データ取得部６１を介してモデル生成部６２に送る。
　モデル生成部６２は、調整後パラメータＨ６と、指定空振り量Ｈ２と、推定空振り量Ｈ９とを含む学習用データに基づいて、主に振動振幅送り比率Ｑ１といった調整後パラメータＨ６を学習する。
　モデル生成部６２が用いる学習アルゴリズムは教師あり学習、教師なし学習、強化学習等の公知のアルゴリズムを用いることができる。一例として、モデル生成部６２が学習アルゴリズムに強化学習（Reinforcement　Learning）を適用した場合について説明する。強化学習では、ある環境内におけるエージェント（行動主体）が、現在の状態（環境のパラメータ）を観測し、取るべき行動を決定する。エージェントの行動により環境が動的に変化し、エージェントには環境の変化に応じて報酬が与えられる。エージェントはこれを繰り返し、一連の行動を通じて報酬が最も多く得られる行動方針を学習する。強化学習の代表的な手法として、Ｑ学習（Q-learning）やＴＤ学習（TD-learning）が知られている。例えば、Ｑ学習の場合、行動価値関数Ｑ（ｓ，ａ）の一般的な更新式は、以下の式（１）で表される。
Figure JPOXMLDOC01-appb-M000001
　式（１）において、ｓtは時刻ｔにおける環境の状態を表し、ａtは時刻ｔにおける行動を表す。行動ａtにより、状態はｓt＋１に変わる。ｒt+1はその状態の変化によってもらえる報酬を表し、γは割引率を表し、αは学習係数を表す。なお、γは０＜γ≦１、αは０＜α≦１の範囲とする。調整後パラメータＨ６が行動ａtとなり、指定空振り量Ｈ２と、推定空振り量Ｈ９とが状態ｓtとなり、時刻ｔの状態ｓtにおける最良の行動ａtを学習する。
　式（１）で表される更新式は、時刻ｔ＋１における最もＱ値の高い行動ａの行動価値Ｑが、時刻ｔにおいて実行された行動ａの行動価値Ｑよりも大きければ、行動価値Ｑを大きくし、逆の場合は、行動価値Ｑを小さくする。換言すれば、式（１）で表される更新式は、時刻ｔにおける行動ａの行動価値Ｑを、時刻ｔ＋１における最良の行動価値に近づけるように、行動価値関数Ｑ（ｓ，ａ）を更新する。それにより、或る環境における最良の行動価値が、それ以前の環境における行動価値に順次伝播していくようになる。
　上記のように、強化学習によって学習済モデルを生成する場合、モデル生成部６２は、報酬計算部６２０と、関数更新部６２１と、を備えている。
　報酬計算部６２０は、指定空振り量Ｈ２および推定空振り量Ｈ９に基づいて報酬を計算する。報酬計算部６２０は、指定空振り量Ｈ２と推定空振り量Ｈ９との差である空振り量差に基づいて、報酬ｒを計算する。
　報酬計算部６２０は、例えば、指定空振り量Ｈ２と推定空振り量Ｈ９との空振り量差が減少する場合には報酬ｒを増大させ（例えば「１」の報酬を与える）、他方、空振り量差が増加する場合には報酬ｒを低減する（例えば「－１」の報酬を与える）。
　なお、報酬計算部６２０は、推定空振り量Ｈ９に基づいて報酬を計算してもよい。この場合、データ取得部６１は、指定空振り量Ｈ２を取得しなくてもよい。
　指定空振り量Ｈ２が設定されていない場合、報酬計算部６２０は、推定空振り量Ｈ９が減少し、且つ０より大きい（周期的な負荷変化がある）場合には報酬ｒを増大させ（例えば「１」の報酬を与える）、他方、推定空振り量Ｈ９が増加、または０（周期的な負荷変化がない）場合には報酬ｒを低減する（例えば「－１」の報酬を与える）。このように、報酬計算部６２０は、指定空振り量Ｈ２の有無によって報酬基準を切り替える。
