JP2003094291A - Thermal displacement correction method and device for machine tool - Google Patents
Thermal displacement correction method and device for machine toolInfo
- Publication number
- JP2003094291A JP2003094291A JP2001295699A JP2001295699A JP2003094291A JP 2003094291 A JP2003094291 A JP 2003094291A JP 2001295699 A JP2001295699 A JP 2001295699A JP 2001295699 A JP2001295699 A JP 2001295699A JP 2003094291 A JP2003094291 A JP 2003094291A
- Authority
- JP
- Japan
- Prior art keywords
- machine tool
- temperature
- thermal displacement
- displacement amount
- thermal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Automatic Control Of Machine Tools (AREA)
- Numerical Control (AREA)
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】この発明は、工作機械の熱変
形補正方法および装置に関するものであり、さらに詳し
くは、ニューラルネットワークを利用した関係式により
工作機械の熱変形を求め、さらに各可動部の位置を補正
して熱変形の影響を排除するようにした工作機械の熱変
形補正方法および装置に関するものである。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a method and apparatus for correcting thermal deformation of a machine tool, and more specifically, it determines thermal deformation of a machine tool by a relational expression using a neural network, and further, calculates the thermal deformation of each movable part. The present invention relates to a thermal deformation correction method and device for a machine tool that corrects the position to eliminate the influence of thermal deformation.
【０００２】[0002]
【従来の技術】工作機械の熱変形（熱変位）による加工
製品の形状精度および寸法精度等への影響をできるだけ
少なくするために、工作機械を強制温調（冷却または加
熱）して各構造体の温度を一定値に保つことや室温等に
追従させることは従来から行われていた。また、工作機
械の温度変化による熱変形量を予測して、各座標軸方向
の送り量を補正することにより熱変形による影響を減少
させることも従来から知られていた。2. Description of the Related Art In order to minimize the influence of the thermal deformation (thermal displacement) of a machine tool on the shape accuracy and dimensional accuracy of a processed product, the machine tool is subjected to forced temperature control (cooling or heating) for each structure. It has been conventionally performed to keep the temperature of (1) constant and to make it follow room temperature. It has also been known in the past to predict the amount of thermal deformation due to temperature change of the machine tool and correct the feed amount in each coordinate axis direction to reduce the effect of thermal deformation.
【０００３】このように、工作機械を強制温調して各構
造体の温度を目標値に保とうとしても、各構造体の温度
を完全に目標値に追従制御することは不可能であり、目
標値への追従制御による強制温調によって熱変形による
影響を減少させることには限界があった。また、工作機
械の温度変化による熱変形量を精度よく予測することも
困難であり、各座標軸方向の送り量を補正することによ
る熱変形の補償にも限界があった。そして送り方向以外
の方向での熱変形を補償するためには、各送り軸の制御
が複雑となり補償精度がさらに悪化することとなる。Thus, even if the temperature of each structure is kept at the target value by forcibly controlling the temperature of the machine tool, it is impossible to completely control the temperature of each structure to the target value. There is a limit in reducing the effect of thermal deformation by forced temperature control by following the target value. Further, it is difficult to accurately predict the thermal deformation amount due to the temperature change of the machine tool, and there is a limit to the thermal deformation compensation by correcting the feed amount in each coordinate axis direction. In order to compensate for thermal deformation in a direction other than the feed direction, the control of each feed axis becomes complicated, and the compensation accuracy further deteriorates.
【０００４】このような問題点を解決するものとして、
本出願人は、特開２００１−１３８１７５号公報に開示
されたような、ニューラルネットワークの逆解法により
強制温調の最適な目標温度を求め、工作機械の熱変形を
高度に抑制する方法およびその方法を利用した温度制御
装置を提案した。特開２００１−１３８１７５号公報に
示した方法および装置によれば、それ以前の温度制御に
比較して工作機械の熱変位を大幅に抑制することがで
き、加工製品の寸法精度、形状精度等を大幅に向上させ
ることができる。As a means for solving such problems,
The present applicant obtains an optimum target temperature for forced temperature control by the inverse solution method of a neural network as disclosed in Japanese Patent Laid-Open No. 2001-138175, and highly suppresses thermal deformation of a machine tool, and a method thereof. We proposed a temperature control device using the. According to the method and apparatus disclosed in Japanese Patent Laid-Open No. 2001-138175, the thermal displacement of the machine tool can be significantly suppressed as compared with the temperature control before that, and the dimensional accuracy, the shape accuracy, etc. of the processed product can be improved. It can be greatly improved.
【０００５】[0005]
【発明が解決しようとする課題】特開２００１−１３８
１７５号公報に示した方法および装置においては、逆解
法により工作機械の熱変形を最小にするような強制温調
の目標温度を求め、その目標温度によって温度制御を行
うため、前述のように、工作機械の熱変位を大幅に抑制
することができ、加工製品の寸法精度、形状精度等を大
幅に向上させることができる。しかし、それでも強制温
調によってだけでは工作機械の熱変形を完全に抑制する
ことはできない。強制温調によってもなお残留する熱変
位成分により加工製品の寸法精度、形状精度等が低下す
るという問題点があった。DISCLOSURE OF THE INVENTION Problems to be Solved by the Invention
In the method and apparatus disclosed in Japanese Patent No. 175, the target temperature of the forced temperature control that minimizes the thermal deformation of the machine tool is obtained by the inverse solution method, and the temperature control is performed by the target temperature. Therefore, as described above, The thermal displacement of the machine tool can be significantly suppressed, and the dimensional accuracy and shape accuracy of the processed product can be significantly improved. However, even with the forced temperature control, the thermal deformation of the machine tool cannot be completely suppressed. There is a problem that the dimensional accuracy and the shape accuracy of the processed product are deteriorated by the residual thermal displacement component even by the forced temperature control.
【０００６】それに加えて、特開２００１−１３８１７
５号公報に示した方法および装置においては、ニューラ
ルネットワークにおける逆解法という計算量の比較的大
きな演算法を利用しているため、ＣＰＵ能力等の演算の
ための資源を大量に必要とするという問題点があった。
工作機械の単位時間あたりの温度変動が比較的大きく、
短時間での演算結果が必要な場合には、特に大きな資源
すなわち高度の演算能力を有するＣＰＵ等を必要とす
る。このために、温度制御装置のコストの上昇が避けら
れなかった。In addition to this, Japanese Patent Laid-Open No. 2001-13817
The method and apparatus disclosed in Japanese Patent Laid-Open No. 5 uses a calculation method having a relatively large amount of calculation called an inverse solution method in a neural network, and thus requires a large amount of resources for calculation such as CPU power. There was a point.
The temperature fluctuation of the machine tool per unit time is relatively large,
When a calculation result in a short time is required, a particularly large resource, that is, a CPU having a high calculation ability is required. Therefore, the cost of the temperature control device is inevitably increased.
【０００７】そこで、本発明は、ニューラルネットワー
クを利用した関係式により工作機械の熱変形を求め、さ
らに各可動部の位置を補正して熱変形の影響を排除する
ようにして、ニューラルネットワークの逆解法による強
制温調を使用した工作機械の加工精度をさらに向上させ
るようにした、または、大きな演算資源を必要とせずに
熱変形の影響を排除できるようにした工作機械の熱変形
補正方法および装置を提供することを目的とする。Therefore, according to the present invention, the thermal deformation of the machine tool is obtained by a relational expression using a neural network, and the position of each movable part is corrected to eliminate the influence of the thermal deformation. Method and apparatus for correcting thermal deformation of machine tool, which is capable of further improving the machining accuracy of the machine tool using forced temperature control by the solution method, or capable of eliminating the influence of thermal deformation without requiring a large calculation resource The purpose is to provide.
【０００８】[0008]
【課題を解決するための手段】上記目的を達成するため
に、本発明の工作機械の熱変形補正方法は、工作機械の
構造体温度、前記工作機械周囲の温度等に関する入力デ
ータ群を入力し、そのときの前記工作機械の熱変位量を
出力し、入出力間に非線形関数を含むニューラルネット
ワークに、入力データと教師データとを与えることによ
り、前記入力データ群と前記熱変位量との関係を学習さ
せる手順と、学習済みの前記ニューラルネットワークか
ら、前記入力データ群と前記熱変位量との関係式を求め
る手順と、前記関係式により、前記入力データ群から前
記熱変位量を演算して求める熱変位量演算手順と、前記
熱変位量演算手順によって求めた前記熱変位量により工
作機械の各可動部の位置を補正する手順とを有するもの
である。In order to achieve the above object, a method for correcting thermal deformation of a machine tool according to the present invention inputs an input data group relating to the temperature of the structure of the machine tool, the temperature around the machine tool, and the like. A relationship between the input data group and the thermal displacement amount by outputting the thermal displacement amount of the machine tool at that time and giving the input data and the teacher data to a neural network including a non-linear function between the input and the output. And a procedure for obtaining a relational expression between the input data group and the thermal displacement amount from the learned neural network, and calculating the thermal displacement amount from the input data group by the relational expression. It has a thermal displacement amount calculation procedure to be obtained and a procedure for correcting the position of each movable part of the machine tool based on the thermal displacement amount obtained by the thermal displacement amount calculation procedure.
【０００９】また、上記の工作機械の熱変形補正方法に
おいて、前記入力データ群は、前記工作機械の強制温調
温度を含むものであることが好ましい。Further, in the above-described method for correcting thermal deformation of a machine tool, it is preferable that the input data group includes a forced temperature control temperature of the machine tool.
【００１０】また、本発明の工作機械の熱変形補正方法
は、工作機械の構造体温度、前記工作機械周囲の温度、
前記工作機械の強制温調温度等に関する入力データ群を
入力し、そのときの前記工作機械の熱変位量を出力し、
入出力間に非線形関数を含むニューラルネットワーク
に、入力データと教師データとを与えることにより、前
記入力データ群と前記熱変位量との関係を学習させる手
順と、学習済みの前記ニューラルネットワークから、前
記入力データ群と前記熱変位量との関係式を求める手順
と、前記関係式により、前記入力データ群から前記熱変
位量を演算して求める熱変位量演算手順と、前記関係式
により、前記熱変位量が最小となる強制温調温度である
最適温調設定温度を求める手順と、強制温調温度が前記
最適温調設定温度となるように制御して前記工作機械の
強制温調を行う手順と、前記熱変位量演算手順によって
求めた前記熱変位量により工作機械の各可動部の位置を
補正する手順とを有するものである。Further, the method for correcting thermal deformation of a machine tool according to the present invention, the structure temperature of the machine tool, the temperature around the machine tool,
Input a group of input data related to the forced temperature control temperature of the machine tool, output the amount of thermal displacement of the machine tool at that time,
A procedure for learning the relationship between the input data group and the thermal displacement amount by giving input data and teacher data to a neural network including a non-linear function between input and output, and from the learned neural network, A procedure for obtaining a relational expression between the input data group and the thermal displacement amount, a thermal displacement amount computation procedure for obtaining the thermal displacement amount from the input data group by the relational expression, and a thermal displacement amount by the relational expression. Procedure for obtaining the optimum temperature control temperature, which is the forced temperature control temperature with the minimum amount of displacement, and the procedure for performing the forced temperature control of the machine tool by controlling the forced temperature control temperature to be the optimum temperature control temperature. And a procedure for correcting the position of each movable portion of the machine tool based on the thermal displacement amount obtained by the thermal displacement amount calculation procedure.
【００１１】また、上記の工作機械の熱変形補正方法に
おいて、前記入力データ群は、稼働開始からの時間と、
稼働開始からの前記工作機械各部の温度上昇値と、稼働
開始からの室温上昇値および前記工作機械の強制温調温
度を含むものであることが好ましい。Further, in the above-described method for correcting thermal deformation of a machine tool, the input data group includes a time from the start of operation,
It is preferable that the temperature increase value of each part of the machine tool from the start of operation, the room temperature increase value from the start of operation, and the forced temperature control temperature of the machine tool are included.
