[go: up one dir, main page]

CN108021099A - 机械学习装置以及加工时间预测装置 - Google Patents

机械学习装置以及加工时间预测装置 Download PDF

Info

Publication number
CN108021099A
CN108021099A CN201711021414.2A CN201711021414A CN108021099A CN 108021099 A CN108021099 A CN 108021099A CN 201711021414 A CN201711021414 A CN 201711021414A CN 108021099 A CN108021099 A CN 108021099A
Authority
CN
China
Prior art keywords
processing
mechanical movement
process time
servo control
time
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.)
Granted
Application number
CN201711021414.2A
Other languages
English (en)
Other versions
CN108021099B (zh
Inventor
石割久辉
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
Publication of CN108021099A publication Critical patent/CN108021099A/zh
Application granted granted Critical
Publication of CN108021099B publication Critical patent/CN108021099B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • 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
    • G05B19/18—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
    • 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
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31455—Monitor process status
    • 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
    • G05B2219/32—Operator till task planning
    • G05B2219/32335—Use of ann, neural network
    • 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
    • G05B2219/33—Director till display
    • G05B2219/33034—Online learning, training
    • 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
    • G05B2219/33—Director till display
    • G05B2219/33301—Simulation during machining
    • 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
    • G05B2219/39—Robotics, robotics to robotics hand
    • G05B2219/39271—Ann artificial neural network, ffw-nn, feedforward neural network
    • 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
    • G05B2219/49181—Calculation, estimation, creation of error model using measured error values

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Numerical Control (AREA)
  • Machine Tool Sensing Apparatuses (AREA)

Abstract

本发明提供一种机械学习装置以及加工时间预测装置。机械学习装置在进行加工时从数值控制装置(1)取得该加工所涉及的信息，并且，在进行加工时，取得在该加工中所发生的伺服控制以及机械运动的实际延迟时间。然后，进行将取得的加工所涉及的信息作为输入数据，并将所取得的伺服控制以及机械运动的实际的延迟时间作为教师数据的有教师学习，构筑学习模型，并以较高的精度预测在机械中所发生的机械延迟时间。