　関数更新部６２１は、報酬計算部６２０によって計算される報酬に従って、調整後パラメータＨ６を決定するための関数を更新し、学習済モデルとして学習済モデル記憶部８０に出力する。例えばＱ学習の場合、関数更新部６２１は、式（１）で表される行動価値関数Ｑ（ｓt，ａt）を、調整後パラメータＨ６を算出するための関数として用いる。
　モデル生成部６２は、以上のような学習を繰り返し実行する。学習済モデル記憶部８０は、関数更新部６２１によって更新された行動価値関数Ｑ（ｓt，ａt）、すなわち、学習済モデルを記憶する。学習済モデル記憶部８０は、学習装置６０内に配置されてもよいし、学習装置６０の外部に配置されてもよい。また。学習済モデル記憶部８０は、数値制御装置１内に配置されてもよいし、数値制御装置１の外部に配置されてもよい。
　次に、図８を用いて、学習装置が調整後パラメータＨ６を学習する処理について説明する。図８は、実施の形態にかかる学習装置による学習処理の処理手順を示すフローチャートである。
　データ取得部６１は、調整後パラメータＨ６、指定空振り量Ｈ２、および推定空振り量Ｈ９を、学習用データとして取得する（ステップＳ１１０）。
　モデル生成部６２は、指定空振り量Ｈ２および推定空振り量Ｈ９に基づいて報酬を計算する（ステップＳ１２０）。具体的には、モデル生成部６２の報酬計算部６２０が、指定空振り量Ｈ２および推定空振り量Ｈ９を取得し、予め定められた報酬基準（空振り量差の増減）に基づいて報酬を増加させるかまたは報酬を減じるかを判断する。
　報酬計算部６２０は、報酬を増大させると判断した場合に（ステップＳ１２０、空振り量差が減少）報酬を増やす（ステップＳ１３０）。すなわち、報酬計算部６２０は、空振り量差が減少したことで、報酬増大基準を満たす場合に、報酬を増大させる。
　一方、報酬計算部６２０は、報酬を減少させると判断した場合に（ステップＳ１２０、空振り量差が増加）報酬を減らす（ステップＳ１４０）。すなわち、報酬計算部６２０は、空振り量差が増加したことで、報酬減少基準を満たす場合に、報酬を減少させる。
　関数更新部６２１は、報酬計算部６２０によって計算された報酬に基づいて、学習済モデル記憶部８０が記憶する式（１）で表される行動価値関数Ｑ（ｓt，ａt）を更新する（ステップＳ１５０）。
　学習装置６０は、以上のステップＳ１１０からＳ１５０までのステップを繰り返し実行し、生成された行動価値関数Ｑ（ｓt，ａt）を学習済モデルとして、学習済モデル記憶部８０に記憶させる。
＜活用フェーズ＞
　図９は、実施の形態にかかる数値制御装置が備える推論装置の構成を示す図である。推論装置７０は、データ取得部７１と、推論部７２とを備えている。データ取得部７１は、指定空振り量Ｈ２および推定空振り量Ｈ９を取得する。
　データ取得部７１は、指定空振り量Ｈ２を解析部２０から取得する。データ取得部７１は、推定空振り量Ｈ９を学習装置６０のモニタリング部６３から取得してもよいし、自ら算出してもよい。データ取得部７１が推定空振り量Ｈ９を算出する場合、推論装置７０は、モニタリング部６３と同様のモニタリング部を備えている。なお、データ取得部７１が、モニタリング部６３と同様の処理によって推定空振り量Ｈ９を算出してもよい。データ取得部７１が、モニタリング部６３と同様の処理によって推定空振り量Ｈ９を算出する場合、データ取得部７１は、ＦＢ位置Ｈ３、切削負荷量Ｈ４、および合成位置指令Ｈ８に基づいて、推定空振り量Ｈ９を推定する。
