控制装置以及机器学习装置制造方法及图纸

本发明专利技术提供一种控制装置以及机器学习装置。控制线放电加工机的控制装置所具备的机器学习装置使用状态观测部观测到的状态变量S(包含与校正量、加工路径、加工条件、加工环境相关的数据)与判定数据取得部取得的判定数据，对加工路径的校正进行机器学习。通过使用该学习结果，能够自动且准确地进行与线放电加工机进行的加工中的部分加工路径、加工条件、加工环境对应的加工路径的校正。

Control devices and machine learning devices

The invention provides a control device and a machine learning device. The machine learning device possessed by the control device of the control line EDM machine uses the state variables S observed by the state observation unit (including the data related to the calibration quantity, processing path, processing conditions and processing environment) and the decision data obtained by the decision data acquisition unit to carry out machine learning for the calibration of the processing path. By using this learning result, it can automatically and accurately correct part of the processing path, processing conditions and processing environment corresponding to the WEDM.

【技术实现步骤摘要】
控制装置以及机器学习装置
本专利技术涉及控制装置以及机器学习装置。
技术介绍
在线切割放电加工机进行的加工中，如图7所示，因在线电极与被加工物之间产生的放电的斥力和加工液的水流而在线电极产生挠曲。在没有考虑这样的挠曲造成的影响而进行了加工的情况下，在角部和圆弧部处，因线电极的挠曲量(线电极的延迟量)而在角部处在加工路径与实际的线轨迹之间产生偏差，在加工物上产生凸部缺失、凹部残留(图8)。这样，存在如下问题：在角部和圆弧部处线电极的挠曲量的影响显得较大而造成角部处的形状精度降低得多，产生所谓“塌角”，难以通过加工获得想要的那样的形状。以往，为了防止“塌角”，存在如下技术(日本特开昭58-120428号公报、日本特开平05-228736号公报、日本特开2014-148036号公报)：在角部和圆弧部进行加工条件(放电条件)、加工速度的自动调整(加工条件控制)、以及加工路径的自动校正(加工路径校正)。通过使用这样的现有技术，在线电极接近加工路径的角部、圆弧部处时变更加工条件，控制放电电压、加工液的压力、液量来降低施加在线电极的压力而减少挠曲量，由此，可以减少角部、圆弧部的蚕食、残留。此外，以产生了线电极的挠曲的部分按照指令路径移动的方式对线电极的指令路径进行校正，由此可以减少角部、圆弧部的蚕食、残留。根据数值控制装置计算的加工路径的形状数据(块长度、角部角度、圆弧半径、圆弧中心角等)来控制这些加工条件控制和加工路径校正。但是，在线电极接近加工路径的角部、圆弧部处时变更加工条件的现有技术中，通过有意识地变更加工速度而缓和了线的挠曲，因此，存在该部分加工速度降低，加工时间增大这样的问题。此外，在考虑线电极的挠曲来校正加工路径的现有技术中，需要熟练的作业员根据经验来校正加工路径，有时在简单的形状中可以顺利校正，但是未必针对所有角部进行有效的校正。
技术实现思路
