特許 7294448 研削システム、補正量推定装置、コンピュータプログラム及び研削方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2023-06-12

(45)【発行日】2023-06-20

(54)【発明の名称】研削システム、補正量推定装置、コンピュータプログラム及び研削方法

(51)【国際特許分類】

   B24B 27/00 20060101AFI20230613BHJP

   B24B 49/10 20060101ALI20230613BHJP

   B24B 49/16 20060101ALI20230613BHJP

   B23Q 15/12 20060101ALI20230613BHJP

   G05B 19/404 20060101ALI20230613BHJP

   G05B 19/4155 20060101ALI20230613BHJP

   B23Q 23/00 20060101ALI20230613BHJP

   B23Q 17/09 20060101ALI20230613BHJP

【ＦＩ】

B24B27/00 A

B24B49/10

B24B49/16

B23Q15/12 Z

G05B19/404 K

G05B19/4155 V

B23Q23/00

B23Q17/09 H

【請求項の数】 9

(21)【出願番号】P 2021561572

(86)(22)【出願日】2020-11-27

(86)【国際出願番号】 JP2020044359

(87)【国際公開番号】W WO2021107139

(87)【国際公開日】2021-06-03

【審査請求日】2022-04-21

(31)【優先権主張番号】62/940,912

(32)【優先日】2019-11-27

(33)【優先権主張国・地域又は機関】US

(73)【特許権者】

【識別番号】000006622

【氏名又は名称】株式会社安川電機

(74)【代理人】

【識別番号】110000154

【氏名又は名称】弁理士法人はるか国際特許事務所

(72)【発明者】

【氏名】横矢 剛

【審査官】亀田 貴志

(56)【参考文献】

【文献】特開平２－１５９５６（ＪＰ，Ａ）

【文献】特開昭６３－４７０５８（ＪＰ，Ａ）

【文献】特開２０１７－１１２２（ＪＰ，Ａ）

【文献】米国特許第４８８６５２９（ＵＳ，Ａ）

【文献】特開２０１４－１５５９８６（ＪＰ，Ａ）

【文献】特開２０１１－１２５９８６（ＪＰ，Ａ）

【文献】特開昭６２－２０３７５６（ＪＰ，Ａ）

【文献】特開平７－２０５０２２（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｂ２４Ｂ ５／００ － ２７／００

Ｂ２４Ｂ ４９／１０

Ｂ２４Ｂ ４９／１６

Ｂ２３Ｑ １５／１２

Ｇ０５Ｂ １９／１８ － １９／４６

Ｂ２５Ｊ １／００ － ２１／０２

(57)【特許請求の範囲】

【請求項1】

研削加工中の研削工具の押し付け反力に関する反力関連情報を取得する反力関連情報取得部と、
工作物の同一箇所における反復加工について異なる反復回において取得された２の前記反力関連情報の差分を取得する差分算出部と、
前記差分に基づいて、前記研削工具の押し付け方向の補正量を推定する補正量推定部と、
目標位置と、前記補正量に基づいて加工時における前記研削工具の位置を制御する加工制御部と、
を有する研削システム。

【請求項2】

前記補正量推定部は、前記差分を機械学習モデルに入力して前記補正量を得る、請求項１に記載の研削システム。

【請求項3】

前記研削工具の研削砥石についての前記補正量の累積値である累積補正量を算出する累積補正量算出部を有し、
前記加工制御部は、異なる工作物に対して加工を行う場合、目標位置及び前記累積補正量に基づいて加工時における前記研削工具の位置を制御する請求項1又は２に記載の研削システム。

【請求項4】

前記工作物の加工対象箇所を区分し、前記補正量推定部は、区分ごとに前記補正量を推定する、請求項１～３のいずれか１項に記載の研削システム。

【請求項5】

前記研削工具は電動機制御支持機構により支持され、前記反力関連情報は、前記研削工具の押し付け方向についての電動機の外力トルクである、請求項１～４のいずれか１項に記載の研削システム。

【請求項6】

前記反力関連情報を第２の機械学習モデルに入力し、前記工作物の同一箇所における推定反復加工回数を推定する推定反復加工回数推定部を有する請求項１～５のいずれか１項に記載の研削システム。

【請求項7】

工作物の同一箇所における反復加工について異なる反復回において取得された２の研削加工中の研削工具の押し付け反力に関する反力関連情報の差分を取得する差分算出部と、
前記差分に基づいて、前記研削工具の押し付け方向の補正量を推定する補正量推定部と、
を有する補正量推定装置。

