机床的机器学习装置以及热位移修正装置制造方法及图纸

本发明专利技术提供一种机器学习装置，其能够将基于机械元件的动作状态推断机械元件的热位移量的计算式最优化。数据获取部获取机械元件的动作状态数据。热位移量获取部获取机械元件的热位移量的实测值。存储部将机械元件的动作状态数据以及机械元件的热位移量的实测值作为标记相互关联并作为监督数据进行存储。计算式设定部设定基于机械元件的动作状态数据计算机械元件的热位移量的计算式。热位移量计算部在该计算式中代入机械元件的动作状态数据并计算机械元件的热位移量的推断值。判断部判断由热位移量计算部计算出的机械元件的热位移量的推断值与由热位移量获取部获取的机械元件的热位移量的实测值的差异是否为预定的阈值以下。

Machine learning device of machine tool and thermal displacement correction device

The invention provides a machine learning device capable of optimizing the calculation formula of the thermal displacement of a mechanical element based on the action state of a mechanical element. The data acquisition section acquires the action state data of the mechanical element. The thermal displacement acquisition part acquires the measured value of the thermal displacement of the mechanical element. The storage department associating the movement status data of mechanical components and the measured values of thermal displacement of mechanical elements as markers and stores them as monitoring data. The calculation setting part sets a formula for calculating the thermal displacement of the mechanical element based on the action state data of the mechanical element. The thermal displacement calculation part substituting the action state data of the mechanical element in the calculation formula and calculating the inference value of the thermal displacement of the mechanical element. The judgment Department determines whether the difference between the calculated value of the thermal displacement of the mechanical element calculated by the thermal displacement calculation department and the measured value of the thermal displacement of the mechanical element obtained by the thermal displacement acquisition unit is below the predetermined threshold.

