热位移模型学习装置、热位移估计装置、加工系统及加工方法与流程

本公开涉及一种用于修正机床的热位移的热位移模型学习装置、热位移估计装置、加工系统以及加工方法。

背景技术：

1、机床是驱动进给轴而使加工对象物与刀具的相对位置变化从而将称为工件的加工对象物去除加工成为所希望的形状的加工装置。以铣床、车床等为代表的机床将刀具或加工对象物安装于主轴，在使主轴旋转的状态下进行加工。机床具备用于驱动进给轴和主轴的致动器、以及产生用于驱动致动器的电力的伺服放大器等。具备致动器的机床通过位置检测器测定进给轴的位置，并通过进行控制以使实际的位置与指令的位置一致来进行定位。

2、在机床加工工件时，在机床中会产生热。例如，致动器和伺服放大器在将电力转换为动力时产生热。另外，在切削、研磨之类的加工中，伴随着材料的变形、摩擦等产生热。另外，在使进给轴动作时产生的摩擦也产生热。当这些热传递到以立柱、床身为代表的机床的结构物时，机床的机械结构的温度上升，发生热膨胀。这种由热膨胀引起的结构物的变形被称为热位移。另外，也有结构物的温度不均等变化的情况，在这种情况下，根据结构物中的位置而产生不同的热位移，从而有时会产生结构物的倾倒、歪斜、扭曲等单纯伸缩之外的位移。已知这种热位移会使机床的定位精度下降，因此有时刀具与工件的相对位置会产生误差，加工精度下降。

3、专利文献1公开了一种技术，该技术能够使用在机床的加工期间取得的测算数据和热位移量的实测值，通过机器学习，根据测算数据来估计热位移量。具体地，专利文献1中公开的机器学习装置具备：测算数据取得部，取得测算数据组；热位移量取得部，取得热位移量的实测值；存储部，将测算数据组作为输入数据并且将热位移量的实测值作为标签相互关联，作为训练数据进行存储；以及计算式学习部，通过使用训练数据进行机器学习，设定基于测算数据组算出热位移量的热位移量预测计算式。存储部将测算数据组作为训练数据在规定的期间进行存储。

4、现有技术文献

5、专利文献

6、专利文献1：日本特开2019-111648号公报

技术实现思路

1、发明要解决的问题

2、然而，根据上述现有技术，存在以下问题：在存储部存储训练数据的期间对于机床中产生的热位移不适当的情况下，机床中产生的热位移量的估计精度可能降低。例如，某个热源产生的热引起热位移之前的时间受到与其他热源的位置关系、周围环境等的影响。因此，在存储的期间过短的情况下，在学习时，有时影响热位移的测算数据未被包含在所存储的训练数据中，热位移量的估计精度降低。另外，在存储的期间过长的情况下，在学习时，由于错误地学习包含在该数据中并对热位移贡献少的测算数据，有时热位移量的估计精度降低。

3、本公开是鉴于上述情况而完成的，其目的在于得到一种能够提高热位移量的估计精度的热位移模型学习装置。

4、用于解决问题的手段

5、为了解决上述问题并实现目的，本公开的热位移模型学习装置的特征在于，具备：学习用数据取得部，取得学习用数据，所述学习用数据将输入数据和热位移数据按时间建立对应，所述输入数据至少包含表示机床的时间序列的温度的温度数据，所述热位移数据表示机床的时间序列的热位移量；数据集生成部，生成从学习用数据中提取出学习用数据的一部分而得到的数据集；以及学习部，使用数据集，生成用于根据机床的输入数据估计热位移量的已学习的热位移模型，数据集生成部生成数据集，使得在多个数据集中的至少两个数据集中，提取的时间区间的时间长度彼此不同。

6、发明的效果

7、根据本公开，起到能够提高热位移量的估计精度的效果。

技术特征：

1.一种热位移模型学习装置，其特征在于，具备：

2.根据权利要求1所述的热位移模型学习装置，其特征在于，

3.根据权利要求1或2所述的热位移模型学习装置，其特征在于，

4.根据权利要求1至3中任一项所述的热位移模型学习装置，其特征在于，还具备：

5.根据权利要求4所述的热位移模型学习装置，其特征在于，

6.根据权利要求2或5所述的热位移模型学习装置，其特征在于，

7.根据权利要求1至3中任一项所述的热位移模型学习装置，其特征在于，

8.根据权利要求1至3中任一项所述的热位移模型学习装置，其特征在于，

9.根据权利要求8所述的热位移模型学习装置，其特征在于，还具备：

10.根据权利要求9所述的热位移模型学习装置，其特征在于，

11.一种热位移估计装置，其特征在于，具备：

12.一种加工系统，其特征在于，具备：

13.一种加工方法，是使用机床的加工方法，所述机床具备刀具、使所述刀具或加工对象物旋转的主轴、以及使所述刀具和所述加工对象物之间的相对位置变化的进给轴，通过所述刀具对所述加工对象物进行去除加工，所述加工方法的特征在于，包括：

技术总结
热位移模型学习装置(2)的特征在于，具备：学习用数据取得部(21)，取得学习用数据，所述学习用数据将输入数据和热位移数据按时间建立对应，所述输入数据至少包含表示机床的时间序列的温度的温度数据，所述热位移数据表示机床的时间序列的热位移量；数据集生成部(22)，生成从学习用数据中提取出所述学习用数据的一部分而得到的数据集；以及学习部(23)，使用数据集，生成用于根据机床的输入数据估计热位移量的已学习的热位移模型，数据集生成部(22)生成数据集，使得在多个数据集中的至少两个数据集中，提取的时间区间的时间长度彼此不同。

技术研发人员：池田辽辅,高币一树
受保护的技术使用者：三菱电机株式会社
技术研发日：
技术公布日：2024/12/30