因此，本专利技术的目的在于提供一种控制装置和机器学习装置，能够在线放电加工中不使加工时间增大必要以上地计算可以防止塌角的最佳的加工路径。在本专利技术中，针对控制线放电加工机的控制装置导入机器学习装置，通过机器学习来学习在角部和圆弧部处不使加工时间增大至必要以上而可以防止塌角的最佳的加工路径，由此，解决了上述课题。本专利技术的一方式涉及的控制装置，其根据加工程序对线放电加工机进行控制并对工件进行加工，所述控制装置具有：机器学习装置，其学习与所述加工的部分加工路径、加工条件以及加工环境对应的所述加工中的加工路径的校正。并且，所述机器学习装置具有：状态观测部，其观测表示所述加工中的加工路径的校正量的校正量数据、表示所述加工的部分加工路径的加工路径数据、表示所述加工的加工条件的加工条件数据以及表示与所述加工的加工环境有关的加工环境数据作为表示环境的当前状态的状态变量；判定数据取得部，其取得加工精度判定数据以及加工时间判定数据作为判定数据，所述加工精度判定数据表示基于根据所述校正量进行校正后的加工路径的加工的加工精度的适当与否判定结果，所述加工时间判定数据表示基于根据所述校正量进行校正后的加工路径的加工所需要的加工时间的适当与否判定结果；以及学习部，其使用所述状态变量和所述判定数据，将所述加工的部分加工路径、加工条件以及加工环境与所述加工中的加工路径的校正关联起来进行学习。所述学习部可以具有：回报计算部，其求出与所述适当与否判定结果相关的回报；以及价值函数更新部，其使用所述回报来更新表示与所述加工的部分加工路径、加工条件以及加工环境对应的所述加工中的加工路径的校正的价值的函数。并且，所述加工精度越高，此外所述加工时间的增加越少，所述回报计算部给与越高的回报。所述学习部可以通过多层结构来运算所述状态变量和所述判定数据。本专利技术的其他方式涉及的控制装置，其根据加工程序对线放电加工机进行控制并对工件进行加工，所述控制装置具备：机器学习装置，其学习与所述加工的部分加工路径、加工条件以及加工环境对应的所述加工中的加工路径的校正。并且，所述机器学习装置具备：状态观测部，其观测表示所述加工中的加工路径的校正量的校正量数据、表示所述加工的部分加工路径的加工路径数据、表示所述加工的加工条件的加工条件数据以及表示与所述加工的加工环境有关的加工环境数据作为表示环境的当前状态的状态变量；学习部，其将所述加工的部分加工路径、加工条件以及加工环境与所述加工中的加工路径的校正关联起来进行学习；以及推定结果输出部，其根据所述状态观测部观测到的状态变量和所述学习部的学习结果，来输出加工路径的校正量。所述机器学习装置可以存在于云服务器上。本专利技术的一方式涉及的机器学习装置，其学习与线放电加工机进行的加工的部分加工路径、加工条件以及加工环境对应的所述加工中的加工路径的校正，该线放电加工机根据加工程序对工件进行加工。该机器学习装置具备：状态观测部，其观测表示所述加工中的加工路径的校正量的校正量数据、表示所述加工的部分加工路径的加工路径数据、表示所述加工的加工条件的加工条件数据以及表示与所述加工的加工环境有关的加工环境数据作为表示环境的当前状态的状态变量；判定数据取得部，其取得加工精度判定数据以及加工时间判定数据作为判定数据，所述加工精度判定数据表示基于根据所述校正量进行校正后的加工路径的加工的加工精度的适当与否判定结果，所述加工时间判定数据表示基于根据所述校正量进行校正后的加工路径的加工所需要的加工时间的适当与否判定结果；以及学习部，其使用所述状态变量和所述判定数据，将所述加工的部分加工路径、加工条件以及加工环境与所述加工中的加工路径的校正关联起来进行学习。本专利技术的其他方式涉及的机器学习装置，其学习与线放电加工机进行的加工的部分加工路径、加工条件以及加工环境对应的所述加工中的加工路径的校正，该线放电加工机根据加工程序对工件进行加工。已学习该加工路径的校正的机器学习装置具备：状态观测部，其观测表示所述加工中的加工路径的校正量的校正量数据、表示所述加工的部分加工路径的加工路径数据、表示所述加工的加工条件的加工条件数据以及表示与所述加工的加工环境有关的加工环境数据作为表示环境的当前状态的状态变量；学习部，其将所述加工的部分加工路径、加工条件以及加工环境与所述加工中的加工路径的校正关联起来进行学习；以及推定结果输出部，其根据所述状态观测部观测到的状态变量和所述学习部的学习结果，来输出加工路径的校正量。通过本专利技术，可以在线放电加工中不使加工时间增大至必要以上地计算可以防止塌角的最佳的加工路径。附图说明图1是第一实施方式涉及的控制装置的概略硬件结构图。图2是第一实施方式涉及的控制装置的概略功能框图。图3是表示控制装置的一方式的概略功能框图。图4是表示机器学习方法的一方式的概略流程图。图5A是说明神经元的图。图5B是说明神经网络的图。图6是表示装入了控制装置的系统的一方式的概略功能框图。图7是对线切割放电加工中的线电极的挠曲进行说明的图。图8是对现有技术中的加工路径的角部和圆弧部处的塌角进行说明的图。具体实施方式图1是表示第一实施方式涉及的控制装置的主要部分的概略硬件结构图。控制装置1例如可以作为对线放电加工机进行控制的控制装置而安装。本实施方式涉及的控制装置1具有的CPU11是对控制装置1进行整体控制的处理器。CPU11经由总线本文档来自技高网...

