JP7476497B2 - 工作機械の解析モデルの作成支援装置 - Google Patents

Description

本発明は、工作機械の解析モデルの作成支援装置に関するものである。

特許文献１には、工作機械における工具を加振したときの振動を検出することにより、工作機械の動特性を算出することが記載されている。工作機械の動特性を得ることができれば、工作物の加工精度を良好にするための加工条件を決定することができたり、びびり振動等の原因を見つけることができたりする。

特許文献２には、工作機械において加工中にびびり振動が検出された場合に、加工中に検出された振動加速度と構造体の固有振動数とに基づき、びびり振動の発生要因である振動源を推定する振動源推定装置が記載されている。

ここで、工作機械の動特性は、例えば工具に力を付与した場合に、工具を含む工作機械の挙動を示すものである。そして、動特性は、構造体の質量、重心位置、構造体の支持構造におけるバネ定数（バネ要素のパラメータ）、減衰係数（ダンパ要素のパラメータ）等により表される。

また、特許文献３には、工作機械の解析モデルを用いて、工作機械の振動状態の解析を行うことが記載されている。解析モデルの同定は、解析モデルによる解析結果と実際の結果とを比較することにより行われる。

特開２０１６－００５８５８号公報 特開２０１８－１９６９０９号公報 特開２０１５－１８８９９４号公報

振動解析の精度を高めるためには、解析モデルにおける質量、重心位置、バネ要素、ダンパ要素等のパラメータが高精度とする必要がある。しかしながら、解析モデルのパラメータを高精度にすることは容易ではない。

本発明は、解析モデルのパラメータを容易に且つ高精度に決定することができる工作機械の解析モデルの作成支援装置を提供することを目的とする。

本発明の態様は、
工作機械を構成する複数の構造体に対応する複数の構造体モデル要素と、前記複数の構造体モデル要素同士を支持しバネ要素及びダンパ要素を含む支持モデル要素と、を備える工作機械の解析モデルの作成支援装置であって、
実測値に基づいて得られた前記工作機械の振動の実動特性を記憶する実動特性記憶部と、
前記バネ要素のパラメータ及び前記ダンパ要素のパラメータを調整した場合に、前記バネ要素のパラメータ及び前記ダンパ要素のパラメータを調整した複数の前記解析モデルのそれぞれによる解析結果である振動の解析動特性を生成する解析動特性生成部と、
前記実動特性と少なくとも前記バネ要素のパラメータを調整した場合のそれぞれの前記解析動特性とにおける固有振動数の一致度を算出すると共に、前記実動特性と前記ダンパ要素のパラメータを調整した場合のそれぞれの前記解析動特性とにおける固有振動数の機械的コンプライアンスの一致度を算出する一致度算出部と、
前記実動特性、複数の前記解析動特性及び複数の前記固有振動数の一致度に基づいて、機械学習により前記固有振動数の一致度を高くするための少なくとも前記バネ要素のパラメータの調整量を探索し、前記実動特性、複数の前記解析動特性及び複数の前記機械的コンプライアンスの一致度に基づいて、機械学習により前記機械的コンプライアンスの一致度を高くするための前記ダンパ要素のパラメータの調整量を探索し、前記バネ要素のパラメータ及び前記ダンパ要素のパラメータを決定するパラメータ決定部と、
を備える、工作機械の解析モデルの作成支援装置にある。

作成支援装置によれば、実動特性と解析動特性との一致度を高くするための支持モデル要素のパラメータの調整量を、機械学習により探索している。機械学習を行うにあたって、複数の情報を用いる必要がある。そこで、機械学習は、実動特性と、複数の解析動特性と、実動特性と複数の解析動特性のそれぞれとの一致度とを用いて行うようにしている。このように、蓄積された複数の解析動特性及び複数の一致度を用いて、機械学習により容易に且つ高速に支持モデル要素の最適なパラメータを決定することができる。決定されたパラメータは、高精度に、実際の支持要素のパラメータに一致させることができる。

工作機械の一例の平面図である。 工作機械の解析モデルの一例を示す図である。 工作機械の実動特性としての周波数と機械的コンプライアンスの関係を示す図である。 固有モードとしての固有振動数と動作モード、及び、機械的コンプライアンスの対応を示す表である。 バネ要素を調整した場合の解析固有モードの固有振動数の変化態様を示しており、バネ要素を調整することによって、実固有モードと解析固有モードとの一致度を高めることができることを説明する図である。 ダンパ要素を調整した場合の解析モデルによる機械的コンプライアンスの変化態様を示しており、ダンパ要素を調整することによって、実際の機械的コンプライアンスと解析モデルによる機械的コンプライアンスとの一致度を高めることができることを説明する図である。 解析モデルの作成支援装置の機能ブロック図である。 第一例の作成支援処理を示すフローチャートである。 作成支援処理における実動特性生成処理を示すフローチャートである。 第二例の作成支援処理を示すフローチャートである。

（１．工作機械１の構成）
工作機械１の構成について、図１を参照して説明する。図１に示すように、工作機械１は、工作物Ｗと工具Ｔとを相対的に移動させることにより、工作物Ｗを工具Ｔにより切削や研削等の加工を行う装置である。工作機械１は、例えば、マシニングセンタ、旋盤、フライス盤、歯車加工装置（ホブ盤、ギヤシェーパ機、ギヤスカイビング加工機等）等の切削を行う工作機械、研削を行う研削盤等である。

図１には、工作機械１の一例として、マシニングセンタを例にあげる。なお、本発明における工作機械１は、マシニングセンタの他の上記工作機械にも適用可能である。工作機械１は、複数の構造体（１０，２０，３０）により構成される。そして、工作機械１は、複数の構造体（１０，２０，３０）の少なくとも１つを移動可能となるように、複数の構造体（１０，２０，３０）同士を支持する構造を有する。

そこで、図１に示す工作機械１は、例えば、工作物Ｗと工具Ｔとの相対的な位置を変更するために、相互に直交する３つの直進軸（Ｘ軸、Ｙ軸及びＺ軸）を駆動軸として有する。図１においては、工作機械１は、さらに、工作物Ｗと工具Ｔとの相対的な姿勢を変更するために、２つの回転軸（Ｂ軸及びＣ軸）を駆動軸として有する。

