JPH11114776A - 工作機械の熱変位補正装置 - Google Patents

Abstract

(57)【要約】 【課題】 工作物の生産性を低下させることなく、高い
精度の熱変位補正を実現可能にする。 【解決手段】 工作機械各部の温度センサ１から温度情
報を受け、ニューラルネットワーク定数値を用いて工具
と工作物との熱変位の補正量を演算するニューラルネッ
トワーク演算部３を設けて、ニューラルネットワーク学
習演算部９に、教師データ記憶部８から読み出した熱変
位および温度情報を教師データとして学習させることに
より、前記ニューラルネットワーク定数値を調整させ
る。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、工作機械におい
て、熱変形により工具と工作物との間に誘導される相対
熱変位を補正する工作機械の熱変位補正装置に関する。

【０００２】

【従来の技術】工作機械における加工誤差の主要因の一
つに、熱変形により工具と工作物との間に誘導される相
対熱変位、いわゆる熱変位がある。この問題に対して数
値制御工作機械においては、熱変位と相関が強いと考え
られる複数箇所の機体温度を測定し、機械製造時に得ら
れた線形の関係式から熱変位を推定し、数値制御装置の
機能を用いて補正する方法が広く用いられている。とこ
ろが、熱変位を少数の機体温度の線形和で精度良く近似
することはできず、前記の熱変位推定の精度が著しく悪
化する場合がある。

【０００３】この問題に対して、ニューラルネットワー
クを用いて作成した、熱変位と機体温度との関係につい
てのデータテーブルに基づいて熱変位推定を行う補正技
術が、例えば特開平６−８１０７号公報に開示されてい
る。しかしながら、実際の機械設置環境，加工条件，加
工環境は、前記の熱変位と機体温度との関係を得たとき
のものとは異なり、予め得られている関係を用いて熱変
位推定値を演算したのでは、高い補正精度を得ることは
困難である。一方、この問題に対して、機体温度からの
熱変位推定値演算にニューラルネットワークを用いたも
ので、機械設置環境で熱変位と機体温度のデータを測定
し、それらを教師データとして学習することにより、ニ
ューラルネットワークの結合係数および閾値（ニューラ
ルネットワーク定数値）を決定する演算機能を有する補
正技術が、特開平７−７５９３７に開示されている。こ
の補正技術を用いれば、機械設置環境，加工条件，加工
環境の変化に合わせてニューラルネットワーク値を調整
することが可能である。

【０００４】

【発明が解決しようとする課題】しかしながら、かかる
従来の熱変位の補正技術にあっては、熱変位補正のため
の手順が、教師データ収集，ニューラルネットワーク学
習および実稼働の３つに分離されており、それらは同時
に実行できない構成になっているため、熱変位と機体温
度との関係が決定されるまでの間、すなわち教師データ
収集中および学習中は加工できず、生産性が著しく低下
するという課題があった。一方、この欠点を補うため
に、短時間で教師データを収集する方法が考えられる
が、短時間の測定では教師データは数が少なく、かつ偏
った内容のものになり、得られたニューラルネットワー
クは精度および汎用性が低いものになる。この結果、頻
繁な再測定および再学習が必要になり、結局は生産性が
著しく低下することになるという課題があった。

【０００５】また、前記従来技術のいずれの記載におい
ても、ニューラルネットワークへの入力は現在の温度状
態に限られており、機体の温度状態と熱変位との複雑な
関係を構築できるものの、少数の機械表面ないし表面付
近の現在の温度だけでは、温度に対する熱変位の時間遅
れを十分に表現することはできず、この結果、例えば主
軸回転速度を急速に変化させた場合など、温度状態の様
相が大きく変化する場合には、熱変位推定の精度が低く
なるという課題があった。

【０００６】この発明は前記のような課題を解決するも
のであり、工作物の生産性を特に低下させることなく、
高い精度の熱変位補正を実現できる工作機械の熱変位補
正装置を得ることを目的とする。

【０００７】

【課題を解決するための手段】前記目的達成のため、請
求項１の発明にかかる工作機械の熱変位補正装置は、ニ
ューラルネットワーク定数値を記憶するニューラルネッ
トワーク定数値記憶部と、工作機械の各部に配置された
温度センサからの温度情報を受け、前記ニューラルネッ
トワーク定数値を用いて工具と工作物との熱変位の補正
量を演算するニューラルネットワーク演算部とを設け
て、教師データ記憶部に、変位センサにより測定した熱
変位およびこの熱変位の測定時の温度センサによる温度
情報を記憶させ、ニューラルネットワーク学習演算部
に、前記教師データ記憶部から読み出した前記熱変位お
よび温度情報を教師データとして学習させることによ
り、前記ニューラルネットワーク定数値を調整するよう
にしたものである。

