估计表面粗度的装置以及估计表面粗度的方法制造方法及图纸

本发明专利技术提供估计表面粗度的装置以及估计表面粗度的方法。估计表面粗度的装置具备：测量结果获取部，构成为获取在使能够测量工件的尺寸的定寸装置的接触件与上述工件接触并且上述定寸装置相对于上述工件移动时的测量结果；转换部，构成为将上述测量结果获取部获取的测量结果转换为成为至少一个代用值，该代用值为上述工件的表面粗度的代用特性；模型存储部，构成为存储表示上述至少一个代用值与上述工件的上述表面粗度的实测值之间的关系的模型；以及估计部，构成为基于上述模型和上述至少一个代用值，估计上述工件的上述表面粗度。

The device for estimating the surface roughness and the method for estimating the surface roughness

【技术实现步骤摘要】
估计表面粗度的装置以及估计表面粗度的方法
本专利技术涉及估计表面粗度的装置以及估计表面粗度的方法。
技术介绍
在日本特开2006－300823号公报公开了通过检测当使支承于悬臂的触针以与工件接触的状态移动时在触针产生的位移量，来测定工件的表面形状的表面粗度测定装置。使用日本特开2006－300823号公报所记载的表面粗度测定装置测定工件的表面粗度需要将由机床等进行了加工的工件输送到表面粗度测定装置，而周期延长工件的输送所需要的时间。因此，在实现周期的缩短这一点上，期望在工件的加工所使用的机床设备上把握加工后的工件的表面粗度。
技术实现思路
本公开提供能够在机床设备上把握加工后的工件的表面粗度的表面粗度估计装置以及表面粗度估计方法。(1.表面粗度估计装置)根据本公开的一方式，估计表面粗度的第一装置具备：测量结果获取部，构成为获取在使定寸装置的接触件与工件接触并且上述定寸装置相对于上述工件移动时的测量结果，其中上述定寸装置设置在构成为对上述工件进行加工的机床，具有构成为接触上述工件接触的上述接触件，且能够通过检测上述接触件与上述工件之间的接触来测量上述工件的尺寸；转换部，构成为将上述测量结果获取部获取的测量结果转换为至少一个代用值，该代用值为上述工件的表面粗度的代用特性；模型存储部，构成为存储表示上述至少一个代用值与上述工件的上述表面粗度的实测值之间的关系的模型；以及估计部，构成为基于上述模型和上述至少一个代用值，估计上述工件的上述表面粗度。根据该第一表面粗度估计装置，估计部基于对从定寸装置得到的测量结果进行转换得到的代用值、以及表示代用值与工件的表面粗度的实测值的关系的模型，估计工件W的表面粗度。该情况下，该第一表面粗度估计装置能够在机床设备上，把握加工后的工件的表面粗度。由此，与机床使用设置在机床设备外的外部装置测定工件的表面粗度的情况相比，能够省略从机床向外部装置输送加工后的工件的工序，所以能够实现周期的缩短。根据本公开的其它方式，估计表面粗度的第二装置具备：测量结果获取部，构成为获取在使定寸装置的接触件与工件接触并且上述定寸装置相对于上述工件移动时的测量结果，其中上述定寸装置设置在构成为对上述工件进行加工的机床，具有构成为接触上述工件的接触件，且能够通过检测上述接触件与上述工件之间的接触来测量上述工件的尺寸；转换部，构成为将上述测量结果获取部获取的测量结果转换为代用值，该代用值为上述工件的表面粗度的代用特性；以及模型生成部，构成为通过将上述代用值、以及上述工件的上述表面粗度的实测值作为学习数据的机器学习，生成构成为估计上述工件的表面粗度的学习模型。根据该第二表面粗度估计装置，模型生成部通过机器学习生成用于估计工件的表面粗度的学习模型。然后，该第二表面粗度估计装置能够通过使用该学习模型，来提高工件W的表面粗度的估计精度。另外，该第二表面粗度估计装置能够基于对从定寸装置得到的测量结果进行转换得到的代用值和学习模型，估计工件W的表面粗度，所以机床能够在机床设备上把握加工后的工件的表面粗度。