放电加工用的加工条件设定装置及其方法

专利名称：放电加工用的加工条件设定装置及其方法
技术领域：
本发明涉及根据包含制成品所要求尺寸、所要求表面光洁度、材质、所使用电极的尺寸及材质的加工方法的设定数据，确定包含电流峰值的加工条件的放电加工装置及其方法。
通常，在放电加工中，一边向工件垂直方向上输送工具电极(以下称电极)，一边在被称为间隙的工件和电极的间隙中施加电压脉冲，从而由放电来加工工件。使用包含施加在间隙中的电压脉冲的间歇时间、流过间隙的电流脉冲的间歇时间、以及峰值的各不相同的多组加工条件，在工件上形成具有所要求的尺寸和表面光洁度的内腔。在加工进行的同时，按从大能量的加工条件到小能量的加工条件的顺序切换。
操作者在准备放电加工时，首先，要根据制成品的材质、在工件上所要形成的内腔的尺寸要求和表面光洁度要求，决定所使用的1根或多根工具电极(以下称电极)的尺寸及材质。进而决定分别包含流过间隙的电流脉冲的间歇时间及峰值、施加在间隙上的电压脉冲的间歇时间的多组加工条件，据此制成加工程序。此加工条件包含相对于工件的电极送入量。而且，当只使用1个电极加工工件时，使电极在其垂直送入方向上直行的平面内相对于工件振动。加工条件也可包含该电极的振动幅度。
由于在决定加工条件时，需要有相当的熟练程度。因此，提出了自动程序设计装置，即，根据包含制成品的尺寸、要求、表面光洁度要求、材质、所使用的电极尺寸、及材质的加工方法的设定数据自动地确定多组加工条件，制成加工程序。
在这样的装置中，存储着表示多组加工条件，和使用此加工条件得到的包含表面光洁度的加工结果的关系的数据表。从这多组加工条件中，选择加工条件对应的加工结果与加工方法接近的加工条件。如果在存储装置内存储适应所有加工方法的加工条件，则这样构成的装置，其数据量非常之大。而且，在收集这些数据时需要花很多时间和劳动，是不实际的。
另外，也有这样的方法，用函数式表示包含所要求的表面光洁度、加工面积以及加工深度的加工方法和包含电流峰值的加工条件的关系，使用此函数式算出与加工方法一致式近似的加工条件。但是，加工条件和在此加工条件下进行放电加工所得到的制成品的表面光洁度、尺寸精度的关系很复杂。
本发明就是要提供确定与包含所要求表面光洁度的加工方法最相适应的加工条件的放电加工装置及其方法。
为了实现上述目的，若根据本发明，则基于包含所要求表面光洁度的加工方法，设定包含电流峰值和电极送入量等的加工条件的放电加工用的加工条件设定装置的构成如下输入包含工件材质以及制成品表面光洁度的有关加工方法数据的输入装置；基础数据存储部，存储表示加工条件和此加工条件带来的加工方法之间关系的多组基础数据；数据读出部，从该多组基础数据读出与加工方法数据最适合的周边数据；推理部，学习其周边数据，推理最适合加工方法数据的加工条件；控制部分，控制此推理部的学习以及推理。
另一方面，如果根据本发明，则基于包含所要求表面光洁度的加工方法，设定包含电流峰值和电极送入量的加工条件的放电加工用的加工条件设定方法的特征是具有以下程序步设定包含工作材质及制成品的表面光洁度要求的与加工方法有关的数据的程序步；存储表示加工方法和加工条件之间关系的多组基础数据的程序步。
根据多组基础数据，选择多组包含最适合已设定的加工方法数据的加工方法的周边数据的程序步；使用此多组周边数据，学习加工方法和加工条件的关系的程序步；推理生成基于前述学习结果确定适合前述输入信息的加工条件以及电极和工件的相对移动量的数据的程序步。
另外，在前述方法中具有以下特征将推理生成的数据加在基础数据上的程序步；利用包含在前述程序步以后的推理时施加的数据作为基础数据，进行推理的程序步。
而且，还以具有以下程序步为特征
预先存储与使用放电加工的加工条件和前述加工条件进行加工时得到的加工结果有关的加工数据的程序步；根据加工数据读出的程序步，亦即，读出在前述程序步中存储的前述加工条件；或在前述加工数据中不存在的加工条件；或在要求与加工结果有关的加工数据时的前述加工条件；或根据加工数据，在多个前述程序步中，已存储的在所要求数据附近或者有关的至少一边的周边数据的前述加工条件；在神经网络中学习在前述程序步中读出的前述周边数据程序步；在前述学习程序步后，推理生成与使用适合于前述要求数据的加工条件或该加工条件，进行加工时得到的加工结果有关的中间值数据的程序步。
进而，本发明的放电加工方法的特征是以根据前述放电加工加工设定数据确定方法推理生成的数据为基础，进行加工设定，并进行放电加工。
