[发明专利]机器学习装置和方法、伺服控制装置、伺服控制系统

摘要

本发明提供机器学习装置和方法、伺服控制装置、伺服控制系统，进行可以避免齿隙校正以及齿隙加速校正的系数的繁杂调整。机器学习装置(200)具有：状态信息取得部(201)，其通过使伺服控制装置(100)执行规定的加工程序，从伺服控制装置(100)取得至少包含位置偏差、齿隙加速校正部(110)使用的系数组合在内的状态信息；行为信息输出部(203)，其将包含该状态信息所包含的系数组合的调整信息在内的行为信息输出给伺服控制装置(100)；回报输出部(2021)，其根据状态信息所包含的位置偏差，输出强化学习中的回报的值；价值函数更新部(2022)，其根据回报输出单元输出的回报的值、状态信息、行为信息来更新行为价值函数。

主权项

1.一种机器学习装置，其对具有齿隙校正单元和/或齿隙加速校正单元的伺服控制装置进行强化学习，其中，所述齿隙校正单元制作针对位置指令或者位置偏差的齿隙校正量，所述齿隙加速校正单元制作针对速度指令的齿隙加速校正量，所述强化学习是以所述齿隙校正单元中的齿隙校正参数和/或所述齿隙加速校正单元中的齿隙加速校正参数为对象的学习，其特征在于，所述机器学习装置具有：行为信息输出单元，其对所述齿隙校正单元和/或所述齿隙加速校正单元输出包含所述齿隙校正参数和/或所述齿隙加速校正参数的调整信息在内的行为信息；状态信息取得单元，其根据所述行为信息从所述伺服控制装置取得状态信息，所述状态信息包含使所述伺服控制装置执行规定的加工程序时从所述位置指令与位置反馈获得的位置偏差、所述齿隙校正参数和/或所述齿隙加速校正参数；回报输出单元，其根据所述状态信息所包含的所述位置偏差，输出强化学习中的回报的值；以及价值函数更新单元，其根据所述回报的值、所述状态信息、所述行为信息来更新行为价值函数。