【００１２】また、上記の工作機械の熱変形補正方法に
おいて、前記入力データ群は、所定時間だけ過去からの
前記工作機械各部の温度上昇値と所定時間だけ過去から
の室温上昇値とを含むものであることが好ましい。Further, in the above-described method for correcting thermal deformation of a machine tool, the input data group includes a temperature rise value of each part of the machine tool from a past for a predetermined time and a room temperature rise value from a past for a predetermined time. It is preferable.
【００１３】また、上記の工作機械の熱変形補正方法に
おいて、前記ニューラルネットワークは、入力層、中間
層および出力層の３層構造を有するものであることが好
ましい。Further, in the above-mentioned method for correcting thermal deformation of a machine tool, it is preferable that the neural network has a three-layer structure of an input layer, an intermediate layer and an output layer.
【００１４】また、上記の工作機械の熱変形補正方法に
おいて、前記ニューラルネットワークは、前記中間層の
入力と出力との関係がシグモイド関数となるものである
ことが好ましい。Further, in the above-described method for correcting thermal deformation of a machine tool, it is preferable that the neural network has a sigmoid function as a relation between an input and an output of the intermediate layer.
【００１５】また、本発明の工作機械の熱変形補正装置
は、工作機械の構造体温度および前記工作機械周囲の温
度に関するデータを入力するデータ入力手段と、前記工
作機械の構造体温度、前記工作機械周囲の温度等に関す
る入力データ群を入力し、そのときの前記工作機械の熱
変位量を出力し、入出力間に非線形関数を含むとともに
前記入力データ群と前記熱変位量との関係を学習させた
ニューラルネットワークに基づいて得られた前記入力デ
ータ群と前記熱変位量との間の関係式により、前記入力
データ群から前記熱変位量を演算して求める熱変位量演
算手段と、前記熱変位量演算手段によって求めた前記熱
変位量により工作機械の各可動部の位置を補正する補正
手段とを有するものである。Further, the thermal deformation correction apparatus for a machine tool according to the present invention includes data input means for inputting data on the structure temperature of the machine tool and the temperature around the machine tool, the structure temperature of the machine tool, and the machine tool. Input an input data group related to the temperature around the machine, output the thermal displacement amount of the machine tool at that time, include a non-linear function between the input and output, and learn the relationship between the input data group and the thermal displacement amount. A thermal displacement amount calculating means for calculating the thermal displacement amount from the input data group by a relational expression between the input data group and the thermal displacement amount obtained based on the neural network, And a correction unit that corrects the position of each movable portion of the machine tool based on the thermal displacement amount calculated by the displacement amount calculation unit.
【００１６】また、上記の工作機械の熱変形補正装置に
おいて、強制温調温度に従って前記工作機械の各部の温
度制御を行う温度制御手段を有し、前記入力データ群
は、前記工作機械の強制温調温度を含むものであること
が好ましい。Further, in the above-described machine tool thermal deformation correction device, there is provided temperature control means for controlling the temperature of each part of the machine tool according to the forced temperature control temperature, and the input data group is the forced temperature of the machine tool. It is preferable that the temperature control is included.
【００１７】また、本発明の工作機械の熱変形補正装置
は、工作機械の構造体温度および前記工作機械周囲の温
度に関するデータを入力するデータ入力手段と、前記工
作機械の構造体温度、前記工作機械周囲の温度等に関す
る入力データ群を入力し、そのときの前記工作機械の熱
変位量を出力し、入出力間に非線形関数を含むとともに
前記入力データ群と前記熱変位量との関係を学習させた
ニューラルネットワークに基づいて得られた前記入力デ
ータ群と前記熱変位量との間の関係式により、前記入力
データ群から前記熱変位量を演算して求める熱変位量演
算手段と、前記入力データ群と前記熱変位量との前記関
係式により、前記熱変位量が最小となる強制温調温度で
ある最適温調設定温度を演算する最適温調設定温度演算
手段と、強制温調温度が前記最適温調設定温度となるよ
うに制御を行う温度制御手段と、前記熱変位量演算手段
によって求めた前記熱変位量により工作機械の各可動部
の位置を補正する補正手段とを有するものである。Further, the thermal deformation correction apparatus for a machine tool of the present invention includes data input means for inputting data relating to the temperature of the structure of the machine tool and the temperature around the machine tool, the temperature of the structure of the machine tool, and the machine. Input an input data group related to the temperature around the machine, output the thermal displacement amount of the machine tool at that time, include a non-linear function between the input and output, and learn the relationship between the input data group and the thermal displacement amount. Thermal displacement amount calculating means for calculating the thermal displacement amount from the input data group by a relational expression between the input data group and the thermal displacement amount obtained based on the neural network, and the input From the relational expression of the data group and the thermal displacement amount, an optimum temperature control set temperature calculation means for calculating the optimum temperature control set temperature which is the forced temperature control temperature at which the thermal displacement amount becomes the minimum, and the forced temperature control. Temperature control means for controlling the temperature to be the optimum temperature adjustment set temperature, and correction means for correcting the position of each movable part of the machine tool by the thermal displacement amount obtained by the thermal displacement amount calculation means. It is a thing.
【００１８】また、上記の工作機械の熱変形補正装置に
おいて、稼働開始時の前記工作機械各部の温度と稼働開
始時の室温とを記憶する手段を有することが好ましい。Further, it is preferable that the thermal deformation correction apparatus for a machine tool described above has a means for storing the temperature of each part of the machine tool at the start of operation and the room temperature at the start of operation.
【００１９】また、上記の工作機械の熱変形補正装置に
おいて、所定時間だけ過去からの前記工作機械各部の温
度の履歴データと所定時間だけ過去からの室温の履歴デ
ータとを記憶する手段を有することが好ましい。Further, the above-described thermal deformation correction device for a machine tool has means for storing history data of temperature of each part of the machine tool from a past for a predetermined time and history data of room temperature from a past for a predetermined time. Is preferred.
【００２０】また、上記の工作機械の熱変形補正装置に
おいて、前記ニューラルネットワークは、入力層、中間
層および出力層の３層構造を有するものであることが好
ましい。Further, in the above-described thermal deformation correction device for a machine tool, it is preferable that the neural network has a three-layer structure of an input layer, an intermediate layer and an output layer.
【００２１】また、上記の工作機械の熱変形補正装置に
おいて、前記ニューラルネットワークは、前記中間層の
入力と出力との関係がシグモイド関数となるものである
ことが好ましい。Further, in the above-described thermal deformation correction device for a machine tool, it is preferable that the neural network is such that the relationship between the input and the output of the intermediate layer is a sigmoid function.
【００２２】[0022]
【発明の実施の形態】本発明の実施の形態について図面
を参照して説明する。図１は、本発明の熱変形補正方法
を適用する工作機械を示す図である。工作機械としては
マシニングセンタ１を例にとって説明する。マシニング
センタ１のベッド２上には、テーブル３が設けられてい
る。また、コラム４には主軸頭５がＺ軸方向（鉛直方
向）に移動可能に設けられている。主軸頭５には、Ｚ軸
方向の中心軸を有する主軸６がＺ軸の回りに回転可能に
軸支されている。BEST MODE FOR CARRYING OUT THE INVENTION Embodiments of the present invention will be described with reference to the drawings. FIG. 1 is a diagram showing a machine tool to which the thermal deformation correction method of the present invention is applied. The machining center 1 will be described as an example of the machine tool. A table 3 is provided on the bed 2 of the machining center 1. A spindle head 5 is provided on the column 4 so as to be movable in the Z-axis direction (vertical direction). A spindle 6 having a central axis in the Z-axis direction is rotatably supported on the spindle head 5 so as to be rotatable around the Z-axis.
【００２３】テーブル３と主軸頭５とは、Ｚ軸と直交す
るＸ，Ｙ軸の両軸方向に相対移動可能に設けられてい
る。ここでは、Ｚ軸は鉛直方向に配置され、Ｘ，Ｙ軸は
水平面内に配置されているが、これに限らず、Ｘ，Ｙ，
Ｚ軸は互いに直交する任意の方向であってもよい。工作
物はテーブル３上に固定され、主軸６の先端に取り付け
られた加工工具によって工作物の加工が行われる。加工
の際には、主軸６が回転駆動され、主軸頭５とテーブル
３とがＸ，Ｙ，Ｚ軸方向に相対移動される。この相対移
動や位置の制御は、ここには図示されていないＮＣ（数
値制御）装置１０，１１（図３、図４参照）によって行
われる。The table 3 and the spindle head 5 are provided so as to be relatively movable in the directions of both X and Y axes orthogonal to the Z axis. Here, the Z axis is arranged in the vertical direction and the X and Y axes are arranged in the horizontal plane, but the arrangement is not limited to this, and X, Y, and
The Z axes may be in any direction orthogonal to each other. The workpiece is fixed on the table 3, and the workpiece is machined by a machining tool attached to the tip of the spindle 6. At the time of processing, the spindle 6 is rotationally driven, and the spindle head 5 and the table 3 are relatively moved in the X-, Y-, and Z-axis directions. This relative movement and position control are performed by NC (numerical control) devices 10 and 11 (see FIGS. 3 and 4) not shown here.
【００２４】マシニングセンタ１が稼働を開始すると、
主軸６を軸支する軸受や駆動モータが熱源になり、マシ
ニングセンタ１の各部の温度が変動する。また、周囲の
室温も時間に従って変動する。これらの温度変動によ
り、マシニングセンタ１の各部に熱変形が生じ、主軸頭
５（主軸６）とテーブル３とのＸ，Ｙ，Ｚ軸方向の位置
関係に熱変形による変位が生じる。このような熱変位が
工作物の加工精度に悪影響を及ぼすので、マシニングセ
ンタ１の熱変形を抑制するための冷却装置９が設けられ
ている。When the machining center 1 starts operating,
The bearings and drive motors that support the main shaft 6 serve as heat sources, and the temperature of each part of the machining center 1 fluctuates. The ambient room temperature also changes with time. Due to these temperature fluctuations, thermal deformation occurs in each part of the machining center 1, and displacement due to thermal deformation occurs in the positional relationship between the spindle head 5 (spindle 6) and the table 3 in the X, Y, and Z axis directions. Since such thermal displacement adversely affects the machining accuracy of the workpiece, a cooling device 9 for suppressing thermal deformation of the machining center 1 is provided.
【００２５】冷却装置９は、冷却媒体（冷却油）を循環
させることにより、主軸６の軸受やＸ，Ｙ，Ｚ軸方向の
送りねじの強制冷却を行うものである。従来の冷却制
御、例えば、室温同調制御においては、主軸軸受、送り
ねじ等の部材の温度が室温と同調するようにフィードバ
ック制御が行われ、これにより冷却媒体の温度が設定さ
れる。機体温度同調制御においては、主軸軸受、送りね
じ等の部材の温度がベッド２等の機体温度と同調するよ
うにフィードバック制御が行われ、これにより冷却媒体
の温度が設定される。The cooling device 9 circulates a cooling medium (cooling oil) to forcibly cool the bearing of the main shaft 6 and the feed screw in the X, Y, and Z axis directions. In conventional cooling control, for example, room temperature tuning control, feedback control is performed so that the temperatures of members such as the main shaft bearing and the feed screw are synchronized with room temperature, and thereby the temperature of the cooling medium is set. In the machine body temperature synchronization control, feedback control is performed so that the temperature of members such as the main shaft bearing and the feed screw synchronizes with the machine body temperature of the bed 2 and the like, thereby setting the temperature of the cooling medium.