Description

机械学习装置以及加工时间预测装置
技术领域
本发明涉及一种机械学习装置以及加工时间预测装置，尤其涉及一种学习针对加工状况的伺服控制以及机械运动的延迟时间的机械学习装置以及加工时间预测装置。
背景技术
使用机床加工工件时，一般而言，若为了缩短加工时间而提高加工速度则加工精度变低，相反，若为了延长加工时间而降低加工速度则加工精度变好。因此，使用机床加工工件的使用者希望能够以预先设定的容许加工误差内的加工精度，在尽可能短的加工时间内对工件进行加工。但是，不能简单地知道若以怎样程度的加工时间进行加工则能够以怎样程度的加工误差对工件进行加工。
因此，反复进行各种试错，如在改变参数等设定的同时进行试加工从而尝试在维持加工精度的同时缩短加工时间，或者不进行试加工而进行仿真来预测加工精度和加工时间等。
作为与进行加工时间的预测相关的主要的现有技术，有日本特开2003-175439号公报、日本特开2012-243152号公报、日本特开平11-028643号公报以及日本特开2014-038482号公报、公开技报第2012-502270号。
日本特开2003-175439号公报中公开了一种按辅助码积累辅助功能的时间，并将其平均值反映到预测加工时间，来预测精确的加工时间的技术。日本特开2012-243152号公报中公开了一种通过仿真伺服动作，能够预测更精确的加工时间以及加工误差的技术。日本特开平11-028643号公报中公开了一种在加工中测定实际加工的时间，通过对该实加工时间上加上预测加工时间，来预测比预测加工时间更精确的加工时间的技术。另外，在日本特开2014-038482号公报中公开了一种技术，其将刀具路径分割为比程序块更精细的被称为段的单位，在考虑数值控制装置的处理能力的基础上，加上段的移动时间而作为加工时间，从而能够预测考虑了加减速时间或程序的执行顺序的精确的加工时间。并且，在公开技报第2012-502270号公开的技术中，计算加减速导致的延迟、伺服控制导致的延迟、机械运动的延迟，来预测加工时间。
一般而言，在机械动作时，由于基于各部中产生的摩擦力的动作延迟或反馈系统的延迟、因惯性而产生的动作延迟等，会产生加减速导致的延迟、伺服控制导致的延迟、机械运动的延迟等所谓的机械延迟(图6A以及图6B)。然而，在日本特开2003-175439号公报、日本特开2012-243152号公报所公开的技术中，由于并未考虑此种机械延迟，因而存在加工时间预测结果中出现误差的问题。另外，在日本特开平11-028643号公报所公开的技术中，在接近加工结束近旁预测精度变高，但是在加工的初期阶段中机械延迟并未充分反映于预测结果，因而在加工时间预测结果中出现误差。并且，在日本特开2014-038482号公报、公开技报第2012-502270号所公开的技术中，虽然暗示了计算机械延迟的时间，但是并未公开具体的计算机械延迟的时间的方法，另外，由于每个机械中机械延迟的特性不同，假设即使公开了计算方法也难以应对全部种类的机械延迟，从而无法精确地进行预测。
一般而言，机械延迟在控制对象进行加减速时变大。因此，认为可以通过预先实验等事先测定因机械延迟而发生的预测加工时间与实际加工时间之间的背离时间，根据测定出的背离时间和加工中的加减速的次数通过对预测加工时间进行补正的方法来进行高精度的加工时间的预测，但是实际上，在加工程序中含有的1个指令的执行中、2个连续的程序指令之间发生的机械延迟(例如，G28指令或加工循环指令的执行中产生的机械延迟、在G00指令之后执行G01指令时的G00指令和G01指令之间发生的机械延迟)会因该指令的类别、2个程序指令类别的组(伴随顺序的组合)、工件的重量、加工速度等各种因素而不同，因此存在即使简单地测定并使用背离时间加工时间的预测精度的提高也有限的问题。
发明内容
因此，本发明的目的在于提供一种能够更高精度地预测机械中发生的机械延迟时间的机械学习装置。
在本发明中，通过将机械学习(有教师学习)导入到加工时间的预测中来解决上述课题。本发明的机械学习装置基于通过机械实际进行的测试加工取得的每个控制周期的移动量、程序指令或者程序指令的组、加工速度、工件的重量等各种的数据和伺服控制以及机械运动的延迟时间的学习，并根据每个控制周期的移动量、程序指令或程序指令的组、加工速度、工件的重量等输入数据，构筑对伺服控制以及机械运动的延迟时间进行预测的学习模型。在学习模型构筑完成后，通过对想要进行加工时间的预测的程序进行仿真来求出与学习中使用的输入数据相同的输入数据，并将求出的输入数据提供给本发明的机械学习装置，由此对伺服控制以及机械运动的延迟时间进行预测。然后，将计算出的伺服控制以及机械运动的延迟时间加算到以往的未考虑伺服控制以及机械运动的延迟时间的加工时间预测结果中，由此能够更高精度地对加工时间进行预测。
关于本发明的机械学习装置的第1实施方式，在基于加工程序对至少具备一个轴的机械进行控制的数值控制装置中，学习在进行基于所述加工程序的工件的加工时所产生的伺服控制以及机械运动的延迟时间。该机械学习装置具备：状态观测部，其在进行所述加工时，从所述数值控制装置取得该加工所涉及的信息；标签取得部，其在进行所述加工时，取得在该加工中发生的伺服控制以及机械运动的实际的延迟时间；学习部，其进行有教师学习并构筑学习模型，该有教师学习是将所述状态观测部取得的加工所涉及的信息作为输入数据，并将所述标签取得部取得的伺服控制以及机械运动的实际的延迟时间作为教师数据的学习；以及学习模型存储部，其存储所述学习模型。
所述加工所涉及的信息至少包括发生伺服控制以及机械运动的延迟时间的指令所涉及的信息、以及前后连续的程序指令的组所涉及的信息中的至少一个。