　推論部７２は、学習済モデル記憶部８０に記憶されている学習済モデルを利用して、調整後パラメータＨ６を推論する。すなわち、推論部７２は、この学習済モデルにデータ取得部７１が取得した指定空振り量Ｈ２および推定空振り量Ｈ９を入力することで、指定空振り量Ｈ２および推定空振り量Ｈ９に適した、調整後パラメータＨ６を推論することができる。推論部７２は、推論した調整後パラメータＨ６を、振動波形生成部１２に送る。これにより、調整後パラメータＨ６を用いた振動切削が実行される。
　なお、本実施の形態では、推論装置７０が、数値制御装置１のモデル生成部６２で学習した学習済モデルを用いて調整後パラメータＨ６を出力するものとして説明したが、推論装置７０は、他の数値制御装置から学習済モデルを取得してもよい。この場合、推論装置７０は、他の数値制御装置から取得した学習済モデルに基づいて調整後パラメータＨ６を出力する。
　つぎに、図１０を用いて、推論装置７０が調整後パラメータＨ６を推論する処理について説明する。図１０は、実施の形態にかかる推論装置による推論処理の処理手順を示すフローチャートである。
　推論装置７０のデータ取得部７１は、指定空振り量Ｈ２および推定空振り量Ｈ９を、推論用データとして取得する（ステップＳ２１０）。
　推論部７２は、学習済モデル記憶部８０で記憶されている学習済モデルに、推論用データである指定空振り量Ｈ２および推定空振り量Ｈ９を入力し（ステップＳ２２０）、入力した情報に対応する調整後パラメータＨ６を得る。推論部７２は、得られた調整後パラメータＨ６を、パラメータ調整部４０を介して制御部１０に出力する（ステップＳ２３０）。
　制御部１０の振動波形生成部１２は、推論部７２から出力された調整後パラメータＨ６を用いて、振動波形Ｈ７を生成する（ステップＳ２４０）。これにより、数値制御装置１は、指定空振り量Ｈ２が設定されている場合には、推定空振り量Ｈ９が指定空振り量Ｈ２となるように調整後パラメータＨ６を調整して振動切削を実行する。また、数値制御装置１は、指定空振り量Ｈ２が設定されていない場合には、推定空振り量Ｈ９が０よりも大きな最小の空振り量となるように調整後パラメータＨ６（振動振幅送り比率Ｑ１など）を調整して振動切削を実行する。換言すると、数値制御装置１は、最小の空振り量が生じる調整後パラメータＨ６を算出し、この調整後パラメータＨ６で振動切削を制御する。
　０ではない最小の空振り量は、切粉の脱落が可能な空振り量のうちで最小となる空振り量である。数値制御装置１は、これまでの振動切削時における切削負荷量Ｈ４に基づいて、切粉の脱落が可能な空振り量を設定しておく。
　なお、モデル生成部６２は、学習アルゴリズムとして、特徴量そのものの抽出を学習する、深層学習（Deep　Learning）を用いることもできる。また、モデル生成部６２は、他の公知の方法、例えばニューラルネットワーク、遺伝的プログラミング、機能論理プログラミング、サポートベクターマシンなどに従って機械学習を実行してもよい。
　学習装置６０および推論装置７０は、例えば、ネットワークを介して数値制御装置１に接続された、数値制御装置１とは別個の装置であってもよい。また、学習装置６０および推論装置７０は、数値制御装置１に内蔵されていてもよい。さらに、学習装置６０および推論装置７０は、クラウドサーバ上に存在していてもよい。