本例では、工作機械１は、Ｂ軸（基準状態においてＹ軸回りの回転軸）及びＣ軸（基準状態においてＺ軸回りの回転軸）を有する構成を例にあげたが、Ａ軸（基準状態においてＸ軸回りの回転軸）及びＢ軸を有する構成としてもよいし、Ａ軸及びＣ軸を有する構成としてもよい。つまり、工作機械１は、自由曲面を加工可能な５軸加工機（工具主軸（ＣＴ軸）を考慮すると６軸加工機となる）を適用可能である。また、工作機械１は、スカイビング加工を可能な専用加工機として、軸数を５軸加工機とは異なる構成を有する加工機を適用することもできる。

工具Ｔは、工作物Ｗの加工に用いる回転工具である。例えば、工具Ｔは、エンドミル、スカイビングカッタ等である。本例において、工具Ｔは、スカイビング加工により工作物Ｗに歯車を創成する際に用いるスカイビングカッタを例に挙げて説明する。

工作機械１は、マシニングセンタとして、横形マシニングセンタを例にあげるが、立形マシニングセンタ、門型マシニングセンタ等を適用することもできる。また、工作機械１は、工作物Ｗと工具Ｔとを相対的に移動させる構成は、適宜選択可能である。本例では、工作機械１は、工具ＴをＹ軸及びＺ軸に移動可能とし、工作物ＷをＸ軸、Ｂ軸及びＣ軸に移動可能とする。

工作機械１は、ベッド１０と、工作物保持装置２０と、工具保持装置３０と、制御装置４０とを備える。ベッド１０は、例えば略矩形状に形成され、床面上に設置される。工作物保持装置２０は、スライドテーブル２１と、旋回テーブル２２と、工作物主軸台２３とを主に備える。スライドテーブル２１は、ベッド１０に対してＸ軸方向に移動可能に設けられる。具体的に、ベッド１０には、Ｘ軸方向（図１上下方向）へ延びる一対のＸ軸ガイドレール１１（支持部材）が設けられる。スライドテーブル２１は、図示しないリニアモータ又はボールねじ機構等の駆動装置によって駆動されることにより、一対のＸ軸ガイドレール１１に案内されながらＸ軸方向へ移動する。

旋回テーブル２２は、スライドテーブル２１の上面に設置され、スライドテーブル２１と一体的にＸ軸方向へ移動する。また、旋回テーブル２２は、スライドテーブル２１に対し、Ｙ軸方向に平行な軸回りであるＢ軸の回転を可能に設けられる。旋回テーブル２２には、旋回用の駆動装置（図示せず）が設けられ、旋回テーブル２２は、旋回用の駆動装置に駆動されることでＢ軸回転する。

工作物主軸台２３は、旋回テーブル２２に設置され、旋回テーブル２２と一体的にＢ軸回転する。工作物主軸台２３には、基準状態（Ｂ軸が基準位置のときの状態）において、Ｚ軸に平行な軸回りであるＣ軸回転可能に保持された工作物主軸２４が設けられる。そして、工作物主軸２４には、工作物Ｗが着脱可能に装着される。工作物主軸台２３には、工作物主軸２４を回転させる工作物回転用の駆動装置（図示せず）と、工作物主軸２４の回転角度を検出するエンコーダ等の検出器（図示せず）が設けられる。このように、工作物保持装置２０は、工作物Ｗを、ベッド１０に対して、Ｘ軸方向へ移動可能とし、且つ、Ｂ軸回転可能及びＣ軸回転可能に保持する。

工具保持装置３０は、コラム３１と、サドル３２と、工具主軸台３３とを主に備える。コラム３１は、ベッド１０に対してＺ軸方向に移動可能に設けられる。具体的に、ベッド１０には、Ｚ軸方向（図１左右方向）へ延びる一対のＺ軸ガイドレール１２が設けられる。コラム３１は、図示しないリニアモータ又はボールねじ機構等の駆動装置に駆動されることにより、一対のＺ軸ガイドレール１２に案内されながらＺ軸方向へ移動する。

サドル３２は、コラム３１における工作物Ｗ側の側面であって、Ｚ軸方向に直交する平面に配置される。このコラム３１の当該面には、Ｙ軸方向（図１紙面垂直方向）へ延びる一対のＹ軸ガイドレール３４が設けられる。サドル３２は、図示しないリニアモータ又はボールねじ機構等の駆動装置に駆動されることで、一対のＹ軸ガイドレール３４に案内されながらＹ軸方向へ移動する。

工具主軸台３３は、サドル３２に設置されると共に、サドル３２と一体的にＹ軸方向へ移動する。工具主軸台３３には、Ｚ軸に平行な軸回り（ＣＴ軸）に回転可能に設けられた工具主軸３５が設けられる。工具主軸３５には、工具Ｔが着脱可能に装着される。工具主軸台３３の内部には、工具主軸３５を回転させる工具回転の駆動装置（図示せず）と、工具主軸３５の回転角度を検出するエンコーダ等の検出器（図示せず）とが設けられる。このように、工具保持装置３０は、工具Ｔを、工作物保持装置２０に対して、Ｙ軸方向及びＺ軸方向に相対移動可能とし、且つ、ＣＴ軸回転可能に保持する。

制御装置４０は、工作機械１の各駆動装置の制御を行う。例えば、制御装置４０は、工作機械１に設けられた各駆動装置を制御することにより、スライドテーブル２１、コラム３１及びサドル３２の位置制御や旋回テーブル２２の旋回制御、工作物主軸２４及び工具主軸３５の回転制御等を行う。

工作機械１は、さらに、各構造体（１０，２０，３０）における振動を検出するための加速度センサ５１，５２，５３，５４，５５，５６を備える。各加速度センサ５１－５６は、例えば、直交３軸のそれぞれの方向の加速度を検出することができるセンサを用いるとよい。ただし、各加速度センサ５１－５６は、１軸方向の加速度を検出するセンサを用いる場合には、それぞれの方向を検出できるように複数個配置してもよい。

加速度センサ５１は、ベッド１０に設けられ、ベッド１０の振動を検出する。加速度センサ５２は、スライドテーブル２１に設けられ、スライドテーブル２１の振動を検出する。加速度センサ５３は、旋回テーブル２２に設けられ、旋回テーブル２２の振動を検出する。加速度センサ５４は、コラム３１に設けられ、コラム３１の振動を検出する。加速度センサ５５は、サドル３２に設けられ、サドル３２の振動を検出する。加速度センサ５６は、工具主軸台３３に設けられ、工具主軸台３３の振動を検出する。また、各加速度センサ５１－５６は、各構造体（１０，２０，３０）に１個ずつとしてもよいし、複数個設けてもよい。

（２．解析モデルＭの一例）
解析モデルＭの一例について、図２を参照して説明する。解析モデルＭは、工作機械１を構成する複数の構造体（１０，２０，３０）に対応する複数の構造体モデル要素と、複数の構造体モデル要素同士を支持する支持モデル要素とを備える。

