CN116438028A - 加工条件设定装置、加工条件设定方法及放电加工装置 - Google Patents

Abstract

加工条件设定装置(30)具有：输入装置(31)，其对刀具电极的消耗率即电极消耗率、加工速度、被加工物的加工面的粗糙度即加工表面粗糙度及实际的加工面相对于被加工物的加工面内的特定区域的面积的表面积比进行接收而作为针对形雕放电加工所期望的加工结果；存储装置(32)，其对针对预先取得的形雕放电加工的放电电流峰值和放电电流脉宽的组合的表示加工结果的理论上的相关性的基础数据进行存储；以及运算装置(33)，其基于由输入装置接收到的加工结果和存储装置所存储的基础数据，对作为历经多次的形雕放电加工而进行第1段至第最终段为止的加工处理时的第1段至第最终段为止的加工条件进行计算。

Description

加工条件设定装置、加工条件设定方法及放电加工装置

技术领域

本发明涉及对形雕放电加工的加工条件进行设定的加工条件设定装置、加工条件设定方法及放电加工装置。

背景技术

形雕放电加工是对相对地配置的刀具电极和被加工物之间施加电压脉冲而在加工间隙重复发生放电，通过发生的放电的电弧热在被加工物转印刀具电极的形状而形成加工孔的加工。

为了在形雕放电加工中得到期望的加工形状，从将被加工物多量地去除的粗加工至用于将加工面精加工为期望的精度的精加工为止，需要进行多次加工。因此，作业者需要针对多次加工对用于得到期望的加工结果的最佳的加工条件进行设定。以下将该多次加工中的一系列的加工条件称为多段的加工条件列。

在形雕放电加工中，通过一次放电的放电电流脉冲而决定加工形状、加工速度等加工结果。因此，作业者为了得到期望的加工结果，需要针对多段的加工条件列对形雕放电加工的加工条件之中的对加工结果会造成影响的加工条件进行设定。例如，在对加工结果会造成影响的加工条件中，包含有放电电流峰值和放电电流脉宽的组合等。该组合不仅是加工结果，还由于刀具电极及被加工物的材质、形状、大小等而适当的设定值不同，因此存在无数个组合。因此，作业者难以从无数的组合中手动地进行适当的设定，自动地设定组合的技术的开发不断发展。

专利文献1所记载的加工条件设定装置，基于表示包含加工条件及加工要求在内的多个种类的参数间的理论上的相关关系的基础数据，对与加工要求相对应的多段的加工条件列自动地进行设定。

专利文献1：日本特开2009－279735号公报

发明内容

但是，在上述专利文献1的技术中，根据由作业者输入的电极消耗率等加工要求，针对放电电流峰值的放电电流脉宽会被唯一地决定，因此加工面质量也会被唯一地决定。在这里所说的加工面质量是与通过ISO(International Organization forStandardization、国际标准化机构)标准的Ra或者Rz表示的加工表面粗糙度不同的定义的加工面质量，是通过实际的加工面相对于加工面内的某区域的面积的表面积比进行定义的加工面质量。

对于被加工物而言，加工表面粗糙度越大，则加工面的凹凸部的表面积变得越大，因此表面积比变得越大，但即使是相同的加工表面粗糙度，表面积比也有时不同。例如，放电电流脉宽变得越长，则针对相同的表面粗糙度的表面积变得越小，因此表面积比也变得越小。另一方面，放电电流脉宽变得越短，则电极消耗率变得越大。即，如果试图增大表面积比，则需要缩短放电电流脉宽，因此电极消耗率会变大。因此，在上述专利文献1的技术中，通过作业者输入的电极消耗率而决定针对放电电流峰值的放电电流脉宽，存在无法决定考虑了表面积比的放电电流峰值和放电电流脉宽的适当的组合这样的问题。

本发明就是鉴于上述情况而提出的，其目的在于得到能够生成与输入的被加工物的表面积比相对应的适当的加工条件的加工条件设定装置。

为了解决上述课题，并达到目的，本发明的加工条件设定装置具有输入装置，其对刀具电极的消耗率即电极消耗率、加工速度、被加工物的加工面的粗糙度即加工表面粗糙度及实际的加工面相对于被加工物的加工面内的特定区域的面积的表面积比进行接收而作为针对形雕放电加工所期望的加工结果。另外，本发明的加工条件设定装置具有存储装置，其对针对预先取得的形雕放电加工的放电电流峰值和放电电流脉宽的组合的表示加工结果的理论上的相关性的基础数据进行存储。另外，本发明的加工条件设定装置具有运算装置，其基于由输入装置接收到的加工结果和存储装置所存储的基础数据，对作为历经多次的形雕放电加工而进行第1段至第最终段为止的加工处理时的第1段至第最终段为止的加工条件进行计算。

发明的效果

本发明所涉及的加工条件设定装置具有下述效果，即，能够生成与输入的被加工物的表面积比相对应的适当的加工条件。

附图说明

图1是表示具有实施方式1所涉及的加工条件设定装置的放电加工装置的结构的框图。

图2是用于对放电电流波形和加工表面粗糙度之间的关系进行说明的图。

图3是用于对放电电流脉宽和加工表面粗糙度Ra及表面积比Sdr之间的关系进行说明的图。

图4是表示实施方式1所涉及的加工条件设定装置所使用的表面粗糙度数据的例子的图。

图5是表示实施方式1所涉及的加工条件设定装置所使用的电极消耗数据的例子的图。

图6是表示通过实施方式1所涉及的加工条件设定装置进行的加工条件列的计算处理顺序的流程图。

图7是用于对通过实施方式1所涉及的加工条件设定装置实施的放电电流峰值及放电电流脉宽的计算处理进行说明的图。

图8是表示通过实施方式2所涉及的加工条件设定装置进行的加工条件列的计算处理顺序的流程图。

图9是表示实施方式4所涉及的学习装置的结构例的框图。

图10表示通过实施方式4所涉及的学习装置进行的学习处理的处理顺序的流程图。

图11是表示实施方式4所涉及的推断装置的结构例的框图。

图12是表示通过实施方式4所涉及的推断装置进行的推断处理的处理顺序的流程图。

图13是表示实现实施方式4所涉及的学习装置的硬件结构例的图。

具体实施方式

下面，基于附图，对本发明的实施方式所涉及的加工条件设定装置、加工条件设定方法及放电加工装置详细地进行说明。

实施方式1.

