工具機熱穩定人工智慧學習技術

作者:李坤穎、謝秉澂

全球人口結構改變,導致製造業正面臨升級轉型壓力,人工智慧技術不斷朝製造業生產過程應用,工具機傳統管理方法已無法有效解決現階段製造系統中所衍生的問題,故全球各國陸續投入大量資源將提升製造業競爭力視為國家重點政策。因應當前智慧製造趨勢,我國政府積極推動製造業從過往的大量生產自動化朝向智慧機械與智慧製造發展,著眼於發展具環境感知、安全人機互動、自主決策等能力的設備與系統,以因應多元化的製造與服務需求。工具機的系統中,主軸為主要核心關鍵的模組,對於最終工件精度扮演著極其重要的角色,工具機的主軸在加工過程中,其旋轉精度與動態特性影響最終的加工品質,因而各類工具機對於主軸系統都有相當高的穩定性要求,根據文獻[1],工具機加工時之誤差有40%至70%是由熱變位所造成的,故解決了熱誤差問題,其工具機品級勢必能往上升級。現今對於工具機熱誤差較普遍的作法為利用控制器進行軸向位置補正(position compensation)的方法來進行熱誤差補償,而補償精度取決於熱誤差模型精度且受環境溫度變化影響甚據。

本技術主要聚焦於人工智慧建立主軸熱誤差補償之技術,其係基於主軸溫度感測資訊、與主軸熱誤差相關之資訊及深度強化學習方法,建立動態冷卻機流量/流速適應控制之自我學習與調整,並以主軸溫度變動偏差量最小化為調整目標,以降低環境溫度變化及主軸熱誤差對加工精度的影響。

工具機熱穩定人工智慧學習研究

面對製造型態從少樣多量轉變為多樣少量,以及生產設備從單功能專用機朝向多功能複合機發展,傳統基於加工形狀相對簡單、設備結構相對單純所設計的固定式熱誤差補償方法,已無法因應快速變動的各式生產需求,因此如何適應各種變化,如加工類型改變、機台老化變異、環境溫度干擾等,開發出具備自調整(self-adjust for variation)、最適化(self-optimize for disturbance)等工業4.0要素之主軸智慧熱穩定技術為本研究的目標。藉由本計畫執行,主軸智慧熱穩定控制之技術成熟度(technology readiness level, TRL)將由TRL 6推進到TRL 8。

創新/差異點

由於熱誤差補償法在溫度有變異的情況下補償效果有限,然而,利用現行機器學習方法仍需事前收集大量已標記結果之感測資料(溫度、熱變位等),且在機器學習過程中有模型過度擬和(overfitting)的疑慮,以及同樣無法有效克服機台老化、跨機種需重新學習等問題,其並非從本質上改善機器整體結構的熱穩定狀態,因此機器上主要熱源的熱量會持續不斷地傳遞至低溫區,造成機器結構的熱變形隨著負載變動產生動態變化,進而影響機器的加工精度。故若能有一低成本且易實現的解決方案,其能有效的將工具機主軸熱源之熱量帶走或抑制,將有助於使機器整體結構溫度達到熱穩定平衡的狀態。因此從這個角度進行思考,本技術提出針對工具機主軸既有的冷卻系統,進行冷卻液流量/流速控制方法之創新設計,以軟體加值硬體的方式,讓所提出的創新技術構想未來有較大的機會能夠商品化,其構想發想歷程如圖1所示。

圖1 創新技術構想歷程

 

文章轉載自工業技術研究院機械工業雜誌

相關課程推薦