关于本发明的机械学习装置的第2实施方式，在基于加工程序对至少具备一个轴的机械进行控制的数值控制装置中，预测在进行基于所述加工程序的工件的加工时所发生的伺服控制以及机械运动的延迟时间。该机械学习装置具备：学习模型存储部，其存储通过有教师学习而构筑的学习模型，该有教师学习是将所述加工所涉及的信息作为输入数据，并将在所述加工中发生的伺服控制以及机械运动的实际的延迟时间作为教师数据的学习；状态观测部，其取得通过基于所述加工程序的加工仿真计算出的、基于所述加工程序的工件的加工所涉及的信息；以及预测部，其基于所述学习模型，从所述状态观测部取得的加工所涉及的信息预测伺服控制以及机械运动的延迟时间。
所述加工所涉及的信息至少包括发生伺服控制以及机械运动的延迟时间的指令所涉及的信息、以及前后连续的程序指令的组所涉及的信息中的至少一个。
另外，本发明的加工时间预测装置具备：基准加工时间预测部，其基于加工程序预测不包含伺服控制以及机械运动的延迟时间的基准加工时间；补正时间计算部，其基于上述本发明的机械学习装置的第2方式从所述加工程序预测到的伺服控制以及机械运动的延迟时间，计算出用于对所述基准加工时间进行补正的补正时间；以及加工时间预测部，其计算出将所述基准加工时间以所述补正时间进行补正而得的预测加工时间。
根据本发明，能够进行考虑了伺服控制以及机械运动的延迟等机床特性的更高精度的加工时间的预测。
附图说明
图1是本发明一实施方式的机械学习装置学习时的概要性功能框图。
图2是对机械学习装置所进行的学习的概要进行说明的图。
图3是表示将多层神经网络用作学习模型的例子的图。
图4是对输入数据的数值化进行说明的图。
图5是表示一般的数值控制装置的主要部分的硬件结构图。
图6A以及图6B是说明标签取得部进行的伺服控制以及机械运动的实际的延迟时间的测量方法的图。
图7是使用本发明的一实施方式的机械学习装置时的概要性功能框图。
图8是使用本发明的其他实施方式的机械学习装置时的概要性功能框图。
图9是说明机械延迟的图。
具体实施方式
图1是本发明的一实施方式的机械学习装置学习时的概要性功能框图。
本实施方式的机械学习装置110内置于数值控制装置1内，在数值控制装置1的控制部100基于加工程序200进行加工时，从控制部100取得各信息。另外，机械学习装置110不需要内置于数值控制装置1内，只要能够从数值控制装置1取得后述的各信息，则也可以是外部连接的形式，。
在说明机械学习装置110所具备的各结构之前，参照图2对机械学习装置110进行的学习概要进行说明。
如上所述，在加工程序的执行过程中，伺服控制以及机械运动的延迟时间有可能在加工流程中的1个指令的执行中(例如图2的D)以及前后2个连续的程序指令之间(例如图2的A、B、C)发生。因此，机械学习装置110在数值控制装置1执行加工程序200的过程中一边监控该加工程序的执行状况一边从数值控制装置1的各部分取得信息，将在某程序指令执行时、以及某程序指令的执行完成并开始下个程序块的执行时(基于数值控制装置1的程序块执行移动变化的定时)作为学习时间，基于在该学习定时(A，B，C，D，…)取得的各信息进行机械学习。机械学习装置110这样在数值控制装置1执行加工程序200中最大能够进行{除加工程序200的程序编号的程序块的数量+(除加工程序200的程序编号的程序块的数量－1)}次的学习。另外，机械学习装置110在未产生机械延迟时可以从学习对象中省略预先已知的时间。
接着，返回图1，对机械学习装置110所具备的各结构进行说明。机械学习装置110具备：学习部111、状态观测部112、标签取得部113、学习模型存储部114。
学习部111进行有教师学习，并构筑学习模型而存储于学习模型存储部114，该有教师学习是将状态观测部112从数值控制装置1的各部取得的加工所涉及的信息作为输入数据，并将标签取得部113取得的在加工中发生的伺服控制以及机械运动的实际的延迟时间作为教师数据(也被称为标签)的学习。学习部111构筑的学习模型如后所述地应用于伺服控制以及机械运动的延迟时间的推定。对于学习部111构筑的学习模型，只要是能够根据加工所涉及的信息学习或预测伺服控制以及机械运动的延迟时间的学习模型，则可以使用任意的学习模型。例如，可以使用后述的多层神经网络、贝叶斯网络(Bayesian network)等。
作为一例，例如将图3所示的多层神经网络用作学习模型时，将通过数值控制装置1进行的加工所涉及的数据分配为输入数据，并将该加工进行时所发生的伺服控制以及机械运动的实际延迟时间分配为教师数据，并通过深层学习等方法来进行学习。另外，在本说明书中省略了公知的神经网络、深层学习等的详细的说明。
返回到图1，状态观测部112从数值控制装置1的各部取得加工所涉及的信息，并将该取得的信息向学习部111输出。状态观测部112取得的加工所涉及的信息中包括加工条件的数据(工件的重量、工件的种类、夹具的重量、加工的种类)、实际加工的数据(时刻、学习定时中的1个指令或者学习定时的前后连续的2个程序指令的组)、每个控制周期的移动量等。
状态观测部112根据设定于数值控制装置1的未图示的存储器上的设置区域的各信息、存储于未图示的存储器上的图面数据或加工程序200、从各传感器输入到数值控制装置1的信号等，取得加工所涉及的信息。例如，对于工件的材质等可以从图面数据取得固定的信息，对于工件的重量等可以基于图像数据等取得固定的值，但是为了进行更严密的学习，还可以从设置于工件台的重量传感器取得各定时的实际的工件重量。
在状态观测部112取得的加工所涉及的信息中包括字符串等数值以外的信息时，还可以预先在未图示的存储器上存储例如图4所示那样的变换表，利用该变换表将数值以外的信息数值化。
标签取得部113测定并取得数值控制装置1执行加工程序的过程中发生的伺服控制以及机械运动的实际的延迟时间，并向学习部111输出测定出的伺服控制以及机械运动的实际的延迟时间。
以下，说明标签取得部113进行的伺服控制以及机械运动的实际的延迟时间的测定方法。
首先，图5示出了一般的数值控制装置和由该数值控制装置驱动控制的表示机床的主要部分的硬件结构图。