【請求項8】

コンピュータを、
工作物の同一箇所における反復加工について異なる反復回において取得された２の研削加工中の研削工具の押し付け反力に関する反力関連情報の差分を取得する差分算出部と、
前記差分に基づいて、前記研削工具の押し付け方向の補正量を推定する補正量推定部と、
を有する補正量推定装置として機能させるためのコンピュータプログラム。

【請求項9】

研削加工中の研削工具の押し付け反力に関する反力関連情報を取得し、
工作物の同一箇所における反復加工について異なる反復回において取得された２の前記反力関連情報の差分を取得し、
前記差分に基づいて、前記研削工具の押し付け方向の補正量を推定し、
目標位置と、前記補正量に基づいて加工時における前記研削工具の位置を制御する、
研削方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、研削システム、補正量推定装置、コンピュータプログラム及び研削方法に関する。

【背景技術】

【0002】

特許文献１には、研磨加工の加工条件を示す研磨加工条件データを、環境の現在状態を表す状態変数として観測し、該状態変数に基づいて、前記研磨加工の加工条件に対する前記研磨工具の摩耗量をモデル化した学習モデルを用いた学習乃至予測をする機械学習装置を備える研磨工具摩耗量予測装置が記載されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０１９－１３９７５５号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

研削機による工作物の研削は、所望の加工結果が得られるまで繰り返し研削工具を加工箇所に押し付け研削することによりなされる。そして、加工が進むにしたがって、工作物だけでなく、研削工具も同時に摩耗していくため、加工精度を確保するためには加工後の工作物を測定し再加工の必要の有無や条件の判断が必要であり、生産性の向上がむつかしい。

【0005】

特許文献１記載の発明はこの点研磨工具の摩耗を機械学習装置を利用して予測するものであり、種々の加工条件に基づいて研磨工具の摩耗を推定しているが、工具の摩耗量は工作物の状態に強く依存するため、同発明により工具の摩耗量を正確に見積もることは困難である。

【0006】

本発明は、かかる事情に鑑みてなされたものであり、その目的は、研削システムにおいて、工作物の状態を反映した押し付け方向の補正量を取得することである。

【課題を解決するための手段】

【0007】

上記課題を解決すべく本出願において開示される発明は種々の側面を有しており、それら側面の代表的なものの概要は以下のとおりである。

【0008】

本発明の一側面に係る研削システムは、研削加工中の研削工具の押し付け反力に関する反力関連情報を取得する反力関連情報取得部と、工作物の同一箇所における反復加工について異なる反復回において取得された２の前記反力関連情報の差分を算出する差分算出部と、前記差分に基づいて、前記研削工具の押し付け方向の補正量を推定する補正量推定部と、目標位置と、前記補正量に基づいて加工時における前記研削工具の位置を制御する加工制御部と、を有する。

【0009】

また、本発明の別の一側面に係る研削システムでは、前記補正量推定部は、前記差分を機械学習モデルに入力して前記補正量を得てよい。

【0010】

また、本発明の別の一側面に係る研削システムでは、前記研削工具の研削砥石についての前記補正量の累積値である累積補正量を算出する累積補正量算出部を有し、前記加工制御部は、異なる工作物に対して加工を行う場合、目標位置及び前記累積補正量に基づいて加工時における前記研削工具の位置を制御してよい。

【0011】

また、本発明の別の一側面に係る研削システムでは、前記工作物の加工対象箇所を区分し、前記補正量推定部は、区分ごとに前記補正量を推定してよい。

【0012】

また、本発明の別の一側面に係る研削システムでは、前記研削工具は電動機制御支持機構により支持され、前記反力関連情報は、前記研削工具の押し付け方向についての電動機の外力トルクであってよい。

【0013】

また、本発明の別の一側面に係る研削システムでは、前記反力関連情報を第２の機械学習モデルに入力し、前記工作物の同一箇所における推定反復加工回数を推定する推定反復加工回数推定部を有してよい。

【0014】

また、本発明の一側面に係る補正量推定装置は、工作物の同一箇所における反復加工について異なる反復回において取得された２の研削加工中の研削工具の押し付け反力に関する反力関連情報の差分を算出する差分算出部と、前記差分に基づいて、前記研削工具の押し付け方向の補正量を推定する補正量推定部と、を有する。