【００２６】このような従来のフィードバック制御、フ
ィードフォワード制御による強制冷却では、未だ工作機
械の熱変形を充分に抑制することができなかった。本発
明は、ニューラルネットワークの逆解法により強制冷却
の最適な目標温度を求め、工作機械の熱変形を高度に抑
制する方法を含むものである。With the conventional forced cooling by the feedback control and the feedforward control as described above, the thermal deformation of the machine tool could not be sufficiently suppressed. The present invention includes a method of obtaining the optimum target temperature for forced cooling by the inverse method of the neural network and highly suppressing the thermal deformation of the machine tool.
【００２７】図２は、本発明に使用するニューラルネッ
トワークの構成を示す図である。このニューラルネット
ワークは、入力層、中間層、出力層からなる３層構造を
有している。入力層のユニットはｎ個設けられており、
上からｉ番目（１≦ｉ≦ｎ）のユニットに対する入力を
Ｔi とすると、ｉ番目のユニットの出力もＴi である。
すなわち、入力層の各ユニットは、入力された信号をそ
のまま出力するものである。入力層の入力Ｔi には、マ
シニングセンタ１の稼働開始からの時間ｔ、稼働開始か
ら時間ｔまでのマシニングセンタ１の機体各部の温度上
昇値、稼働開始から時間ｔまでの室温上昇値、所定時間
Δｔだけ前から時間ｔまでの機体各部の温度上昇値、所
定時間Δｔだけ前から時間ｔまでの室温上昇値、冷却媒
体の温度等のデータが含まれる。FIG. 2 is a diagram showing the configuration of the neural network used in the present invention. This neural network has a three-layer structure including an input layer, an intermediate layer, and an output layer. N units of the input layer are provided,
When the input to unit i-th from the top (1 ≦ i ≦ n) and T i, the output of the i-th unit is also T i.
That is, each unit in the input layer outputs the input signal as it is. The input T i of the input layer is the time t from the start of operation of the machining center 1, the temperature increase value of each part of the machine body of the machining center 1 from the start of operation to the time t, the room temperature increase value from start of operation to the time t, and the predetermined time Δt. The data includes the temperature rise value of each part of the fuselage from the front to the time t, the room temperature rise value from the front to the time t for the predetermined time Δt, the temperature of the cooling medium, and the like.
【００２８】中間層のユニットはｍ個設けられており、
上からｊ番目（１≦ｊ≦ｍ）のユニットに対する入力を
Ｕj とし、ｊ番目のユニットの出力をＨj とする。出力
層のユニットは３個設けられており、上からｋ番目（１
≦ｋ≦３）のユニットに対する入力をＳk とし、ｋ番目
のユニットの出力をＯk とする。出力Ｏ1 ，Ｏ2 ，Ｏ 3
は熱変位のそれぞれＸ，Ｙ，Ｚ軸方向成分を表す。Ｕ
j ，Ｈj ，Ｓk ，Ｏk は、次の数１によって表される。M units of the intermediate layer are provided,
Input to the j-th unit from the top (1 ≤ j ≤ m)
Uj And the output of the jth unit is Hj And output
Three layer units are provided, and the k-th unit from the top (1
Input to the unit of ≦ k ≦ 3) is Sk And then the k th
Output of unitk And Output O1 , O2 , O 3
Represents the X-, Y-, and Z-axis direction components of thermal displacement, respectively. U
j , Hj , Sk , Ok Is represented by the following equation 1.
【００２９】[0029]
【数１】 [Equation 1]
【００３０】数１（１）において、Ｗjiは入力層と中間
層の結合係数であり、θj は中間層の入力へのオフセッ
ト値である。数１（２）により、中間層の入力と出力と
の関係が示される。ただし、数１（２）において、ｅｘ
ｐ（ｘ）は指数関数を表すものである。数１（２）は、
シグモイド関数と呼ばれるものである。数１（３）にお
いて、Ｖkjは中間層と出力層の結合係数であり、γk は
出力層の入力へのオフセット値である。数１（４）は、
出力層の入力と出力との関係を示すものである。この出
力層の入出力関数としては、数１（４）のように線形１
次関数を用いている。In Expression (1), W ji is a coupling coefficient between the input layer and the intermediate layer, and θ j is an offset value to the input of the intermediate layer. Equation 1 (2) shows the relationship between the input and output of the hidden layer. However, in Equation 1 (2), ex
p (x) represents an exponential function. The number 1 (2) is
It is called a sigmoid function. In Expression (3), V kj is a coupling coefficient between the intermediate layer and the output layer, and γ k is an offset value to the input of the output layer. The number 1 (4) is
It shows the relationship between the input and output of the output layer. The input / output function of this output layer is linear 1 as shown in equation (4).
The following function is used.
【００３１】ここでは、ニューラルネットワークとして
３層構造を持ち、中間層の入出力関数をシグモイド関数
とし、出力層の入出力関数を線形１次関数としたものを
示したが、これ以外の構成のものも利用できる。例え
ば、３層以上の多層構造としたり、中間層と出力層に他
の関数を利用したりすることができる。また、出力層の
ユニットの数を３として、熱変位のＸ，Ｙ，Ｚ軸方向成
分を出力するようにしたが、これ以外の座標成分を出力
するようにしてもよい。例えば、出力層のユニットの数
を６として、熱変位のＸ，Ｙ，Ｚ軸方向成分に加えて
Ａ，Ｂ，Ｃ軸方向成分も出力することができる。ここ
で、Ａ，Ｂ，Ｃ軸方向とは、それぞれＸ，Ｙ，Ｚ軸の回
りの回転方向である。また、着目する任意の方向の熱変
位成分のみを出力するようにすることもできる。Here, the neural network has a three-layer structure, the input / output function of the intermediate layer is a sigmoid function, and the input / output function of the output layer is a linear linear function. Things are also available. For example, a multilayer structure of three layers or more can be used, or another function can be used for the intermediate layer and the output layer. Further, the number of units in the output layer is set to 3, and the X, Y, and Z axis direction components of the thermal displacement are output, but other coordinate components may be output. For example, when the number of units in the output layer is 6, it is possible to output the A, B, and C-axis direction components in addition to the X, Y, and Z-axis direction components of thermal displacement. Here, the A, B, and C axis directions are rotation directions around the X, Y, and Z axes, respectively. Further, it is also possible to output only the thermal displacement component in the focused arbitrary direction.
【００３２】図２のようなニューラルネットワークに学
習を行うには、入力Ｔ1 〜Ｔn を与えるとともに、その
出力Ｏ1 〜Ｏ3 に対する教師データＤ1 〜Ｄ3 を与え
る。この入力Ｔi には、マシニングセンタ１の稼働開始
からの時間ｔ、稼働開始から時間ｔまでの機体各部の温
度上昇値、稼働開始から時間ｔまでの室温上昇値、所定
時間Δｔだけ前から時間ｔまでの機体各部の温度上昇
値、所定時間Δｔだけ前から時間ｔまでの室温上昇値、
冷却媒体の温度等のデータが含まれる。ここでは、冷却
媒体の温度はＴn として与えるものとする。[0032] To perform a learning neural network as shown in FIG. 2, with provides input T 1 through T n, giving the teacher data D 1 to D 3 with respect to the output O 1 ~ O 3. This input T i includes a time t from the start of operation of the machining center 1, a temperature increase value of each part of the machine from the start of operation to a time t, a room temperature increase value from the start of operation to a time t, a predetermined time Δt before a time t. Temperature rise value of each part of the fuselage, room temperature rise value from time t before the predetermined time Δt,
Data such as the temperature of the cooling medium is included. Here, the temperature of the cooling medium is given as T n .
【００３３】このときのマシニングセンタ１の主軸６と
テーブル３の基準点の相対的な熱変位量のＸ，Ｙ，Ｚ軸
方向成分を測定し、それらの測定値を教師データＤ1 〜
Ｄ3として与える。そして、出力Ｏk と教師データＤk
との誤差の二乗和が最小になるように、結合係数Ｗji，
Ｖkjおよびオフセット値θj ，γk を修正する。マシニ
ングセンタ１の種々の運転状態に対して入力データＴ1
〜Ｔn と教師データＤ 1 〜Ｄ3 を測定し、学習を繰り返
すことにより実際のマシニングセンタ１の熱変位特性を
シミュレートするようなニューラルネットワークを構築
することができる。実際の結合係数およびオフセット値
の修正は、公知のバックプロパゲーション法を用いて計
算を行うことができる。出力と教師データとの誤差の二
乗和が許容値以下となるまで修正を繰り返し、許容値以
下となれば学習を終了させる。At this time, the main spindle 6 of the machining center 1
X, Y, Z axes of relative thermal displacement of table 3 reference point
Measure the directional components, and use the measured values as teacher data D1 ~
D3Give as. And output Ok And teacher data Dk
And the coupling coefficient W so that the sum of squared errors ofji，
VkjAnd offset value θj , Γk To fix. Machini
Input data T for various operating states of the center 1.1
~ Tn And teacher data D 1 ~ D3 Measure and repeat learning
The actual thermal displacement characteristics of the machining center 1
Build a neural network that simulates
can do. Actual coupling coefficient and offset value
The correction of is calculated using the known backpropagation method.
You can do arithmetic. The difference between the output and the teacher data
Repeat the correction until the sum of products becomes less than the allowable value, and
If it becomes lower, the learning is finished.
【００３４】このようにマシニングセンタ１の熱変位特
性を学習させたニューラルネットワークの入力データ、
結合係数、オフセット値を使用して、マシニングセンタ
１の熱変位は、次の数２により計算される。Input data of the neural network in which the thermal displacement characteristics of the machining center 1 are learned in this way,
Using the coupling coefficient and the offset value, the thermal displacement of the machining center 1 is calculated by the following equation 2.
【００３５】[0035]
【数２】 [Equation 2]
【００３６】ここで、前述のように、入力データＴ1 〜
Ｔn-1 は稼働開始からの時間および各部の温度上昇値で
あり、入力データＴn は冷却媒体の温度である。したが
って、入力データＴ1 〜Ｔn-1 として測定値を用いるこ
とにより、マシニングセンタ１の熱変位を冷却媒体の温
度のみの関数として表すことができる。数２により、あ
らゆる運転状態において、ある冷却媒体の温度に対する
マシニングセンタ１の熱変位を計算することができる。Here, as described above, the input data T 1 ...
T n-1 is the time from the start of operation and the temperature rise value of each part, and the input data T n is the temperature of the cooling medium. Therefore, by using the measured values as the input data T 1 to T n-1 , the thermal displacement of the machining center 1 can be expressed as a function of only the temperature of the cooling medium. By the mathematical expression 2, the thermal displacement of the machining center 1 with respect to the temperature of a certain cooling medium can be calculated under all operating conditions.
【００３７】逆に、マシニングセンタ１の熱変位を最小
とするための冷却媒体の最適設定温度を求めることを逆
解法問題という。この逆解法問題を数２による熱変位を
最小化するための最適化計算によって解くことができ
る。具体的には、熱変位を表す出力Ｏ1 〜Ｏ3 の二乗和
が最小になるような冷却媒体の設定温度Ｔn を公知の勾
配法等により求めることができる。また、最適解を求め
る際の直線探索としては公知の黄金分割探索等を用いる
ことができる。On the contrary, obtaining the optimum set temperature of the cooling medium for minimizing the thermal displacement of the machining center 1 is called an inverse solution problem. This inverse solution problem can be solved by an optimization calculation for minimizing the thermal displacement according to equation 2. Specifically, the set temperature T n of the cooling medium that minimizes the sum of squares of the outputs O 1 to O 3 representing the thermal displacement can be obtained by a known gradient method or the like. A known golden section search or the like can be used as the straight line search when obtaining the optimum solution.