数值控制装置1所具备的CPU11是整体控制数值控制装置1的处理器。CPU11经由总线20读取ROM12中存储的系统程序，根据该系统程序对数值控制装置1整体进行控制。RAM13中存储有临时的计算数据或显示数据以及操作者经由CRT/MDI单元70输入的各种数据等。
非易失性存储器14例如是以未图示的电池进行备用，即使数值控制装置1的电源断开也能保持存储状态的存储器。非易失性存储器14中存储有经由接口15读取的加工程序或经由后述的CRT/MDI单元70输入的加工程序。非易失性存储器14中还可以存储运行加工程序时所使用的加工程序运行处理用程序、加工时间预测处理用程序等，这些程序在执行时在RAM13中展开。另外，在ROM12中可预先写入各种系统程序，该各种系统程序用于执行加工程序的制作以及编辑中所需的编辑模式的处理等。
接口15是用于将数值控制装置1与适配器等外部设备72连接的接口。从外部设备72侧读取加工程序或各种参数等。另外，在数值控制装置1内编辑的加工程序可经由外部设备72存储于外部存储设备。可编程机床控制器(PMC)16通过内置于数值控制装置1的序列/程序经由I/O单元17向机床的周边装置(例如被称为刀具交换用机械手的致动器)输出信号并进行控制。另外，PMC16接收配置于机床主体的操作盘的各种开关等的信号，进行必要的信号处理后，向CPU11传递。
CRT/MDI单元70是具备显示器、键盘等的手动数据输入装置，接口18接收来自CRT/MDI单元70的键盘的指令、数据并传递给CPU11。接口19连接于具备手动脉冲发生器等的操作盘71。
用于控制机床所具备的轴的轴控制电路30从CPU11接收轴的移动指令量，并将轴的指令向伺服放大器40输出。伺服放大器40接收该指令，并驱动使机床所具备的轴移动的伺服电动机50。轴的伺服电动机50中内置有位置/速度检测器，将来自该位置/速度检测器的位置/速度反馈信号反馈到轴控制电路30，并进行位置/速度的反馈控制。另外，图5的硬件结构图中，轴控制电路30、伺服放大器40、伺服电动机50仅示出了一个，但是实际上可以准备机床所具备的轴的数量。
主轴控制电路60接收向机床的主轴旋转指令，向主轴放大器61输出主轴速度信号。主轴放大器61接收该主轴速度信号，使使机床的主轴电动机62以所指令的旋转速度旋转，并驱动刀具。
通过齿轮或者传动带等，主轴电动机62与位置检测器63耦合，位置检测器63与主轴旋转同步地输出反馈脉冲，该反馈脉冲被CPU11读取。
另外，图1所示的数值控制装置1所具备的控制部100是通过执行加工程序200的解析处理的CPU11、控制各轴的轴控制电路30、伺服放大器40、主轴控制电路60或主轴放大器61等而实现的功能单元。
图6A以及图6B是说明基于标签取得部113的伺服控制以及机械运动的实际的延迟时间的测定方法的图。
若执行加工程序200中含有的用于轴控制的程序指令，则在数值控制装置1内对该程序指令进行解析，基于解析结果生成向伺服电动机50输出的每个控制周期的移动量。该生成的每个控制周期的移动量经由轴控制电路30、伺服放大器40在每个控制周期被输出到伺服电动机50。伺服电动机50仅移动该每个控制周期的移动量的量，位置/速度的反馈从伺服电动机50返回至轴控制电路30，但是因各种理由(基于在机械的各部发生的摩擦力的动作延迟、因反馈系统的延迟、惯性发生的动作延迟等)，伺服电动机50在该控制周期在本应移动的位置与实际的伺服电动机50的位置之间产生偏差，与该偏差量相当的每个控制周期的移动量为误差量，为了在下个控制周期修正位置偏差而被输出。
标签取得部113对每个程序指令的每个控制周期的移动量的输出状况以及误差量的输出状况进行监控，测定不输出每个控制周期的移动量而仅输出误差量的时间，将该测定的时间作为伺服控制以及机械运动的实际延迟时间。伺服控制以及机械运动的实际的延迟时间可能产生于1个指令的执行中(图6A)或产生于前后连续的2个程序指令之间(图6B)，因而测定的伺服控制以及机械运动的实际的延迟时间与1个指令或者前后连续的2个程序指令的组相对应起来用于学习。另外，为了测定时间，标签取得部113例如使用内置于数值控制装置1或机械学习装置110的未图示的RTC(实时时钟)等。
根据以上结构，机械学习装置110能够在数值控制装置1每次进行基于加工程序200加工时，进行基于状态观测部112从数值控制装置1的各部取得的加工所涉及的信息、标签取得部113进行测定并取得的在加工中发生的伺服控制以及机械运动的实际的延迟时间的学习，并构筑学习模型。
接着，对使用所构筑的学习模型来预测伺服控制以及机械运动的延迟时间的机械学习装置110进行说明。
图7是本发明的一实施方式的机械学习装置的延迟时间预测时的概要性功能框图。本实施方式的机械学习装置110与PC或数值控制的加工模拟器等的环境140以及具备加工程序200的加工时间预测功能的加工时间预测装置150连接而使用。
机械学习装置110具备状态观测部112、学习模型存储部114以及预测部115。
状态观测部112从在环境140对加工程序200进行解析或仿真而得的结果取得与在学习时用作输入数据的加工所涉及的信息相同的信息，并将该取得的信息向预测部115输出。状态观测部112取得假设执行加工程序200时的1个指令的执行定时、或者前后2个连续的指令的执行期间的定时中的加工所涉及的信息。状态观测部112将从环境140取得的值视为实际进行加工时的值。作为状态观测部112所取得的加工所涉及的信息，与学习时的情况同样地，可以列举加工条件的数据(工件的重量、工件的种类、夹具的重量、加工的种类)、实际加工的数据(时刻、采集定时的1个指令以及取得定时的前后连续的2个程序指令的组)、每个控制周期的移动量等。在状态观测部112所取得的加工所涉及的信息中包括字符串等数值以外的信息时，也可以预先在未图示的存储器上存储例如图4所示的变换表，使用该变换表将数值以外的信息数值化。