【0015】

また、本発明の一側面に係るコンピュータプログラムは、コンピュータを、工作物の同一箇所における反復加工について異なる反復回において取得された２の研削加工中の研削工具の押し付け反力に関する反力関連情報の差分を算出する差分算出部と、前記差分に基づいて、前記研削工具の押し付け方向の補正量を推定する補正量推定部と、を有する補正量推定装置として機能させる。

【0016】

また、本発明の一側面に係る研削方法は、研削加工中の研削工具の押し付け反力に関する反力関連情報を取得し、工作物の同一箇所における反復加工について異なる反復回において取得された２の前記反力関連情報の差分を算出し、前記差分に基づいて、前記研削工具の押し付け方向の補正量を推定し、目標位置と、前記補正量に基づいて加工時における前記研削工具の位置を制御する。

【図面の簡単な説明】

【0017】

【図1】本発明の好適な実施形態に係る研削システムの例の全体構成を示す概略図である。

【図2】研削システムの機能構成を示すブロック図である。

【図3】第ｎ回目の研削加工と、第ｎ＋１回目の研削加工において得られた反力関連情報であるトルク指令値と、その差分の例を示す図である。

【図4】第ｎ回目の研削加工と、第ｎ＋１回目の研削加工において得られた反力関連情報であるトルク指令値と、その差分の例を示す図である。

【図5】研削システムを利用した機械学習モデルの学習装置の機能構成を示すブロック図である。

【図6】研削システムにおいて、推定反復加工回数を推定するための構成の概要を示す図である。

【図7】システム構成の概要を示す図である。

【図8】検証する研磨対象ワークを示す図である。

【図9】検証システムのロボット構成を示す図である。

【図10】ディスクグラインダと砥石のスペックを示す表である。

【図11】研磨動作の概要を示す図である。

【図12】研磨回数2回毎の溶接ビードの外観を示す図である。

【図13】研磨動作２，４，６，８，１０回目における外乱トルクτ_ｄのデータの一例を示す図である。

【図14】学習により生成したＮＮモデルから評価データを用いて推定した結果を示す表である。

【図15】同じ砥石の研磨作業を１１～１５個目のワークまで続けて研磨動作１０回を実施した場合の推定結果を示す表である。

【図16】反復回数推定部を備えた研削システムの機能構成を示すブロック図である。

【発明を実施するための形態】

【0018】

図１は、本発明の好適な実施形態に係る研削システム１００の例の全体構成を示す概略図である。

【0019】

研削システム１００は、研削工具１と、研削工具１を工作物２に相対的に移動可能に支持し、工作物２に対する研削加工を可能とする支持機構３を含む。また、図１には、加工中の工作物２を支持する支持台４と、支持機構３を制御する制御器５が示されている。

【0020】

ここで、研削工具１は、本実施形態ではディスクグラインダーであり、グラインダー本体６と、その先端に取り付けられた研削砥石７を有している。また、支持機構３は、一般的な多軸産業用ロボットを用いており、そのエンドエフェクタとして研削工具１が取り付けられている。制御器５は、ロボットコントローラである。

【0021】

また、工作物２は、ここでは、鋼板をビード溶接した部材であり、その溶接ビード８が畝状に盛り上がっているため、研削システム１００は、その溶接ビード８の不要な盛り上がりを研削加工により表面が滑らかになるよう除去することをその加工目的とするものを例示している。

【0022】

なお、図１に示した研削システム１００は一例であり、その具体的な各部の構成を他の構成に置き換えても本発明の要旨に差し支えはない。例えば、研削工具１は、図１では一般的に市販されるディスクグラインダーを使用したものとして示しているが、研削システム１００専用に研削工具１を設計・製作してもよい。また、支持機構３はここでは垂直多関節ロボットを用いたものとして示しているが、これ以外に、スカラロボット、直交ロボットや、ガントリ機構など各種機構を用いてよいし、研削工具１を支持する側だけでなく、工作物２を支持する支持台４が可動するものであってもよい。

【0023】

さらに、制御器５はロボットコントローラだけでなく、サーボコントローラやＰＬＣ（Ｐｒｏｇｒａｍａｂｌｅ Ｌｏｇｉｃ Ｃｏｎｔｒｏｌｌｅｒ）、ＰＣなど、支持機構３を自動制御するための機器であればどのようなものであってもよく、またこれらの複数の機器を組み合わせたものであってもよい。そして、工作物２は、研削加工を要する対象であればどのようなものであるかは限定されず、図示した溶接ビード８の不要部の除去のような平面研削のほか、回転対象の内面又は外面研削、切断等、種々の研削加工を必要とするものであってよい。