【０００８】また、請求項２の発明にかかる工作機械の
熱変位補正装置は、ニューラルネットワーク定数値を記
憶するニューラルネットワーク定数値記憶部と、工作機
械の各部に配置された温度センサからの温度情報を受
け、前記ニューラルネットワーク定数値を用いて工具と
工作物との熱変位の補正量を演算するニューラルネット
ワーク演算部とを設けて、教師データ記憶部に、前記工
作機械の製造時や設置調整時に測定した熱変位およびこ
の熱変位の測定時の機械の複数箇所の温度情報を固定教
師データとして記憶させるとともに、前記工作機械の稼
働時に測定した熱変位およびこの熱変位の測定時の機械
の複数箇所の温度情報を変動教師データとして記憶さ
せ、ニューラルネックワーク学習演算部に、前記固定教
師データおよび変動教師データを学習させることによ
り、前記ニューラルネックワーク定数値を調整するよう
にしたものである。

【０００９】また、請求項３の発明にかかる工作機械の
熱変位補正装置は、ニューラルネットワーク定数値を記
憶するニューラルネットワーク定数値記憶部と、工作機
械の各部に配置された温度センサからの温度情報を受
け、前記ニューラルネットワーク定数値を用いて工具と
工作物との熱変位の補正量を演算するニューラルネット
ワーク演算部とを設けて、教師データ記憶部に、前記工
作機械の製造時や設置調整時に測定した熱変位およびこ
の熱変位の測定時の機械の複数箇所の温度情報を固定教
師データとして記憶させるとともに、前記数値制御工作
機械の稼働時に測定して熱変位およびこの熱変位測定時
の機械の複数箇所の温度情報を変動教師データとして記
憶させ、ニューラルネットワーク演算部に、前記固定教
師データおよび変動教師データの区分による重みと、前
記変動教師データについては記憶日の新旧に応じた重み
とを付加して、教師データを学習させることにより、前
記ニューラルネットワーク定数値を調整するようにした
ものである。

【００１０】また、請求項４の発明にかかる工作機械の
熱変位補正装置は、前記ニューラルネットワーク演算部
に、前記各温度センサからの現在および過去の温度情報
を受けさせ、前記ニューラルネットワーク定数値を用い
て工作物との熱変位の補正量を演算させるようにしたも
のである。

【００１１】

【発明の実施の形態】以下、この発明の実施の一形態を
図について説明する。図１はこの発明の工作機械の熱変
位補正装置を示すブロック図であり、同図において、１
は工作機械の各部に配置された複数の温度センサ、２は
これらの温度センサ１の出力に基づき工作機械各部の温
度を測定する温度測定部、３は温度センサ１からこれら
の温度測定部２を介して得た温度情報を受けて、ニュー
ラルネットワーク定数値を用いて工作物と熱変位の補正
量を演算する補正量演算部としてのニューラルネットワ
ーク演算部、４はニューラルネットワーク演算部３の出
力に基づいて工作機械の数値制御を行う工作機械数値制
御部である。

【００１２】また、５は熱変位を検出する変位センサ、
６はこの変位センサ５の出力に基づいて熱変位の大きさ
を測定する変位測定部、７はニューラルネットワーク定
数値としての結合係数および閾値などを記憶するニュー
ラルネットワーク定数値記憶部、８は変位センサ５によ
り測定した熱変位およびこの熱変位の測定時の温度セン
サによる温度情報を記憶する教師データ記憶部、９はこ
の教師データ記憶部から読み出した前記熱変位および温
度情報を教師データとして学習することにより、前記ニ
ューラルネットワークの結合係数および閾値を調整する
ニューラルネットワーク学習演算部である。

【００１３】ところで、この発明は、稼働時の熱変位補
正、熱変位測定および教師データの記憶、熱変位推定に
用いるニューラルネットワークの結合係数および閾値の
修正（以後ニューラルネットワークの学習という）の、
３つの機能を有する。このうち、熱変位測定時には、加
工を行うことができない。ただし、熱変位測定の手段と
目的により違いはあるが、通常、１回あたりの所要時間
は数十秒程度、一日の測定回数は数回から十数回程度で
あり、生産性を著しく低下させることはない。それ以外
の組み合わせについては同時に行うことができる。な
お、ニューラルネットワークの学習は補正演算装置とし
てのニューラルネットワーク演算部３とは別のニューラ
ルネットワーク学習演算部９で行う。

【００１４】また、補正計算に用いるニューラルネット
ワークの結合係数および閾値は、特に指令がない限り、
機械電源投入直後にのみ読み取られ、補正作業中にニュ
ーラルネットワークの結合係数および閾値を新しい値に
書き換えても何ら支障がないことから、学習と加工が同
時に可能である。また、教師データは学習開始直後に全
て読み取られるため、学習と熱変位測定も同時に可能で
ある。

【００１５】次に動作について説明する。まず、稼働時
の熱変位補正動作を図２のフロー図を参照しながら説明
する。まず、電源投入時（ステップＳ１）あるいはニュ
ーラルネットワーク定数再読み取り指令時（ステップＳ
２，ステップＳ３）に、ニューラルネットワーク定数値
記憶部７よりニューラルネットワークの結合係数，閾値
などのニューラルネットワーク定数値を読み取る。以
後、このニューラルネットワーク定数値を用いて熱変位
補正を行う。一方、工作機械各部に配置された複数の温
度センサ１の出力信号を用いて、温度測定部２にて工作
機械各部の温度を常時測定する（ステップＳ４）。そし
て、これらの温度情報を入力として、補正量演算部とし
てのニューラルネットワーク演算部３にて熱変位の補正
量を演算し（ステップＳ５）、その演算値を工作機械数
値制御部４に送り（ステップＳ６）、補正を行う。な
お、ニューラルネットワーク演算部３に入力された温度
情報の一部は、数世代にわたって記憶されており、記憶
されている最古の世代の温度情報と現在の温度情報から
補正量を演算する。なお、図３は前記の熱変位補正量の
演算などを実施するニューラルネットワークを示す構造
図である。ここでは、現在の温度を測定する温度センサ
およびｋΔｔ秒前の温度を測定した温度センサが複数個
設けられ、これらの温度データからＸ方向，Ｙ方向，Ｚ
方向の熱変位を推論する。

【００１６】次に、熱変位による工具と工作物との相対
の熱変位測定および教師データの記憶について述べる。
前記の補正機能が作動している稼働時に、タッチプロー
ブなどの変位センサ５を用いて、変位測定部６にて随時
熱変位測定を行う（ステップＳ７）。通常、熱変位測定
中も熱変位補正が作動している。すなわち、得られる熱
変位量は熱変位補正の誤差に相当する。熱変位測定値と
熱変位測定時の熱変位補正量とから実変位量を演算し、
この実変位量の値を教師データ記憶部８に記憶させる。
同時に、熱変位測定時の機械各部の温度情報も記憶させ
る（ステップＳ８）。なお、記憶する温度情報は、補正
時の入力と同様に数世代前の過去と現在の機体温度であ
る。以上の稼働中に得られた熱変位と機体温度を教師デ
ータとして学習した場合には（ステップＳ９）、この教
師データは、教師データの変動部の記憶領域に保存さ
れ、学習計算が起動される（ステップＳ１０）。ただ
し、予め設定された記憶容量を超えた場合には、最古の
データが消去され、そこに新しいデータが記憶される。

【００１７】一方、機械製造時や設置調整時など稼働前
に、主軸回転と軸移動を含む運転を行い、熱変位と温度
情報からなる図５に示すような教師データを収集し、教
師データの固定部の記憶領域に保存する。当初は、この
固定教師データを用いて構築されたニューラルネットワ
ークの定数値が、ニューラルネットワーク定数値記憶部
７に記憶されている。

【００１８】次に、ニューラルネットワークの学習を、
図４のフロー図を参照しながら説明する。このニューラ
ルネットワークの学習は、手動ないし自動により開始さ
れる。そのうち、自動学習は、定時、誤差許容値オーバ
ーなどをトリガーとして開始される。このとき、教師デ
ータ記憶部８から教師データを読み取り（ステップＳ１
１）、続いてニューラルネットワーク定数値記憶部７か
ら現在のニューラルネットワーク定数値を読み取り（ス
テップＳ１２）、その値を初期値として、ニューラルネ
ットワーク学習演算部９にて教師データを学習する（ス
テップＳ１３）。ただし、学習に際しては、教師データ
の固定部と変動部の区分、および変動部においては記憶
日の新旧に応じた重みを付加することができる。学習の
重みを記憶日の新しいものには重く、古いものには軽く
することにより、最近の加工状況に適合させることがで
きる。