　また、モデル生成部６２は、複数の数値制御装置１から取得される学習用データを用いて、調整後パラメータＨ６を学習するようにしてもよい。なお、モデル生成部６２は、同一のエリアで使用される複数の数値制御装置１から学習用データを取得してもよいし、異なるエリアで独立して動作する複数の数値制御装置１から収集される学習用データを利用して調整後パラメータＨ６を学習してもよい。また、学習用データを収集する数値制御装置１を途中で対象に追加してもよいし、対象から除去することも可能である。さらに、ある数値制御装置１に関して調整後パラメータＨ６を学習した学習装置６０を、これとは別の数値制御装置１に適用し、当該別の数値制御装置１に関して調整後パラメータＨ６を再学習して更新するようにしてもよい。
　このように、実施の形態の数値制御装置１は、使用者によって設定された指定空振り量Ｈ２に推定空振り量Ｈ９が近づくように調整後パラメータＨ６を学習して出力している。
　図１１は、実施の形態にかかる推論装置が推論した調整後パラメータが振動切削に用いられた場合の、推定空振り量および指定空振り量を説明するための図である。図１１に示すグラフの横軸は主軸回転角度であり、縦軸は送り軸位置である。図１１では、主軸回転角度に対する送り軸位置を示している。
　波形５１Ｅが、被加工物の１回転目における工具の送り軸位置を示す波形であり、波形５２Ｅが、被加工物の２回転目における工具の送り軸位置を示す波形である。波形５１Ｅよりも下の領域で、且つ波形５２Ｅよりも上の領域が空振り領域Ｅ２である。図１１では、推定空振り量Ｈ９を空振り量Ｅ１で示している。
　数値制御装置１は、使用者によって空振り領域Ｅ２に対応する空振り量（指定空振り量Ｈ２）が設定されると、推定空振り量Ｈ９（空振り量Ｅ１）が指定空振り量Ｈ２と同じになるように、調整後パラメータＨ６を調整する。これにより、推定空振り量Ｈ９が指定空振り量Ｈ２と同じになる。
　振動切削が行われる際には、サーボモータの追従遅れが発生する場合、空振り領域が小さい場合などがある。このような場合に、本実施の形態の数値制御装置１のように調整後パラメータＨ６を調整しなければ、切粉が脱落しない場合がある。一方、本実施の形態の数値制御装置１は、切削負荷量Ｈ４に基づいて、調整後パラメータＨ６を調整しているので、切粉が脱落しない場合であっても調整後パラメータＨ６の調整によって切粉を脱落させることができる。
　ここで、数値制御装置１のハードウェア構成について説明する。図１２は、実施の形態にかかる数値制御装置を実現するハードウェア構成例を示す図である。
　数値制御装置１は、入力装置２４０、プロセッサ２１０、メモリ２２０、および出力装置２３０により実現することができる。プロセッサ２１０の例は、ＣＰＵ（Central　Processing　Unit、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、ＤＳＰ（Digital　Signal　Processor）ともいう）またはシステムＬＳＩ（Large　Scale　Integration）である。メモリ２２０の例は、ＲＡＭ（Random　Access　Memory）、ＲＯＭ（Read　Only　Memory）である。
　数値制御装置１は、プロセッサ２１０が、メモリ２２０で記憶されている数値制御装置１の動作を実行するための、コンピュータで実行可能な、加工プログラム３１を読み出して実行することにより実現される。数値制御装置１の動作を実行するためのプログラムである加工プログラム３１は、数値制御装置１の手順または方法をコンピュータに実行させるものであるともいえる。
　数値制御装置１で実行される加工プログラム３１は、制御部１０と、解析部２０と、パラメータ調整部４０とを含むモジュール構成となっており、これらが主記憶装置上にロードされ、これらが主記憶装置上に生成される。