【００３８】図２のようなニューラルネットワークは、
実際には、コンピュータ内のプログラムおよびデータと
して実現される。学習によるニューラルネットワークの
結合係数、オフセット値の修正演算もコンピュータによ
って演算される。さらに、コンピュータによる数値計算
によって逆解法問題を解いて冷却媒体の最適設定温度が
求められる。A neural network as shown in FIG.
Actually, it is realized as a program and data in a computer. The computer also performs correction calculation of the coupling coefficient and offset value of the neural network by learning. Furthermore, the optimum set temperature of the cooling medium is obtained by solving the inverse problem by numerical calculation by a computer.
【００３９】図３は、本発明の熱変形補正方法のための
冷却制御装置７の構成を示す図である。図１の冷却装置
９は、この冷却制御装置７および冷却器８を備えてい
る。冷却制御装置７には、情報処理手段としてのＣＰＵ
７１が設けられている。ＣＰＵ７１は、バス７２を介し
てＲＯＭ７３、ＲＡＭ７４等のメモリをアクセスし、ま
た、それ以外の入出力回路等をアクセスして種々の情報
処理を行うことができる。FIG. 3 is a diagram showing the configuration of the cooling control device 7 for the thermal deformation correction method of the present invention. The cooling device 9 of FIG. 1 includes the cooling control device 7 and the cooler 8. The cooling control device 7 includes a CPU as information processing means.
71 is provided. The CPU 71 can access memories such as the ROM 73 and the RAM 74 via the bus 72, and can access other input / output circuits to perform various information processing.
【００４０】ＣＰＵ７１は、ＲＯＭ７３に記憶されてい
るＢＩＯＳ等のシステムプログラムおよびデータと、Ｒ
ＡＭ７４にロードされたプログラムおよびデータに従っ
て動作する。ＲＡＭ７４には、図２のようなニューラル
ネットワークをモデル化したニューラルネットワークモ
デル７４１が記憶されている。また、ＲＡＭ７４には、
基本プログラムであるＯＳ（オペレーティング・システ
ム）や、ニューラルネットワークの学習を行う学習プロ
グラム７４２、学習済みのニューラルネットワークから
得られる関係式によって入力データから熱変位量を演算
する熱変位量演算プログラム７４３、ニューラルネット
ワークの逆解法により冷却媒体の最適設定温度を演算す
る最適温度演算プログラム７４４等がロードされてい
る。The CPU 71 has a system program and data such as BIOS stored in the ROM 73 and R
It operates according to the programs and data loaded into the AM74. The RAM 74 stores a neural network model 741 that models a neural network as shown in FIG. In addition, in RAM74,
OS (operating system) which is a basic program, a learning program 742 for learning a neural network, a thermal displacement amount calculation program 743 for calculating a thermal displacement amount from input data by a relational expression obtained from a learned neural network, a neural An optimum temperature calculation program 744 for calculating the optimum set temperature of the cooling medium by the inverse solution of the network is loaded.
【００４１】冷却制御装置７のバス７２には、補助記憶
装置としての固定ディスク装置７５が接続されている。
固定ディスク装置７５にはＣＰＵ７１によって実行され
るべきＯＳプログラムおよびその他のプログラム等を記
憶しておき、適宜、これらのプログラム等を固定ディス
ク装置７５からＲＡＭ７４にロードする。また、固定デ
ィスク装置７５には、ニューラルネットワークモデル７
４１を構成するためのデータ、数式等も記憶されてい
る。固定ディスク装置７５には、さらに、後述する稼働
開始時温度データ７５１、温度履歴データ７５２が記録
される。A fixed disk device 75 as an auxiliary storage device is connected to the bus 72 of the cooling control device 7.
The fixed disk device 75 stores an OS program and other programs to be executed by the CPU 71, and these programs and the like are loaded from the fixed disk device 75 to the RAM 74 as appropriate. The fixed disk device 75 has a neural network model 7
Data, mathematical formulas, etc. for configuring 41 are also stored. Further, in the fixed disk device 75, operation start temperature data 751 and temperature history data 752 described later are recorded.
【００４２】冷却制御装置７のバス７２には、文字およ
び図形を表示する表示手段７６、操作者がデータを入力
するための入力手段７７がインターフェース回路を介し
て接続されている。表示手段７６としてはＣＲＴ、液晶
ディスプレイ等が使用でき、入力手段７７としてはキー
ボード、タッチパネル等が使用できる。A display means 76 for displaying characters and figures and an input means 77 for an operator to input data are connected to the bus 72 of the cooling control device 7 through an interface circuit. A CRT, a liquid crystal display or the like can be used as the display means 76, and a keyboard, a touch panel or the like can be used as the input means 77.
【００４３】また、バス７２には、時間を計測するため
の時計回路７８、工作機械（マシニングセンタ１）から
の温度等の測定データを入力するための入力回路７９が
接続されている。さらに、冷却制御装置７にはインター
フェース回路を介して冷却器８が接続されており、冷却
制御装置７によって目標温度に冷却制御された冷却媒体
が冷却器８から工作機械に送られ、工作機械の主軸軸受
やＸ，Ｙ，Ｚ軸の送りねじ等の部材を冷却する。A clock circuit 78 for measuring time and an input circuit 79 for inputting measurement data such as temperature from the machine tool (machining center 1) are connected to the bus 72. Further, a cooling device 8 is connected to the cooling control device 7 via an interface circuit, and a cooling medium whose cooling is controlled to a target temperature by the cooling control device 7 is sent from the cooling device 8 to the machine tool, so that the machine tool Cools main shaft bearings and members such as X, Y, and Z axis feed screws.
【００４４】学習プログラム７４２は、学習によるニュ
ーラルネットワークの結合係数、オフセット値の修正演
算を行うものである。ニューラルネットワークモデル７
４１として、メーカーによって予め学習が終了したもの
を記憶させておけば、学習プログラム７４２は必ずしも
必要ではない。さらに、学習済みのニューラルネットワ
ークに基づく熱変位量演算プログラム７４３および最適
温度演算プログラム７４４が用意されていれば、ニュー
ラルネットワークモデル７４１も不要である。ただし、
ニューラルネットワークモデル７４１および学習プログ
ラム７４２を搭載していれば、工作機械ユーザー自身が
教師データを用意してニューラルネットワークの学習を
行うことができる。The learning program 742 is for performing correction calculation of the coupling coefficient and offset value of the neural network by learning. Neural network model 7
The learning program 742 is not necessarily required if the manufacturer stores in advance what has been learned as 41. Furthermore, if the thermal displacement amount calculation program 743 and the optimum temperature calculation program 744 based on the learned neural network are prepared, the neural network model 741 is also unnecessary. However,
If the neural network model 741 and the learning program 742 are installed, the machine tool user can prepare the teacher data and learn the neural network.
【００４５】ニューラルネットワークの入力データとな
るべき工作機械からの計測データは、入力回路７９を介
して冷却制御装置７に入力され、また、工作機械の稼働
開始信号等も入力回路７９に入力される。稼働開始から
の時間は時計回路７８から読み取ることができる。さら
に、入力回路７９に入力された工作機械各部の温度およ
び室温のデータは、稼働開始時の温度データが稼働開始
時温度データ７５１として、所定時間Δｔだけ過去から
現在までの履歴データが温度履歴データ７５２として固
定ディスク装置７５内に記録される。Measurement data from the machine tool to be input data of the neural network is input to the cooling control device 7 via the input circuit 79, and an operation start signal of the machine tool is also input to the input circuit 79. . The time from the start of operation can be read from the clock circuit 78. Further, regarding the temperature and room temperature data of each part of the machine tool input to the input circuit 79, the temperature data at the start of operation is the operation start temperature data 751, and the history data from the past to the present for the predetermined time Δt is the temperature history data. It is recorded in the fixed disk device 75 as 752.
【００４６】稼働開始時温度データ７５１と現在の温度
データから工作機械各部および室温の温度上昇値が計算
され、温度履歴データ７５２と現在の温度データから所
定時間Δｔだけ前から現在までの温度上昇値が計算され
る。これらのデータから、数２によって与えられる熱変
位を最小化するような、冷却媒体の最適設定温度を最適
温度演算プログラム７４４により演算し、冷却媒体がそ
の最適設定温度となるように冷却器８を制御する。The temperature rise value of each part of the machine tool and the room temperature is calculated from the temperature data 751 at the start of operation and the current temperature data, and the temperature rise value from the temperature history data 752 and the current temperature data by a predetermined time Δt to the present. Is calculated. From these data, the optimum set temperature of the cooling medium that minimizes the thermal displacement given by the equation 2 is calculated by the optimum temperature calculation program 744, and the cooler 8 is set so that the cooling medium becomes the optimum set temperature. Control.
【００４７】この冷却制御装置７によって冷却制御を行
った場合には、従来の室温同調制御等に比較して工作機
械の熱変位を大幅に抑制することができ、製品の加工精
度を大幅に向上させることができる。また、Ｘ，Ｙ，Ｚ
軸方向のような直線方向の熱変位を抑制するだけでな
く、Ａ，Ｂ，Ｃ軸方向のような回転方向の熱変位を抑制
することも可能である。さらに、特に熱変位の抑制が必
要な方向に対して、熱変位の抑制を重点的に行うことも
可能である。その場合は、抑制が必要な熱変位を最小化
するように最適化計算を行い、冷却媒体の最適設定温度
を求めればよい。When the cooling control is performed by the cooling control device 7, the thermal displacement of the machine tool can be greatly suppressed as compared with the conventional room temperature synchronized control and the like, and the machining accuracy of the product is greatly improved. Can be made. Also, X, Y, Z
Not only it is possible to suppress thermal displacement in the linear direction such as the axial direction, but it is also possible to suppress thermal displacement in the rotational direction such as the A, B, and C axial directions. Further, it is possible to focus the suppression of the thermal displacement particularly in the direction in which the thermal displacement is required to be suppressed. In that case, the optimization calculation may be performed so as to minimize the thermal displacement that needs to be suppressed, and the optimum set temperature of the cooling medium may be obtained.
【００４８】この冷却制御装置７における冷却媒体の最
適設定温度は工作機械の熱変位を最小化するように設定
されているが、それでも熱変位を常に０に保つことはで
きない。冷却制御を行ってもなお残留する工作機械の熱
変位は、入力データＴ1 〜Ｔ n から熱変位量演算プログ
ラム７４３を使用して即座に求めることができる。本発
明では、この工作機械の残留熱変位を、所定時間ごとに
演算し、その熱変位量を工作機械のＮＣ装置１０に送出
するようにしている。具体的には、所定時間ごとに、入
力データＴ1 〜Ｔn から熱変位量演算プログラム７４３
を使用して現在の熱変位量を求め、その熱変位量データ
をインターフェース回路を介してＮＣ装置１０に送出す
る。The maximum of the cooling medium in this cooling control device 7
The appropriate set temperature is set to minimize the thermal displacement of the machine tool.
However, it is still impossible to keep the thermal displacement at zero.
I can't come. Machine tool heat that remains even after cooling control
The displacement is the input data T1 ~ T n From thermal displacement calculation program
It can be immediately determined using the Ram 743. Starting
In Ming, the residual thermal displacement of this machine tool is
Calculate and send the amount of thermal displacement to NC device 10 of machine tool
I am trying to do it. Specifically, the
Force data T1 ~ Tn To thermal displacement calculation program 743
Is used to calculate the current thermal displacement and the thermal displacement data
Is sent to the NC device 10 through the interface circuit.