図２において、各構造体モデル要素は、図１に示す工作機械１の各構造体（１０，２０，３０）に対応し、それぞれ同一の符号を付す。なお、図２における各構造体モデル要素の形状は、一例であり、剛体モデル、弾性体モデルの何れかを適用できる。弾性体モデルの場合、構造体モデル要素（１０，２０，３０）を、実際の構造体（１０，２０，３０）の形状に合わせた形状としてもよいし、異なる形状としてもよい。また、剛体モデルの場合、各構造体モデル要素の形状は、振動解析には特定する必要はない。

また、構造体モデル要素（１０，２０，３０）を剛体モデルとした場合のパラメータは、質量、重心位置及び慣性モーメントを含む。また、支持モデル要素は、バネ要素Ｓを含んでおり、さらにバネ要素Ｓのパラメータを含む。バネ要素Ｓのパラメータには、バネ定数、並びに、バネ要素Ｓの位置及び方向を含む。さらに、支持モデル要素は、ダンパ要素Ｄを含んでおり、ダンパ要素Ｄのパラメータを含む。ダンパ要素Ｄのパラメータには、減衰係数、並びに、ダンパ要素Ｄの位置及び方向を含む。また、構造体モデル要素（１０，２０，３０）を弾性体モデルとした場合のパラメータは、さらに、ヤング率及び密度を含む。

また、構造体モデル要素（１０，２０，３０）が剛体モデルである場合には、構造体モデル要素（１０，２０，３０）のそれぞれは、６自由度（Ｘ軸並進、Ｙ軸並進、Ｚ軸並進、Ｘ軸回りの回転、Ｙ軸回りの回転、Ｚ軸回りの回転）を有する。一方、構造体モデル要素（１０，２０，３０）が弾性体モデルである場合には、構造体モデル要素（１０，２０，３０）のそれぞれは、９自由度（Ｘ軸並進、Ｙ軸並進、Ｚ軸並進、Ｘ軸回りの回転、Ｙ軸回りの回転、Ｚ軸回りの回転、Ｘ軸回りの捻れ、Ｙ軸回りの捻れ、Ｚ軸回りの捻れ）を有する。

構造体モデル要素（１０，２０，３０）が剛体モデルである場合には、解析演算が少なくなる。構造体モデル要素（１０，２０，３０）が弾性体モデルである場合には、解析演算が多くなるが、実際の構造体に近い解析を行うことにより高精度な解析が可能となる。

（３．解析モデルＭの作成支援装置の概要）
解析モデルＭは、上述したように、それぞれの構造体モデル要素（１０，２０，３０）のパラメータ、支持モデル要素Ｓ，Ｄのパラメータに関する情報を含んでおり、これらの情報が重要な要素である。つまり、解析モデルＭは、質量マトリックス、剛性マトリックス、減衰マトリックスにより表される。

特に、解析モデルＭを用いた解析による動特性が実際の工作機械１の動特性と同一となるように、解析モデルＭのパラメータが決定されることが必要である。そこで、解析モデルＭの作成支援装置は、実際の工作機械１の動特性と同一の動特性となるように、解析モデルＭのパラメータを決定する。

作成支援装置は、工作機械１の実際の動特性（実動特性）と解析モデルＭによる解析結果である動特性（解析動特性）との一致度を高めるように、機械学習により解析モデルＭのパラメータの調整を繰り返すことにより、パラメータを決定する。つまり、一致度が所定の範囲内に含まれない場合には、機械学習により解析モデルＭのパラメータの調整量を決定し、調整後の解析モデルＭによる解析動特性との一致度が所定の範囲内に含まれるか否かを判定する。再び、一致度が所定の範囲内に含まれない場合には、今回調整したパラメータの情報を機械学習のデータセットに追加して、再び、解析モデルＭのパラメータの調整量を決定する。

つまり、一致度が所定の範囲内に含まれるまで、機械学習のデータセットを追加していきながら、パラメータの調整、解析モデルＭによる解析、一致度の判定を繰り返し行うことで、早期に最適なパラメータを導き出すことができる。

（４．動特性）
動特性について、図３及び図４を参照して説明する。図３は、工作機械１において、ハンマリング試験のインパルスハンマにより工具Ｔに加振力を付与した場合における実際の動特性（実動特性）を示す。つまり、動特性は、周波数と、工作機械１の機械的コンプライアンスとの関係を表す。

図２に示すように、工作機械１は、複数の構造体（１０，２０，３０）を備えており、さらに複数の構造体（１０，２０，３０）のそれぞれが例えば６自由度（Ｘ軸並進、Ｙ軸並進、Ｚ軸並進、Ｘ軸回りの回転、Ｙ軸回りの回転、Ｚ軸回りの回転）を有する。従って、例えば、工作機械１が６個の構造体により構成される場合、合計で３６自由度を有する。そして、工作機械１は、各自由度に対応する固有振動数（共振周波数）を有する。

つまり、それぞれの固有振動数において、複数の構造体（１０，２０，３０）の動作モードが異なる。図４には、固有振動数（共振周波数）と、動作モードと、機械的コンプライアンスの関係を示す。図４に示すように、例えば、固有振動数ｆ１においては、コラム３１がＹ軸回りの揺動を行う動作モードであり、機械的コンプライアンスはＣ１となる。固有振動数ｆ２においては、サドル３２がＸ軸回りの揺動を行う動作モードであり、機械的コンプライアンスはＣ２となる。固有振動数ｆ３においては、コラム３１がＺ軸回りの揺動を行う動作モードであり、機械的コンプライアンスはＣ３となる。

このように、固有振動数ｆ１－ｆ５のそれぞれには、対応する動作モードが存在する。そして、上述において、作成支援装置は、実動特性と解析動特性との一致度が所定の範囲内となるようにしている。つまり、実動特性の動作モードと解析動特性の動作モードとが同一のモード同士において、固有振動数（共振周波数）及び機械的コンプライアンスが所定の範囲内となるようにすることが目的である。

ただし、上述したように、工作機械１は、例えば、３６個の固有振動数を有しているため、全ての動作モードにおいて固有振動数及び機械的コンプライアンスを所定の範囲内にすることは困難である。そこで、複数の固有振動数を全体として評価した上で、各動作モードにおける固有振動数及び機械的コンプライアンスが近似する状態（一致度が高い状態）となるように、解析モデルＭのパラメータが決定される。