【技术实现步骤摘要】
机床的机器学习装置以及热位移修正装置
本专利技术涉及适用于加工中心等的机床的机器学习装置以及热位移修正装置。
技术介绍
一直以来，作为修正由机床的发热引起的热位移的技术提出不使用位移传感器、温度传感器而简单且低成本地修正的技术(例如，参照专利文献1、2)。在这些技术中，由于不使用传感器，因此存在不需要考虑用于设置传感器的位置、结构、从切屑与切削液中保护传感器的机构、确保传感器故障的情况下的可靠性等的问题。现有技术文献专利文献1：日本特许3405965号公报专利文献2：日本特许5956497号公报为了对多种多样的加工高精度地修正热位移，为了确立计算热位移量的计算式，在多种条件下反复实验而获取庞大的数据，需要将那些数据作为基础确立计算式。这其中不但耗费大量的时间，对哪种加工不一定都能够高精度地修正。在专利文献1、2中记载的技术中，基于某种动作状态(加工条件、周围温度等)中所测量的数据确定计算式。因此，在与其动作状态不同的动作状态中未必能够计算出正确的热位移量。并且，公开了使用修正误差修正计算式的发热系数的内容，但由于计算式中也含有其他系数(计算散热系数、从邻接区间的热传导的热传导系数)，因此为了进一步提高修正精度，存在只修正散热系数而不充分的情况。
技术实现思路
本专利技术鉴于这样的情况，其目的在于为了能够对多种多样的加工高精度地修正热位移，提供一种通过反复机器学习而使基于加工时或机械动作时的机械元件的动作状态推断机械元件的热位移量的计算式最优化的机器学习装置、利用通过该机器学习而最优化的计算式可适当地进行各机械元件的机械位置的热位移修正的热位移修正装置。(1)、涉及本专利技术的机器学习装置(例如，后述的机器学习装置200)是通过机器学习而使基于表示具备进行热膨胀的机械元件(例如，后述的底座2、立柱3、进给轴4、工作台5、主轴安装台6、主轴部7)的机床(例如，后述的加工中心150)的上述机械元件的动作状态的动作状态数据推断上述机械元件的热位移量的计算式最优化的机器学习装置，具备获取上述机械元件的动作状态数据的数据获取机构(例如，后述的数据获取部202)、获取上述机械元件的热位移量的实测值的热位移量获取机构(例如，后述的热位移量获取部203)、将通过上述数据获取机构获取的上述机械元件的动作状态数据以及通过上述热位移量获取机构获取的上述机械元件的热位移量的实测值作为标记相互关联并作为监督数据进行存储的存储机构(例如，后述的存储部204)、基于上述机械元件的动作状态数据以及上述机械元件的热位移量的实测值并通过进行机器学习而设定计算上述机械元件的热位移量的计算式的计算式设定机构(例如，后述的计算式设定部205)、在通过上述计算式设定机构设定的计算式中代入作为监督数据存储于上述存储机构中的预定期间内的上述机械元件的动作状态数据，计算上述机械元件的热位移量的推断值的热位移量计算机构(例如，后述的热位移量计算部206)、判断由上述热位移量计算机构计算出的上述预定期间内的上述机械元件的热位移量的推断值与作为监督数据存储于上述存储机构中的上述预定期间内的上述机械元件的热位移量的实测值的差异是否为预定的阈值以下的判断机构(例如，后述的判断部207)，上述计算式设定机构在通过上述判断机构判断为上述差异不为预定的阈值以下的情况下再次设定上述计算式，在通过上述判断机构判断为上述差异为预定的阈值以下的情况下，将该计算式设定为最合适的计算式。(2)、在(1)的机器学习装置中，上述机械元件包括上述机床的进给轴(例如，后述的进给轴4)以及主轴部(例如，后述的主轴部7)，上述机械元件的动作状态可以包括上述机床的动作时的上述进给轴的位置、速度、温度中的至少一个、上述主轴部的速度、负载、温度中至少一个。(3)、在(1)或(2)的机器学习装置中，上述计算式设定机构可以设定预先设定的预定的计算式中的系数。(4)、在(1)至(3)任一项的机器学习装置中，上述数据获取机构可以从控制上述机床的控制装置(例如，后述的数值控制装置100)中获取上述机械元件的预定的每个抽样时间的动作状态数据。(5)、在(1)至(4)任一项的机器学习装置中，上述热位移量获取机构可以获得在上述机床的加工位置附近、每个预定时间间隔所测定的上述机械元件的热位移量的实测值。(6)、涉及本专利技术的机床的热位移修正装置(例如，后述的热位移修正装置30)具备基于由(1)至(5)任一项的机器学习装置而最优化的计算式计算与根据上述机械元件的动作状态数据计算的上述机械元件的热位移量对应的修正量的修正量计算机构(例如，后述的修正量计算部301)、基于上述修正量计算机构计算出的上述机械元件的修正量，修正上述机械元件的机械位置的修正执行机构(例如，后述的修正执行部302)。(7)、(6)中的热位移修正装置可以包含于上述机床的控制装置中。专利技术效果根据本专利技术，在机床中，使用机械元件的动作状态数据与机械元件的热位移量实测值关联的监督数据，通过重复机器学习(有监督的学习)能够使推断机械元件的热位移量的计算式最优化。其结果，可以对多种多样的加工高精度地修正热位移。附图说明图1是表示涉及本专利技术的第一实施方式的热位移修正系统的方框图。图2是表示涉及本专利技术的第一实施方式的热位移修正装置的详细内容的方框图。图3A是涉及本专利技术的第一实施方式的加工中心的主视图。图3B是涉及本专利技术的第一实施方式的加工中心的右侧视图。图4是表示涉及本专利技术的第一实施方式的加工中心的数值控制装置的重要部分的方框图。图5是表示涉及本专利技术的第一实施方式的加工中心的机器学习装置的控制系统的方框图。图6是表示涉及本专利技术的第一实施方式的加工中心的机器学习装置的处理的流程图。图7是说明涉及本专利技术的第一实施方式的加工中心的进给轴热位移的结构的图。图8是表示推断本专利技术的第一实施方式的加工中心的进给轴的热位移量的方法的示意图。图中：2—底座(机械元件)，3—立柱(机械元件)，4—进给轴(机械元件)，5—工作台(机械元件)，6—主轴安装台(机械元件)，7—主轴部(机械元件)，100—数值控制装置(控制装置)，150—加工中心(机床)，200—机器学习装置，202—数据获取部(数据获取机构)，203—热位移量获取部(热位移量获取机构)，204—存储部(存储机构)，205—计算式设定部(计算式设定机构)，206—热位移量计算部(热位移量计算机构)，207—判断部(判断机构)，300—热位移修正装置，301—修正量计算部(修正量计算机构)，302—修正执行部(修正执行机构)。具体实施方式以下，基于附图说明本专利技术的实施方式。[第一实施方式]图1是表示涉及第一实施方式的热位移修正系统的方框图。图2是表示涉及第一实施方式的热位移修正装置的详细内容的方框图。图3A、图3B分别是涉及第一实施方式的加工中心的主视图、右侧视图。图4表示涉及第一实施方式的加工中心的数值控制装置的重要部分的方框图。图5是表示涉及第一实施方式的加工中心的机器学习装置的控制系统的方框图。以下，关于热位移修正系统1000整体的结构进行说明之后，关于构成该热位移修正系统1000的各装置(加工中心150、数值控制装置100、机器学习装置200、热位移修正装置300)依次进行说明。＜热位移修正系统1000的结构＞首先，关于本文档来自技高网...