图1是表示具有实施方式1所涉及的加工条件设定装置的放电加工装置的结构的框图。放电加工装置1是对被加工物进行形雕放电加工的形雕放电加工装置。放电加工装置1为了得到作业者所要求的加工结果，从粗加工至精加工为止执行多次加工。

放电加工装置1具有加工条件设定装置30、加工电源34和加工机构35。加工条件设定装置30是对用于得到由作业者输入的加工结果的多段的加工条件列进行设定的计算机。即，加工条件设定装置30是对用于得到作业者所期望的加工结果的从粗加工至精加工为止的加工条件的组合进行设定的计算机。在实施方式1中，在作业者所期望的加工结果中包含有被加工物的加工表面积。因此，加工条件设定装置30对与被加工物的加工表面积相对应的适当的多段的加工条件列进行设定。多段的加工条件列是从第1段至第最终段为止的加工条件的组合。多段的加工条件列之中的第1段的加工条件是最粗糙的加工的条件，第最终段的加工是最平滑的加工的条件。

加工条件设定装置30具有输入装置31、存储装置32和运算装置33。如果作业者所期望的加工结果输入至加工条件设定装置30，则输入装置31接收该加工结果。作业者输入至输入装置31的加工结果例如是表示加工结果的物理量。通过输入具体的物理量，从而能够针对期望的加工结果而详细地设定加工条件。输入装置31接收的加工结果是作业者所期望的加工结果，因此可以说是作业者的加工要求。

实施方式1中的加工结果是加工表面粗糙度、加工表面积、电极消耗率、加工速度、缩小量、加工面积等。加工表面粗糙度的例子是通过ISO规定出的Ra、Rz、通过德国技术者协会标准(VDI：Verein Deutscher Ingenieure)规定出的加工面质量等，通过作业者所期望的标准中的数值表示。Ra是加工面的算术平均粗糙度，Rz是加工面的山顶线和谷底线的最大高度。下面，对作为加工表面粗糙度而应用加工表面粗糙度Ra的情况进行说明。

加工表面积是实际的加工面相对于加工面内的特定区域的面积的表面积比(以下，称为表面积比Sdr)。加工面内的特定区域的面积是从上表面观察特定区域的情况下的面积。实际的加工面的表面积是还考虑到特定区域的高度方向的形状的面积。实际的加工面的表面积与将实际的加工面在与特定区域平行的面内展开的情况下的面积相对应。作为表面积比Sdr，能够输入与输入至输入装置31的加工表面粗糙度相对应的范围中的值。即，向输入装置31输入加工表面粗糙度和加工表面粗糙度所对应的范围内的表面积比Sdr。

电极消耗率是在形雕放电加工中使用的电极的消耗率。具体地说，电极消耗率是对被加工物进行加工的量和电极的消耗量的比率。加工速度是形雕放电加工的速度，与在被加工物形成的加工孔的形成速度相对应。

由于无法兼顾电极消耗率和加工速度，因此作业者从阶段地表示何种重视程度的信息中，对期望的重视程度进行选择而输入至输入装置31。说明实施方式1的加工条件设定装置30以满足作业者所期望的电极消耗率，并且成为最大的加工速度的方式对加工条件进行设定的情况。

存储装置32存储有预先通过实验取得的基础数据。基础数据是表示针对放电电流峰值和放电电流脉宽的组合的加工结果的数据表。具体地说，基础数据是由针对放电加工装置1可输出的全部或者一部分的放电电流峰值和放电电流脉宽的组合的加工表面粗糙度、加工表面积、电极消耗率、加工速度及缩小量的各实验数据的组合构成的数据表。即，基础数据包含有加工表面粗糙度、加工表面积、电极消耗率、加工速度、缩小量等的数据表。关于基础数据的详细内容，在后面进行记述。

运算装置33基于作业者输入至输入装置31的加工结果和在存储装置32中存储的基础数据，对多段的加工条件列进行计算。运算装置33将与多段的加工条件列所包含的各加工条件相对应的指令输出至加工电源34。

在形雕放电加工的加工条件中包含有刀具电极和被加工物的电气条件、刀具电极的移动条件、与特定的控制相关的控制条件、环境条件等。电气条件是放电电流峰值、放电电流脉宽、休止时间、伺服基准电压、极性、无负载电压等。移动条件是刀具电极的跳跃速度、跳跃时间、摆动量等。控制条件是对放电电流脉冲的波形进行控制的条件、对施加至加工间隙的电压脉冲的波形进行控制的条件等。环境条件是加工液喷流的有无、加工液的喷流方法等。

形雕放电加工的加工条件之中的放电电流峰值及放电电流脉宽对加工表面粗糙度、加工面质量、电极消耗率、加工速度这样的加工结果造成大的影响。因此，加工条件设定装置30为了得到与所期望的加工结果相对应的最佳的加工结果，针对多段的加工条件列而设定最佳的放电电流峰值及放电电流脉宽的组合。

加工电源34按照由运算装置33计算出的多段的加工条件列，对加工机构35施加电压脉冲。在加工机构35中配置有刀具电极和被加工物。在加工机构35中，对刀具电极和被加工物之间的加工极间36施加来自加工电源34的电压脉冲。由此，在刀具电极和被加工物之间的加工间隙重复发生放电，进行向被加工物的形雕放电加工。

在这里，对放电电流峰值和放电电流脉宽的组合和被加工物的加工面形状即加工表面粗糙度之间的关系进行说明。图2是用于对放电电流波形和加工表面粗糙度之间的关系进行说明的图。加工电源34能够输出各种放电电流脉冲。

在图2中，示出了第1波形例即放电电流波形11和第2波形例即放电电流波形12。另外，在图2中，示出了通过放电电流波形11执行放电加工的情况下的被加工物的加工面13、和通过放电电流波形12执行放电加工的情况下的被加工物的加工面14。

在图2中，示出了通过如放电电流波形11、12那样的2种放电电流脉冲得到的加工面13、14的如加工表面粗糙度Ra或者最大高度即Rz这样的表面粗糙度相同，但表面积比Sdr不同的情况。如果对放电电流波形11、12进行比较，则放电电流波形11与放电电流波形12相比放电电流峰值低、放电电流脉宽长，但均成为相同的加工表面粗糙度。但是，加工面13与加工面14相比，通过一次放电形成的放电痕迹的径向的大小大，因此加工面13与加工面14相比表面积比Sdr变小。