（５．解析モデルＭのパラメータの調整方法の概要）
解析モデルＭのパラメータの調整方法の概要について、図５及び図６を参照して説明する。解析モデルＭのパラメータとして、バネ要素Ｓのパラメータ、ダンパ要素Ｄのパラメータ、構造体モデル要素のパラメータが存在する。

図５には、太実線にて実動特性を示し、細実線にてパラメータ調整前の解析動特性を示し、細一点鎖線にてパラメータ調整後の解析動特性を示す。実動特性における固有振動数（共振周波数）ｆａの動作モードに対応する解析動特性の固有振動数がｆｂ１であるとする。このとき、バネ要素Ｓのパラメータを調整することにより、解析動特性の固有振動数がｆｂ１からｆｂ２へ移動させることができる。

また、バネ要素Ｓのパラメータに合わせて、構造体モデル要素のパラメータを調整することにより、解析動特性の固有振動数を、ｆｂ１からｆｂ２へ移動させることができる。つまり、バネ要素Ｓのパラメータを調整すること、又は、バネ要素Ｓのパラメータ及び構造体モデル要素のパラメータを調整することにより、対応する動作モードの固有振動数の一致度を高めることができる。

次に、図６には、太実線にて実動特性を示し、細実線にてパラメータ調整前の解析動特性を示し、細一点鎖線にてパラメータ調整後の解析動特性を示す。実動特性における固有振動数（共振周波数）ｆａの動作モードに対応する解析動特性の固有振動数がｆｂ２であるとする。そして、実動特性における機械的コンプライアンスはＣａであり、解析動特性における機械的コンプライアンスは、Ｃｂ１である。

このとき、ダンパ要素Ｄのパラメータを調整することにより、解析動特性の固有振動数をｆｂ２からほとんど移動させることなく、機械的コンプライアンスをＣｂ１からＣｂ２へ移動させることができる。従って、図６の細破線にて示すように、ダンパ要素Ｄのパラメータを調整することにより、対応する動作モードの機械的コンプライアンスの一致度を高めることができる。

つまり、最初にバネ要素Ｓのパラメータを調整し、その後にダンパ要素Ｄのパラメータを調整することにより、実動特性と解析動特性について、固有振動数ｆａ，ｆｂ２の一致度及び機械的コンプライアンスＣａ，Ｃｂ２の一致度を高めることができる。

（６．解析モデルＭの作成支援装置１００の構成）
（６－１．作成支援装置１００の全体構成）
解析モデルＭの作成支援装置１００の構成について、図７を参照して説明する。作成支援装置１００は、実動特性生成部１１０、実動特性記憶部１２０、解析モデル記憶部１３０、解析動特性生成部１４０、一致度算出部１５０、パラメータ決定部１６０を備える。

実動特性生成部１１０は、ハンマリング試験等の力センサ６０から得られる力と加速度センサ５１－５６による実測値とに基づいて、工作機械１の実動特性を生成する。実動特性は、例えば、図３に示すような、周波数と機械的コンプライアンスとの関係である。詳細には、実動特性生成部１１０は、実動特性として、固有モード（固有振動数と動作モード）、及び、共振周波数における機械的コンプライアンスを生成する。そして、実動特性記憶部１２０は、生成された実動特性を記憶する。

解析モデル記憶部１３０は、図２に示すような解析モデルＭを記憶する。記憶される解析モデルＭは、複数の構造体モデル要素と支持モデル要素とを含み、剛体モデルの場合、構造体モデル要素のパラメータ（質量、重心位置及び慣性モーメント）、バネ要素Ｓのパラメータ（バネ定数、位置及び方向）、ダンパ要素Ｄのパラメータ（減衰係数、位置及び方向）を含む。なお、弾性体モデルの場合、構造体モデル要素のパラメータは、さらに、ヤング率及び密度を含む。

解析動特性生成部１４０は、解析モデルＭによる解析結果である解析動特性を生成する。さらに、解析動特性生成部１４０は、解析モデルＭのパラメータを調整した場合に、調整後の解析モデルＭによる解析結果である解析動特性を生成する。つまり、解析動特性生成部１４０は、解析モデルＭのパラメータを調整した複数の解析モデルＭのそれぞれによる解析動特性を生成する。換言すると、解析動特性生成部１４０は、後述のパラメータ決定部１６０による探索後の解析モデルＭのパラメータの調整量に応じて調整された支持モデル要素を用いて、解析動特性を繰り返し生成する。

一致度算出部１５０は、実動特性とそれぞれの解析動特性との一致度を算出する。つまり、一致度算出部１５０は、実動特性と繰り返し生成された解析動特性との一致度を算出する。ここで、工作機械１の実動特性には複数の動作モードを含むため、ここでの一致度とは、複数の動作モード全体としての一致度とする。つまり、一致度算出部１５０が算出する一致度とは、まず個々の動作モードにおける動特性の一致度を算出し、個々の一致度を複合的に評価することにより決定される。

パラメータ決定部１６０は、実動特性、複数の解析動特性及び複数の一致度に基づいて、機械学習により一致度を高くするための解析モデルＭのパラメータの調整量を探索し、解析モデルＭのパラメータを決定する。つまり、パラメータ決定部１６０は、繰り返し生成された解析動特性及び一致度に基づいて、繰り返し機械学習により解析モデルＭのパラメータの調整量を探索する。そして、パラメータ決定部１６０は、探索した結果であるパラメータの調整量に基づいて、解析モデル記憶部１３０に記憶されている解析モデルＭのパラメータを変更する。

ここで、決定すべき解析モデルＭのパラメータは、支持モデル要素であるバネ要素Ｓ及びダンパ要素Ｄのパラメータを含む。詳細には、決定すべきバネ要素Ｓのパラメータとしては、バネ要素Ｓのバネ定数のみとしてもよいし、バネ定数に加えてバネ要素Ｓの位置を含めてもよい。また、決定すべきダンパ要素Ｄのパラメータとしては、ダンパ要素Ｄの減衰係数のみとしてもよいし、減衰係数に加えてダンパ要素Ｄの位置を含めてもよい。また、決定すべき解析モデルＭのパラメータは、支持モデル要素Ｓ，Ｄのパラメータに加えて構造体モデル要素のパラメータとしてもよい。構造体モデル要素のパラメータとしては、構造体モデル要素の質量のみとしてもよいし、質量に加えて構造体モデル要素の重心の位置を含めてもよい。

また、パラメータ決定部１６０における機械学習は、最適値を探索可能なアルゴリズムを適用する。当該アルゴリズムには、例えば、ベイズ推論、最尤推定、ＭＡＰ推定（正則化）等を適用できる。