【0024】

図２は、研削システム１００の機能構成を示すブロック図である。制御器５には、加工制御部５０が設けられており、支持機構３に対してプログラム制御による位置制御を行うことにより、支持機構３によって支持された研削工具１を工作物２に対して所望の軌跡で移動させる。本実施形態では、支持機構３は電動機により駆動される電動機制御支持機構であるため、加工制御部５０には、電動機を駆動するためのモータコントローラが含まれており、支持機構３に含まれる各電動機をサーボ制御するものとなっている。

【0025】

支持機構３には、反力関連情報取得部３０が設けられ、研削加工中の研削工具１の押し付け反力に関する反力関連情報を取得するようになっている。ここで、反力関連情報は、直接、又は何らかの換算により、研削工具１の押し付け反力を示しうる情報を意味しており、押し付け反力そのものであってもよいし、その他の情報であってもよい。押し付け反力そのものは、例えば、支持機構３にロードセルを介して研削工具１を取り付け、これを直接測定することなどによって得られる。その他の情報としては、本実施形態に係る研削システム１００においては、研削工具１の押し付け方向についての支持機構３の電動機に作用する反力トルク、すなわち、トルク指令値を反力関連情報として用いている。電動機の制御情報、特に、電流指令値やトルク指令値を反力関連情報として採用すると、支持機構３に、反力関連情報を取得するための特別の追加の構成を要しないため経済的である。以降、本実施形態においては、反力関連情報として、支持機構３の電動機のトルク指令値を用いるものとする。

【0026】

制御器５には、加工制御部５０に加え、補正部５１が設けられており、加工制御部５０に対し、本実施形態では累積補正量を出力するようになっている。ここで、補正部５１の構成の詳細な説明の前に、補正部５１による補正の意味について説明する。

【0027】

研削工具１による研削加工においては、加工の進展に伴い、研削砥石７の摩耗が避けられない。そして、研削砥石７の摩耗は、研削加工の加工点の後退を意味するため、研削工具１を支持機構３による位置制御によって研削加工を行うと、研削砥石７摩耗の進展に伴って、加工点がずれ、工作物２に対し所望の形状の加工が行えなくなってしまう。そのため、正確な研削を行うためには、研削砥石７の摩耗量を何らかの方法により見積もり、それに見合った補正を支持機構３による位置制御に加えなければならない。

【0028】

研削砥石７の摩耗量を加工の都度高精度に測定するのは、測定機の設置や調整など研削システム１００の複雑化やコスト増のほか、保守管理がむつかしくなる。一方で、研削砥石７の摩耗量を推定しようとしても、研削砥石７の摩耗量は、研削加工における工作物２の研削量に大きく依存するため、工作物２の加工対象箇所の形状などにより大きく変化してしまい、研削システム１００側の条件のみによってこれを推定することは難しい。

【0029】

そこで、本実施形態に係る研削システム１００では、補正部５１に差分算出部５２が設けられ、工作物２の同一箇所における反復加工について異なる反復回において取得された２の反力関連情報の差分を算出する。

【0030】

一般に、研削加工においては、一度の研削によって所望の工作物２の形状を得られることは少ないため、同一箇所を所望の形状が得られるまで複数回同じ軌跡に沿って研削する。

【0031】

図３は、研削システム１００において、工作物２の同一箇所における反復加工において、第ｎ回目の研削加工と、第ｎ＋１回目の研削加工において得られた反力関連情報であるトルク指令値と、その差分の例を示す図である。図３の上段のグラフには、第ｎ回目のトルク指令値を実線で、第ｎ＋１回目のトルク指令値を破線で示し、下段のグラフには、第ｎ回目のトルク指令値から第ｎ＋１回目のトルク指令値を引いた差分を実線で示した。

【0032】

トルク指令値は、研削加工時に研削工具１を工作物２に押し付けたときの押し付け反力を反映するため、加工を要する部分が大きいほど、支持機構３に強い押し付け反力が生じる。そのため、トルク指令値の波形は、工作部２の加工を要する部分の形状を反映したものとなっている。そして、研削加工が進展するにしたがって、加工を要する部分は削れてその大きさが小さくなっていくため、後の反復回におけるトルク指令値のほうが、先の反復回におけるトルク指令値よりも小さくなる傾向にある。