图3是用于对放电电流脉宽和加工表面粗糙度Ra及表面积比Sdr之间的关系进行说明的图。图3所示的图形的横轴是加工表面粗糙度Ra，纵轴是表面积比Sdr。在图3中，示出了通过第1例的放电电流脉宽加工的情况下的加工面质量(表面性状)21和通过第2例的放电电流脉宽加工的情况下的加工面质量22。与加工面质量21相对应的第1例的放电电流脉宽是比与加工面质量22相对应的第2例的放电电流脉宽小的脉宽。

如图2及图3所示，放电电流脉宽越长，则针对相同的加工表面粗糙度Ra的表面积变得越小，因此表面积比Sdr也变得越小。加工面的表面积有时对形雕放电加工后的被加工物的性能造成大的影响，因此表面积比Sdr需要被适当地控制。加工条件设定装置30示出与输入的被加工物的加工表面积(表面积比Sdr)相对应的适当的加工条件(放电电流峰值及放电电流脉宽)。

接下来，对基础数据的例子进行说明。图4是表示实施方式1所涉及的加工条件设定装置所使用的表面粗糙度数据的例子的图。图5是表示实施方式1所涉及的加工条件设定装置所使用的电极消耗数据的例子的图。加工表面粗糙度Ra的数据即表面粗糙度数据41及电极消耗率的数据即电极消耗数据42均是基础数据的例子。基础数据是表示针对预先取得的形雕放电加工的放电电流峰值和放电电流脉宽的组合的加工结果的理论上的相关性的数据。

如图4所示，表面粗糙度数据41是表示与放电电流峰值IP和放电电流脉宽ON的组合相对应的加工表面粗糙度的数据。如图5所示，电极消耗数据42是表示与放电电流峰值IP和放电电流脉宽ON的组合相对应的电极消耗率的数据。

在图4及图5中，将最小的放电电流峰值IP通过I₁表示，将第m(m为自然数)小的放电电流峰值IP通过I_m表示。另外，将最小的放电电流脉宽ON通过t₁表示，将第n(n为自然数)小的放电电流脉宽ON通过t_n表示。I_m是最大的放电电流峰值IP，t_n是最大的放电电流脉宽ON。

例如，通过第m小的放电电流峰值I_m和第n小的放电电流脉宽t_n的组合进行放电加工的情况下的加工表面粗糙度Ra是Ra_mn，电极消耗率是EW_mn。

放电电流峰值IP越大，则加工表面粗糙度Ra越粗糙。另外，放电电流脉宽ON越小，则加工表面粗糙度Ra越粗糙。另外，放电电流峰值IP越大，则电极消耗率变得越大。另外，放电电流脉宽ON越小，则电极消耗率变得越大。

此外，在存储装置32中，作为基础数据还存储有加工表面积(表面积比Sdr)、加工速度、缩小量等的数据表。这些加工表面积、加工速度、缩小量等的数据表还具有与表面粗糙度数据41及电极消耗数据42相同的结构。例如，在加工表面积的数据表中，储存有与放电电流峰值IP和放电电流脉宽ON的组合相对应的表面积比Sdr。同样地，在加工速度的数据表中，储存有与放电电流峰值IP和放电电流脉宽ON的组合相对应的加工速度。在缩小量的数据表中，储存有与放电电流峰值IP和放电电流脉宽ON的组合相对应的缩小量。

图6是表示通过实施方式1所涉及的加工条件设定装置进行的加工条件列的计算处理顺序的流程图。如果将缩小量、加工面积这样的作业者所期望的加工结果输入至加工条件设定装置30，则加工条件设定装置30的输入装置31对该期望的加工结果进行接收(步骤S10)。输入装置31将该加工结果发送至运算装置33。在输入至输入装置31的加工结果中，例如包含有期望的缩小量、加工面积、电极消耗率、加工表面粗糙度、加工表面积、加工速度等数据。

运算装置33基于输入的缩小量、加工面积等，对容许的最大放电电流峰值IP＿1进行计算(步骤S20)。IP＿1是第1段的放电加工所使用的最大放电电流峰值。

接下来，运算装置33基于基础数据即电极消耗数据42，对与最大放电电流峰值IP＿1相对应的放电电流脉宽ON＿1进行计算(步骤S30)。在该情况下，运算装置33从电极消耗数据42之中的能够选择的放电电流脉宽ON中，将最大的脉宽决定为放电电流脉宽ON＿1。ON＿1是第1段的放电加工所使用的放电电流脉宽。

运算装置33基于这些最大放电电流峰值IP＿1、放电电流脉宽ON＿1和表面粗糙度数据41，对最大的加工表面粗糙度即加工表面粗糙度Ra＿1进行计算(步骤S40)。Ra＿1是第1段的放电加工完成时的加工表面粗糙度。

运算装置33基于决定出的最大的加工表面粗糙度Ra＿1和作为加工结果而输入的加工表面粗糙度，对加工条件列的段数N(N为自然数)和中途的加工条件列中的加工表面粗糙度Ra＿k(k为2至(N－1)为止的自然数)进行计算(步骤S50)。即，运算装置33根据段数N和第2段至第(N－1)段为止的加工表面粗糙度Ra＿1而决定Ra＿(N－1)。

运算装置33决定为使各段的加工表面粗糙度与前段的加工条件的加工表面粗糙度相比变小。运算装置33按照预先加入至运算装置33的逻辑对加工表面粗糙度进行计算。

例如，运算装置33按照预先确定的比率p，从第1段的加工表面粗糙度Ra＿1至第最终段的加工表面粗糙度Ra＿N为止，在以等倍不断减小加工表面粗糙度的情况下，通过N＝log_p(Ra＿N/Ra＿1)及Ra＿k＝p×Ra＿(k－1)的算式对加工条件列的段数N和第k段的加工表面粗糙度Ra＿k进行计算。

运算装置33基于通过以上的顺序计算出的各加工条件的加工表面粗糙度Ra＿k、表面粗糙度数据41和电极消耗数据42，对第最终段以外的各加工条件的放电电流峰值IP＿k及放电电流脉宽ON＿k进行计算(步骤S60)。