预测部115将状态观测部112从环境140取得的加工所涉及的信息作为输入数据，并使用学习模型存储部114中存储的学习模型预测伺服控制以及机械运动的延迟时间。
作为一例，在将图3所示的多层神经网络用作学习模型的情况下，将作为输入数据得到的加工所涉及的数据提供给多层神经网络，从而输出伺服控制以及机械运动的延迟时间的预测值。
如此，预测部115预测在加工程序200的各程序块间发生的伺服控制以及机械运动的延迟时间，并将该预测到的伺服控制以及机械运动的延迟时间向加工时间预测装置150输出。加工时间预测装置150将从机械学习装置110接收的所预测的伺服控制以及机械运动的延迟时间向加工时间预测部130所具备的补正时间计算部132传递。
加工时间预测装置150是以PC或仿真装置、数值控制装置等形态安装的装置，是基于从加工程序200和机械学习装置110接收的伺服控制以及机械运动的延迟时间的预测值，更加精确地预测加工程序200的加工所需要的加工时间的装置。加工时间预测装置150具备加工时间预测部130。
加工时间预测部130对基于加工程序200的加工所需要的加工时间进行预测。加工时间预测部130具备基准加工时间预测部131、补正时间计算部132。
基准加工时间预测部131对成为加工时间的预测对象的加工程序200进行解析，基于该加工程序200对加工所需要的未考虑伺服控制以及机械运动的延迟时间的加工时间进行预测。对于未考虑伺服控制以及机械运动的延迟时间的加工时间的预测，例如可以使用前述的日本特开2003-175439号公报，日本特开2012-243152号公报等中公开的现有技术。
补正时间计算部132对从机械学习装置110具备的预测部115输出的、在加工程序200的各程序块间发生的伺服控制以及机械运动的延迟时间进行积算，从而计算补正时间。
然后，加工时间预测部130在基于基准加工时间预测部131计算出的加工程序200的加工所涉及的未考虑伺服控制以及机械运动的延迟时间的加工时间上，加上由补正时间计算部132计算出的补正时间，来计算出考虑了伺服控制以及机械运动的延迟时间的预测加工时间。
如此，具备学习模型的机械学习装置110，将对成为预测加工时间的对象的加工程序200进行解析或仿真而得到的各信息用作加工所涉及的信息，从而能够预测在使用加工程序200加工时所发生的伺服控制以及机械运动的延迟时间，其中，该学习模型是进行将数值控制装置1执行加工时所得到的加工所涉及的信息作为输入数据，将伺服控制以及机械运动的实际的延迟时间作为教师数据的学习而得到的结果。并且，加工时间预测装置150使用机械学习装置110预测的伺服控制以及机械运动的延迟时间，从而能够更加精确地预测基于加工程序200的加工所需要的加工时间。
图8表示在数值控制装置1内组装机械学习装置110时的实施方式。图8的数值控制装置1相当于图7所示的加工时间预测装置150。
本实施方式的机械学习装置110内置于具有加工时间预测功能以及加工仿真功能的数值控制装置1中，数值控制装置1在预测基于加工程序200的加工所需要的加工时间时，根据基于加工程序200的加工仿真所得到的各信息，预测在加工程序200的执行中所发生的伺服控制以及机械运动的延迟时间。另外，加工仿真部120相当于图7中所示的环境140。另外，本实施方式的机械学习装置110无需内置于数值控制装置1，若能够从数值控制装置1取得后述的各信息，则也可以是外部连接的方式。
本实施方式状态观测部112从加工仿真部120执行的基于加工程序200的加工仿真结果，取得与在学习时用作输入数据的加工所涉及的信息相同的信息，并且将该取得的信息向预测部115输出。加工仿真部120可以使用前述的日本特开2012-243152号公报等现有技术中公知的方法来对加工程序200进行仿真。
预测部115将状态观测部112从加工仿真部120取得的加工所涉及的信息作为输入数据，使用学习模型存储部114中存储的学习模型预测伺服控制以及机械运动的延迟时间，并将该结果向加工时间预测部130所具备的补正时间计算部132输出。
其他的功能单元即加工时间预测部130、基准加工时间预测部131、补正时间计算部132的动作与图7中说明的功能单元相同。
以上，对本发明的实施方式进行了说明，但是本发明并未限定于上述实施方式的例子，也可以通过适当的变更而以各种方式进行实施。
在上述的实施方式中虽然示出了通过1台机械学习装置110进行学习以及使用的方式，但是由于学习部111构筑且存储于学习模型存储部114的学习模型其本身是表示学习结果的数据的集合，因而例如还可以经由未图示的外部存储装置或网络等在与其他机械学习装置110之间共享学习模型。如此构成的情况下，在学习中，在多个机械学习装置110之间共享一个学习模型的状态下，各个机械学习装置110可以并行地进行学习，从而能够缩短到学习完成为止所需要的时间，另一方面，在学习模型的使用中，能够利用共享的学习模型对多个机械学习装置110的每一个的伺服控制以及机械运动的延迟时间进行预测。学习模型的共享方法并未限定于特定的方法。例如，可以在工厂的主机内存储学习模型，在各机械学习装置110中共享学习模型，也可以预先将学习模型存储于厂商设置的服务器上，并在顾客的机械学习装置之间共享学习模型。
另外，在上述的实施方式中，虽然分别说明了学习时和预测时的机械学习装置110的结构，但是机械学习装置110也可以同时具备学习时的结构和预测时的结构。如此设置时，机械学习装置110可以在预测数值控制装置1的加工时间时进行使用了学习模型的伺服控制以及机械运动的延迟时间的预测，学习部111还能够在接着的数值控制装置1的加工时进行进一步的追加学习。
并且，在上述的实施方式中，虽然示出了加工时间预测部130包含各个其他功能设备的结构，但是无需保持此种包含关系，即使将各功能单元安装为各个独立的功能单元也不会改变本发明的功能以及效果。

