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

点击翻译按钮获取中文摘要

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。