图7是用于说明通过实施方式1所涉及的加工条件设定装置进行的放电电流峰值及放电电流脉宽的计算处理的图。图7的上部所示的图形的横轴是放电电流脉宽，纵轴是加工表面粗糙度。图7的下部所示的图形的横轴是放电电流脉宽，纵轴是电极消耗率。

在图7的上部所示的图形中，示出了放电电流脉宽和加工表面粗糙度之间的对应关系23、24。对应关系23是放电电流峰值为第k段的放电电流峰值IP＿k的情况下的放电电流脉宽和加工表面粗糙度之间的对应关系。对应关系24是放电电流峰值为第(k+1)段的放电电流峰值IP＿(k+1)的情况下的放电电流脉宽和加工表面粗糙度之间的对应关系。

另外，在图7的下部所示的图形中，示出了放电电流脉宽和电极消耗率之间的对应关系25、26。对应关系25是放电电流峰值为第k段的放电电流峰值IP＿k的情况下的放电电流脉宽和电极消耗率之间的对应关系。对应关系26是放电电流峰值为第(k+1)段的放电电流峰值IP＿(k+1)的情况下的放电电流脉宽和电极消耗率之间的对应关系。在这里的k例如为k＝1。

将第k段的加工条件中的加工表面粗糙度设为Ra＿k，将放电电流峰值设为IP＿k，将放电电流脉宽设为ON＿k。运算装置33在将IP＿k应用于第(k+1)段的情况下，从表面粗糙度数据41对成为第(k+1)段的加工表面粗糙度Ra＿(k+1)的放电电流脉宽t_k+1进行检索。

接下来，运算装置33参照电极消耗数据42，对与检索出的放电电流脉宽t_k+1和放电电流峰值IP＿k的组合相对应的电极消耗率EW1进行计算。运算装置33判定电极消耗率EW1是否小于或等于期望的电极消耗率EW。

如果EW≥EW1，则运算装置33将IP＿k、t_k+1分别设为第(k+1)段的放电电流峰值IP＿(k+1)、放电电流脉宽ON＿(k+1)。即，如果EW≥EW1，则运算装置33将第k段的放电电流峰值IP＿k应用于第(k+1)段的放电电流峰值IP＿(k+1)。

另一方面，如果EW1＞EW，则运算装置33针对比能够设定于放电加工装置1的IP＿k低1档的放电电流峰值IP＿(k－1)，从表面粗糙度数据41对成为Ra＿(k+1)的放电电流脉宽t_k+1进行检索。

运算装置33参照电极消耗数据42，对与检索出的放电电流脉宽t_k+1和放电电流峰值IP＿(k－1)的组合相对应的电极消耗率EW2进行计算。运算装置33判定电极消耗率EW2是否小于或等于期望的电极消耗率EW。

运算装置33直至发现满足期望的电极消耗率EW的放电电流脉宽和放电电流峰值的组合为止，重复进行不断减小放电电流脉宽的处理和不断减小放电电流峰值的处理。由此，运算装置33能够决定除了第最终段以外的全部加工条件中的放电电流峰值和放电电流脉宽的组合。

运算装置33基于第最终段的加工表面粗糙度Ra＿N、表面粗糙度数据41和加工表面积的基础数据，对第最终段的加工条件中的放电电流峰值和放电电流脉宽的组合进行计算。

加工表面积的基础数据如前述所示，是表示与放电电流峰值和放电电流脉宽的组合相对应的加工表面积的数据。下面，将加工表面积的基础数据称为表面积数据。

运算装置33从表面粗糙度数据41，对能够得到第最终段的加工表面粗糙度Ra＿N的放电电流峰值和放电电流脉宽的组合进行检索。接下来，运算装置33基于表面积数据，读出与检索出的放电电流峰值和放电电流脉宽的组合相对应的加工表面积。运算装置33判定读出的加工表面积是否满足期望的加工表面积。

在读出的加工表面积不满足期望的加工表面积的情况下，运算装置33对满足期望的加工表面积的放电电流峰值和放电电流脉宽的组合进行检索。即，运算装置33能够得到第最终段的加工表面粗糙度Ra＿N，且对满足期望的加工表面积的放电电流峰值和放电电流脉宽的组合进行检索。运算装置33基于表面粗糙度数据41及表面积数据，能够得到第最终段的加工表面粗糙度Ra＿N，且提取全部满足期望的加工表面积的放电电流峰值和放电电流脉宽的组合。

运算装置33将满足期望的加工表面粗糙度Ra＿N及加工表面积的组合之中的放电电流脉宽变得最长的组合决定为第最终段的加工条件。即，运算装置33作为第最终段的加工条件而对放电电流峰值IP＿N及放电电流脉宽ON＿N进行计算(步骤S70)。如上所述，运算装置33通过对放电电流脉宽长的加工条件进行选择，从而能够尽可能减小电极消耗率。

运算装置33将通过步骤S20至S70的处理而得到的加工条件决定为多段的加工条件列(步骤S80)。加工电源34按照由运算装置33计算出的多段的加工条件列，生成放电电流脉冲，对加工极间36施加放电能量。

通过以上的图6中说明的顺序，运算装置33能够自动地对满足作业者所期望的加工表面粗糙度、电极消耗率及加工表面积的加工条件进行计算。另外，运算装置33通过上述顺序对放电电流峰值和放电电流脉宽的组合进行选择，由此能够对满足期望的加工表面粗糙度、电极消耗率、加工表面积的最快的加工条件列进行设定。即，运算装置33在满足作业者所期望的加工结果的范围内，对最大的放电电流峰值和最小的放电电流脉宽的组合进行选择，由此能够将加工速度设定为最大速度。

此外，运算装置33也可以以满足作业者所期望的加工速度，并且成为最小的电极消耗率的方式对加工条件进行设定。在该情况下，运算装置33取代电极消耗数据42，而是使用针对放电电流峰值和放电电流脉宽的组合的加工速度的基础数据。而且，运算装置33在加工条件列的计算处理时，取代电极消耗率的信息而是使用加工速度的信息，执行与上述处理相同的处理。

如上所述，在实施方式1中，运算装置33基于由输入装置31接收到的加工结果和存储装置32所存储的基础数据，对作为历经多次的形雕放电加工而进行第1段至第最终段为止的加工处理时的加工条件进行计算。而且，在由输入装置31接收到的加工结果中包含有加工表面积。因此，加工条件设定装置30能够生成与输入的被加工物的加工表面积相对应的适当的加工条件。

实施方式2.

接下来，使用图8对实施方式2进行说明。实施方式2所涉及的加工条件设定装置30具有与实施方式1所涉及的加工条件设定装置30相同的结构，因此省略其说明。

实施方式1的加工条件设定装置30仅在第最终段的加工条件中，基于加工表面积而决定出放电电流峰值和放电电流脉宽的组合。因此，仅在第最终段的加工条件中电极消耗率不满足期望的加工条件，但精加工条件中的电极消耗很少，因此根据情况能够忽略。

此外，在作业者期望极高精度的加工的情况下，需要抑制电极消耗率。因此，实施方式2的加工条件设定装置30能够针对多段的加工条件列分别对期望的加工结果进行设定。由此，加工条件设定装置30即使在第最终段的加工条件中超过期望的电极消耗率的情况下，通过将其他段的加工条件列的电极消耗率设定为比期望的值小，从而也能够将加工条件整体的电极消耗量的总和设定为期望的值。更优选作业者不手动地对多段的加工条件列的全部电极消耗率进行设定，而是加工条件设定装置30通过实施方式1中说明的顺序对加工条件进行计算。然后，加工条件设定装置30再次对电极消耗量进行计算。向加工条件设定装置30的运算装置33加入在通过实施方式1中说明的顺序计算出加工条件之后再次对电极消耗量进行计算的逻辑。另外，在实施方式2中，在期望的加工结果中包含有加工条件整体的电极消耗量的总和。

图8是表示通过实施方式2所涉及的加工条件设定装置进行的加工条件列的计算处理顺序的流程图。关于图8所示的处理之中的与图6中说明的由实施方式1的加工条件设定装置30执行的处理相同的处理，省略其说明。

实施方式2的加工条件设定装置30所执行的步骤S10至S70的处理是与实施方式1的加工条件设定装置30所执行的步骤S10至S70的处理相同的处理。

实施方式2的运算装置33在计算出全段的加工条件后，即在步骤S70的处理后，基于电极消耗数据42对放电加工的整体中的电极消耗量的总和进行计算。

运算装置33判定电极消耗量的总和是否大于期望的电极消耗量(步骤S75)。在电极消耗量的总和小于或等于期望的电极消耗量的情况下(步骤S75，No)，运算装置33将计算出的加工条件直接设定为多段的加工条件列(步骤S80)。

另一方面，在电极消耗量的总和大于期望的电极消耗量的情况下(步骤S75，Yes)，运算装置33将除了第最终段以外的全部加工条件中的电极消耗率的基准值(前述的期望的电极消耗率EW)再设定为比期望的值小的值。即，运算装置33将比输入的电极消耗率低的值设定为期望的电极消耗率(步骤S76)。运算装置33使用再设定出的电极消耗率，决定针对实施方式1中说明的最大放电电流峰值的放电电流脉宽。而且，运算装置33再次执行图8的步骤S30至S70的处理，决定全部加工条件中的放电电流峰值和放电电流脉宽的组合。重复进行如上所述的步骤S30至S70的处理，由此运算装置33即使仅最终段的加工条件不满足期望的电极消耗率，也能够自动地对作为加工整体而满足期望的电极消耗量的多段的加工条件列进行计算。

如上所述，根据实施方式2，加工条件设定装置30能够针对多段的加工条件列分别对期望的加工结果进行设定，因此能够对作为加工整体而满足期望的加工结果的多段的加工条件列进行计算。

实施方式3.

接下来，对实施方式3进行说明。在实施方式3中，使基于由特定的放电加工装置1实测出的实测值而生成的基础数据存储于全部放电加工装置1，不存储针对每个放电加工装置1不同的基础数据。

在放电加工装置1存在多台的情况下，在各放电加工装置1的存储装置32中存储的基础数据优选是由特定的1台放电加工装置1取得的基础数据。即，与由某1台放电加工装置1取得的放电电流峰值及放电电流脉宽的实测值相对应的各加工结果的数据，优选是全部放电加工装置1所使用的基础数据。换言之，各放电加工装置1所使用的基础数据优选是从特定的放电加工装置1得到的基础数据。

在使基于在特定的放电加工装置1中设定的设定值的基础数据存储于其他放电加工装置1的情况下，由于针对每个放电加工装置1的电气电路的波动，在其他的放电加工装置1中，在放电电流峰值及放电电流脉宽产生差异。即，放电电流峰值及放电电流脉宽针对每个放电加工装置1具有误差。因此，在各放电加工装置1中，有可能在基础数据和实际加工结果之间产生误差。

在实施方式3中，针对各个放电加工装置1，对基于由特定的放电加工装置1实测出的实测值而生成的基础数据进行存储。由此，即使针对每个放电加工装置1而在放电电流峰值及放电电流脉宽产生差异，通过对基础数据实施数值校正，从而也能够向针对每个放电加工装置1相适合的基础数据进行变换。

如上所述，根据实施方式3，使基于由特定的放电加工装置1实测出的实测值而生成的基础数据存储于其他放电加工装置1，因此其他放电加工装置1通过对基础数据实施数值校正，从而能够变换为与本装置相适合的基础数据。

实施方式4.

接下来，使用图9至图13对实施方式4进行说明。实施方式1至3的放电加工装置1能够自动地对满足基于基础数据的期望的加工结果的理论上加工速度变得最快的加工条件进行设定。此外，考虑根据实际在刀具电极中使用的材料、加工极间36的加工屑的状态等，变得最快的加工条件会发生变化的可能性。因此，在实施方式4中，对针对加工条件的加工中的加工速度进行学习。即，放电加工装置1基于输入的基础数据，从加工结果满足作业者所期望的值的放电电流峰值和放电电流脉宽的组合中，对加工速度变得最快的组合进行检索。在实施方式4中，作业者所期望的加工结果是电极消耗率、加工表面粗糙度及加工表面积。

＜学习阶段＞

图9是表示实施方式4所涉及的学习装置的结构例的框图。学习装置50是对训练好的模型71进行学习的计算机，该训练好的模型71在满足期望的加工结果的范围内，用于对放电加工装置1提供加工速度成为最大的放电电流峰值及放电电流脉宽。学习装置50具有数据取得部51及模型生成部52。

数据取得部51取得加工轴的位置、与加工轴的位置相对应的放电电流峰值和与加工轴的位置相对应的放电电流脉宽而作为学习用数据。加工轴的位置是与加工速度相对应的信息。数据取得部51作为学习用数据而取得的数据是加工时实际使用的数据。数据取得部51是第1数据取得部。

模型生成部52基于包含放电电流峰值、放电电流脉宽及加工轴的位置在内的学习用数据，对针对学习用所设定的放电电流峰值及放电电流脉宽的加工速度进行学习。即，模型生成部52生成根据放电加工装置1的加工轴的位置，对针对学习用所设定的放电电流峰值及放电电流脉宽的加工速度进行推断的训练好的模型71。

模型生成部52能够使用有教师学习、无教师学习、强化学习等公知的学习算法。作为一个例子，对在模型生成部52中应用了强化学习(Reinforcement Learning)的情况进行说明。在强化学习中，某环境内的智能体(行动主体)对当前的状态(环境的参数)进行观测，决定应采取的行动。环境通过智能体的行动而动态地变化，与环境的变化相应地对智能体赋予回报。智能体重复进行而对通过一系列的行动得到最多回报的行动方针进行学习。作为强化学习的代表方法，已知Q学习(Q-learning)、TD学习(TD－learning)。例如，在Q学习的情况下，行动价值函数Q(s，a)的一般性的更新式通过下面的式(1)表示。

【式1】

在式(1)中，s_t表示时刻t的环境的状态，a_t表示时刻t的行动。通过行动a_t，状态变为s_t+1。r_t+1表示通过其状态的变化而带来的回报，γ表示折扣率，α表示学习系数。此外，γ处于0＜γ≤1的范围，α处于0＜α≤1的范围。与加工轴的位置相对应的放电电流峰值及放电电流脉宽成为行动a_t，加工轴的位置成为状态s_t，模型生成部52对时刻t的状态s_t中的最好的行动a_t进行学习。

通过式(1)表示的更新式是如果时刻t+1的Q值最高的行动a的行动价值Q大于在时刻t执行的行动a的行动价值Q，则增大行动价值Q，在相反的情况下，减小行动价值Q。换言之，以使时刻t的行动a的行动价值Q接近时刻t+1的最好的行动价值的方式对行动价值函数Q(s，a)进行更新。由此，某环境中的最好的行动价值不断依次传播为其以前的环境中的行动价值。

如上述所示，在通过强化学习而生成训练好的模型71的情况下，模型生成部52具有回报计算部53和函数更新部54。

回报计算部53基于放电电流峰值、放电电流脉宽及加工轴的位置对回报进行计算。回报计算部53基于加工速度基准对回报r进行计算。回报计算部53例如在加工速度增加的情况下(在满足回报增大基准的情况下)使回报r增大(例如赋予“1”的回报)，另一方面，在加工速度减少的情况下(在满足回报减少基准的情况下)减少回报r(例如赋予“－1”的回报)。

函数更新部54按照由回报计算部53计算的回报，对用于决定加工速度的函数进行更新，输出至在学习装置50的外部配置的训练好的模型存储部70。例如在Q学习的情况下，函数更新部54将通过式(1)表示的行动价值函数Q(s_t，a_t)用作用于对针对学习用所设定的放电电流峰值及放电电流脉宽的加工速度进行计算的函数。

函数更新部54重复执行以上的学习。训练好的模型存储部70对由函数更新部54更新后的行动价值函数Q(s_t，a_t)、即训练好的模型71进行存储。

接下来，使用图10，对通过学习装置50实施的学习处理的处理顺序进行说明。图10是表示通过实施方式4所涉及的学习装置进行的学习处理的处理顺序的流程图。数据取得部51取得放电电流峰值、放电电流脉宽及加工轴的位置而作为学习用数据(步骤S110)。

模型生成部52基于放电电流峰值、放电电流脉宽及加工轴的位置，对回报进行计算(步骤S120)。具体地说，回报计算部53取得放电电流峰值、放电电流脉宽及加工轴的位置，根据加工轴的位置对加工速度进行计算，基于预先确定的加工速度基准(回报基准)而判断是增加回报或者减少回报。加工速度基准是加工速度变大或变小。

回报计算部53在判断为增加回报的情况下增加回报，在判断为减少回报的情况下减少回报。即，回报计算部53在根据加工轴的位置而计算出的加工速度增加的情况下增加回报(步骤S130)。另一方面，回报计算部53在根据加工轴的位置而计算出的加工速度减少的情况下减少回报(步骤S140)。此外，回报计算部53在加工速度没有变化的情况下，可以使回报不增减。

函数更新部54基于由回报计算部53计算出的回报，对通过训练好的模型存储部70所存储的式(1)表示的行动价值函数Q(s_t，a_t)进行更新(步骤S150)。由此，对与放电电流峰值及放电电流脉宽相对应的加工速度进行学习。

学习装置50重复执行以上的步骤S110至S150为止的步骤，使生成的行动价值函数Q(s_t，a_t)作为训练好的模型71而存储于训练好的模型存储部70。

实施方式4所涉及的学习装置50设为将训练好的模型71存储于在学习装置50的外部设置的训练好的模型存储部70，但也可以将训练好的模型存储部70设置于学习装置50的内部。

＜有效使用阶段＞

图11是表示实施方式4所涉及的推断装置的结构例的框图。推断装置60具有数据取得部61和推断部62。数据取得部61是第2数据取得部。

数据取得部61作为用于对加工速度进行推断的数据而取得放电电流峰值及放电电流脉宽。数据取得部61例如取得图4及图5中说明的放电电流峰值及放电电流脉宽。

推断部62利用训练好的模型存储部70所存储的训练好的模型71，对与放电电流峰值及放电电流脉宽相对应的加工速度进行推断。即，推断部62通过向该训练好的模型71输入由数据取得部61所取得的放电电流峰值及放电电流脉宽，从而能够对与放电电流峰值及放电电流脉宽相适合的加工速度进行推断。推断部62将得到的加工速度输出至放电加工装置1的存储装置32。

此外，在本实施方式中，对推断装置60使用通过学习装置50的模型生成部52学习到的训练好的模型71的情况进行了说明，但推断装置60也可以使用从其他学习装置50取得的训练好的模型71。在该情况下，推断装置60也基于从其他学习装置50取得的训练好的模型71，对加工速度进行输出。其他学习装置50是从与放电加工装置1不同的其他放电加工装置对训练好的模型71进行学习的装置。即，推断装置60可以使用通过其他放电加工装置学习到的训练好的模型71，对适合于放电电流峰值及放电电流脉宽的加工速度进行推断。

接下来，使用图12，对通过推断装置60实施的推断处理的处理顺序进行说明。图12是表示通过实施方式4所涉及的推断装置进行的推断处理的处理顺序的流程图。数据取得部61取得用于对加工速度进行推断的数据即推断用数据(步骤S210)。具体地说，数据取得部61取得设定用于推断的放电电流峰值及放电电流脉宽。

推断部62向训练好的模型存储部70所存储的训练好的模型71输入放电电流峰值及放电电流脉宽(步骤S220)，取得针对放电电流峰值及放电电流脉宽的加工速度。

推断部62将得到的数据，即针对放电电流峰值及放电电流脉宽的加工速度输出至放电加工装置1(步骤S230)。

放电加工装置1的存储装置32对输出的针对放电电流峰值及放电电流脉宽的加工速度进行存储而作为学习结果(步骤S240)。推断部62判定是否存在满足期望的加工结果的放电电流峰值和放电电流脉宽的组合之中的未取得数据的组合(步骤S250)。

在存在未取得数据的组合的情况下(步骤S250，Yes)，推断部62对加工速度的推断所使用的放电电流峰值及放电电流脉宽的组合进行变更(步骤S260)。即，推断部62将放电电流峰值及放电电流脉宽的组合变更为未取得数据的放电电流峰值和放电电流脉宽的组合，设定为推断用数据。

推断装置60直至没有未取得数据的组合为止，重复进行步骤S210至S260为止的处理。如果未取得数据的组合消失(步骤S250，No)，则推断部62从作为学习结果而存储的加工速度中，对加工速度成为最大的放电电流峰值和放电电流脉宽的组合进行检索。即，推断部62在满足期望的加工结果的范围内对加工速度成为最大的放电电流峰值和放电电流脉宽的组合进行检索。

推断部62将检索出的放电电流峰值和放电电流脉宽的组合发送至放电加工装置1的存储装置32。存储装置32在满足所期望的加工结果的范围内，对加工速度成为最大的放电电流峰值和放电电流脉宽的组合进行存储。由此，放电加工装置1将从推断装置60发送来的放电电流峰值和放电电流脉宽的组合设定为放电加工时所使用的参数(步骤S270)。放电加工装置1使用存储装置32所存储的加工速度成为最大的放电电流峰值和放电电流脉宽的组合而执行放电加工。

此外，在实施方式4中，对在推断部62所使用的学习算法中应用强化学习的情况进行了说明，但并不限定于此。关于学习算法，除了强化学习以外，也能够应用有教师学习、无教师学习或有半教师学习等。

另外，作为在模型生成部52中使用的学习算法，也能够使用对特征量本身的提取进行学习的深层学习(Deep Learning)。模型生成部52可以通过其他公知的方法，例如神经网络、遗传编程、功能逻辑编程、支持向量机等执行机器学习。

此外，学习装置50及推断装置60例如可以是经由网络与放电加工装置1连接的与该放电加工装置1分体的装置。另外，学习装置50及推断装置60的至少一者也可以内置于放电加工装置1。并且，学习装置50及推断装置60也可以存在于云服务器上。

另外，模型生成部52可以使用从多个放电加工装置1取得的学习用数据，对针对放电电流峰值和放电电流脉宽的组合的加工速度进行学习。此外，模型生成部52也可以从在同一区域使用的多个放电加工装置1取得学习用数据，也可以利用从在不同的区域独立地动作的多个放电加工装置1收集的学习用数据对针对放电电流峰值及放电电流脉宽的加工速度进行学习。另外，也能够将对学习用数据进行收集的放电加工装置1在中途追加至对象，或者从对象去除。并且，关于某放电加工装置，可以将对针对放电电流峰值及放电电流脉宽的加工速度进行了学习的学习装置应用于其他的放电加工装置1，关于该其他的放电加工装置1，对针对放电电流峰值及放电电流脉宽的加工速度进行再学习而更新。

在这里，对学习装置50及推断装置60的硬件结构进行说明。学习装置50及推断装置60具有相同的硬件结构，因此，下面对学习装置50的硬件结构进行说明。

图13是表示实现实施方式4所涉及的学习装置的硬件结构例的图。学习装置50能够通过处理器91、存储器92、输出装置93及输入装置94实现。

处理器91的例子是CPU(也称为Central Processing Unit、中央处理装置、处理装置、运算装置、微处理器、微型计算机、DSP(Digital Signal Processor))或者系统LSI(Large Scale Integration)。存储器92的例子是RAM(Random Access Memory)、ROM(ReadOnly Memory)。

学习装置50是处理器91将存储器92所存储的用于执行学习装置50的动作的可由计算机执行的学习程序读出并执行而实现的。用于执行学习装置50的动作的学习程序可以说是使计算机执行学习装置50的顺序或者方法。在用于执行学习装置50的动作的学习程序中包含有用于对加工速度进行学习的程序等。

由学习装置50执行的学习程序成为包含模型生成部52的模块结构，它们下载至主存储装置上，它们生成于主存储装置上。

输入装置94对放电电流峰值、放电电流脉宽及加工轴的位置等进行接收而发送至处理器91。存储器92对表面粗糙度数据41、电极消耗数据42这样的基础数据等进行存储。另外，存储器92被用作由处理器91执行各种处理时的暂时存储器。输出装置93将由处理器91生成的加工速度输出至加工电源34。

学习程序可以通过可安装的形式或者可执行的形式的文件存储于计算机可读取的存储介质而作为计算机程序产品被提供。另外，学习程序也可以经由互联网等网络而提供给学习装置50。此外，关于学习装置50的功能，可以将一部分通过专用电路等专用的硬件实现，将一部分通过软件或者固件实现。此外，加工条件设定装置30也具有与学习装置50相同的硬件结构。