Claims (4)

1.一种机械学习装置，其在基于加工程序对至少具备一个轴的机械进行控制的数值控制装置中，学习在进行基于所述加工程序的工件的加工时所发生的伺服控制以及机械运动的延迟时间，其特征在于，该机械学习装置具备：
状态观测部，其在进行所述加工时，从所述数值控制装置取得该加工所涉及的信息；
标签取得部，其在进行所述加工时，取得在该加工中发生的伺服控制以及机械运动的实际的延迟时间；
学习部，其进行有教师学习并构筑学习模型，该有教师学习是将所述状态观测部取得的加工所涉及的信息作为输入数据，并将所述标签取得部取得的伺服控制以及机械运动的实际的延迟时间作为教师数据的学习；以及
学习模型存储部，其存储所述学习模型。
2.一种机械学习装置，其在基于加工程序对至少具备一个轴的机械进行控制的数值控制装置中，预测在进行基于所述加工程序的工件的加工时所发生的伺服控制以及机械运动的延迟时间，其特征在于，该机械学习装置具备：
学习模型存储部，其存储通过有教师学习而构筑的学习模型，该有教师学习是将所述加工所涉及的信息作为输入数据，并将在所述加工中发生的伺服控制以及机械运动的实际的延迟时间作为教师数据的学习；
状态观测部，其取得通过基于所述加工程序的加工仿真计算出的、基于所述加工程序的工件的加工所涉及的信息；以及
预测部，其基于所述学习模型，从所述状态观测部取得的加工所涉及的信息预测伺服控制以及机械运动的延迟时间。
3.根据权利要求1或2所述的机械学习装置，其特征在于，
所述加工所涉及的信息至少包括发生伺服控制以及机械运动的延迟时间的指令所涉及的信息、以及前后连续的程序指令的组所涉及的信息中的至少一个。
4.一种加工时间预测装置，其特征在于，具备：
基准加工时间预测部，其基于加工程序预测不包含伺服控制以及机械运动的延迟时间的基准加工时间；
补正时间计算部，其基于权利要求2或3所述的机械学习装置从所述加工程序预测到的伺服控制以及机械运动的延迟时间，计算出用于对所述基准加工时间进行补正的补正时间；以及
加工时间预测部，其计算出将所述基准加工时间以所述补正时间进行补正而得的预测加工时间。
CN201711021414.2A 2016-10-28 2017-10-27 机械学习装置以及加工时间预测装置 Active CN108021099B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016-212284 2016-10-28
JP2016212284A JP6469065B2 (ja) 2016-10-28 2016-10-28 機械学習装置及び加工時間予測装置