（６－２．作成支援装置１００における第一段階要素に関する構成）
作成支援装置１００は、上述において図５に示したように、最初に、バネ要素Ｓのパラメータを調整すること、又は、バネ要素Ｓのパラメータ及び構造体モデル要素のパラメータを調整することにより、対応する動作モードの固有振動数の一致度を高めている。そこで、まず、第一段階要素として、バネ要素Ｓのパラメータの調整を行うことに関する作成支援装置１００の構成について、図７を参照して説明する。

実動特性記憶部１２０は、実動特性生成部１１０により生成された工作機械１の第一実動特性を記憶する第一実動特性記憶部１２１を備える。第一実動特性とは、固有振動数とそれぞれの固有振動数における複数の構造体の動作モードとを含む実固有モードである。実固有モードを構成する固有振動数は、加振付与時の実測値から得られた工作機械１の周波数応答におけるピーク周波数である。

実固有モードを構成する動作モードの一例は、固有振動数における複数の構造体のそれぞれの加速度情報に基づいて特徴づけられた動作態様である。例えば、図４に示したような動作モードである。また、動作モードの他の例は、複数の構造体のそれぞれの加速度情報そのものである。また、動作モードの他の例は、複数の構造体のそれぞれの加速度情報の傾向である。このように、動作モードとしては、図４に示すような動作を説明する分類分けとしてもよいし、加速度情報に関する数値としてもよい。

解析動特性生成部１４０は、バネ要素Ｓのパラメータを調整した場合に、バネ要素Ｓのパラメータを調整した解析モデルＭのそれぞれによる解析結果である第一解析動特性を生成する第一解析動特性生成部１４１を備える。特に、第一解析動特性生成部１４１は、バネ要素Ｓのパラメータを調整した場合に、複数の第一解析動特性として固有値解析結果の解析固有モードを生成する。

一致度算出部１５０は、第一実動特性とそれぞれの第一解析動特性との第一一致度を算出する第一一致度算出部１５１を備える。第一一致度算出部１５１は、実固有モードとそれぞれの解析固有モードとの第一一致度として、対応する各動作モードにおける周波数一致度を算出する。

パラメータ決定部１６０は、バネ要素Ｓのパラメータを決定する第一パラメータ決定部１６１を備える。第一パラメータ決定部１６１は、第一実動特性、複数の第一解析動特性及び複数の第一一致度に基づいて、機械学習により第一一致度を高くするためのバネ要素Ｓのパラメータの調整量を探索し、バネ要素Ｓのパラメータを決定する。第一パラメータ決定部１６１は、特に、実固有モード、複数の解析固有モード及び複数の周波数一致度に基づいて、機械学習により周波数一致度を高くするためのバネ要素Ｓのパラメータの調整量を探索し、バネ要素Ｓのパラメータを決定する。

また、第一パラメータ決定部１６１は、バネ要素Ｓのパラメータの決定の際に、構造体モデル要素のパラメータの決定を行うようにしてもよい。この場合、第一パラメータ決定部１６１は、機械学習により第一一致度を高くするためのバネ要素Ｓの調整量及び構造体モデル要素のパラメータの調整量を探索し、バネ要素Ｓ及び構造体モデル要素のパラメータを決定する。

（６－３．作成支援装置１００における第二段階要素に関する構成）
作成支援装置１００は、上述において図６に示したように、バネ要素Ｓのパラメータの調整後において、ダンパ要素Ｄのパラメータを調整することにより、機械的コンプライアンスの一致度を高めている。そこで、第二段階要素として、ダンパ要素Ｄのパラメータの調整を行うことに関する作成支援装置１００の構成について、図７を参照して説明する。

実動特性記憶部１２０は、さらに、実動特性生成部１１０により生成された工作機械１の第二実動特性を記憶する第二実動特性記憶部１２２を備える。第二実動特性記憶部１２２は、第二実動特性として、工作機械１の実周波数応答を記憶する。詳細には、第二実動特性は、実周波数応答における共振周波数と、その共振周波数における機械的コンプライアンスとを含む。

解析動特性生成部１４０は、さらに、第二解析動特性生成部１４２を備える。第二解析動特性生成部１４２は、バネ要素Ｓのパラメータが第一パラメータ決定部１６１により決定されたバネ要素Ｓのパラメータに基づいて設定された状態において、ダンパ要素Ｄのパラメータを調整した場合に、ダンパ要素Ｄのパラメータを調整した解析モデルＭのそれぞれによる解析結果である第二解析動特性を生成する。特に、第二解析動特性生成部１４２は、ダンパ要素Ｄのパラメータを調整した場合に、複数の第二解析動特性として、周波数応答解析結果である解析周波数応答を生成する。

一致度算出部１５０は、さらに、第二実動特性とそれぞれの第二解析動特性との第二一致度を算出する第二一致度算出部１５２を備える。第二一致度算出部１５２は、実周波数応答とそれぞれの解析周波数応答との一致度として、対応する各共振周波数における応答一致度を算出する。

パラメータ決定部１６０は、さらに、ダンパ要素Ｄのパラメータを決定する第二パラメータ決定部１６２を備える。第二パラメータ決定部１６２は、第二実動特性、複数の第二解析動特性及び複数の第二一致度に基づいて、機械学習により第二一致度を高くするためのダンパ要素Ｄのパラメータの調整量を探索し、ダンパ要素Ｄのパラメータを決定する。第二パラメータ決定部１６２は、実周波数応答、複数の解析周波数応答及び複数の応答一致度に基づいて、機械学習により応答一致度を高くするためのダンパ要素Ｄのパラメータの調整量を探索し、ダンパ要素Ｄのパラメータを決定する。

（７．作成支援処理の第一例）
作成支援装置１００による作成支援処理の第一例について、図８及び図９を参照して説明する。実動特性生成部１１０が実動特性の生成を行う（ステップＳ１）。そして、生成された実動特性のうち第一実動特性は、第一実動特性記憶部１２１に記憶される。また、生成された実動特性のうち第二実動特性は、第二実動特性記憶部１２２に記憶される。

実動特性生成処理については、図９に示すように、力センサ６０により力を取得すると共に、加速度センサ５１－５６により各加速度を取得する（ステップＳ２１）。続いて、取得した力と加速度とに基づいて、周波数応答解析を行う（ステップＳ２２）。続いて、周波数応答解析結果に基づいて固有モードを取得し、記憶する（ステップＳ２３）。固有モードには、固有振動数と動作モードが含まれる。続いて、共振周波数における機械的コンプライアンスを取得し、記憶する（ステップＳ２４）。

