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)、 ...
【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 ...
【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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。