【技术保护点】
1.一种控制装置，其根据加工程序对线放电加工机进行控制并对工件进行加工，其特征在于，所述控制装置具备：机器学习装置，其学习与所述加工的部分加工路径、加工条件以及加工环境对应的所述加工中的加工路径的校正，所述机器学习装置具备：状态观测部，其观测表示所述加工中的加工路径的校正量的校正量数据、表示所述加工的部分加工路径的加工路径数据、表示所述加工的加工条件的加工条件数据以及表示与所述加工的加工环境有关的加工环境数据作为表示环境的当前状态的状态变量；判定数据取得部，其取得加工精度判定数据以及加工时间判定数据作为判定数据，所述加工精度判定数据表示基于根据所述校正量进行校正后的加工路径的加工的加工精度的适当与否判定结果，所述加工时间判定数据表示基于根据所述校正量进行校正后的加工路径的加工所需要的加工时间的适当与否判定结果；以及学习部，其使用所述状态变量和所述判定数据，将所述加工的部分加工路径、加工条件以及加工环境与所述加工中的加工路径的校正关联起来进行学习。

【技术特征摘要】
2017.11.17 JP 2017-2221561.一种控制装置，其根据加工程序对线放电加工机进行控制并对工件进行加工，其特征在于，所述控制装置具备：机器学习装置，其学习与所述加工的部分加工路径、加工条件以及加工环境对应的所述加工中的加工路径的校正，所述机器学习装置具备：状态观测部，其观测表示所述加工中的加工路径的校正量的校正量数据、表示所述加工的部分加工路径的加工路径数据、表示所述加工的加工条件的加工条件数据以及表示与所述加工的加工环境有关的加工环境数据作为表示环境的当前状态的状态变量；判定数据取得部，其取得加工精度判定数据以及加工时间判定数据作为判定数据，所述加工精度判定数据表示基于根据所述校正量进行校正后的加工路径的加工的加工精度的适当与否判定结果，所述加工时间判定数据表示基于根据所述校正量进行校正后的加工路径的加工所需要的加工时间的适当与否判定结果；以及学习部，其使用所述状态变量和所述判定数据，将所述加工的部分加工路径、加工条件以及加工环境与所述加工中的加工路径的校正关联起来进行学习。2.根据权利要求1所述的控制装置，其特征在于，所述学习部具备：回报计算部，其求出与所述适当与否判定结果相关的回报；以及价值函数更新部，其使用所述回报来更新表示与所述加工的部分加工路径、加工条件以及加工环境对应的所述加工中的加工路径的校正的价值的函数，所述加工精度越高，此外所述加工时间的增加越少，所述回报计算部给与越高的回报。3.根据权利要求1或2所述的控制装置，其特征在于，所述学习部通过多层结构来运算所述状态变量和所述判定数据。4.一种控制装置，其根据加工程序对线放电加工机进行控制并对工件进行加工，其特征在于，所述控制装置具备：机器学习装置，其学习与所述加工的部分加工路径、加工条件以及加工环境对应的所述加工中的加工路径的校正，所述机器学习装置具备：状态观测部，其观测表示所述加工中的加工路径的校正量的校正量数据、表示所述加工的部分加工路径的加工路径数据、表示所述加工的加工条件的加工条件数据以及表示与所述加工的加工环境有关的加工环...

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