It
【００４９】ＮＣ装置１０では、送られてきた工作機械
の熱変位量に従って、工作機械の可動部の制御座標にお
ける位置を補正して、可動部の実際の位置と目標位置と
の誤差を無くすようにする。すなわち、工作機械の熱変
位を補償するように制御座標における位置を補正する。
これにより、冷却制御装置７による冷却媒体温度の最適
制御を行ってもなお残留する熱変位の影響を著しく減少
させることができる。そして、工作機械の熱変位を補償
して可動部の送り精度、位置決め精度をさらに向上させ
ることができるから、加工製品の寸法精度、形状精度等
もさらに向上させることができる。In the NC device 10, the position in the control coordinates of the movable part of the machine tool is corrected according to the thermal displacement amount of the machine tool sent to eliminate the error between the actual position of the movable part and the target position. To That is, the position in the control coordinates is corrected so as to compensate for the thermal displacement of the machine tool.
As a result, even if the cooling control device 7 performs the optimum control of the cooling medium temperature, it is possible to significantly reduce the influence of the residual thermal displacement. Then, the thermal displacement of the machine tool can be compensated to further improve the feed accuracy and the positioning accuracy of the movable part, so that the dimensional accuracy and the shape accuracy of the processed product can be further improved.
【００５０】図４は、本発明の他の実施の形態としての
ＮＣ装置の構成を示すものである。これは、図３に示す
ような冷却制御装置を使用しないで、工作機械の熱変位
を補償しようとするものである。図４に示すＮＣ装置１
１によって、工作機械を制御して工作物の加工を行う。
ＮＣ装置１１には、情報処理手段としてのＣＰＵ１２が
設けられている。ＣＰＵ１２は、バス１３を介してＲＯ
Ｍ１４、ＲＡＭ１５等のメモリをアクセスし、また、そ
れ以外の入出力回路等をアクセスして種々の情報処理を
行うことができる。FIG. 4 shows the configuration of an NC device according to another embodiment of the present invention. This is intended to compensate for the thermal displacement of the machine tool without using the cooling control device as shown in FIG. NC device 1 shown in FIG.
1, the machine tool is controlled to machine the workpiece.
The NC device 11 is provided with a CPU 12 as information processing means. The CPU 12 performs RO via the bus 13.
Various information processing can be performed by accessing the memory such as M14 and RAM15, and accessing other input / output circuits and the like.
【００５１】ＣＰＵ１２は、ＲＯＭ１４に記憶されてい
るＢＩＯＳ等のシステムプログラムおよびデータと、Ｒ
ＡＭ１５にロードされたプログラムおよびデータに従っ
て動作する。ＲＡＭ１５には、基本プログラムであるＯ
Ｓや、ＮＣ加工プログラム等に従って工作機械を制御す
るための工作機械制御プログラム１５１、学習済みのニ
ューラルネットワークから得られる関係式によって入力
データから熱変位量を演算する熱変位量演算プログラム
１５２等がロードされている。The CPU 12 stores system programs and data such as BIOS stored in the ROM 14 and R
It operates according to the program and data loaded in the AM 15. The RAM 15 has a basic program O
A machine tool control program 151 for controlling a machine tool according to S, an NC machining program, etc., a thermal displacement amount calculation program 152 for calculating a thermal displacement amount from input data by a relational expression obtained from a learned neural network, etc. are loaded. Has been done.
【００５２】図２のようなニューラルネットワークをモ
デル化したニューラルネットワークモデルは、工作機械
メーカー等において用意され、工作機械の熱変位特性を
シミュレートするように学習が行われる。ただし、数２
においては、入力データＴnは冷却媒体の温度であると
説明したが、強制冷却を行わない場合には入力データＴ
n も各部の温度上昇値を表すものとする。そして、その
学習済みのニューラルネットワークから得られる結合定
数等により、工作機械の熱変位特性を示す数２の関係式
が得られる。この関係式に基づいて熱変位量演算プログ
ラム１５２が作成されている。A neural network model obtained by modeling a neural network as shown in FIG. 2 is prepared by a machine tool maker or the like, and learning is performed so as to simulate the thermal displacement characteristics of the machine tool. However, the number 2
In the above description, the input data T n is the temperature of the cooling medium, but when the forced cooling is not performed, the input data T n
n also represents the temperature rise value of each part. Then, the relational expression of Equation 2 indicating the thermal displacement characteristic of the machine tool is obtained from the coupling constant and the like obtained from the learned neural network. A thermal displacement amount calculation program 152 is created based on this relational expression.
【００５３】したがって、このＮＣ装置１１の内部には
ニューラルネットワークモデルは不要である。学習済み
のニューラルネットワークがシミュレートする工作機械
の熱変位特性は、数２の関係式を通して全て熱変位量演
算プログラム１５２に織り込まれている。これにより、
工作機械の非線形な熱変位特性を高精度にシミュレート
することができ、熱変位量を高精度に演算することがで
きる。Therefore, a neural network model is not necessary inside the NC device 11. The thermal displacement characteristics of the machine tool simulated by the learned neural network are all woven into the thermal displacement amount calculation program 152 through the relational expression of Equation 2. This allows
The non-linear thermal displacement characteristics of the machine tool can be simulated with high precision, and the thermal displacement amount can be calculated with high precision.
【００５４】ＮＣ装置１１のバス１３には、補助記憶装
置としての固定ディスク装置１６が接続されている。固
定ディスク装置１６にはＣＰＵ１２によって実行される
べきＯＳプログラムおよびその他のプログラム等を記憶
しておき、適宜、これらのプログラム等を固定ディスク
装置１６からＲＡＭ１５にロードする。また、固定ディ
スク装置１６には、前述の冷却制御装置７（図３参照）
と同様に、稼働開始時温度データ１６１、温度履歴デー
タ１６２が記録される。A fixed disk device 16 as an auxiliary storage device is connected to the bus 13 of the NC device 11. The fixed disk device 16 stores an OS program and other programs to be executed by the CPU 12, and these programs and the like are loaded from the fixed disk device 16 to the RAM 15 as appropriate. Further, the fixed disk device 16 includes the above-mentioned cooling control device 7 (see FIG. 3).
Similarly, the operation start temperature data 161 and the temperature history data 162 are recorded.
【００５５】ＮＣ装置１１のバス１３には、文字および
図形を表示する表示手段１７、操作者がデータを入力す
るための入力手段１８がインターフェース回路を介して
接続されている。表示手段１７としてはＣＲＴ、液晶デ
ィスプレイ等が使用でき、入力手段１８としてはキーボ
ード、タッチパネル等が使用できる。A display means 17 for displaying characters and figures and an input means 18 for an operator to input data are connected to the bus 13 of the NC device 11 via an interface circuit. A CRT, a liquid crystal display or the like can be used as the display means 17, and a keyboard, a touch panel or the like can be used as the input means 18.
【００５６】また、バス１３には、時間を計測するため
の時計回路１９、工作機械（マシニングセンタ１）から
の温度等の測定データを入力するための入力回路２０が
接続されている。さらに、ＮＣ装置１１にはインターフ
ェース回路を介して工作機械の各可動部の移動や位置決
めの制御を行うためのモータ駆動回路２１が接続されて
いる。工作機械の各可動部の駆動用モータは、モータ駆
動回路２１によって駆動される。A clock circuit 19 for measuring time and an input circuit 20 for inputting measurement data such as temperature from a machine tool (machining center 1) are connected to the bus 13. Further, a motor drive circuit 21 for controlling the movement and positioning of each movable part of the machine tool is connected to the NC device 11 via an interface circuit. The drive motor of each movable part of the machine tool is driven by the motor drive circuit 21.
【００５７】入力データである工作機械からの計測デー
タは、入力回路２０を介してＮＣ装置１１に入力され、
また、工作機械の稼働開始信号等も入力回路２０に入力
される。稼働開始からの時間は時計回路１９から読み取
ることができる。さらに、入力回路２０に入力された工
作機械各部の温度および室温のデータは、稼働開始時の
温度データが稼働開始時温度データ１６１として、所定
時間Δｔだけ過去から現在までの履歴データが温度履歴
データ１６２として固定ディスク装置１６内に記録され
る。The measurement data from the machine tool, which is the input data, is input to the NC device 11 via the input circuit 20,
Further, an operation start signal of the machine tool and the like are also input to the input circuit 20. The time from the start of operation can be read from the clock circuit 19. Further, regarding the temperature and room temperature data of each part of the machine tool input to the input circuit 20, the temperature data at the start of operation is the operation start temperature data 161, and the history data from the past to the present for a predetermined time Δt is the temperature history data. It is recorded in the fixed disk device 16 as 162.
【００５８】稼働開始時温度データ１６１と現在の温度
データから工作機械各部および室温の温度上昇値が計算
され、温度履歴データ１６２と現在の温度データから所
定時間Δｔだけ前から現在までの温度上昇値が計算され
る。これらのデータから、数２によって与えられる現時
点での工作機械の熱変位は、熱変位量演算プログラム１
５２によって即座に求めることができる。ＮＣ装置１１
は、工作機械の熱変位をＮＣ指令によりまたは所定時間
ごとに演算し、その熱変位量に従って、工作機械の可動
部の制御座標における位置を補正して、可動部の実際の
位置と目標位置との誤差を減少させるようにする。The temperature rise value of each part of the machine tool and the room temperature is calculated from the operation start temperature data 161 and the current temperature data, and the temperature rise value from the temperature history data 162 and the current temperature data for a predetermined time Δt to the present time. Is calculated. From these data, the thermal displacement of the machine tool at the present time given by the equation 2 is calculated by the thermal displacement calculation program 1
It can be immediately obtained by 52. NC device 11
Calculates the thermal displacement of the machine tool according to the NC command or at predetermined time intervals, corrects the position of the movable part of the machine tool in the control coordinates according to the amount of thermal displacement, and calculates the actual position and the target position of the movable part. Try to reduce the error of.
【００５９】すなわち、ＮＣ装置１１は、工作機械の熱
変位を補償するように制御座標における位置を補正す
る。このように、ＮＣ装置１１内にニューラルネットワ
ークモデルや逆解法による最適温度演算プログラム等を
含むことなく、工作機械の熱変位を補償することができ
る。このため、ＮＣ装置１１として逆解法等の演算のた
めの大きな資源を必要とすることなく、低コストのＮＣ
装置により高精度の熱変位の補償を行うことができる。That is, the NC device 11 corrects the position in the control coordinates so as to compensate the thermal displacement of the machine tool. In this way, the thermal displacement of the machine tool can be compensated for without including the neural network model, the optimal temperature calculation program by the inverse method, etc. in the NC device 11. Therefore, the NC device 11 does not require a large resource for calculation such as the inverse method, and the NC device 11 can be a low-cost NC device.
The device enables highly accurate compensation of thermal displacement.
【００６０】なお、学習済みのニューラルネットワーク
から得られる工作機械の熱変位特性を示す関係式は、マ
クロプログラムとして設定するようにしてもよい。その
場合、熱変位量演算プログラム１５２はマクロプログラ
ム領域内に置かれる。そして、工作物を加工するための
ＮＣ加工プログラム内の必要な位置に熱変位補償を指示
するマクロ指令を配置しておく。このマクロ指令が実行
されると、その時点での工作機械の熱変位が即座に計算
され、この熱変位量に基づいてＸ，Ｙ，Ｚ軸の各軸に対
する座標値の補正が行われる。The relational expression indicating the thermal displacement characteristics of the machine tool obtained from the learned neural network may be set as a macro program. In that case, the thermal displacement amount calculation program 152 is placed in the macro program area. Then, a macro command for instructing thermal displacement compensation is arranged at a required position in the NC machining program for machining the workpiece. When this macro command is executed, the thermal displacement of the machine tool at that time is immediately calculated, and the coordinate values for each of the X, Y, and Z axes are corrected based on this thermal displacement amount.