　入力装置２４０は、使用者または外部装置から指定空振り量Ｈ２、パラメータＨ５、および加工プログラム３１を受付けてメモリ２２０に送る。
　メモリ２２０は、記憶部３０および学習済モデル記憶部８０に対応している。メモリ２２０は、学習済モデル、指定空振り量Ｈ２、パラメータＨ５、調整後パラメータＨ６、および加工プログラム３１などを記憶する。学習済モデル、指定空振り量Ｈ２、パラメータＨ５、調整後パラメータＨ６、および加工プログラム３１は、プロセッサ２１０に送られる。また、メモリ２２０は、プロセッサ２１０が各種処理を実行する際の一時メモリに使用される。出力装置２３０は、合成位置指令Ｈ８を動力部３に送る。
　加工プログラム３１は、インストール可能な形式または実行可能な形式のファイルで、コンピュータが読み取り可能な記憶媒体に記憶されてコンピュータプログラムプロダクトとして提供されてもよい。また、加工プログラム３１は、インターネットなどのネットワーク経由で数値制御装置１に提供されてもよい。なお、数値制御装置１の機能について、一部を専用回路などの専用のハードウェアで実現し、一部をソフトウェアまたはファームウェアで実現するようにしてもよい。また、数値制御装置１、学習装置６０、および推論装置７０のそれぞれを別々のハードウェア構成によって実現してもよい。
　このように実施の形態によれば、数値制御装置１が、振動切削を行う際の切削負荷量Ｈ４に基づいて、振動切削に用いる調整後パラメータＨ６を算出し、調整後パラメータＨ６を用いて振動切削を制御するので、使用者がパラメータ調整を行うことなく振動切削の制御を継続することが可能となる。
　また、数値制御装置１は、切粉が分断されるように、自動でパラメータ調整をしながら振動切削を行うので、切粉が分断されずに振動切削が続けられることを防止できる。
　また、使用者は振動切削の指令のみを数値制御装置１に入力すればよく、パラメータ調整行う必要がないので、ユーザビリティが向上する。
　また、数値制御装置１は、工作機械２の長時間の連続運転によって工具が摩耗し、空振り領域が変化してしまう場合であっても、使用者がパラメータ調整を行うことなく振動切削を制御することができる。
　また、数値制御装置１は、工具の送り速度Ｆを変化させた場合であっても使用者がパラメータ調整を行うことなく振動切削を制御することができる。
　以上の実施の形態に示した構成は、一例を示すものであり、別の公知の技術と組み合わせることも可能であるし、要旨を逸脱しない範囲で、構成の一部を省略、変更することも可能である。
　１　数値制御装置、２　工作機械、３　動力部、１０　制御部、１１　位置指令生成部、１２　振動波形生成部、１３　加算部、２０　解析部、３０　記憶部、３１　加工プログラム、３２　パラメータ格納領域、４０　パラメータ調整部、５１Ａ，５２Ａ，５１Ｂ，５２Ｂ，５１Ｃ，５２Ｃ，５１Ｄ，５２Ｄ，５１Ｅ，５２Ｅ　波形、５３Ｃ，５３Ｄ　切削負荷量波形、６０　学習装置、６１，７１　データ取得部、６２　モデル生成部、６３　モニタリング部、７０　推論装置、７２　推論部、８０　学習済モデル記憶部、１００　加工システム、２１０　プロセッサ、２２０　メモリ、２３０　出力装置、２４０　入力装置、６２０　報酬計算部、６２１　関数更新部、Ａ１，Ｄ１，Ｅ１　空振り量、Ａ２，Ｂ２，Ｄ２，Ｅ２　空振り領域、Ａ３，Ｂ３　振幅量、Ｄ４　空振り期間、Ｈ１　位置指令、Ｈ２　指定空振り量、Ｈ３　ＦＢ位置、Ｈ４　切削負荷量、Ｈ５　パラメータ、Ｈ６　調整後パラメータ、Ｈ７　振動波形、Ｈ８　合成位置指令、Ｈ９　推定空振り量。