(2.表面粗度估计方法)根据本公开的其它方式，估计表面粗度的方法具备：通过使定寸装置的接触件与工件接触并且使上述定寸装置相对于上述工件平行移动，来测量上述工件的加工面，其中上述定寸装置设置在对工件进行加工的机床，并具有接触上述工件的上述接触件，且能够通过检测上述接触件与上述工件的接触来测量上述工件的尺寸；转换，将通过上述测量获取到的测量结果转换为成为上述工件的上述表面粗度的代用特性的代用值；以及基于表示上述代用值与上述工件的表面粗度的实测值的关系的模型，估计上述工件的表面粗度。根据该表面粗度估计方法，起到与上述的第一表面粗度估计装置相同的效果。附图说明图1是磨床的俯视图。图2是表示定寸装置的构成的图。图3是表示估计用测量结果的图表的一个例子。图4是表示表面粗度估计装置的学习阶段的构成的功能框图。图5是表示表面粗度估计装置的估计阶段的构成的功能框图。图6是表示由模型生成部生成的回归模型的一个例子的图表。图7是表示由控制装置执行的表面粗度估计工序的流程图。图8是表示在表面粗度估计工序中执行的测量工序的第一例的流程图。图9是表示在表面粗度估计工序中执行的测量工序的第二例的流程图。具体实施方式(1.表面粗度估计装置的概要)表面粗度估计装置在进行工件的加工的机床设备上估计加工后的工件的表面粗度。机床具备定寸装置，表面粗度估计装置在机床对工件的加工后，在使定寸装置的接触件与工件的加工面接触的状态下，一边使定寸装置相对于工件相对移动，一边进行定寸装置对工件的测量。然后，表面粗度估计装置基于从定寸装置得到的测量结果，估计工件的表面粗度。(2.磨床1的构成)首先，参照图1，对作为机床的一个例子的磨床1的构成进行说明。在本实施方式中，磨床1是砂轮座横动型的圆筒磨床。此外，机床也可以是工作台横动型的磨床，也可以是磨床以外的机床，例如也可以是车床等。另外，在本实施方式中，工件W是具有外径不同的多个圆筒面的曲轴。此外，工件W并不限定于曲轴。即，工件W也可以是曲轴以外的旋转体，例如，也可以是外径在轴向整体相同的旋转体。另外，工件W并不限定于旋转体。如图1所示，磨床1主要具备床身10、工件支承装置20、工具支承装置30、工具移动装置40、定寸装置50、定寸装置移动装置60、砂轮修正装置70、以及控制装置80。床身10固定在设置面上。工件支承装置20以能够旋转的方式支承工件W。在本实施方式中，工件支承装置20具备主轴台21和尾座22。主轴台21设置于床身10的上面，以能够绕中心轴线(绕Z轴)旋转的方式支承工件W。尾座22设置于在床身10的上面，与主轴台21对置的位置。工件支承装置20通过主轴台21以及尾座22以能够旋转的方式在两端支承工件W，工件W通过设置于主轴台21的马达23的驱动而旋转。工具支承装置30以能够旋转的方式支承工具。在本实施方式中，工具支承装置30主要具备作为工具的砂轮31、和砂轮座32。砂轮31是通过结合材料固定多个磨粒而构成的圆盘状的工具。磨粒存在一般磨粒和超磨粒。作为一般磨粒，广为人知的有氧化铝、碳化硅等陶瓷质的材料等。超磨粒是金刚石或者CBN。砂轮座32以能够旋转的方式支承砂轮31。此外，在砂轮座32设置有赋予用于使砂轮31旋转的驱动力的马达33。工具移动装置40使砂轮31相对于床身10相对移动。在本实施方式中，工具移动装置40主要具备第一工作台41和马达42。第一工作台41设置为能够相对于床身10向Z轴方向移动，马达42赋予用于使第一工作台41向Z轴方向移动的驱动力。在第一工作台41的上面设置有砂轮座32，砂轮座32设置为能够相对于第一工作台41向接近以及远离工件W的方向(X轴方向)移动。另外，在工具移动装置40设置有马达43，该马达43赋予用于使砂轮座32相对于第一工作台41向X轴方向移动的驱动力。换句话说，磨床1能够本文档来自技高网...