【技术保护点】
1.一种机器学习装置，其通过机器学习使计算式最优化，该计算式基于表示具有进行热膨胀的机械元件的机床的上述机械元件的动作状态的动作状态数据推断上述机械元件的热位移量，该机器学习装置的特征在于，具备：获取上述机械元件的动作状态数据的数据获取机构；获取上述机械元件的热位移量的实测值的热位移量获取机构；存储机构，其将通过上述数据获取机构获取的上述机械元件的动作状态数据以及通过上述热位移量获取机构获取的上述机械元件的热位移量的实测值作为标记相互关联起来，并作为监督数据进行存储；计算式设定机构，其基于上述机械元件的动作状态数据以及上述机械元件的热位移量的实测值进行机器学习，从而设定计算上述机械元件的热位移量的计算式；热位移量计算机构，其在由上述计算式设定机构设定的计算式中代入作为监督数据存储于上述存储机构中的预定期间内的上述机械元件的动作状态数据，计算上述机械元件的热位移量的推断值；以及判断机构，其判断由上述热位移量计算机构计算出的上述预定期间内的上述机械元件的热位移量的推断值与作为监督数据存储于上述存储机构中的上述预定期间内的上述机械元件的热位移量的实测值的差异是否为预定的阈值以下，在由上述判断机构判断为上述差异不为预定的阈值以下的情况下，上述计算式设定机构再次设定上述计算式，并且，在由上述判断机构判断为上述差异为预定的阈值以下的情况下，上述计算式设定机构将该计算式设定为最合适的计算式。...

【技术特征摘要】
2017.01.10 JP 2017-0019511.一种机器学习装置，其通过机器学习使计算式最优化，该计算式基于表示具有进行热膨胀的机械元件的机床的上述机械元件的动作状态的动作状态数据推断上述机械元件的热位移量，该机器学习装置的特征在于，具备：获取上述机械元件的动作状态数据的数据获取机构；获取上述机械元件的热位移量的实测值的热位移量获取机构；存储机构，其将通过上述数据获取机构获取的上述机械元件的动作状态数据以及通过上述热位移量获取机构获取的上述机械元件的热位移量的实测值作为标记相互关联起来，并作为监督数据进行存储；计算式设定机构，其基于上述机械元件的动作状态数据以及上述机械元件的热位移量的实测值进行机器学习，从而设定计算上述机械元件的热位移量的计算式；热位移量计算机构，其在由上述计算式设定机构设定的计算式中代入作为监督数据存储于上述存储机构中的预定期间内的上述机械元件的动作状态数据，计算上述机械元件的热位移量的推断值；以及判断机构，其判断由上述热位移量计算机构计算出的上述预定期间内的上述机械元件的热位移量的推断值与作为监督数据存储于上述存储机构中的上述预定期间内的上述机械元件的热位移量的实测值的差异是否为预定的阈值以下，在由上述判断机构判断为上述差异不为预定的阈值以下的情况下，上述计算式设定机构再次设定...

【专利技术属性】
技术研发人员：前川进，
申请(专利权)人：发那科株式会社，
类型：发明
国别省市：日本,JP