図８に戻り、作成支援処理について説明を続ける。実動特性の生成に続いて、第一解析動特性生成部１４１が、解析モデル記憶部１３０に現在記憶されている解析モデルＭを用いて固有値解析を行うことにより、第一解析動特性を生成する（ステップＳ２）。ここで、初期に解析モデル記憶部１３０に記憶されている解析モデルＭのパラメータは、例えば、軸受のカタログ値等を用いることができる。

続いて、第一一致度算出部１５１が、第一実動特性と第一解析動特性との一致度（第一一致度）を算出する（ステップＳ３）。第一一致度が所定値内でない場合（ステップＳ４：Ｎｏ）、すなわち一致度が低い場合には、第一パラメータ決定部１６１が、機械学習によりバネ要素Ｓのパラメータの調整量を探索する（ステップＳ５）。続いて、第一パラメータ決定部１６１は、一旦、バネ要素Ｓのパラメータの調整量を決定し、解析モデル記憶部１３０に記憶されている解析モデルＭのパラメータを変更する（ステップＳ６）。

そして、ステップＳ２から繰り返し実行する。従って、第一一致度が所定値内になるまでの間、機械学習によるバネ要素Ｓのパラメータの探索が、何度も繰り返し実行される。固有値解析を繰り返し実行することにより、機械学習のデータセットが逐次増加して、増加したデータセットに基づいて機械学習が行われる。従って、上記の繰り返し処理を何度か実行することにより、第一一致度が所定内となるようなバネ要素Ｓのパラメータを探索することができる。

そして、第一一致度が所定値内である場合（ステップＳ４：Ｙｅｓ）、すなわち一致度が高い場合には、第一パラメータ決定部１６１が、バネ要素Ｓのパラメータを現在の調整された値に決定する（ステップＳ７）。続いて、第一パラメータ決定部１６１が、解析モデル記憶部１３０に記憶されている解析モデルＭのパラメータを、決定されたバネ要素Ｓのパラメータに変更する（ステップＳ８）。

以上までにおいて、解析モデルＭのバネ要素Ｓのパラメータが最適値に設定されている。従って、解析モデルＭの固有振動数は、実際の工作機械１の固有振動数に近似している。

続いて、第二解析動特性生成部１４２が、変更後の解析モデルＭにより周波数応答解析を行うことにより、第二解析動特性を生成する（ステップＳ９）。続いて、第二一致度算出部１５２が、第二実動特性と第二解析動特性との一致度（第二一致度）を算出する（ステップＳ１０）。第二一致度が所定値内でない場合（ステップＳ１１：Ｎｏ）、すなわち一致度が低い場合には、第二パラメータ決定部１６２が、機械学習によりダンパ要素Ｄのパラメータの調整量を探索する（ステップＳ１２）。続いて、第二パラメータ決定部１６２は、一旦ダンパ要素Ｄのパラメータの調整量を決定し、解析モデル記憶部１３０に記憶されている解析モデルＭのパラメータを変更する（ステップＳ１３）。

そして、ステップＳ９から繰り返し実行する。従って、第二一致度が所定値内になるまでの間、機械学習によるダンパ要素Ｄのパラメータの探索が、何度も繰り返し実行される。周波数応答解析を繰り返し実行することにより、機械学習のデータセットが逐次増加して、増加したデータセットに基づいて機械学習が行われる。従って、上記の繰り返し処理を何度が実行することにより、第二一致度が所定内となるようなダンパ要素Ｄのパラメータを探索することができる。

そして、第二一致度が所定値内である場合（ステップＳ１１：Ｙｅｓ）、すなわち一致度が高い場合には、第二パラメータ決定部１６２が、ダンパ要素Ｄのパラメータを現在の調整された値に決定する（ステップＳ１４）。続いて、第二パラメータ決定部１６２が、解析モデル記憶部１３０に記憶されている解析モデルＭのパラメータを、決定されたダンパ要素Ｄのパラメータに変更する（ステップＳ１５）。

従って、解析モデルＭのダンパ要素Ｄのパラメータも最適値に設定される。従って、解析モデルＭの固有振動数は、実際の工作機械１の固有振動数に近似しており、且つ、解析モデルＭの機械的コンプライアンスも、実際の工作機械１の機械的コンプライアンスに近似する。

以上より、作成支援装置１００によれば、実動特性と解析動特性との一致度を高くするための支持モデル要素Ｓ，Ｄのパラメータの調整量を、機械学習により探索している。機械学習を行うにあたって、複数の情報を用いる必要がある。そこで、機械学習は、実動特性と、複数の解析動特性と、実動特性と複数の解析動特性のそれぞれとの一致度とを用いて行うようにしている。このように、蓄積された複数の解析動特性及び複数の一致度を用いて、機械学習により容易に且つ高速に支持モデル要素Ｓ，Ｄの最適なパラメータを決定することができる。決定されたパラメータは、高精度に、実際の支持要素のパラメータに一致させることができる。

（８．作成支援処理の第二例）
作成支援装置１００による作成支援処理の第二例について、図１０を参照して説明する。ここで、図８に示す作成支援処理の第一例と同一処理については、同一符号を付して詳細な説明を省略する。

作成支援処理の第二例は、第一例に対して、ステップＳ３５及びステップＳ３７が相違する。ステップＳ３において、第一一致度算出部１５１が、第一実動特性と第一解析動特性との一致度を算出する。続いて、第一一致度が所定値内でない場合（ステップＳ４：Ｎｏ）、すなわち一致度が低い場合には、第一パラメータ決定部１６１が、機械学習によりバネ要素Ｓのパラメータの調整量及び構造体のパラメータの調整量を同時に探索する（ステップＳ３５）。構造体のパラメータとは、構造体の質量、重心位置等である。

続いて、第一パラメータ決定部１６１は、一旦、バネ要素Ｓのパラメータの調整量及び構造体のパラメータの調整量を決定し、解析モデル記憶部１３０に記憶されている解析モデルＭのパラメータを変更する（ステップＳ６）。そして、ステップＳ２から繰り返し実行する。

第一一致度が所定値内である場合（ステップＳ４：Ｙｅｓ）、すなわち一致度が高い場合には、第一パラメータ決定部１６１が、バネ要素Ｓのパラメータ及び構造体のパラメータを現在の調整された値に決定する（ステップＳ３７）。続いて、第一パラメータ決定部１６１が、解析モデル記憶部１３０に記憶されている解析モデルＭのパラメータを、決定されたバネ要素Ｓのパラメータ及び構造体のパラメータに変更する（ステップＳ８）。