Claims (12)

  1. 　工具を駆動する第１の軸、または被加工物を駆動する第２の軸を駆動させることによって、前記工具と前記被加工物とを相対的に振動させる振動切削を行いながら前記被加工物の加工を行う数値制御装置であって、
    　前記振動切削を行う際に前記第１の軸または前記第２の軸に発生する切削負荷量に基づいて、前記振動切削の振動条件に関するパラメータを調整するパラメータ調整部と、
    　調整された前記パラメータを用いて前記振動切削を制御する制御部と、
    　を備える、
    　ことを特徴とする数値制御装置。
  2. 　前記パラメータ調整部は、前記振動切削の際に前記被加工物に対して前記工具が空振りする際の空振り量の指令値である指定空振り量と、前記空振り量の推定値である推定空振り量との間に差がある場合、前記推定空振り量が前記指定空振り量に近づく前記パラメータを算出する、
    　ことを特徴とする請求項１に記載の数値制御装置。
  3. 　前記切削負荷量の変化量に基づいて、前記振動切削の際に前記被加工物に対して前記工具が空振りする際の空振り区間を判定し、前記空振り区間で空振り量を算出することで前記推定空振り量を推定する、
    　ことを特徴とする請求項２に記載の数値制御装置。
  4. 　前記パラメータ調整部は、前記振動切削の際に前記被加工物に対して前記工具が空振りする際の空振り量の推定値が、０よりも大きな最小の空振り量となる前記パラメータを算出する、
    　ことを特徴とする請求項１に記載の数値制御装置。
  5. 　前記パラメータは、前記工具の振動の振幅量と、前記工具の前記第２の軸に平行な方向への送り速度との比率である振動振幅送り比率を含んでいる、
    　ことを特徴とする請求項１から３の何れか１つに記載の数値制御装置。
  6. 　前記パラメータを学習する学習装置をさらに備え、
    　前記学習装置は、
    　前記推定空振り量と、前記推定空振り量に対応付けされた前記パラメータとを含む学習用データを取得するデータ取得部と、
    　前記学習用データを用いて、前記推定空振り量から前記パラメータを推論するための学習済モデルを生成するモデル生成部と、
    　を有する、
    　ことを特徴とする請求項２に記載の数値制御装置。
  7. 　前記パラメータを推論する推論装置をさらに備え、
    　前記推論装置は、
    　前記推定空振り量を取得するデータ取得部と、
    　前記推定空振り量から前記パラメータを推論するための学習済モデルを用いて、前記データ取得部で取得した前記推定空振り量から前記パラメータを出力する推論部と、
    　を有する、
    　ことを特徴とする請求項２に記載の数値制御装置。
  8. 　工具を駆動する第１の軸、または被加工物を駆動する第２の軸を駆動させることによって、前記工具と前記被加工物とを相対的に振動させながら前記被加工物への振動切削を行う際の前記被加工物に対する前記工具の空振り量の推定値である推定空振り量と、前記推定空振り量に対応付けされた前記振動切削に用いるパラメータとを含む学習用データを取得するデータ取得部と、
    　前記学習用データを用いて、前記推定空振り量から前記パラメータを推論するための学習済モデルを生成するモデル生成部と、
    　を備える、
    　ことを特徴とする学習装置。
  9. 　前記データ取得部は、前記推定空振り量と、前記空振り量の指令値である指定空振り量と、前記推定空振り量および指定空振り量に対応付けされた前記パラメータとを含む前記学習用データを取得し、
    　前記モデル生成部は、前記学習用データを用いて、前記推定空振り量および前記指定空振り量から前記パラメータを推論するための学習済モデルを生成する、