【0033】

そして、異なる反復回において取得されたトルク指令値の差は、先の反復回における加工を要する部分の形状と、後の反復回における加工を要する部分の形状の差を反映したものとなるため、先の反復回から後の反復回の間の加工を要する部分の形状の変化量を反映するものに他ならない。図３に示した例だと、下段のグラフに示した差分は、ｎ回目の加工によって生じた加工を要する部分の形状の変化量、すなわち、研削工具１による研削量に関連付けられる。

【0034】

よって、本実施形態に係る研削システム１００では、この差分に基づいて、さらに、補正部５１に設けられた補正量推定部５３により、研削システム１００の押し付け方向の補正量を推定する。

【0035】

この補正量の推定のアルゴリズムは、差分に基づいて補正量を合理的に推定できるものであればいかなるものであっても差し支えはない。また、この補正量は、研削砥石７の摩耗による研削工具１の加工点のずれを含む、研削加工を高精度に行う際に必要な補正量であればどのようなものであってもよい。本実施形態では、補正量として、研削砥石７の摩耗による加工点の移動距離（以降では単に「摩耗量」という。）を用いているが、この移動距離に加え、加工時反力による支持機構３のたわみ補償などの機械的変化量を含む量を補正量とするなどしてもよい。

【0036】

そして、すでに述べたように、図３の下段のグラフに示したような差分と、必要な補正量との間には相関があると考えられるが、両者の間の精度の高い変換関係を発見するのは、必ずしも容易ではない。そこで、本実施形態に係る研削システム１００の補正量推定部は、この差分と摩耗量との間の関係をあらかじめ学習させておいた機械学習モデルを用い、かかる機械学習モデルに差分を入力することにより、出力として補正量を得ている。

【0037】

なお、この機械学習モデルのアーキテクチャは特に限定されるものではないが、入力値である差分が時系列データであるため、ＲＮＮ（再帰型ニューラルネットワーク）によるものが好適である。機械学習モデルの学習については後述する。

【0038】

このようにして得られた補正量は、トルク指令値を取得した異なる２の反復回の間の研削加工によって生じた研削砥石７の摩耗量を示す。そして、研削砥石７の摩耗は、加工の都度累積していくため、最終的に支持機構３の位置制御に対してする補正は、この補正量の累積値に基づくものとなる。

【0039】

そのため、補正部５１に設けられた累積補正量算出部５４では、補正量推定部５３により補正量の推定がなされる都度、これを累積して累積補正量を算出して保持し、かかる累積補正量を加工制御部５０に出力する。

【0040】

この累積補正量は、研削工具１の研削砥石７の個体の摩耗量に対応する量であるから、使用中の研削砥石７についての量として保持され、研削砥石７が交換された場合にはその値はリセットされる。

【0041】

加工制御部１０は、以上のようにして得られた累積補正量を補正部５１から受領し、研削加工の際に、あらかじめプログラムされた目標位置に加え、累積補正量にも基づいて、研削工具１の位置を制御する。より具体的には、研削工具１の目標位置の押し付け方向の座標に累積補正量を加算する。したがって、加工制御部５０は、その目標位置と、補正量推定部５３により推定された補正量に基づいて、加工時における研削工具１の位置を制御しているといえる。

【0042】

また、累積補正量は、使用中の研削砥石７についての量であるから、当然に、ある工作物２に対する研削加工が完了し、別の異なる工作物２に交換された場合であっても、研削砥石７が交換されない限りは引き続き使用される。したがって、加工制御部５０は、異なる工作物２に対して加工を行う場合、目標位置及び累積補正量に基づいて加工時における研削工具１の位置を制御することになる。

【0043】

なお、以上説明した研削システム１００の制御器５において、補正部５１を独立した機器として構成した場合には、これを補正量推定装置として観念することができる。その場合は、補正量推定装置は、上で説明した差分算出部５２、補正量推定部５３、及び累積補正量算出部５４を有する独立した機器である。

【0044】

補正量推定装置は、専用の装置として設計してもよいし、一般的なコンピュータを用いて実現してもよい。図５は、補正量推定装置として用いることのできる一般的なコンピュータ１１の構成を示す図である。コンピュータ１１は、プロセッサであるＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１１ａ、メモリであるＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１１ｂ、外部記憶装置１１ｃ、ＧＣ（Ｇｒａｐｈｉｃｓ Ｃｏｎｔｒｏｌｌｅｒ）１１ｄ、入力デバイス１１ｅ及び１１ｆ（Ｉｎｐｕｒ／Ｏｕｔｐｕｔ）３０６がデータバス１１ｇにより相互に電気信号のやり取りができるよう接続されている。なお、ここで示したコンピュータ１１のハードウェア構成は一例であり、これ以外の構成のものであってもよい。

