[发明专利]机器学习装置、控制装置、加工系统和机器学习方法

说明书

本发明提供一种机器学习装置、控制装置、加工系统和机器学习方法，在基于使工件的目标形状模型化的工件模型对工件进行加工时，能够减小加工后的工件与目标形状之间所产生的误差。该机器学习装置学习修正量，该修正量以基于使工件模型化的工件模型而加工的工件的形状与目标形状一致的方式修正该工件模型，该机器学习装置具备：状态观测部，其将对工件进行加工的机床的加工状态数据、和机床基于工件模型而加工的工件的形状与目标形状之间的误差的测定数据，作为表示对工件进行加工的环境的当前状态的状态变量进行观测；以及学习部，其使用状态变量并与误差关联地学习修正量。

技术领域

本发明涉及一种对工件模型的修正量进行学习的机器学习装置、控制装置、加工系统和机器学习方法。

背景技术

已知有一种对机器人的动作进行学习的机器学习装置(例如日本特开2017-064910号公报)。在基于使工件的目标形状模型化的工件模型对工件进行加工时，有时会在加工后的工件与目标形状之间产生误差。因此需要能够减小这种误差的技术。

发明内容

在本公开的一方案中，械学习装置学习修正量，该修正量用于修正对工件进行了模型化的工件模型，使得基于该工件模型加工的工件的形状与目标形状一致，该机器学习装置具备：状态观测部，其观测对工件进行加工的机床的加工状态数据以及机床基于工件模型加工的工件的形状与目标形状之间的误差的测定数据，作为表示对工件进行加工的环境的当前状态的状态变量；以及学习部，其使用状态变量并将修正量与误差关联起来进行学习。

在本公开的另一方案中，机器学习方法学习修正量，该修正量用于修正对工件进行了模型化的工件模型，使得基于该工件模型加工的工件的形状与目标形状一致，在该机器学习方法中，观测对工件进行加工的机床的加工状态数据以及机床基于工件模型加工的工件的形状与目标形状之间的误差的测定数据，来作为表示对工件进行加工的环境的当前状态的状态变量，使用状态变量并将修正量与误差关联起来进行学习。

根据本公开，使用学习部的学习结果而能够自动地求出对于减小误差而言最适当的工件模型的修正量。如果能够自动地求出修正量，则能够根据加工状态数据而迅速地确定最适当的修正量。因此，能够使在各种加工状态下求出修正量的作业大幅地简化。并且基于庞大的数据集合来学习修正量，因此能够高精度地求出对于减小误差而言最适当的修正量。

附图说明

图1是一实施方式的机器学习装置的框图。

图2是一实施方式的机床的立体图。

图3示出了利用图2所示机床制作的工件的一例。

图4示出了使图3所示工件的目标形状模型化的工件模型。

图5是用于对图4所示工件模型与加工后的工件之间的误差进行说明的图，且示出了该误差是因工件相对于工件模型突出而产生的突出误差的情况。

图6是用于对图4所示工件模型与加工后的工件之间的误差进行说明的图，且示出了该误差是因工件相对于工件模型凹陷而产生的凹陷误差的情况。

图7是另一实施方式的机器学习装置的框图。

图8示出了图7所示机器学习装置执行的学习周期的流程的一例。

图9示意地表示神经元的模型。

图10示意地表示多层神经网络的模型。

图11是又一实施方式的机器学习装置的框图。

图12是一实施方式的加工系统的框图。

图13示出了利用图2所示机床制作的工件的另一例。

具体实施方式