このように、作成支援処理の第二例においては、バネ要素Ｓ及びダンパ要素Ｄのパラメータに加えて、構造体のパラメータも最適値にすることができる。なお、構造体のパラメータが既知である場合には、作成支援処理の第一例を適用し、構造体のパラメータが未知である場合に、作成支援処理の第二例を適用すればよい。また、一部の構造体のパラメータが未知である場合も、同様に、作成支援処理の第二例を適用するとよい。

１：工作機械、１０、２０，３０：構造体、５１，５２，５３，５４，５５，５６：加速度センサ、１００：作成支援装置、１１０：実動特性生成部、１２０：実動特性記憶部、１２１：第一実動特性記憶部、１２２：第二実動特性記憶部、１３０：解析モデル記憶部、１４０：解析動特性生成部、１４１：第一解析動特性生成部、１４２：第二解析動特性生成部、１５０：一致度算出部、１５１：第一一致度算出部、１５２：第二一致度算出部、１６０：パラメータ決定部、１６１：第一パラメータ決定部、１６２：第二パラメータ決定部、Ｔ：工具、Ｗ：工作物、Ｍ：解析モデル、Ｓ，Ｄ：支持モデル要素、Ｓ：バネ要素、Ｄ：ダンパ要素、ｆａ，ｆｂ１，ｆｂ２：固有振動数、Ｃａ，Ｃｂ１，Ｃｂ２：機械的コンプライアンス

Claims (14)