【0045】

外部記憶装置１１ｃはＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）やＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の静的に情報を記録できる装置である。またＧＣ１１ｄからの信号はＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）やいわゆるフラットパネルディスプレイ等の、使用者が視覚的に画像を認識するモニタ１１ｈに出力され、画像として表示される。入力デバイス１１ｅはキーボードやマウス、タッチパネル等の、ユーザが情報を入力するための一又は複数の機器であり、Ｉ／Ｏ１１ｆはコンピュータ１１が外部の機器と情報をやり取りするための一又は複数のインタフェースである。Ｉ／Ｏ１１ｆには、有線接続するための各種ポート及び、無線接続のためのコントローラが含まれていてよい。

【0046】

コンピュータ１１を機械学習データ生成装置１及び機械学習装置２として機能させるためのコンピュータプログラムは外部記憶装置１１ｃに記憶され、必要に応じてＲＡＭ１１ｂに読みだされてＣＰＵ１１ａにより実行される。すなわち、ＲＡＭ１１ｂには、ＣＰＵ１１ａにより実行されることにより、図２の補正部５１として示した各種機能を実現させるためのコードが記憶されることとなる。かかるコンピュータプログラムは、適宜の光ディスク、光磁気ディスク、フラッシュメモリ等の適宜のコンピュータ可読情報記録媒体に記録されて提供されても、Ｉ／Ｏ１１ｆを介して外部のインターネット等の情報通信回線を介して提供されてもよい。

【0047】

図５は、研削加工の加工対象の長さが長く、あるいは加工対象部分の形状が加工途中で大きく変化しているなどの場合における、工作物２の同一箇所における反復加工において、第ｎ回目の研削加工と、第ｎ＋１回目の研削加工において得られた反力関連情報であるトルク指令値と、その差分の例を示す図である。

【0048】

この場合、同一反復回において得られたトルク指令値を複数の区間、図５に示した例では、区間ａ、区間ｂ及び区間ｃの３つの区間に区分しており、同様に第ｎ回目のトルク指令値と第ｎ＋１回目のトルク指令値との差分もまた、同様の３つの区間に区分している。そして、補正量推定部５３には、この区分ごとの差分を入力し、結果として、区分ごとの補正量を得るようにしてよい。

【0049】

最終的な累積補正量は、このようにして得られた区分ごとの補正量の累積値となる。図４では、各区分は時間に対しなされているが、研削加工は時間の経過に伴って工作物２上を移動する研削工具１によってなされるから、この区分は、工作物２の加工対象箇所を区分するものに他ならない。このように適切に工作物２の加工対象箇所を区分し、区分ごとに補正量を推定するようにすると、研削加工の途中で加工条件が大きく変動するような場合に高い精度で補正量が得られる。

【0050】

例えば、工作物２の加工対象箇所の前半分と後半分で溶接ビード８の大きさが顕著に異なっているなど、加工条件が大きく異なる場合、それらをまとめて補正量の推定を行うよりも、加工条件が概ね等しいと考えられる前半分とあと半分に分けて補正量の推定を行った方が、より正確な補正量の推定が行えるためである。工作物２の加工対象箇所の区分は、一定間隔ごとに区分を行ってもよいし、工作物２の性状に応じて、任意の間隔で区分を行ってもよい。

【0051】

補正量推定部５３において用いる機械学習モデルの学習は、上で説明したように、差分を入力とし、補正量を出力するように機械学習モデルを学習できる方法であればどのようなものであってもよく、特に限定されるものではない。よって、以下には、かかる学習方法の一例を記載する。

【0052】

図６は、研削機を利用した機械学習モデルの学習装置１０１の機能構成を示すブロック図である。なお、同図では、図２に示した研削システム１００と同等の構成には同符号を付し、その重複する説明は省略するものとする。

【0053】

機械学習装置１０１は、研削システム１００と同様の、研削工具１が取り付けられ、反力関連情報取得部３０を有する支持機構３と、支持機構３を制御する加工制御部５０を有する制御器５に加え、学習器９及び累積補正量測定器１０が設けられた構成となっている。