    　ことを特徴とする請求項８に記載の学習装置。
  10. 　工具を駆動する第１の軸、または被加工物を駆動する第２の軸を駆動させることによって、前記工具と前記被加工物とを相対的に振動させながら前記被加工物への振動切削を行う際の前記被加工物に対する前記工具の空振り量の推定値である推定空振り量を取得するデータ取得部と、
    　前記推定空振り量から前記振動切削に用いるパラメータを推論するための学習済モデルを用いて、前記データ取得部で取得した前記推定空振り量から前記パラメータを推論して出力する推論部と、
    　を備える、
    　ことを特徴とする推論装置。
  11. 　前記データ取得部は、前記推定空振り量と、前記空振り量の指令値である指定空振り量とを取得し、
    　前記推論部は、前記推定空振り量および前記指定空振り量から前記パラメータを推論するための前記学習済モデルを用いて、前記データ取得部で取得した前記推定空振り量および前記指定空振り量から前記パラメータを推論して出力する、
    　ことを特徴とする請求項１０に記載の推論装置。
  12. 　工具を駆動する第１の軸、または被加工物を駆動する第２の軸を駆動させることによって、前記工具と前記被加工物とを相対的に振動させる振動切削を行いながら前記被加工物の加工を行う数値制御方法であって、
    　数値制御装置が、前記振動切削を行う際に前記第１の軸または前記第２の軸に発生する切削負荷量に基づいて、前記振動切削の振動条件に関するパラメータを調整するパラメータ調整ステップと、
    　数値制御装置が、調整された前記パラメータを用いて前記振動切削を制御する制御ステップと、
    　を含む、
    　ことを特徴とする数値制御方法。
PCT/JP2021/021045 2021-06-02 2021-06-02 数値制御装置、学習装置、推論装置、および数値制御方法 WO2022254621A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
DE112021005641.7T DE112021005641T5 (de) 2021-06-02 2021-06-02 Numerische Steuervorrichtung, Lernvorrichtung, Inferenzvorrichtung und numerisches Steuerverfahren
JP2021562177A JP7158604B1 (ja) 2021-06-02 2021-06-02 数値制御装置、学習装置、推論装置、および数値制御方法
PCT/JP2021/021045 WO2022254621A1 (ja) 2021-06-02 2021-06-02 数値制御装置、学習装置、推論装置、および数値制御方法
US18/039,970 US11921489B2 (en) 2021-06-02 2021-06-02 Numerical control device, learning apparatus, inference apparatus, and numerical control method
CN202180087230.4A CN116745712B (zh) 2021-06-02 2021-06-02 数控装置、学习装置、推断装置及数控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/021045 WO2022254621A1 (ja) 2021-06-02 2021-06-02 数値制御装置、学習装置、推論装置、および数値制御方法