1. 工作機械を構成する複数の構造体に対応する複数の構造体モデル要素と、前記複数の構造体モデル要素同士を支持しバネ要素及びダンパ要素を含む支持モデル要素と、を備える工作機械の解析モデルの作成支援装置であって、
   実測値に基づいて得られた前記工作機械の振動の実動特性を記憶する実動特性記憶部と、
   前記バネ要素のパラメータ及び前記ダンパ要素のパラメータを調整した場合に、前記バネ要素のパラメータ及び前記ダンパ要素のパラメータを調整した複数の前記解析モデルのそれぞれによる解析結果である振動の解析動特性を生成する解析動特性生成部と、
   前記実動特性と少なくとも前記バネ要素のパラメータを調整した場合のそれぞれの前記解析動特性とにおける固有振動数の一致度を算出すると共に、前記実動特性と前記ダンパ要素のパラメータを調整した場合のそれぞれの前記解析動特性とにおける固有振動数の機械的コンプライアンスの一致度を算出する一致度算出部と、
   前記実動特性、複数の前記解析動特性及び複数の前記固有振動数の一致度に基づいて、機械学習により前記固有振動数の一致度を高くするための少なくとも前記バネ要素のパラメータの調整量を探索し、前記実動特性、複数の前記解析動特性及び複数の前記機械的コンプライアンスの一致度に基づいて、機械学習により前記機械的コンプライアンスの一致度を高くするための前記ダンパ要素のパラメータの調整量を探索し、前記バネ要素のパラメータ及び前記ダンパ要素のパラメータを決定するパラメータ決定部と、
   を備える、工作機械の解析モデルの作成支援装置。
2. 前記支持モデル要素は、支持される前記構造体モデル要素の自由度が複数有するように前記複数の構造体モデル要素同士を支持する複数の前記バネ要素及び複数の前記ダンパ要素を含み、
   前記解析動特性生成部は、複数の前記バネ要素のパラメータ及び複数の前記ダンパ要素のパラメータを調整した場合に、複数の前記バネ要素のパラメータ及び複数の前記ダンパ要素のパラメータを調整した複数の前記解析モデルのそれぞれによる解析結果である前記解析動特性を生成し、
   前記一致度算出部は、
   前記実動特性と少なくとも複数の前記バネ要素のパラメータを調整した場合のそれぞれの前記解析動特性とにおける前記固有振動数の一致度を算出すると共に、
   前記実動特性と複数の前記ダンパ要素のパラメータを調整した場合のそれぞれの前記解析動特性とにおける前記機械的コンプライアンスの一致度を算出し、
   前記パラメータ決定部は、
   前記実動特性、複数の前記解析動特性及び複数の前記固有振動数の一致度に基づいて、機械学習により前記固有振動数の一致度を高くするための少なくとも複数の前記バネ要素のパラメータの調整量を探索し、
   前記実動特性、複数の前記解析動特性及び複数の前記機械的コンプライアンスの一致度に基づいて、機械学習により前記機械的コンプライアンスの一致度を高くするための複数の前記ダンパ要素のパラメータの調整量を探索し、
   複数の前記バネ要素のパラメータ及び複数の前記ダンパ要素のパラメータを決定する、請求項１に記載の工作機械の解析モデルの作成支援装置。
3. 複数の前記構造体モデル要素は、３以上の前記構造体に対応する３以上の前記構造体モデル要素を含み、
   前記支持モデル要素は、３以上の前記構造体モデル要素を構成する前記構造体モデル要素間を支持する複数の前記バネ要素及び複数の前記ダンパ要素を含み、
   前記解析動特性生成部は、複数の前記バネ要素のパラメータ及び複数の前記ダンパ要素のパラメータを調整した場合に、複数の前記バネ要素のパラメータ及び複数の前記ダンパ要素のパラメータを調整した複数の前記解析モデルのそれぞれによる解析結果である前記解析動特性を生成し、
   前記一致度算出部は、
   前記実動特性と少なくとも複数の前記バネ要素のパラメータを調整した場合のそれぞれの前記解析動特性とにおける前記固有振動数の一致度を算出すると共に、
   前記実動特性と複数の前記ダンパ要素のパラメータを調整した場合のそれぞれの前記解析動特性とにおける前記機械的コンプライアンスの一致度を算出し、
   前記パラメータ決定部は、
   前記実動特性、複数の前記解析動特性及び複数の前記固有振動数の一致度に基づいて、機械学習により前記固有振動数の一致度を高くするための少なくとも複数の前記バネ要素のパラメータの調整量を探索し、
   前記実動特性、複数の前記解析動特性及び複数の前記機械的コンプライアンスの一致度に基づいて、機械学習により前記機械的コンプライアンスの一致度を高くするための複数の前記ダンパ要素のパラメータの調整量を探索し、
   複数の前記バネ要素のパラメータ及び複数の前記ダンパ要素のパラメータを決定する、請求項１または２に記載の工作機械の解析モデルの作成支援装置。
4. 前記解析動特性生成部は、探索後の前記支持モデル要素のパラメータの調整量に応じて調整された前記支持モデル要素を用いて、前記解析動特性を繰り返し生成し、
   前記一致度算出部は、前記実動特性と繰り返し生成された前記解析動特性との前記固有振動数の一致度及び前記機械的コンプライアンスの一致度を算出し、
   前記パラメータ決定部は、繰り返し生成された前記解析動特性及び前記固有振動数の一致度及び前記機械的コンプライアンスの一致度に基づいて、繰り返し機械学習により前記支持モデル要素のパラメータの調整量を探索する、請求項１～３の何れか１項に記載の工作機械の解析モデルの作成支援装置。
5. 前記実動特性記憶部は、実測値に基づいて得られた前記工作機械の振動の第一実動特性を記憶する第一実動特性記憶部を備え、
   前記解析動特性生成部は、前記バネ要素のパラメータを調整した場合に、前記バネ要素のパラメータを調整した前記解析モデルのそれぞれによる解析結果である振動の第一解析動特性を生成する第一解析動特性生成部を備え、
   前記一致度算出部は、前記第一実動特性とそれぞれの前記第一解析動特性との前記固有振動数の第一一致度を算出する第一一致度算出部を備え、
   前記パラメータ決定部は、前記第一実動特性、複数の前記第一解析動特性及び複数の前記固有振動数の第一一致度に基づいて、機械学習により前記固有振動数の第一一致度を高くするための前記バネ要素のパラメータの調整量を探索し、前記バネ要素のパラメータを決定する第一パラメータ決定部を備える、請求項１～４の何れか１項に記載の工作機械の解析モデルの作成支援装置。
6. 前記第一実動特性記憶部は、前記第一実動特性として、固有振動数とそれぞれの前記固有振動数における前記複数の構造体の動作モードとを含む実固有モードを記憶し、
   前記第一解析動特性生成部は、前記バネ要素のパラメータを調整した場合に、複数の前記第一解析動特性として固有値解析結果の解析固有モードを生成し、
   前記第一一致度算出部は、前記実固有モードとそれぞれの前記解析固有モードとの前記固有振動数の第一一致度として、対応する各動作モードにおける周波数一致度を算出し、
   前記第一パラメータ決定部は、前記実固有モード、複数の前記解析固有モード及び複数の前記周波数一致度に基づいて、機械学習により前記周波数一致度を高くするための前記バネ要素のパラメータの調整量を探索し、前記バネ要素のパラメータを決定する、請求項５に記載の工作機械の解析モデルの作成支援装置。
7. 前記実固有モードを構成する前記固有振動数は、加振付与時の実測値から得られた前記工作機械の周波数応答におけるピーク周波数であり、
   前記実固有モードを構成する前記動作モードは、前記固有振動数における前記複数の構造体のそれぞれの加速度情報に基づいて特徴づけられた動作態様である、請求項６に記載の工作機械の解析モデルの作成支援装置。
8. 前記実固有モードを構成する前記固有振動数は、実測値から得られた前記工作機械の周波数応答におけるピーク周波数であり、
   前記実固有モードを構成する前記動作モードは、前記複数の構造体のそれぞれの加速度情報そのもの、又は、前記加速度情報の傾向である、請求項６に記載の工作機械の解析モデルの作成支援装置。
9. 前記実動特性記憶部は、さらに、
   実測値に基づいて得られた前記工作機械の振動の第二実動特性を記憶する第二実動特性記憶部を備え、
   前記解析動特性生成部は、さらに、
   前記バネ要素のパラメータが前記第一パラメータ決定部により決定された前記バネ要素のパラメータに基づいて設定された状態において、前記ダンパ要素のパラメータを調整した場合に、前記ダンパ要素のパラメータを調整した前記解析モデルのそれぞれによる解析結果である振動の第二解析動特性を生成する第二解析動特性生成部を備え、
   前記一致度算出部は、さらに、
   前記第二実動特性とそれぞれの前記第二解析動特性との前記機械的コンプライアンスの第二一致度を算出する第二一致度算出部を備え、
   前記パラメータ決定部は、さらに、
   前記第二実動特性、複数の前記第二解析動特性及び複数の前記機械的コンプライアンスの第二一致度に基づいて、機械学習により前記機械的コンプライアンスの第二一致度を高くするための前記ダンパ要素のパラメータの調整量を探索し、前記ダンパ要素のパラメータを決定する第二パラメータ決定部を備える、請求項５に記載の工作機械の解析モデルの作成支援装置。
10. 前記第二実動特性記憶部は、前記第二実動特性として、前記工作機械の実周波数応答を記憶し、
    前記第二解析動特性生成部は、前記ダンパ要素のパラメータを調整した場合に、複数の前記第二解析動特性としての解析周波数応答を生成し、
    前記第二一致度算出部は、前記実周波数応答とそれぞれの前記解析周波数応答との前記機械的コンプライアンスの第二一致度として、対応する各共振周波数における応答一致度を算出し、
    前記第二パラメータ決定部は、前記実周波数応答、複数の前記解析周波数応答及び複数の前記応答一致度に基づいて、機械学習により前記応答一致度を高くするための前記ダンパ要素のパラメータの調整量を探索し、前記ダンパ要素のパラメータを決定する、請求項９に記載の工作機械の解析モデルの作成支援装置。
11. 前記解析動特性生成部は、前記支持モデル要素のパラメータ及び前記構造体モデル要素のパラメータを調整した場合に、前記解析モデルによる解析結果である前記解析動特性を生成し、
    前記パラメータ決定部は、
    前記実動特性、前記解析動特性、前記固有振動数の一致度に基づいて、機械学習により前記固有振動数の一致度を高くするための前記バネ要素のパラメータの調整量及び前記構造体モデル要素のパラメータの調整量を探索し、
    前記実動特性、複数の前記解析動特性及び複数の前記機械的コンプライアンスの一致度に基づいて、機械学習により前記機械的コンプライアンスの一致度を高くするための前記ダンパ要素のパラメータの調整量を探索し、
    前記バネ要素のパラメータ、前記ダンパ要素のパラメータ及び前記構造体モデル要素のパラメータを決定する、請求項１－１０の何れか１項に記載の工作機械の解析モデルの作成支援装置。
12. 前記構造体モデル要素は、剛体モデルである、請求項１－１１の何れか１項に記載の工作機械の解析モデルの作成支援装置。
13. 前記構造体モデル要素は、弾性体モデルである、請求項１－１１の何れか１項に記載の工作機械の解析モデルの作成支援装置。
14. 前記機械学習は、最適値を探索可能なアルゴリズムを適用する、請求項１－１３の何れか１項に記載の工作機械の解析モデルの作成支援装置。

Images