[发明专利]机床的工具的异常检测装置及方法

权利要求书

1.一种机床的工具的异常检测装置，对机床的工具的异常进行检测，所述机床的工具的异常检测装置的特征在于，具有：

取得部，取得与所述工具相关的多个测定值作为测定数据；

第一学习部，通过一类机器学习来学习在正常状态下的加工时取得的所述测定数据，来生成正常模型；

诊断部，在生成了所述正常模型后的加工时取得所述测定数据，并基于所述正常模型，对该测定数据是正常还是异常进行诊断；及

再诊断部，通过与所述诊断部不同的其他一类机器学习对由所述诊断部诊断为异常的所述测定数据进行再诊断。

2.根据权利要求1所述的机床的工具的异常检测装置，其特征在于，

所述第一学习部通过所述一类机器学习来学习在所述诊断部中未被诊断为异常的所述测定数据及在所述再诊断部中未被诊断为异常的所述测定数据，来更新所述正常模型。

3.根据权利要求1或2所述的机床的工具的异常检测装置，其特征在于，

所述机床的工具的异常检测装置还具有处理部，当所述测定数据在所述诊断部或者所述再诊断部中被诊断为异常时，所述处理部使基于所述工具的加工停止。

4.根据权利要求1或2所述的机床的工具的异常检测装置，其特征在于，

所述第一学习部还通过所述一类机器学习来学习与加工时的加工条件及切削信息相关的设定数据，来生成或者更新所述正常模型。

5.根据权利要求1或2所述的机床的工具的异常检测装置，其特征在于，

所述机床的工具的异常检测装置还具有预测部，所述预测部在所述一类机器学习为导入了核方法的一类支持向量机的情况下，通过所述一类机器学习生成根据正负来诊断所述测定数据是正常还是异常的识别函数，基于输入了所述测定数据后的所述识别函数的值的随时间的变化，预测所述值从正值变为0的时刻作为所述工具的更换时期。

6.根据权利要求1或2所述的机床的工具的异常检测装置，其特征在于，所述机床的工具的异常检测装置还具有：

第二学习部，通过多类机器学习来学习由所述诊断部诊断为异常并蓄积的多个所述测定数据，来生成诊断模型；及

分类部，在生成了所述诊断模型后的加工时取得所述测定数据，并基于所述诊断模型，对该测定数据的状态进行分类，从而对所述工具的异常状态进行分类。

7.根据权利要求6所述的机床的工具的异常检测装置，其特征在于，

所述第二学习部在生成了所述诊断模型后，通过所述多类机器学习来学习由所述诊断部诊断为异常的所述测定数据，来更新所述诊断模型。

8.一种机床的工具的异常检测方法，对机床的工具的异常进行检测，所述机床的工具的异常检测方法的特征在于，具有如下的工序：

取得工序，取得与所述工具相关的多个测定值作为测定数据；

第一学习工序，通过一类机器学习来学习在正常状态下的加工时取得的所述测定数据，来生成正常模型；

诊断工序，在生成了所述正常模型后的加工时取得所述测定数据，并基于所述正常模型，对该测定数据是正常还是异常进行诊断；及

再诊断工序，通过与所述诊断工序不同的其他一类机器学习对由所述诊断工序诊断为异常的所述测定数据进行再诊断。

9.根据权利要求8所述的机床的工具的异常检测方法，其特征在于，

所述第一学习工序通过所述一类机器学习来学习在所述诊断工序中未被诊断为异常的所述测定数据及在所述再诊断工序中未被诊断为异常的所述测定数据，来更新所述正常模型。

10.根据权利要求8或9所述的机床的工具的异常检测方法，其特征在于，

所述机床的工具的异常检测方法还具有处理工序，当所述测定数据在所述诊断工序或者所述再诊断工序中被诊断为异常时，使基于所述工具的加工停止。