Publications (2)

Publication Number Publication Date
CN108021099A true CN108021099A (zh) 2018-05-11
CN108021099B CN108021099B (zh) 2020-02-14

Family

ID=61912382

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711021414.2A Active CN108021099B (zh) 2016-10-28 2017-10-27 机械学习装置以及加工时间预测装置

Country Status (4)

Country Link
US (1) US10908591B2 (zh)
JP (1) JP6469065B2 (zh)
CN (1) CN108021099B (zh)
DE (1) DE102017009822A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109740813A (zh) * 2018-12-29 2019-05-10 上海华力微电子有限公司 晶圆制造中在线产品批次跑货状态的分析预测方法
CN110703682A (zh) * 2018-07-10 2020-01-17 发那科株式会社 齿接触位置调整量推定装置、机器学习装置及机器人系统
CN111266925A (zh) * 2018-12-04 2020-06-12 双叶电子工业株式会社 一种测算装置、测算方法及存储介质
CN113366394A (zh) * 2019-03-11 2021-09-07 株式会社日立制作所 实时控制器及使用该实时控制器的分散控制系统、工业机械
CN113454542A (zh) * 2019-02-19 2021-09-28 日立造船株式会社 信息处理装置、信息处理方法、以及信息处理程序
CN113508342A (zh) * 2019-03-05 2021-10-15 大金工业株式会社 机器设备的控制系统
CN115039050A (zh) * 2020-02-03 2022-09-09 发那科株式会社 工件加工装置及加工控制方法
CN117396305A (zh) * 2021-08-30 2024-01-12 三菱电机株式会社 加工尺寸预测装置、加工尺寸预测系统、加工尺寸预测方法及程序

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6333915B2 (ja) * 2016-10-20 2018-05-30 ファナック株式会社 数値制御装置
JP6646025B2 (ja) * 2017-09-15 2020-02-14 ファナック株式会社 制御装置及び機械学習装置
US11407104B2 (en) 2018-07-10 2022-08-09 Fanuc Corporation Tooth contact position adjustment amount estimation device, machine learning device, and robot system
JP7110884B2 (ja) 2018-10-01 2022-08-02 オムロン株式会社 学習装置、制御装置、学習方法、及び学習プログラム
CN111597860B (zh) * 2019-02-20 2023-05-12 东莞先知大数据有限公司 一种用于cnc断刀预测的系统及方法
JP7424807B2 (ja) * 2019-11-28 2024-01-30 ファナック株式会社 機械学習装置、消費電力予測装置、及び制御装置
EP3859466B1 (en) 2020-01-30 2024-10-02 DENTSPLY SIRONA Inc. Dental machining system for predicting the machining time for manufacturing a dental restoration/appliance
CN112785377B (zh) * 2021-01-22 2022-05-24 华南理工大学 基于数据分布的订单完工期预测模型构建方法及预测方法
TWI856780B (zh) * 2023-08-16 2024-09-21 和碩聯合科技股份有限公司 電腦數值控制工件製造的工時評估方法及電子裝置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08294864A (ja) * 1995-04-25 1996-11-12 Toyoda Mach Works Ltd 研削装置
CN102478810A (zh) * 2010-11-22 2012-05-30 发那科株式会社 伺服电动机的驱动控制装置
CN102789194A (zh) * 2011-05-20 2012-11-21 发那科株式会社 具备加工时间预测部以及加工误差预测部的数值控制装置
JP2014038482A (ja) * 2012-08-16 2014-02-27 Fanuc Ltd 数値制御装置の処理能力を考慮する加工時間予測装置
CN105527923A (zh) * 2014-10-21 2016-04-27 发那科株式会社 数值控制装置

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05165842A (ja) * 1991-12-13 1993-07-02 Toyota Central Res & Dev Lab Inc 工程時間の見積り装置
US5673367A (en) * 1992-10-01 1997-09-30 Buckley; Theresa M. Method for neural network control of motion using real-time environmental feedback
KR970702517A (ko) * 1994-04-08 1997-05-13 퀼; 노르트만 기계 샤프트의 비선형성을 보상하기 위한 장치(device designed to compen sate for non-linearity of machine shafts)
JP3975370B2 (ja) * 1997-07-09 2007-09-12 株式会社オギハラ Ｎｃ切削機械の加工完了時間予測方法及びその装置
JP3703664B2 (ja) * 1998-12-28 2005-10-05 三菱電機株式会社 バックラッシ補正装置
JP2003175439A (ja) * 2001-12-11 2003-06-24 Mori Seiki Co Ltd Ｎｃ工作機械の加工時間推定装置
JP4096743B2 (ja) * 2003-01-17 2008-06-04 富士電機システムズ株式会社 サイクルタイム表示方法、サイクルタイム表示装置及びサイクルタイム表示プログラム
JP4282631B2 (ja) 2005-04-20 2009-06-24 ファナック株式会社 テーブル形式データで運転を行う数値制御装置
TW201015099A (en) 2008-09-10 2010-04-16 Koninkl Philips Electronics Nv System, device and method for emergency presence detection
JP5269158B2 (ja) * 2011-09-01 2013-08-21 株式会社神戸製鋼所 制御方法及び制御装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08294864A (ja) * 1995-04-25 1996-11-12 Toyoda Mach Works Ltd 研削装置
CN102478810A (zh) * 2010-11-22 2012-05-30 发那科株式会社 伺服电动机的驱动控制装置
CN102789194A (zh) * 2011-05-20 2012-11-21 发那科株式会社 具备加工时间预测部以及加工误差预测部的数值控制装置
JP2014038482A (ja) * 2012-08-16 2014-02-27 Fanuc Ltd 数値制御装置の処理能力を考慮する加工時間予測装置
CN105527923A (zh) * 2014-10-21 2016-04-27 发那科株式会社 数值控制装置