【0054】

累積補正量測定器１０は、本例では、支持機構３に取り付けられた研削工具１の研削砥石７の摩耗量を測定する測定器である。この摩耗量の測定は、研削砥石７の表面位置を任意のセンサ、例えば非接触式レーザセンサや、任意の接触式センサによって測定したり、又は、支持機構３を駆動して研削工具１をあらかじめ設置した基準面に押し当て、研削砥石７と基準面が接触した時点の支持機構３の座標を検出したりすることによってなされてよい。すなわち、累積補正量測定器１０は、独立した機器であってもよいし、機械学習装置１０１の既存の１又は複数の機器を利用して構成されるものであってもよい。

【0055】

この時測定されるのは、研削砥石７の摩耗量、すなわち、これまでの研削加工による摩耗の累積値であるから、本例においては、累積補正量を実測していることに他ならない。

【0056】

従って、任意の工作物２に対して反復加工を行う際に、任意の反復回において加工時の反力関連情報の実測値を反力関連情報取得部３０により取得するとともに、同じく任意の反復回について、累積補正量の実測値を得ることができる。

【0057】

学習器９は、差分算出部９０、機械学習モデル９１及び補正量算出部９２を有している。差分算出部９０は、反力関連情報取得部３０により取得された反力関連情報、ここではトルク指令値を入力することにより、異なる反復回において取得された２の反力関連情報の差分を算出することができる。

【0058】

また、補正量算出部９２は、異なる反復回において取得された２の累積補正量の実測値の差から、当該反復回の間における加工により生じた補正量を現実に算出することができる。

【0059】

したがって、学習器９は、実測に基づいて得られた差分を入力データ、同じく実測に基づいて得られた補正量を正解データとして機械学習モデル９１を繰り返し学習させることにより、機械学習モデル９１を学習させることができる。

【0060】

なお、学習器９を実現するハードウェアは特に限定されない。制御器５の一部として学習器９が実現されてもよいし、例えば、図４に示した一般的なコンピュータ１１を学習器９として使用してもよい。また、図６に示した機械学習装置１０１の例では、学習器９が直接指示機構３及び累積補正量測定器１０と接続され、支持機構３を駆動して研削加工を実行するごとに機械学習モデル９１の学習がなされる構成を示したが、これ以外に、反力関連情報と累積補正量の実測値をあらかじめ多数取得して蓄積しておき、後に、独立して構成した学習器９を用いてまとめて学習を行うようにしてもよい。

【0061】

さらに、研削システム１００は、工作物２の同一箇所における反復加工を行う際に、加工の完了までに要する反復回数の推定値である推定反復加工回数を推定する構成を有していてもよい。以下、研削システム１００において、推定反復加工回数を推定するための構成を記す。

【0062】

＜システム概要＞
図７にシステム構成の概要を示す。本システムではロボットが研磨作業を行いながら収集した制御トルクデータを用いて，作業対象の状態を推定するモデル生成をする。ロボットの手先には研磨作業を行うためのディスクグラインダを取付ける。ディスクグラインダと手先の間には，ダンパー機構が備わっており，接触してもある程度の外力は吸収される。ロボットコントローラ（以降，ＲＣ）は，ＭｏｔｏＰｌｕｓ（注）アプリにより作業時のデータを収集してＵＳＢメモリへ保存する。保存したデータを用いて，ＰＣ内の機械学習用ソフトウェアで学習を行う。学習モデルには，入力層，出力層を含めて四層からなるニューラルネットワーク（以降，ＮＮ）を用いる。学習したＮＮモデルをＵＳＢメモリを介して，ＲＣにダウンロードする。ＲＣは作業時の制御トルクデータをこのＮＮに入力し，その出力結果に基づいて作業状態を推定する。
（注）ＭｏｔｏＰｌｕｓ：ＲＣ内部で動作するアプリケーションソフトウェアを開発する機能

【0063】

＜作業状態の推定方法＞
一般的なセンサレスによる手先力の推定手法では，手先力Ｆは，動作軌道から推定される制御トルクと実際の制御トルクとの差分である外乱トルクをτ_ｄとしたとき，ヤコビアン行列Ｊを用いて，数１で算出できる。

【0064】

【数1】

手先力推定

【0065】

ツールを内包した接触作業の状態ＳはＦを入力したシステムとなるため，そのシステム関数をＧとすると，数２となる。

【0066】

【数2】

手先力を入力とした作業状態推定

【0067】

ここで，数式3のように外乱トルクτ_ｄを入力としたシステム関数に置き換える。

【0068】

【数3】

外乱トルクを入力とした作業状態推定

【0069】

【0070】

＜技術評価＞
本技術を用いた作業状態推定について評価する。推定する作業状態は，研磨の達成状態とする。

【0071】

＜作業対象ワーク＞
検証する研磨対象ワークを図８に示す。これは厚さ４ｍｍの鉄板に溶接作業を行って，溶接ビードを恣意的につけており，この溶接ビードの研磨を対象とする。溶接ビードの長さは，約１５５ｍｍ，高さは約２．５ｍｍである。

【0072】

＜検証システムの構成＞
検証システムのロボット構成を図９に示す。ロボットには６軸垂直多関節ロボットＭＯＴＯＭＡＮ－ＧＰ７（以降，ＧＰ７）を用い，ＲＣにはＹＲＣ１０００を用いる。ＧＰ７の先端にＨｉＫＯＫＩ社製の電気ディスクグラインダＧ１０ＳＨ５を取付ける。このディスクグラインンダは砥石を取り付けることでその回転面を押し付けて研磨を行うことができる。砥石にはＨｉＫＯＫＩ社製のレジノイドフレキシブルトイシを用いる。研磨対象である溶接ビードはロボット前方に設置した台に固定した状態で研磨作業を行う。ディスクグラインダと砥石のスペックを図１０の表１，表２にそれぞれ示す。

【0073】

＜研磨作業対象＞
図１１は研磨動作の概要である。手先をロボット手前側へ引く動作で研磨を実行する。この動作はあらかじめティーチング済みであり，ＧＰ７の各軸のうち，３軸（第２，３，５軸）のみを用いた作業となっている。

【0074】

実際に研磨を行いデータを収集する。１個の溶接ビードに対して１０回研磨動作を行う。新品の砥石を用いた場合この１０回の研磨動作で研磨はおおよそ完了することが経験上分かっている。また，新品の砥石によるデータを取るために１０個のワークの研磨を終えたら，砥石を交換する。図１２は，研磨回数2回毎の溶接ビードの外観を示す。研磨する度に，溶接ビードが平らに近づいていっており，１０回の研磨で，研磨を達成した状態となる。

【0075】

＜評価結果＞
５０個のワークを１０回研磨した計５００データを用意した。このうち新品の砥石に交換してから５個目のワークを研磨した計５０データを評価データとし，残りの４５０データで学習を行った。図１３は研磨動作２，４，６，８，１０回目における外乱トルクτ_ｄのデータの一例である。

【0076】

学習により生成したＮＮモデルから評価データを用いて推定した結果を図１４の表３に示す。これは混合行列と呼ばれる表で，各正解ラベル（今回の場合は研磨回数）に対する推定されたラベルの個数を示している。対角線上の灰色の枠が各ラベルに対して正確に推定できた個数となる。結果，５０データのうち，４９データが正解のラベルもしくは±１回の範囲で推定できており，おおよそ精度よく推定できていることが言える。

【0077】

推論結果に失敗がある原因として，以下が想定される。今回推定するラベルとして研磨回数を採用したが，実際には研磨を行うごとに砥石が劣化し，同じ研磨回数でも研磨の良し悪しに差が生じて，より多くもしくは小さい研磨回数に誤認した。実際に，同じ砥石の研磨作業を１１～１５個目のワークまで続けて研磨動作１０回を実施した場合の推定結果は図１５の表４のようになり，同じ砥石で研磨を続けるほど，ワークの研磨達成状況に到達していないと推定されることがわかる。これは言い換えると，砥石の劣化により十分に研磨ができていないことが判定可能である。

【0078】

すなわち，研磨動作を１回行う度に研磨状態を推定し，１０回目の研磨動作と推定されたら，研磨作業を停止することにより，適切な研磨回数で自動終了させることに応用できると言える。

【0079】

以上の通り説明した構成により、推定反復加工回数を推定する推定反復回数推定部５５を構成することができる。図１６は、反復回数推定部５５を備えた研削システム１００の機能構成を示すブロック図である。本例に係る研削システム１００の各構成は基本的には図２にて示したものと同一であるから、等しい構成には同符号を付して重複する説明は省略する。そして、図２に示したものとは、制御器５に推定反復回数推定部５５が設けられている点のみが相違している。

【0080】

推定反復回数推定部５５は本例では、工作物２の同一箇所における推定反復加工回数を推定するものであるから、得られた推定反復加工回数を、現在行っている加工に要する残り時間の推定や、研削砥石７を交換するタイミングの判断に役立てることができる。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】