如上所述，在实施方式4中，学习装置50基于放电加工装置1的加工轴的位置、所设定的放电电流峰值及放电电流脉宽，生成对加工速度进行推断的训练好的模型71。另外，推断装置60使用训练好的模型71，根据放电加工装置1的加工轴的位置、所设定的放电电流峰值及放电电流脉宽对加工速度进行推断。由此，能够取得与放电加工装置1的加工轴的位置相对应的针对所设定的放电电流峰值及放电电流脉宽的加工速度。推断装置60通过将加工速度成为最大的放电电流峰值和放电电流脉宽的组合应用于放电加工，从而能够满足所期望的加工结果，并且以短时间执行放电加工。

以上的实施方式所示的结构表示一个例子，也能够与其他公知技术组合，也能够将实施方式彼此组合，在不脱离主旨的范围也能够将结构的一部分省略、变更。

标号的说明

1放电加工装置，11、12放电电流波形，13、14加工面，21、22加工面质量，23～26对应关系，30加工条件设定装置，31、94输入装置，32存储装置，33运算装置，34加工电源，35加工机构，36加工极间，41表面粗糙度数据，42电极消耗数据，50学习装置，51、61数据取得部，52模型生成部，53回报计算部，54函数更新部，60推断装置，62推断部，70训练好的模型存储部，71训练好的模型，91处理器，92存储器，93输出装置。

Claims (10)

1.一种加工条件设定装置，其特征在于，具有：

输入装置，其对刀具电极的消耗率即电极消耗率、加工速度、被加工物的加工面的粗糙度即加工表面粗糙度及实际的加工面相对于所述被加工物的加工面内的特定区域的面积的表面积比进行接收，作为针对形雕放电加工所期望的加工结果；

存储装置，其对基础数据进行存储，该基础数据表示针对预先取得的所述形雕放电加工的放电电流峰值和放电电流脉宽的组合的、所述加工结果的理论上的相关性；以及

运算装置，其基于由所述输入装置接收到的所述加工结果和所述存储装置所存储的所述基础数据，对作为历经多次的所述形雕放电加工而进行第1段至第最终段为止的加工处理时的所述第1段至所述第最终段为止的加工条件进行计算。

2.根据权利要求1所述的加工条件设定装置，其特征在于，

所述加工结果是表示物理量的信息。

3.根据权利要求1或2所述的加工条件设定装置，其特征在于，

所述输入装置针对每个所述形雕放电加工对所述加工结果进行接收。

4.根据权利要求3所述的加工条件设定装置，其特征在于，

所述运算装置在历经多次的所述形雕放电加工之中的所述第最终段的加工处理中所述电极消耗率不满足所述加工结果的情况下，相对于与所述第最终段相比处于前段的加工处理而降低所述电极消耗率，对所述第1段至所述第最终段为止的加工条件进行计算。

5.根据权利要求4所述的加工条件设定装置，其特征在于，

所述加工结果包含所述形雕放电加工中的所述刀具电极的消耗量的总和，

所述运算装置对所述第1段至所述第最终段为止的电极消耗量的总和满足所述加工结果的所述加工条件进行计算。

6.根据权利要求1至5中任一项所述的加工条件设定装置，其特征在于，

所述基础数据是预先基于执行所述形雕放电加工时的实测值而生成的数据。

7.根据权利要求1至6中任一项所述的加工条件设定装置，其特征在于，

还具有学习装置，该学习装置对所述形雕放电加工的加工速度进行学习，

所述学习装置具有：

第1数据取得部，其取得包含使用所述加工条件而进行所述形雕放电加工的形雕放电加工装置的加工轴的位置、和所述加工轴的位置处的所述放电电流峰值及所述放电电流脉宽在内的学习用数据；以及

模型生成部，其使用所述学习用数据，生成根据所述放电电流峰值及所述放电电流脉宽，用于对与所述放电电流峰值及所述放电电流脉宽相对应的加工速度进行推断的训练好的模型。

8.根据权利要求7所述的加工条件设定装置，其特征在于，

还具有推断装置，该推断装置使用所述训练好的模型对所述加工速度进行推断，

所述推断装置具有：

第2数据取得部，其取得所述加工轴的位置处的所述放电电流峰值及所述放电电流脉宽；以及

推断部，其使用所述训练好的模型，对与由所述第2数据取得部取得的所述放电电流峰值及所述放电电流脉宽相对应的所述加工速度进行推断而输出。

9.一种加工条件设定方法，其特征在于，包含：

存储步骤，存储装置对基础数据进行存储，该基础数据表示针对预先取得的形雕放电加工的放电电流峰值和放电电流脉宽的组合的、所述形雕放电加工的加工结果的理论上的相关性；

输入步骤，输入装置对刀具电极的消耗率即电极消耗率、加工速度、被加工物的加工面的粗糙度即加工表面粗糙度及实际的加工面相对于所述被加工物的加工面内的特定区域的面积的表面积比进行接收而作为针对形雕放电加工所期望的加工结果；以及

运算步骤，运算装置基于由所述输入装置接收到的所述加工结果和所述存储装置所存储的所述基础数据，对作为历经多次的所述形雕放电加工而进行第1段至第最终段为止的加工处理时的所述第1段至所述第最终段为止的加工条件进行计算。

10.一种放电加工装置，其特征在于，具有：

加工机构，其进行形雕放电加工；以及

加工条件设定装置，其对所述加工机构所使用的加工条件进行设定，

所述加工条件设定装置具有：

输入装置，其对刀具电极的消耗率即电极消耗率、加工速度、被加工物的加工面的粗糙度即加工表面粗糙度及实际的加工面相对于所述被加工物的加工面内的特定区域的面积的表面积比进行接收，作为针对形雕放电加工所期望的加工结果；

存储装置，其对基础数据进行存储，该基础数据表示针对预先取得的所述形雕放电加工的放电电流峰值和放电电流脉宽的组合的、所述加工结果的理论上的相关性；以及

运算装置，其基于由所述输入装置接收到的所述加工结果和所述存储装置所存储的所述基础数据，对作为历经多次的所述形雕放电加工而进行第1段至第最终段为止的加工处理时的所述第1段至所述第最终段为止的加工条件进行计算。

Images