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110703682A (zh) * 2018-07-10 2020-01-17 发那科株式会社 齿接触位置调整量推定装置、机器学习装置及机器人系统
CN110703682B (zh) * 2018-07-10 2024-07-02 发那科株式会社 齿接触位置调整量推定装置、机器学习装置及机器人系统
CN111266925A (zh) * 2018-12-04 2020-06-12 双叶电子工业株式会社 一种测算装置、测算方法及存储介质
CN109740813A (zh) * 2018-12-29 2019-05-10 上海华力微电子有限公司 晶圆制造中在线产品批次跑货状态的分析预测方法
CN109740813B (zh) * 2018-12-29 2020-11-24 上海华力微电子有限公司 晶圆制造中在线产品批次跑货状态的分析预测方法
CN113454542A (zh) * 2019-02-19 2021-09-28 日立造船株式会社 信息处理装置、信息处理方法、以及信息处理程序
CN113508342A (zh) * 2019-03-05 2021-10-15 大金工业株式会社 机器设备的控制系统
CN113366394A (zh) * 2019-03-11 2021-09-07 株式会社日立制作所 实时控制器及使用该实时控制器的分散控制系统、工业机械
CN113366394B (zh) * 2019-03-11 2023-10-10 株式会社日立制作所 实时控制器及使用该实时控制器的分散控制系统、工业机械
CN115039050A (zh) * 2020-02-03 2022-09-09 发那科株式会社 工件加工装置及加工控制方法
CN117396305A (zh) * 2021-08-30 2024-01-12 三菱电机株式会社 加工尺寸预测装置、加工尺寸预测系统、加工尺寸预测方法及程序
CN117396305B (zh) * 2021-08-30 2024-08-13 三菱电机株式会社 加工尺寸预测装置、加工尺寸预测系统、加工尺寸预测方法及加工尺寸预测计算机程序产品

Also Published As

Publication number Publication date
US10908591B2 (en) 2021-02-02
US20180120819A1 (en) 2018-05-03
JP6469065B2 (ja) 2019-02-13
JP2018073136A (ja) 2018-05-10
DE102017009822A1 (de) 2018-05-03
CN108021099B (zh) 2020-02-14

Similar Documents

Publication Publication Date Title
CN108021099A (zh) 机械学习装置以及加工时间预测装置
CN101145047B (zh) 用于模拟在机床上加工工件的工序的装置和方法
US20170357243A1 (en) Machine learning device, numerical control device and machine learning method for learning threshold value of detecting abnormal load
CN109002012A (zh) 控制装置以及机器学习装置
US7174225B2 (en) Method and system for simulating processing of a workpiece with a machine tool
JP2009510574A (ja) 工作機械又は生産機械の制御挙動ないし機械挙動のシミュレーション方法
CN102650867B (zh) 具有多轴加工机用速度控制功能的数值控制装置
CN110116371A (zh) 研磨工具磨损量预测装置、机器学习装置以及系统
CN110405532A (zh) 工具选定装置以及机器学习装置
CN101758422A (zh) 一种数控装置技术指标的检测分析装置
CN106796427A (zh) 用于机器人制造系统的运行时间控制器
CN106406235A (zh) 机床、模拟装置以及机械学习器
CN108931959A (zh) 控制装置及机械学习装置
CN110174871A (zh) 控制装置、机器学习装置以及系统
CN107966956B (zh) 数值控制装置
CN107272661A (zh) 一种基于机床仿真模型的数控装置运动控制性能测试系统
CN111538296A (zh) 管理装置和管理系统
US20220339787A1 (en) Carrying out an application using at least one robot
CN110531705A (zh) 可编程控制器以及机器学习装置
CN107390640B (zh) 数值控制装置
Lorenzer et al. Modeling and evaluation tool for supporting decisions on the design of reconfigurable machine tools
CN101187815A (zh) 模拟系统
Gao Simulation of mechanical NC machining based on CAD/CAM
EP4078304B1 (en) Reduction of friction within a machine tool
US11231699B2 (en) Program analysis device

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant