[發(fā)明專利]學習異常負載檢測的閾值的機械學習機、數(shù)控裝置以及機械學習方法

有效

• 申請?zhí)枺?/td>: 201710407907.3
• 申請日: 2017-06-02
• 公開（公告）號: CN107491038B
• 公開（公告）日: 2020-03-03
• 發(fā)明（設計）人: 高山堪太;佐藤和生;前田英朗
• 申請（專利權）人: 發(fā)那科株式會社
• 主分類號: G05B19/4069
• 分類號: G05B19/4069
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 金成哲;宋春華

1.一種機械學習機，學習機床中的異常負載檢測的閾值，

上述機械學習機的特征在于，具備：

狀態(tài)觀測部，對基于上述機床的工具的信息、主軸轉速及冷卻劑量、工件的材質、以及上述工具的行進方向、切削速度及切入量的至少一個而得到的狀態(tài)變量進行觀測；以及

學習部，基于根據上述狀態(tài)觀測部的輸出及與上述機床的異常負載檢測相關的數(shù)據作成的訓練數(shù)據、以及教師數(shù)據，學習上述異常負載檢測的閾值，

上述學習部具備：

誤差計算部，計算上述訓練數(shù)據與上述教師數(shù)據的誤差；以及

學習模型更新部，基于上述狀態(tài)觀測部的輸出及上述誤差計算部的輸出，對學習模型進行更新，上述學習模型決定與上述機床的異常負載檢測相關聯(lián)的條件的誤差，

上述工具的信息包括上述工具的種類、材質以及直徑的信息，

上述訓練數(shù)據是與預測負載中流動的電流所得到的預測負載電流值相關的數(shù)據，

上述教師數(shù)據是與實際測量上述負載中流動的電流所得到的負載電流實測值相關的數(shù)據。

2.根據權利要求1所述的機械學習機，其特征在于，

上述機械學習機存在于云服務器上。

3.根據權利要求1所述的機械學習機，其特征在于，

上述機械學習機存在于霧服務器上。

4.根據權利要求1～3中任一項所述的機械學習機，其特征在于，

上述機械學習機能夠與至少一個其他機械學習機連接，在與至少一個上述其他機械學習機之間互相交換或者共享機械學習的結果。

5.根據權利要求1～3中任一項所述的機械學習機，其特征在于，

上述機械學習機具備神經網絡。

6.一種數(shù)控裝置，包括權利要求1～權利要求5中任一項所述的機械學習機，并控制上述機床，

上述數(shù)控裝置的特征在于，

基于通過上述機械學習機學習到的上述異常負載檢測的閾值，檢測上述機床的異常負載。

7.根據權利要求6所述的數(shù)控裝置，其特征在于，

在實際測量負載中流動的電流所得到的負載電流實測值比針對上述異常負載檢測的閾值加上預定的偏差量所得到的值大時，判定為檢測到上述機床的異常負載。

8.根據權利要求7所述的數(shù)控裝置，其特征在于，

上述數(shù)控裝置包括：學習上述異常負載檢測的閾值的學習階段；以及控制上述機床來實際加工上述工件的運用階段，

在上述學習階段中，通過預先決定的學習用加工，基于每個加工條件的負載電流值來學習上述異常負載檢測的閾值，

在上述運用階段中，對學習到的上述異常負載檢測的閾值與實際測量上述負載中流動的電流所得到的負載電流實測值進行比較，從而檢測上述機床的異常負載。

9.根據權利要求8所述的數(shù)控裝置，其特征在于，

上述數(shù)控裝置在上述運用階段中也學習上述異常負載檢測的閾值。

10.一種機械學習方法，學習機床的異常負載檢測的閾值，

上述機械學習方法的特征在于，

對基于上述機床的工具的信息、主軸轉速及冷卻劑量、工件的材質、以及上述工具的行進方向、切削速度及切入量的至少一個而得到的狀態(tài)變量進行觀測，

基于根據上述狀態(tài)變量及與上述機床的異常負載檢測相關的數(shù)據作成的訓練數(shù)據、以及教師數(shù)據，學習上述異常負載檢測的閾值，

學習上述異常負載檢測的閾值是指：

計算上述訓練數(shù)據與上述教師數(shù)據的誤差；

基于上述狀態(tài)變量、以及計算出的上述訓練數(shù)據與上述教師數(shù)據的誤差，更新學習模型，上述學習模型決定與上述機床的異常負載檢測相關聯(lián)的條件的誤差，

上述工具的信息包括上述工具的種類、材質以及直徑的信息，

上述訓練數(shù)據是與預測負載中流動的電流所得到的預測負載電流值相關的數(shù)據，

上述教師數(shù)據是與實際測量上述負載中流動的電流所得到的負載電流實測值相關的數(shù)據。