【技术保护点】
1.一种估计表面粗度的装置，具备：/n测量结果获取部，构成为获取在使定寸装置的接触件与工件接触并且上述定寸装置相对于上述工件移动时的测量结果，其中上述定寸装置设置在构成为对上述工件进行加工的机床，并具有构成为接触上述工件的上述接触件，且能够通过检测上述接触件与上述工件之间的接触来测量上述工件的尺寸；/n转换部，构成为将上述测量结果获取部获取的测量结果转换为至少一个代用值，该代用值为上述工件的表面粗度的代用特性；/n模型存储部，构成为存储表示上述至少一个代用值与上述工件的上述表面粗度的实测值之间的关系的模型；以及/n估计部，构成为基于上述模型和上述至少一个代用值，估计上述工件的上述表面粗度。/n

【技术特征摘要】
20190425 JP 2019-0845421.一种估计表面粗度的装置，具备：
测量结果获取部，构成为获取在使定寸装置的接触件与工件接触并且上述定寸装置相对于上述工件移动时的测量结果，其中上述定寸装置设置在构成为对上述工件进行加工的机床，并具有构成为接触上述工件的上述接触件，且能够通过检测上述接触件与上述工件之间的接触来测量上述工件的尺寸；
转换部，构成为将上述测量结果获取部获取的测量结果转换为至少一个代用值，该代用值为上述工件的表面粗度的代用特性；
模型存储部，构成为存储表示上述至少一个代用值与上述工件的上述表面粗度的实测值之间的关系的模型；以及
估计部，构成为基于上述模型和上述至少一个代用值，估计上述工件的上述表面粗度。


2.根据权利要求1所述的装置，其中，
上述模型是表示上述至少一个代用值与上述实测值的上述关系的回归模型。


3.根据权利要求1所述的装置，其中，
上述转换部使用相互不同的多个转换方法，将上述测量结果转换为具有上述至少一个代用值且相互不同的多个代用值，
上述模型是通过应用上述多个代用值以及上述实测值作为学习数据的机器学习生成的学习模型。


4.根据权利要求3所述的装置，其中，
还具备模型生成部，该模型生成部构成为通过将上述多个代用值以及上述实测值作为学习数据的上述机器学习生成上述学习模型。


5.根据权利要求1～4中任意一项所述的装置，其中，
上述转换部根据从上述测量结果提取出的多个提取数据的值，将通过将上述多个提取数据的值的平均值的绝对值的合计除以上述多个提取数据的数目而得到的值作为上述多个代用值中的上述至少一个代用值。


6.根据权利要求1～5中任意一项所述的装置，其中，
上述工件为旋转体，
上述测量结果获取部获取在使上述接触件与上述工件的外周面或者上述工件的内周面接触并且上述定寸装置相对于上述工件移动时的上述测量结果。


7.根据权利要求6所述的装置，其中，
上述工件构成为进行旋转，
上述测量结果获取部获取在使上述接触件与上述旋转中的上述工件接触并且上述定寸装置相对于上述工件移动时的上述测量结果。


8.根据权利要求1～7中任意一项所述的装置，其中，
上述机床具备：
工件支承装置，以能够旋转的方式支承上述工件；
工具支承装置，支承构成为对上述工件进行加工的工具；
工具移动装置，使上述工具支承装置相对于上述工件支承装置移动；以及
控制装置，构成为控制上述工件支承装置、上述工具移动装置以及上述定寸装置中的至少一个，
上述控制装置在通过上述工具对上述工件进行了加工之后，在使上述工具从上述工件后退的同时，使上述接触件与上述工件接触并且使上述定寸装置相对于上述工件移动。

【专利技术属性】
技术研发人员：臂安彦，今枝大辅，岩井英树，
申请(专利权)人：株式会社捷太格特，
类型：发明
国别省市：日本;JP