【００６１】次に、本発明の基礎となったニューラルネ
ットワークの逆解法による熱変形抑制方法を、実際に工
作機械に適用した実例を示す。工作機械としては卓上旋
盤を使用し、主軸先端部のＺ軸方向（主軸軸線方向）の
熱変位を最小化するものとする。ここで使用した卓上旋
盤の主軸は、Ｘ，Ｙ軸方向には熱変位の生じにくい構造
のため、Ｚ軸方向の熱変位のみを対象とした。ニューラ
ルネットワークの構成は、図２において出力層のユニッ
ト数を１としたものとなり、出力もＯ1 のみとなる。な
お、入力層のユニット数は１６、中間層のユニット数は
３２とした。また、数１（４）および数２における定数
ａ，ｂは、ａ＝１，ｂ＝０とした。Next, an actual example in which the thermal deformation suppressing method by the inverse solution method of the neural network which is the basis of the present invention is actually applied to a machine tool will be shown. A table lathe is used as the machine tool to minimize the thermal displacement of the tip of the spindle in the Z-axis direction (spindle axis direction). Since the main shaft of the table-top lathe used here has a structure in which thermal displacement does not easily occur in the X and Y axis directions, only thermal displacement in the Z axis direction is targeted. The configuration of the neural network is such that the number of units in the output layer is 1 in FIG. 2, and the output is only O 1 . The number of units in the input layer was 16, and the number of units in the intermediate layer was 32. Further, the constants a and b in Expression 1 (4) and Expression 2 are set to a = 1 and b = 0.
【００６２】学習のためのデータセットは、室温（夏お
よび冬）、主軸回転速度、強制冷却制御方法等をそれぞ
れ組み合わせた２４通りの運転状態に対応して測定し
た。その２４通りの運転状態のそれぞれに対して、稼働
開始から３０分ごとに１５個のサンプリング時点におけ
るデータＴ1 〜Ｔn を測定し、そのときのＺ軸方向の熱
変位を測定して教師データとする。すなわち、学習デー
タセットは３６０セット（＝２４×１５）となる。測定
データＴ1 〜Ｔn はｎ＝１６であり、その内容は、稼働
時間１データ、機体各部６位置の温度上昇値６データ、
３０分（Δｔ）前からの機体各部６位置の温度上昇値６
データ、室温上昇値１データ、３０分前からの室温上昇
値１データ、冷却油温度１データである。The data set for learning was measured in correspondence with 24 operating states in which room temperature (summer and winter), spindle rotation speed, forced cooling control method and the like were combined. For each of the 24 operating states, the data T 1 to T n at 15 sampling points are measured every 30 minutes from the start of operation, and the thermal displacement in the Z-axis direction at that time is measured to obtain the teacher data. And That is, the learning data set becomes 360 sets (= 24 × 15). The measurement data T 1 to T n are n = 16, and the contents are 1 operating time data, 6 data of temperature rise values at 6 positions of each part of the machine,
Temperature rise value 6 at each part of the fuselage 6 positions from 30 minutes (Δt) ago
They are data, room temperature rise value 1 data, room temperature rise value 1 data from 30 minutes ago, and cooling oil temperature 1 data.
【００６３】この３６０セットの学習データにより学習
を遂行すると、１３０回の学習によって熱変位の誤差は
許容値以下に減少し収束した。学習の終了したこのニュ
ーラルネットワークにより、熱変位を冷却油の温度の関
数として表現することができる。具体的には、数２のＯ
1 を計算する式となる。この式から熱変位を最小化する
ための冷却油の最適設定温度を前述の黄金分割探索等に
より求め、それに基づいて冷却装置の冷却油の設定温度
を制御する。When the learning was carried out using the 360 sets of learning data, the error of thermal displacement was reduced below the allowable value and converged after 130 times of learning. With this learned neural network, the thermal displacement can be expressed as a function of the temperature of the cooling oil. Specifically, the number 2 O
It becomes the formula to calculate 1 . From this equation, the optimum set temperature of the cooling oil for minimizing the thermal displacement is obtained by the golden section search and the like, and the set temperature of the cooling oil of the cooling device is controlled based on it.
【００６４】次に、このようにして冷却油の設定温度を
制御して強制冷却を行った場合の、熱変位の測定結果を
示す。図５は、測定を行った卓上旋盤の運転状態を示す
図である。卓上旋盤は、このように稼働開始から１時間
ごとに主軸回転速度を交互に３６００ｒｐｍ、１８００
ｒｐｍとなるように切り換えてアイドリング運転され
た。Next, the measurement result of the thermal displacement when the forced cooling is performed by controlling the set temperature of the cooling oil in this way will be shown. FIG. 5 is a diagram showing an operating state of the tabletop lathe for which the measurement has been performed. In this way, the table-top lathe alternately changes the spindle rotation speed every hour from the start of operation at 3600 rpm and 1800 rpm.
The idling operation was performed by switching to rpm.
【００６５】図６は、このような運転状態における主軸
の熱変位量の測定結果を示したものである。「○」で示
された測定値は、本発明によるニューラルネットワーク
の逆解法によって求められた最適設定温度に冷却油の温
度を設定して強制冷却を行ったものである。「●」で示
された測定値は、従来の室温同調制御による強制冷却を
行ったものである。図５に示されるように、本発明によ
って強制冷却を行った場合には、従来の室温同調制御に
よる強制冷却に比較して熱変位が大幅に抑制されてい
る。FIG. 6 shows the measurement results of the thermal displacement of the spindle in such an operating condition. The measured value indicated by “◯” is the value obtained by performing forced cooling by setting the temperature of the cooling oil to the optimum set temperature obtained by the inverse solution method of the neural network according to the present invention. The measured value indicated by "●" is the value obtained by performing forced cooling by the conventional room temperature synchronized control. As shown in FIG. 5, when the forced cooling is performed according to the present invention, the thermal displacement is significantly suppressed as compared with the conventional forced cooling by the room temperature tuning control.
【００６６】なお、以上の実施の形態では、工作機械と
してマシニングセンタと旋盤を例にあげたが、その他の
任意の工作機械にも適用できる。また、数２においては
冷却媒体の温度を１つのデータにより表しているが、強
制冷却を行う個所が複数ある場合（主軸軸受と送りねじ
等）には、それぞれの個所で冷却媒体の温度を変えても
よく、その際には冷却媒体の温度を複数のデータにより
表すようにすればよい。さらに、ここでは工作機械の温
調制御として冷却を行うものについて説明したが、加熱
を行うものや冷却および加熱の両方を行うものであって
もよい。In the above embodiment, a machining center and a lathe are taken as examples of machine tools, but the invention can be applied to any other machine tools. In addition, in Equation 2, the temperature of the cooling medium is represented by one data. However, when there are multiple locations where forced cooling is performed (main shaft bearing, feed screw, etc.), the temperature of the cooling medium is changed at each location. In that case, the temperature of the cooling medium may be represented by a plurality of data. Further, here, the cooling is performed as the temperature control of the machine tool, but heating may be performed or both cooling and heating may be performed.
【００６７】[0067]
【発明の効果】本発明は、以上説明したように構成され
ているので、以下のような効果を奏する。Since the present invention is constructed as described above, it has the following effects.
【００６８】工作機械の熱変位特性を学習させたニュー
ラルネットワークから得られる関係式により工作機械の
熱変位量を求め、その熱変位量により工作機械の各可動
部の位置を補正するようにしたので、工作機械の制御の
ために計算用の大きな資源を必要とすることなく、低コ
ストで高精度の熱変位の補正を行うことができる。ま
た、工作機械の熱変位特性が非線形な関係を含んでいて
も、熱変位を高精度に演算可能な関係式を得ることがで
きる。Since the amount of thermal displacement of the machine tool is obtained from the relational expression obtained from the neural network in which the thermal displacement characteristics of the machine tool are learned, and the position of each movable part of the machine tool is corrected by the amount of thermal displacement. Therefore, it is possible to perform highly accurate correction of thermal displacement at low cost without requiring a large resource for calculation for controlling the machine tool. Further, even if the thermal displacement characteristics of the machine tool include a non-linear relation, it is possible to obtain a relational expression capable of calculating the thermal displacement with high accuracy.
【００６９】工作機械の熱変位特性を学習させたニュー
ラルネットワークを使用して逆解法問題を解くことによ
り最適温調設定温度を求めるようにし、さらに、それで
もなお残留する熱変位を工作機械の各可動部の位置を補
正することにより除去するようにしたので、従来の温度
制御に比較して工作機械の熱変位を大幅に抑制すること
ができ、加工製品の寸法精度、形状精度等を大幅に向上
させることができる。また、Ｘ，Ｙ，Ｚ軸方向のような
直線方向の熱変位を抑制するだけでなく、Ａ，Ｂ，Ｃ軸
方向のような回転方向の熱変位を抑制することも可能と
なる。さらに、特に熱変位の抑制が必要な方向に対し
て、熱変位の抑制を重点的に行うことも可能となる。An optimal temperature control set temperature is obtained by solving an inverse solution problem using a neural network in which the thermal displacement characteristics of the machine tool are learned, and further, the residual thermal displacement is still calculated for each movable machine tool. Since it is removed by correcting the position of the part, it is possible to greatly suppress the thermal displacement of the machine tool compared to the conventional temperature control, and to greatly improve the dimensional accuracy and shape accuracy of processed products. Can be made. Further, it is possible not only to suppress the thermal displacement in the linear directions such as the X, Y, and Z axis directions but also to suppress the thermal displacement in the rotational directions such as the A, B, and C axis directions. Further, it becomes possible to focus the suppression of the thermal displacement particularly in the direction in which the thermal displacement is required to be suppressed.
【図１】図１は、本発明の熱変形補正方法を適用する工
作機械を示す図である。FIG. 1 is a diagram showing a machine tool to which a thermal deformation correction method of the present invention is applied.
【図２】図２は、本発明に使用するニューラルネットワ
ークの構成を示す図である。FIG. 2 is a diagram showing a configuration of a neural network used in the present invention.
【図３】図３は、本発明に使用する温度制御装置の構成
を示す図である。FIG. 3 is a diagram showing a configuration of a temperature control device used in the present invention.
【図４】図４は、本発明の他の実施の形態におけるＮＣ
装置の構成を示す図である。FIG. 4 is an NC diagram of another embodiment of the present invention.
It is a figure which shows the structure of an apparatus.
【図５】図５は、卓上旋盤の運転状態を示す図である。FIG. 5 is a diagram showing an operating state of a table lathe.
【図６】図６は、主軸の熱変位量の測定結果を示したも
のである。FIG. 6 shows a measurement result of a thermal displacement amount of a spindle.
１…マシニングセンタ ２…ベッド ３…テーブル ４…コラム ５…主軸頭 ６…主軸 ７…冷却制御装置 ８…冷却器 ９…冷却装置 １０，１１…ＮＣ装置 1 ... Machining center 2 ... bed 3 ... table 4 ... Column 5 ... Spindle head 6 ... Spindle 7 ... Cooling control device 8 ... Cooler 9 ... Cooling device 10, 11 ... NC device
───────────────────────────────────────────────────── フロントページの続き (72)発明者 田辺 郁男 新潟県長岡市深沢町1769−１ 深沢町宿舎 ２−307 Ｆターム(参考） 3C001 KA05 KB10 TA01 TB10 TC05 5H269 AB01 BB03 CC02 DD01 EE05 EE07 FF06 NN07 ─────────────────────────────────────────────────── ─── Continued front page (72) Inventor Ikuo Tanabe 1769-1 Fukasawa Town, Nagaoka City, Niigata Prefecture 2-307 F-term (reference) 3C001 KA05 KB10 TA01 TB10 TC05 5H269 AB01 BB03 CC02 DD01 EE05 EE07 FF06 NN07
Claims (14)
の温度等に関する入力データ群を入力し、そのときの前
記工作機械の熱変位量を出力し、入出力間に非線形関数
を含むニューラルネットワークに、入力データと教師デ
ータとを与えることにより、前記入力データ群と前記熱
変位量との関係を学習させる手順と、 学習済みの前記ニューラルネットワークから、前記入力
データ群と前記熱変位量との関係式を求める手順と、 前記関係式により、前記入力データ群から前記熱変位量
を演算して求める熱変位量演算手順と、 前記熱変位量演算手順によって求めた前記熱変位量によ
り工作機械の各可動部の位置を補正する手順とを有する
工作機械の熱変形補正方法。1. A neural network including a non-linear function between input and output by inputting a group of input data relating to a structure temperature of a machine tool, a temperature around the machine tool, and the like, outputting a thermal displacement amount of the machine tool at that time. A procedure for learning the relationship between the input data group and the thermal displacement amount by giving input data and teacher data to a network; and, from the learned neural network, the input data group and the thermal displacement amount. And a thermal displacement amount calculation procedure for calculating the thermal displacement amount from the input data group by the relational expression, and a machine displacement amount calculated by the thermal displacement amount calculation procedure. And a procedure for correcting the position of each movable part of the machine tool.
