[发明专利]机器学习装置、控制系统以及机器学习方法

说明书

本发明提供一种机器学习装置、控制系统以及机器学习方法，在无法安装温度传感器或者难以在实际运用时安装温度传感器的部位处，难以推定温度。机器学习装置具有：虚拟温度模型制作部，其具备包含决定发热量的第1系数和决定放热量的第2系数的虚拟温度计算式，使用发热原因数据通过虚拟温度计算式来推定机器的特定部位的温度并求出虚拟温度数据；以及热位移模型制作部，其使用利用虚拟温度计算式求出的虚拟温度数据和从安装在特定部位以外的部位的至少一个温度传感器取得的实际温度数据，求出由热位移推定量计算式推定出的热位移与实测出的热位移的误差，虚拟温度模型制作部进行搜索所述第1系数与所述第2系数的机器学习以便使误差最小。

技术领域

本发明涉及进行制作虚拟温度模型的机器学习的机器学习装置、包含该机器学习装置的控制系统、以及机器学习方法，其中，虚拟温度模型用于推定机器的无法安装温度传感器的特定部位的温度，或者即使数据收集时能够安装温度传感器但是实际运用时机器的难以安装温度传感器的特定部位的温度。

背景技术

存在如下课题：作为机床中的加工误差的原因之一，因机床的主轴、滚珠丝杠等机器要素的热膨胀，使得工具与工件之间产生相对的热位移。解决这样的课题的机器学习装置或者热位移校正装置例如在专利文献1～专利文献3中有所记载。

专利文献1中记载了具有如下部分的机器学习装置：测量数据取得部，其取得测量数据组；热位移量取得部，其取得机器要素的热位移量的实测值；存储部，其将由测量数据取得部取得的测量数据组设为输入数据，将由热位移量取得部取得的机器要素的热位移量的实测值设为标签而相互关联起来存储为训练数据；以及计算式学习部，其根据测量数据组、机器要素的热位移量的实测值来进行机器学习，由此，设定根据测量数据组来计算机器要素的热位移量的热位移量预测计算式。

专利文献2中记载有如下热位移校正装置：将包含主轴的主轴部考虑为二维的模型，在12个地方的区间将该模型分割，在控制装置的存储器上确保存储各区间的温度的区域(将时刻N的区间I的温度设为T_IN)，按照所设定的区间的数量、形状、大小来设定适当的放热系数、发热系数与邻接的区间之间的热传导系数，将这些系数保存到控制装置的存储器中。根据热位移校正装置，提供一种通过将主轴部捕捉为二维模型，用于计算的负载得以减少，可以以更精细的跨度来计算时时刻刻变化的校正量的机器的热位移校正装置。

专利文献3中记载有如下热位移校正装置：从机床各部的温度传感器1接受温度信息，设置使用神经网络常数值来运算工具与工作物的热位移的校正量的神经网络运算部，作为训练数据，使神经网络学习运算部学习从训练数据存储部8中读出的热位移以及温度信息，由此，对神经网络常数值进行调整。

专利文献1：日本特开2018-153901号公报

专利文献2：日本特开2015-199168号公报

专利文献3：日本特开平11-114776号公报

发明内容

像机床的机器要素，特别是，主轴以及滚珠丝杠那样，对热位移的影响大，另一方面存在无法安装温度传感器的部位。在无法使用温度传感器取得温度数据时无法制作热位移的推定模型，无法实现高精度的推定。

此外，转塔或者工作台周边等，存在即使数据收集时能够安装温度传感器但是若考虑到实际的运用则不允许安装的部位。因此，推定模型的表现的自由度降低。

(1)本公开的第1方式是一种机器学习装置，具备：虚拟温度模型制作部，其具备虚拟温度计算式，使用发热原因数据通过该虚拟温度计算式来推定机器的特定部位的温度并求出虚拟温度数据，其中，该虚拟温度计算式包含决定发热量的第1系数和决定放热量的第2系数；以及