【００１９】一方、類似した加工状況で得られた教師デ
ータだけを学習したのでは、ニューラルネットワークの
汎用性が低くなる。広範囲の特性を有する固定部の教師
データも同時に学習することにより汎用性を維持するこ
とができる。これにより、例えば被加工部の材質が変わ
り、加工条件が急に変化した場合でも対応可能になる。
学習は、教師データの熱変位量とニューラルネットワー
クの出力値が一致するようにニューラルネットワークの
結合係数および閾値を修正する演算である。しかし、一
般に教師データの数がニューラルネットワーク定数の数
に比べてかなり多いため、通常両者は一致することはな
い。そこで、学習回数，教師データの熱変位量とニュー
ラルネットワークの出力値との差、あるいはその変化な
どを収束条件として、繰り返し計算が行われる（ステッ
プＳ１４）。計算終了後、新しいニューラルネットワー
ク定数値をニューラルネットワーク定数値記憶部７に記
憶させる（ステップＳ１５）。なお、この新しい定数値
は、電源再投入時あるいはニューラルネットワーク定数
値の再読み取り指令時に読み取られた後、以後の補正処
理に反映される。

【００２０】前記のように、この発明では、図５に示す
ような熱変位と機体温度を教師データとして学習し、初
期のニューラルネットワークを構築する。このニューラ
ルネットワークを用いて熱変位補正を作動させて加工を
行い、その途中で１日あたり数回、熱変位測定を行う。
各日の稼働終了後、それまでに得られているデータを学
習し、ニューラルネットワーク定数値を調整する。翌日
は新たな定数値を用いて補正を行う。これを十数日間に
わたり行ったときの熱変位測定結果、すなわち熱変位補
正誤差の変動を、図６に示す。比較のために、新たな学
習を行わなかった場合、すなわち、初期のニューラルネ
ットワーク定数値を用いた場合の結果も同時に示す。ま
た、その十数日間の機体温度および熱変位補正なしの場
合の熱変位を図７に示す。これによれば、新たな学習が
ない場合には、日数の経過とともに熱変位が大きくなる
傾向にあるのに対して、学習を継続した場合には熱変位
が一定ないし減少していることが分かる。

【００２１】熱変位は温度変化に対して時間遅れがあ
り、特に主軸のように発熱が大きく、熱容量が小さいも
のは、現在の温度からだけでは熱変位を精度よく推定す
ることはできない。例えば、図５に示す初期教師データ
の前１／３を見た場合、熱変位は温度のＴＥＭＰ＿１と
相関が強いが、温度上昇過程と下降過程との切り変わり
時に、温度に対する熱変位の遅れが認められる。この問
題に対しては、この発明では、熱変位推定のために過去
の温度情報も参照することにより改善している。

【００２２】

【発明の効果】以上のように、この発明によれば、ニュ
ーラルネットワーク定数値を記憶するニューラルネット
ワーク定数値記憶部と、工作機械の各部に配置された温
度センサからの温度情報を受け、前記ニューラルネット
ワーク定数値を用いて工具と工作物との熱変位の補正量
を演算するニューラルネットワーク演算部とを設けて、
教師データ記憶部に、変位センサにより測定した熱変位
およびこの熱変位の測定時の温度センサによる温度情報
を記憶させ、ニューラルネットワーク学習演算部に、前
記教師データ記憶部から読み出した前記熱変位および温
度情報を教師データとして学習させることにより、前記
ニューラルネットワーク定数値を調整するように構成し
たので、教師データ記憶部に記憶されている熱変位量お
よび機体温度情報を教師データとして、熱変位の補正作
業中でも随時前記ニューラルネットワーク定数値を新し
い値に修正でき、また、この修正処理が実稼働に影響を
及ぼすことがなく、この結果、最新のニューラルネット
ワーク定数値を用いて高い熱変位補正精度を維持でき、
しかも工作機械による工作物の生産性を特に低下させる
こともないという効果が得られる。

【００２３】また、教師データの学習に際して、教師デ
ータを固定教師データおよび変動教師データに区分し
て、各区分による重みを付加したり、また、変動教師デ
ータにおいては、記憶日の新旧に応じた重みを付加する
ことで、高い熱変位補正精度が得られ、最近の加工状況
に対応させることが可能になるという効果が得られる。
さらに、各温度センサからの現在と過去の温度情報にも
とづいて、ニューラルネットワークを用いて変位量を演
算（推定）するようにすることで、温度変化に対する熱
変位の時間遅れにも対処できるという効果が得られる。