Publications (1)

Publication Number Publication Date
WO2022254621A1 true WO2022254621A1 (ja) 2022-12-08

Family

ID=83691985

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/021045 WO2022254621A1 (ja) 2021-06-02 2021-06-02 数値制御装置、学習装置、推論装置、および数値制御方法

Country Status (5)

Country Link
US (1) US11921489B2 (ja)
JP (1) JP7158604B1 (ja)
CN (1) CN116745712B (ja)
DE (1) DE112021005641T5 (ja)
WO (1) WO2022254621A1 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024069954A1 (ja) * 2022-09-30 2024-04-04 ファナック株式会社 工作機械の制御装置及び工作機械の表示装置
JP7252426B1 (ja) * 2022-09-30 2023-04-04 ファナック株式会社 工作機械の制御装置及び工作機械の表示装置
JP7422949B1 (ja) 2023-02-20 2024-01-26 三菱電機株式会社 数値制御装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006334732A (ja) * 2005-06-02 2006-12-14 Konica Minolta Opto Inc 切削工具、切削加工方法、切削加工装置、光学素子成形用金型、光学素子及び光学素子成形用金型の切削加工方法
JP5745710B1 (ja) * 2014-04-23 2015-07-08 三菱電機株式会社 数値制御装置

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5854726Y2 (ja) 1980-08-29 1983-12-14 和泉電気株式会社 シ−ル装置
US4753890A (en) * 1986-04-29 1988-06-28 Eastman Kodak Company Analytical element and method for determination of magnesium ions
JP3790378B2 (ja) 1999-01-21 2006-06-28 日産自動車株式会社 金型中仕上げ加工用工具中心移動範囲抽出方法
US8538574B2 (en) * 2009-04-02 2013-09-17 Dmg Electronics Gmbh Method and apparatus for generating control data for controlling a tool on a machine tool
CN107073611B (zh) * 2014-10-28 2019-04-12 三菱电机株式会社 数控装置
US10625355B2 (en) * 2014-10-28 2020-04-21 Mitsubishi Electric Corporation Numerical control device
JP6721307B2 (ja) 2015-09-16 2020-07-15 ファナック株式会社 複数軸を備えた工作機械の制御装置
JP6967357B2 (ja) 2017-03-01 2021-11-17 シチズン時計株式会社 工作機械の制御装置および工作機械
ES2969651T3 (es) 2017-03-29 2024-05-21 Citizen Watch Co Ltd Dispositivo de control para máquina herramienta y máquina herramienta
JP6595537B2 (ja) 2017-07-27 2019-10-23 ファナック株式会社 揺動切削を行う工作機械の制御装置
JP6990134B2 (ja) 2018-03-23 2022-01-12 シチズン時計株式会社 切削装置及びその制御方法
JP6940474B2 (ja) * 2018-12-05 2021-09-29 ファナック株式会社 工作機械
JP6959278B2 (ja) * 2019-02-27 2021-11-02 ファナック株式会社 びびり振動判定装置、機械学習装置及びシステム
JP7252040B2 (ja) * 2019-04-03 2023-04-04 ファナック株式会社 数値制御装置
US11474497B2 (en) 2019-06-28 2022-10-18 Mitsubishi Electric Corporation Numerical control device, machine learning device, and numerical control method
JP7497968B2 (ja) 2019-10-01 2024-06-11 ファナック株式会社 数値制御装置、工作機械システム及び数値制御方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006334732A (ja) * 2005-06-02 2006-12-14 Konica Minolta Opto Inc 切削工具、切削加工方法、切削加工装置、光学素子成形用金型、光学素子及び光学素子成形用金型の切削加工方法
JP5745710B1 (ja) * 2014-04-23 2015-07-08 三菱電機株式会社 数値制御装置

Also Published As

Publication number Publication date
DE112021005641T5 (de) 2023-08-03
JPWO2022254621A1 (ja) 2022-12-08
US11921489B2 (en) 2024-03-05
JP7158604B1 (ja) 2022-10-21
CN116745712B (zh) 2024-05-07
CN116745712A (zh) 2023-09-12
US20230393551A1 (en) 2023-12-07

Similar Documents

Publication Publication Date Title
WO2022254621A1 (ja) 数値制御装置、学習装置、推論装置、および数値制御方法
JP6740277B2 (ja) 機械学習装置、制御装置、及び機械学習方法
CN110376964B (zh) 机器学习装置、控制装置以及机器学习方法
CN108628355B (zh) 伺服控制装置及***、机器学习装置及方法
JP6063013B1 (ja) びびり或いは工具摩耗／破損の発生を抑制する加工条件調整機能を有する数値制御装置
JP6748135B2 (ja) 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
JP6474449B2 (ja) 調整装置及び調整方法
JP6697491B2 (ja) 機械学習装置、サーボモータ制御装置、サーボモータ制御システム、及び機械学習方法
JP6564432B2 (ja) 機械学習装置、制御システム、制御装置、及び機械学習方法
JP6474456B2 (ja) 機械学習装置、サーボ制御システム及び機械学習方法
JP6784722B2 (ja) 出力装置、制御装置、及び評価関数値の出力方法
WO2020008587A1 (ja) 数値制御装置
CN111857052A (zh) 机器学习装置、数值控制***以及机器学习方法
JPWO2022254621A5 (ja)
US11914333B2 (en) Machine learning device, servo control device, servo control system, and machine learning method
JP2020035213A (ja) 機械学習装置、制御システム及び機械学習方法
JP6806746B2 (ja) モータ制御装置
JP6978452B2 (ja) 機械学習装置、制御装置、及び機械学習の探索範囲の設定方法
JP6740263B2 (ja) 機械学習装置、サーボモータ制御装置、サーボモータ制御システム、及び機械学習方法
JP2002091570A (ja) サーボ制御方法
JP7313585B1 (ja) 駆動条件決定装置および駆動条件決定方法
JP6740290B2 (ja) 機械学習装置、制御装置、及び機械学習方法
WO2022219670A1 (ja) 加工条件設定装置、加工条件設定方法、および放電加工装置

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2021562177

Country of ref document: JP

Kind code of ref document: A

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21944125

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 202180087230.4

Country of ref document: CN

122 Ep: pct application non-entry in european phase

Ref document number: 21944125

Country of ref document: EP

Kind code of ref document: A1