Application to Smart Machining Systems using Compression of Skill Data for Inheritance of Excellent Technician's Skills

技能数据压缩应用于智能加工系统，传承优秀技师技能

• 批准号: 22K04160
• 负责人: 漆原 史朗
• 金额: $ 2.33万
• 依托单位: Kagawa National College of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K04160/
• 关键词: 熟練技能データの獲得; へら絞り; LSTM; 深層学習に基づくデータ圧縮; 熟練技能データの特徴解析; 卓上スピニング加工機; 熟練技能; データ圧縮技術; スマート加工システム; 深層学習

令和4年度においては先ずへら絞りにおける熟練技能データの獲得と特徴解析を行った。検証対象とするスピニング加工機は，市販の卓上旋盤の回転部分に設計した成形型を取り付け半径50mmほどの円形アルミ板を加工できる。アルミ板を固定する治具なども併せて設計して製作した。これらの製作部品については，分担者高橋の専門的なアドバイスに基づいて機械的設計を行い，さらに加工対象へのへらの力データを収集できるように定格200 Nの力センサが内蔵されているへら棒を設計開発した。へら台座の軸には分解能2000 P/Rのロータリーエンコーダを取り付けており，成形物とヘラ先との接触角度を測定できる。これらの試作機を用いてアルミ材の加工を行い，データ収集と得られた力覚の時系列データをFFTなどのデータ処理を行うなどの特徴解析を行った。低周波帯域の成分を細かく見るために，短時間フーリエ変換（STFT)のFFT長を5000 サンプル(1 秒)，オーバーラップをFFT長の50 %とし，ハミングウィンドウをかけて解析を行った。その結果から，熟練技能のデータの主成分としては約1 Hz以下の周波数成分が主体的であることが分かった。一方で深層学習の一手法であるLong Short-Term Memory (LSTM) を用いた熟練技能データの特徴を獲得方法について検討を行った。取得した時系列の力覚データとへら先の位置データをLSTMモデルの重み係数として圧縮する方法について検証した。LSTM モデルは勾配降下法に基づいて重み係数を更新し，工具位置の過去10ステップの時系列データを入力信号，次ステップの力を教師信号として与え，LSTM モデルの学習を行った。中間層は50ユニット，最適化アルゴリズムとしてAdaptive Moment Estimation（Adam）を用いて最適化を図るシステムを構築して検証した。

In the fourth year of the year, the first step was to acquire the skills and characteristics of the students. The design of the circular part of the rotating disc on the market is based on the design of the circular part of the rotating disc with a radius of 50mm The design and manufacture of the fixed plate In the production of these components, the basic mechanical design of Takahashi's team was carried out, and the power data at the end of the processing object were collected. The 200N power base support was built into the rod. The axis of the pedestal can be decomposed into 2000 P/R. The contact angle of the molded object can be measured. The test machine is used to process the material, and the FFT is used to analyze the characteristics of the material The FFT length of STFT is 5000 seconds (1 second). The FFT length of STFT is 50% of the FFT length. As a result, the main component of proficiency is about 1 Hz or less, and the main component is about 1 Hz or less. A method of deep learning is to use Long Short-Term Memory (LSTM) to acquire skills and characteristics. To obtain the time series of force parameters, the prior position parameters, the LSTM parameters and the compression parameters. The LSTM is updated with the weight coefficient of the base of the matching method, and the time series of the tool position in the past 10 days is updated with the force signal of the secondary time series. The middle layer is optimized by Adaptive Moment Estimation (Adam).

项目成果

LSTMを用いたへら絞り技能再現システムの加工対象の厚みに対する汎化性能評価

利用LSTM对抹刀绘制技能再现系统对加工对象厚度的泛化性能评估

• 发表时间: 2023
• 作者: Yoshise Ryusei;Yamamoto Kaoru;久米 駿弥，漆原 史朗，吉岡 崇
• 通讯作者: 久米 駿弥，漆原 史朗，吉岡 崇

素材厚み情報を付加したLSTMによる熟練技能獲得の検証

使用添加材料厚度信息的 LSTM 验证熟练技能的获取

• 发表时间: 2022
• 作者: Phansiri Nisarut;Maenosono Daichi;Inaba Masafumi;Nakano Michihiko;Suehiro Junya;Sato Hidefumi;久米 駿弥，漆原 史朗，吉岡 崇
• 通讯作者: 久米 駿弥，漆原 史朗，吉岡 崇