【図面の簡単な説明】

【図１】 この発明の実施の一形態による工作機械の熱
変位補正装置を示すブロック図である。

【図２】 この発明の工作機械稼働時における熱変位補
正処理手順を示すフロー図である。

【図３】 この発明におけるニューラルネットワークを
示す構成図である。

【図４】 この発明におけるニューラルネットワークの
学習手順を示すフロー図である。

【図５】 この発明において学習される熱変位および機
体温度の初期教師データを示す説明図である。

【図６】 実稼働時にニューラルネットワーク定数値の
補正を行ったときの、熱変位補正誤差の変動状況を示す
説明図である。

【図７】 実稼働時にニューラルネットワーク定数値の
補正を行ったときの、機体温度の変化と熱変位補正なし
の場合の熱変位を示す説明図である。

【符号の説明】

１ 温度センサ ３ ニューラルネットワーク演算部 ５ 変位センサ ７ ニューラルネットワーク定数値記憶部 ８ 教師データ記憶部 ９ ニューラルネットワーク学習演算部

Claims (4)

【特許請求の範囲】
1. 【請求項１】 ニューラルネットワーク定数値を記憶す
   るニューラルネットワーク定数値記憶部と、 工作機械の各部に配置された温度センサからの温度情報
   を受け、前記ニューラルネットワーク定数値を用いて工
   具と工作物との熱変位の補正量を演算するニューラルネ
   ットワーク演算部と、 変位センサにより測定した熱変位およびこの熱変位の測
   定時の温度センサによる温度情報を記憶する教師データ
   記憶部と、 該教師データ記憶部から読み出した前記熱変位および温
   度情報を教師データとして学習することにより、前記ニ
   ューラルネットワーク定数値を調整するニューラルネッ
   トワーク学習演算部とを備えたことを特徴とする工作機
   械の熱変位補正装置。
2. 【請求項２】 ニューラルネットワーク定数値を記憶す
   るニューラルネットワーク定数値記憶部と、 工作機械の各部に配置された温度センサからの温度情報
   を受け、前記ニューラルネットワーク定数値を用いて工
   具と工作物との熱変位の補正量を演算するニューラルネ
   ットワーク演算部と、 前記工作機械の製造時や設置調整時に測定した熱変位お
   よびこの熱変位の測定時の機械の複数箇所の温度情報を
   固定教師データとして記憶するとともに、前記工作機械
   の稼働時に測定した熱変位およびこの熱変位の測定時の
   機械の複数箇所の温度情報を変動教師データとして記憶
   する教師データ記憶部と、 前記固定教師データおよび変動教師データを学習するこ
   とにより、前記ニューラルネックワーク定数値を調整す
   るニューラルネットワーク学習演算部とを備えたことを
   特徴とする工作機械の熱変位補正装置。
3. 【請求項３】 ニューラルネットワーク定数値を記憶す
   るニューラルネットワーク定数値記憶部と、 工作機械の各部に配置された温度センサからの温度情報
   を受け、前記ニューラルネットワーク定数値を用いて工
   具と工作物との熱変位の補正量を演算するニューラルネ
   ットワーク演算部と、 前記工作機械の製造時や設置調整時に測定した熱変位お
   よびこの熱変位の測定時の機械の複数箇所の温度情報を
   固定教師データとして記憶するとともに、前記工作機械
   の稼働時に測定した熱変位およびこの熱変位の測定時の
   機械の複数箇所の温度情報を変動教師データとして記憶
   する教師データ記憶部と、 前記固定教師データおよび変動教師データの区分による
   重みと、前記変動教師データについては記憶日の新旧に
   応じた重みとを付加して、前記各教師データを学習する
   ことにより、前記ニューラルネットワーク定数値を調整
   するニューラルネットワーク学習演算部とを備えたこと
   を特徴とする工作機械の熱変位補正装置。
4. 【請求項４】 前記ニューラルネットワーク演算部が、
   前記各温度センサからの現在および過去の温度情報を受
   け、前記ニューラルネットワーク定数値を用いて工作物
   との熱変位の補正量を演算することを特徴とする請求項
   １〜請求項３のいずれかに記載の工作機械の熱変位補正
   装置。