方法であって、 前記入力データ群は、前記工作機械の強制温調温度を含
むものである工作機械の熱変形補正方法。2. The thermal deformation correction method for a machine tool according to claim 1, wherein the input data group includes a forced temperature control temperature of the machine tool.
の温度、前記工作機械の強制温調温度等に関する入力デ
ータ群を入力し、そのときの前記工作機械の熱変位量を
出力し、入出力間に非線形関数を含むニューラルネット
ワークに、入力データと教師データとを与えることによ
り、前記入力データ群と前記熱変位量との関係を学習さ
せる手順と、 学習済みの前記ニューラルネットワークから、前記入力
データ群と前記熱変位量との関係式を求める手順と、 前記関係式により、前記入力データ群から前記熱変位量
を演算して求める熱変位量演算手順と、 前記関係式により、前記熱変位量が最小となる強制温調
温度である最適温調設定温度を求める手順と、 強制温調温度が前記最適温調設定温度となるように制御
して前記工作機械の強制温調を行う手順と、 前記熱変位量演算手順によって求めた前記熱変位量によ
り工作機械の各可動部の位置を補正する手順とを有する
工作機械の熱変形補正方法。3. An input data group relating to a structure temperature of a machine tool, a temperature around the machine tool, a forced temperature control temperature of the machine tool, etc. is input, and a thermal displacement amount of the machine tool at that time is output, A procedure for learning the relationship between the input data group and the thermal displacement amount by giving input data and teacher data to a neural network including a non-linear function between input and output, and from the learned neural network, A procedure for obtaining a relational expression between the input data group and the thermal displacement amount, a thermal displacement amount computation procedure for calculating the thermal displacement amount from the input data group by the relational expression, and a thermal displacement amount by the relational expression. The procedure for obtaining the optimum temperature control set temperature that is the forced temperature control temperature with the minimum displacement, and the forced temperature control of the machine tool by controlling the forced temperature control temperature to be the optimum temperature control set temperature. And a procedure for correcting the position of each movable portion of the machine tool based on the thermal displacement amount obtained by the thermal displacement amount calculation procedure.
作機械の熱変形補正方法であって、 前記入力データ群は、稼働開始からの時間と、稼働開始
からの前記工作機械各部の温度上昇値と、稼働開始から
の室温上昇値および前記工作機械の強制温調温度を含む
ものである工作機械の熱変形補正方法。4. The method for correcting thermal deformation of a machine tool according to claim 2, wherein the input data group includes a time from the start of operation and each part of the machine tool from the start of operation. The temperature deformation value of the machine tool, the room temperature increase value from the start of operation, and the forced temperature control temperature of the machine tool.
方法であって、 前記入力データ群は、所定時間だけ過去からの前記工作
機械各部の温度上昇値と所定時間だけ過去からの室温上
昇値とを含むものである工作機械の熱変形補正方法。5. The method for correcting thermal deformation of a machine tool according to claim 4, wherein the input data group includes a temperature rise value of each part of the machine tool from a past for a predetermined time and a room temperature from a past for a predetermined time. A method for correcting thermal deformation of a machine tool including an increase value.
作機械の熱変形補正方法であって、 前記ニューラルネットワークは、入力層、中間層および
出力層の３層構造を有するものである工作機械の熱変形
補正方法。6. The method for correcting thermal deformation of a machine tool according to claim 1, wherein the neural network has a three-layer structure including an input layer, an intermediate layer and an output layer. A method for correcting thermal deformation of a machine tool.
方法であって、 前記ニューラルネットワークは、前記中間層の入力と出
力との関係がシグモイド関数となるものである工作機械
の熱変形補正方法。7. The method for correcting thermal deformation of a machine tool according to claim 6, wherein the neural network is such that the relationship between the input and the output of the intermediate layer is a sigmoid function. Correction method.
周囲の温度に関するデータを入力するデータ入力手段
（２０，７９）と、 前記工作機械の構造体温度、前記工作機械周囲の温度等
に関する入力データ群を入力し、そのときの前記工作機
械の熱変位量を出力し、入出力間に非線形関数を含むと
ともに前記入力データ群と前記熱変位量との関係を学習
させたニューラルネットワークに基づいて得られた前記
入力データ群と前記熱変位量との間の関係式により、前
記入力データ群から前記熱変位量を演算して求める熱変
位量演算手段（１５２，７４３）と、 前記熱変位量演算手段によって求めた前記熱変位量によ
り工作機械の各可動部の位置を補正する補正手段（１
０，１１）とを有する工作機械の熱変形補正装置。8. A data input means (20, 79) for inputting data relating to a structure temperature of a machine tool and a temperature around the machine tool, and an input relating to a structure temperature of the machine tool, a temperature around the machine tool and the like. Based on a neural network that inputs a data group, outputs the thermal displacement amount of the machine tool at that time, includes a non-linear function between input and output, and learns the relationship between the input data group and the thermal displacement amount. Thermal displacement amount calculation means (152, 743) for calculating the thermal displacement amount from the input data group by the relational expression between the obtained input data group and the thermal displacement amount, and the thermal displacement amount. Correction means for correcting the position of each movable part of the machine tool based on the thermal displacement amount obtained by the calculation means (1
0, 11) and a thermal deformation correction device for a machine tool.
装置であって、 強制温調温度に従って前記工作機械の各部の温度制御を
行う温度制御手段（７）を有し、 前記入力データ群は、前記工作機械の強制温調温度を含
むものである工作機械の熱変形補正装置。9. The thermal deformation correction device for a machine tool according to claim 8, further comprising temperature control means (7) for controlling the temperature of each part of the machine tool in accordance with the forced temperature control temperature, and the input data. The group is a thermal deformation correction device for a machine tool, which includes the forced temperature control temperature of the machine tool.
械周囲の温度に関するデータを入力するデータ入力手段
（７９）と、 前記工作機械の構造体温度、前記工作機械周囲の温度等
に関する入力データ群を入力し、そのときの前記工作機
械の熱変位量を出力し、入出力間に非線形関数を含むと
ともに前記入力データ群と前記熱変位量との関係を学習
させたニューラルネットワークに基づいて得られた前記
入力データ群と前記熱変位量との間の関係式により、前
記入力データ群から前記熱変位量を演算して求める熱変
位量演算手段（７４３）と、 前記入力データ群と前記熱変位量との前記関係式によ
り、前記熱変位量が最小となる強制温調温度である最適
温調設定温度を演算する最適温調設定温度演算手段（７
４４）と、 強制温調温度が前記最適温調設定温度となるように制御
を行う温度制御手段（７）と、 前記熱変位量演算手段（７４３）によって求めた前記熱
変位量により工作機械の各可動部の位置を補正する補正
手段（１０）とを有する工作機械の熱変形補正装置。10. A data input means (79) for inputting data relating to a structure temperature of a machine tool and a temperature around the machine tool, and a group of input data relating to a structure temperature of the machine tool, a temperature around the machine tool and the like. Is obtained based on a neural network that outputs a thermal displacement amount of the machine tool at that time, includes a nonlinear function between the input and output, and learns the relationship between the input data group and the thermal displacement amount. And a thermal displacement amount calculating means (743) for calculating the thermal displacement amount from the input data group by a relational expression between the input data group and the thermal displacement amount, and the input data group and the thermal displacement amount. The optimum temperature control set temperature calculating means (7) for calculating the optimum temperature control set temperature which is the forced temperature control temperature at which the thermal displacement amount is the minimum by the relational expression with the amount.
44), temperature control means (7) for controlling the forced temperature control temperature to be the optimum temperature control set temperature, and the thermal displacement amount obtained by the thermal displacement amount calculation means (743) A thermal deformation correction device for a machine tool, comprising a correction means (10) for correcting the position of each movable part.
た工作機械の熱変形補正装置であって、 稼働開始時の前記工作機械各部の温度と稼働開始時の室
温とを記憶する手段（７５１）を有する工作機械の熱変
形補正装置。11. The machine tool thermal deformation correction device according to claim 9, wherein the temperature of each part of the machine tool at the start of operation and the room temperature at the start of operation are stored. A thermal deformation correction device for a machine tool having (751).
補正装置であって、 所定時間だけ過去からの前記工作機械各部の温度の履歴
データと所定時間だけ過去からの室温の履歴データとを
記憶する手段（７５２）を有する工作機械の熱変形補正
装置。12. A thermal deformation correction device for a machine tool according to claim 11, wherein history data of temperature of each part of the machine tool from a past for a predetermined time and history data of room temperature from a past for a predetermined time. A machine tool thermal distortion correction device having a storing means (752).
た工作機械の熱変形補正装置であって、 前記ニューラルネットワークは、入力層、中間層および
出力層の３層構造を有するものである工作機械の熱変形
補正装置。13. The thermal deformation correction device for a machine tool according to claim 9, wherein the neural network has a three-layer structure of an input layer, an intermediate layer and an output layer. A thermal deformation correction device for a machine tool.
補正装置であって、 前記ニューラルネットワークは、前記中間層の入力と出
力との関係がシグモイド関数となるものである工作機械
の熱変形補正装置。14. The thermal deformation correction device for a machine tool according to claim 13, wherein the neural network is such that the relationship between the input and the output of the intermediate layer is a sigmoid function. Correction device.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001295699A JP2003094291A (en) | 2001-09-27 | 2001-09-27 | Thermal displacement correction method and device for machine tool |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001295699A JP2003094291A (en) | 2001-09-27 | 2001-09-27 | Thermal displacement correction method and device for machine tool |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2003094291A true JP2003094291A (en) | 2003-04-03 |
Family
ID=19117085
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001295699A Pending JP2003094291A (en) | 2001-09-27 | 2001-09-27 | Thermal displacement correction method and device for machine tool |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2003094291A (en) |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106842922A (en) * | 2017-01-14 | 2017-06-13 | 合肥工业大学 | A kind of NC Machining Error optimization method |
| JP2017144527A (en) * | 2016-02-18 | 2017-08-24 | 中村留精密工業株式会社 | Correction method of thermal displacement of machine tool |
| CN108287525A (en) * | 2017-01-10 | 2018-07-17 | 发那科株式会社 | The machine learning device and thermal displacement correction device of lathe |
| US20180276570A1 (en) * | 2017-03-21 | 2018-09-27 | Fanuc Corporation | Machine learning device and thermal displacement compensation device |
| JP2018153901A (en) * | 2017-03-21 | 2018-10-04 | ファナック株式会社 | Machine learning device and thermal displacement correction device |
| CN108942415A (en) * | 2018-08-22 | 2018-12-07 | 崴立机电（苏州）有限公司 | A kind of main shaft temperature rise error compensating method based on FANUC system PLC control |
| CN109613886A (en) * | 2017-10-04 | 2019-04-12 | 发那科株式会社 | Thermal displacement correction system |
| JP2019063959A (en) * | 2017-10-04 | 2019-04-25 | ファナック株式会社 | Thermal displacement correction system |
| JP2019111648A (en) * | 2019-04-23 | 2019-07-11 | ファナック株式会社 | Machine learning device and thermal displacement correction device |
| US20190235471A1 (en) * | 2018-01-31 | 2019-08-01 | Fanuc Corporation | Thermal displacement correction device |
| JP6556413B1 (en) * | 2018-10-31 | 2019-08-07 | 三菱電機株式会社 | Numerical control device, learning device, and learning method |
| JP2019166603A (en) * | 2018-03-23 | 2019-10-03 | ファナック株式会社 | Thermal displacement correction system and computer |
| JP2020035260A (en) * | 2018-08-31 | 2020-03-05 | ファナック株式会社 | Processing environment estimation device |
| WO2020217571A1 (en) * | 2019-04-23 | 2020-10-29 | Dmg森精機株式会社 | Fluctuation amount estimation device in machine tool and correction amount calculation device |
| US11087238B2 (en) | 2018-05-16 | 2021-08-10 | Fanuc Corporation | Thermal displacement compensation device |
| WO2021256364A1 (en) * | 2020-06-17 | 2021-12-23 | ファナック株式会社 | Information processing device, control device, and optimization method |
| JP2022532018A (en) * | 2019-04-05 | 2022-07-13 | ディッケル マホ ゼーバッハ ゲーエムベーハー | Methods and equipment for compensating for thermally induced position changes in numerically controlled machine tools |
| JP7464383B2 (en) | 2019-12-10 | 2024-04-09 | ファナック株式会社 | Machine learning device, control device, machining system, and machine learning method for learning correction amount of work model |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0232099B2 (en) * | 1981-12-28 | 1990-07-18 | Osaka Kiko Co Ltd | SUCHISEIGYOKOSAKUKIKAINOSHUJIKUTONONETSUHENISEIGYOHOHO |
| JPH068107A (en) * | 1992-06-29 | 1994-01-18 | Hitachi Seiko Ltd | Thermal displacement compensation method for machine tool |
| JPH0775937A (en) * | 1993-09-07 | 1995-03-20 | Sodick Co Ltd | Machine tool and control method thereof |
| JPH11114776A (en) * | 1997-10-13 | 1999-04-27 | Niigata Eng Co Ltd | Thermal displacement correcting device for machine tool |
| JP2001138175A (en) * | 1999-11-17 | 2001-05-22 | Kanto Seiki Kk | Thermal deformation restricting method for machine tool, and temperature control device |
-
2001
- 2001-09-27 JP JP2001295699A patent/JP2003094291A/en active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0232099B2 (en) * | 1981-12-28 | 1990-07-18 | Osaka Kiko Co Ltd | SUCHISEIGYOKOSAKUKIKAINOSHUJIKUTONONETSUHENISEIGYOHOHO |
| JPH068107A (en) * | 1992-06-29 | 1994-01-18 | Hitachi Seiko Ltd | Thermal displacement compensation method for machine tool |
| JPH0775937A (en) * | 1993-09-07 | 1995-03-20 | Sodick Co Ltd | Machine tool and control method thereof |
| JPH11114776A (en) * | 1997-10-13 | 1999-04-27 | Niigata Eng Co Ltd | Thermal displacement correcting device for machine tool |
| JP2001138175A (en) * | 1999-11-17 | 2001-05-22 | Kanto Seiki Kk | Thermal deformation restricting method for machine tool, and temperature control device |
Cited By (41)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017144527A (en) * | 2016-02-18 | 2017-08-24 | 中村留精密工業株式会社 | Correction method of thermal displacement of machine tool |
| CN108287525B (en) * | 2017-01-10 | 2020-06-16 | 发那科株式会社 | Machine learning device and thermal displacement correction device for machine tool |
| CN108287525A (en) * | 2017-01-10 | 2018-07-17 | 发那科株式会社 | The machine learning device and thermal displacement correction device of lathe |
| JP2018111145A (en) * | 2017-01-10 | 2018-07-19 | ファナック株式会社 | Mechanical learning device of machine tool and thermal displacement correction device |
| US10401829B2 (en) | 2017-01-10 | 2019-09-03 | Fanuc Corporation | Machine learning device for machine tool and thermal displacement compensation device |
| CN106842922B (en) * | 2017-01-14 | 2020-07-17 | 合肥工业大学 | Numerical control machining error optimization method |
| CN106842922A (en) * | 2017-01-14 | 2017-06-13 | 合肥工业大学 | A kind of NC Machining Error optimization method |
| US20180276570A1 (en) * | 2017-03-21 | 2018-09-27 | Fanuc Corporation | Machine learning device and thermal displacement compensation device |
| CN108628256A (en) * | 2017-03-21 | 2018-10-09 | 发那科株式会社 | Rote learning device and thermal displacement correction device |
| CN108629419B (en) * | 2017-03-21 | 2023-07-14 | 发那科株式会社 | Machine learning device and thermal displacement correction device |
| CN108629419A (en) * | 2017-03-21 | 2018-10-09 | 发那科株式会社 | Machine learning device and thermal displacement correction device |
| JP2018153901A (en) * | 2017-03-21 | 2018-10-04 | ファナック株式会社 | Machine learning device and thermal displacement correction device |
| JP2018153902A (en) * | 2017-03-21 | 2018-10-04 | ファナック株式会社 | Machine learning device and thermal displacement correction device |
| US11650565B2 (en) | 2017-03-21 | 2023-05-16 | Fanuc Corporation | Machine learning device and thermal displacement compensation device |
| US10592824B2 (en) | 2017-03-21 | 2020-03-17 | Fanuc Corporation | Machine learning device and thermal displacement compensation device |
| CN108628256B (en) * | 2017-03-21 | 2019-11-22 | 发那科株式会社 | Rote learning device and thermal displacement correction device |
| JP2019063960A (en) * | 2017-10-04 | 2019-04-25 | ファナック株式会社 | Thermal displacement correction system |
| US11305395B2 (en) | 2017-10-04 | 2022-04-19 | Fanuc Corporation | Thermal displacement compensation system |
| JP2019063959A (en) * | 2017-10-04 | 2019-04-25 | ファナック株式会社 | Thermal displacement correction system |
| CN109613886A (en) * | 2017-10-04 | 2019-04-12 | 发那科株式会社 | Thermal displacement correction system |
| US11249454B2 (en) * | 2018-01-31 | 2022-02-15 | Fanuc Corporation | Thermal displacement correction device considering sensor failure |
| CN110096029A (en) * | 2018-01-31 | 2019-08-06 | 发那科株式会社 | Thermal displacement correction device |
| CN110096029B (en) * | 2018-01-31 | 2021-09-28 | 发那科株式会社 | Thermal displacement correction device |
| US20190235471A1 (en) * | 2018-01-31 | 2019-08-01 | Fanuc Corporation | Thermal displacement correction device |
| US11112759B2 (en) | 2018-03-23 | 2021-09-07 | Fanuc Corporation | Thermal displacement correction system and computer |
| JP2019166603A (en) * | 2018-03-23 | 2019-10-03 | ファナック株式会社 | Thermal displacement correction system and computer |
| DE102019112111B4 (en) | 2018-05-16 | 2022-07-14 | Fanuc Corporation | HEAT OFFSET COMPENSATION DEVICE |
| US11087238B2 (en) | 2018-05-16 | 2021-08-10 | Fanuc Corporation | Thermal displacement compensation device |
| CN108942415A (en) * | 2018-08-22 | 2018-12-07 | 崴立机电（苏州）有限公司 | A kind of main shaft temperature rise error compensating method based on FANUC system PLC control |
| US11099527B2 (en) | 2018-08-31 | 2021-08-24 | Fanuc Corporation | Machining environment estimation device |
| JP2020035260A (en) * | 2018-08-31 | 2020-03-05 | ファナック株式会社 | Processing environment estimation device |
| WO2020090030A1 (en) * | 2018-10-31 | 2020-05-07 | 三菱電機株式会社 | Numerical control device, learning device, and learning method |
| JP6556413B1 (en) * | 2018-10-31 | 2019-08-07 | 三菱電機株式会社 | Numerical control device, learning device, and learning method |
| CN112912803A (en) * | 2018-10-31 | 2021-06-04 | 三菱电机株式会社 | Numerical control device, learning device, and learning method |
| JP2022532018A (en) * | 2019-04-05 | 2022-07-13 | ディッケル マホ ゼーバッハ ゲーエムベーハー | Methods and equipment for compensating for thermally induced position changes in numerically controlled machine tools |
| WO2020217571A1 (en) * | 2019-04-23 | 2020-10-29 | Dmg森精機株式会社 | Fluctuation amount estimation device in machine tool and correction amount calculation device |
| JP2019111648A (en) * | 2019-04-23 | 2019-07-11 | ファナック株式会社 | Machine learning device and thermal displacement correction device |
| JP2020179429A (en) * | 2019-04-23 | 2020-11-05 | Dmg森精機株式会社 | Fluctuation amount estimation device in machine tool, and correction amount calculation device |
| JP7464383B2 (en) | 2019-12-10 | 2024-04-09 | ファナック株式会社 | Machine learning device, control device, machining system, and machine learning method for learning correction amount of work model |
| WO2021256364A1 (en) * | 2020-06-17 | 2021-12-23 | ファナック株式会社 | Information processing device, control device, and optimization method |
| JP7015417B1 (en) * | 2020-06-17 | 2022-02-02 | ファナック株式会社 | Information processing device, control device, and optimization method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2003094291A (en) | Thermal displacement correction method and device for machine tool | |
| Lei et al. | NURBS-based fast geometric error compensation for CNC machine tools | |
| JPH08174380A (en) | Method and device for correcting thermal displacement for machine tool | |
| US20230152773A1 (en) | Machine Tool Control and Method for Characteristic Diagram-based Error Compensation on a Machine Tool | |
| Kuric et al. | Examination of industrial robot performance parameters utilizing machine tool diagnostic methods | |
| JP2000250614A (en) | Backlash correction device and numerical control system | |
| JP2006065716A (en) | Correction method for deformation error | |
| US10025290B2 (en) | Thermal displacement correction training unit for machine tool | |
| Mei et al. | Study on the compensation of error by stick-slip for high-precision table | |
| JP3349652B2 (en) | Offline teaching method | |
| Hafezipour et al. | An uncertainty analysis method for error reduction in end-effector of spatial robots with joint clearances and link dimension deviations | |
| CN114131611A (en) | Joint error offline compensation method, system and terminal for robot gravity pose decomposition | |
| Guo et al. | Kinematic calibration and error compensation of a hexaglide parallel manipulator | |
| Wang et al. | Physics-based mechatronics modeling and application of an industrial-grade parallel tool head | |
| JP4488564B2 (en) | Method for suppressing thermal deformation of machine tool and temperature control device | |
| CN108356603B (en) | Method and system for compensating thermal deformation error of spindle of five-axis numerical control machine tool | |
| CN114839921A (en) | Five-axis contour control method based on data driving | |
| JP2001175313A (en) | Numerical control system and position command value correction device to be used for the system | |
| Kersting et al. | Simulation concept for predicting workpiece vibrations in five-axis milling | |
| Chan et al. | Effect of spatial moving structure and topology optimization of the CNC turning machine tools | |
| JPH11338527A (en) | Method and device for controlling machine tool | |
| JPS599708A (en) | Operation error compensating method of robot system | |
| Brecher et al. | Control concept for PKM considering the mechanical coupling between actors | |
| JP2022532018A (en) | Methods and equipment for compensating for thermally induced position changes in numerically controlled machine tools | |
| JPH0699373A (en) | Robot control device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080827 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20100114 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100115 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20100511 |