图1是说明本发明一实施例的概略方框图。
图2是展示本发明的实施例装置动作的主流程图。
图3是设定数据生成部分动作的流程图。
图4是存储在基础数据存储部分上的数据文件的一例。
图5是存储在基础数据存储部分上的数据表的一例。
图6是推理部分的神经网络的模型。
图7展示电极和工件的配置。
图8是说明神经网络的学习数据和推理值关系的图。
图9是学习推理确定多个加工阶段的设定的流程图。
以下，参照


本发明。
图1是展示本发明总体构成的1实施例图，图2是展示图1装置动作的动作图，图3是展示设定数据生成部40动作的动作流程图，图5展示了基础数据存储部分42上存储的基础数据表的一例。
在图1中，10是键盘等输入装置；20是使用CRT的显示装置；30是主控制部分，内部具有CPU，具有设定加工设定数据所必须的处理软件。50是加工程序，将从前述主控制部分30输送来的程序，以所需要的加工设定数据为基础，制成加工程序，并输出到NC装置、放电控制部分或存储媒体等。40是本发明主要部分的设定数据生成部，该设定数据生成部40进一步由数据读出部分41，基础数据存储部分42、推理部分43、临时存储部分44、数值修正部分45以及推理控制部分46构成。
从输入装置10输入的信息是包含加工面积、工件材质、电极材质、电极形状、电极的锥角、电极尺寸减少量、加工深度以及所要求的表面光洁度的加工方法数据(SD)。
主控制部30指令显示装置20显示为输入加工方法数据(SD)的适应的画面。操作者一边参照画面，一边使用例如键盘那样的输入装置10，输入加工方法数据(SD)。在本实施例中，主控制部分30，从被输入的加工方法数据(SD)中，本实施例是取出电极及工件的材质、加工面积、在工件上要形成的内腔的加工深度、电极原尺寸，将与此内腔的大小和所使用的电极大小的尺寸差、电极的锥角、要求的表示光洁度有关的数据，输送到设定数据生成部40。另外，主控制部分30，根据设定数据生成部40推理生成的数据，计算从粗加工至精加工的各加工阶段所使用的加工条件，将算出的结果在显示装置显示的同时，输出到加工程序制成部分50。主控制部分30是具有上述功能的部分，例如，由进行规定处理的软件和CPU构成。
设定数据生成部40，包含存储显示一部分加工方法和一部分加工条件关系的多组基础数据的基础数据存储部分42。而且，设定数据生成部40还包含神经计算机，即，其根据主控制部分30提供的加工方法数据(SD)，从基础数据存储部分42中的基础数据中，选出最适合加工方法数据(SD)的多组数据，由这多组数据，学习加工方法和加工条件的关系。
设定数据生成部40由以下部分构成数据读出部分41，其根据主控制部分30提供的加工方法数据(SD)，从基础数据存储部分42，选出与加工方法数据相似的该输入数据附近的，或周边的基础数据，送至推理部分43；基础数据存储部分42，其由主存储部分和预存储部分构成，主存储部分存储由后述那样的为确定最佳加工设定数据的基础数据构成的多个基础数据，预存储部分为了下面的推理，保存从推理结果得到的数据；推理部分43，在学习数据读出部分41从前述基础数据存储部分42读出的周边数据后，推理为计算最适于加工方法数据(SD)的加工条件的数据；临时存储部分44，临时存储推理部分43学习推理所必须的周边数据以及被推理完的数据；数值修正部分45，在使用锥形电极的情况下，只是其锥度值由基础数据中的锥度，修正受影响的加工结果的各数值，并送给推理部分43；推理控制部分46，控制设定数据生成部40的全部的处理。
以下，说明图1的装置的动作的同时，进行更详细的说明。图2是本发明实施例装置的处理程序的处理动作流程图。首先，操作者使用输入装置10，输入加工方法数据(SD)(S10)。为了确定最适合加工方法的条件，由主控制部分30将所需要的加工方法数据(SD)转送至设定数据生成部分40。在设定数据生成部40中，根据推理控制部46送来的信息，使数据读出部41从基础数据存储部分42，读出加工方法数据(SD)附近或相关连的周边数据，将其暂时存储在临时存储部44中(S11)。在推理部分43中，以存储在临时存储部分44中的周边数据为基础，学习神经网络，推理与加工方法数据(SD)相适应的加工条件。在本实施例中推理的是电流峰值；在用此电流峰值加工后，为精加工所需要的内腔侧面方向上应剩余的量(侧面剩余量)；电极尺寸减少量等的电极，即，从粗加工到精加工规定的光洁度时，所必须的电极最低限度的尺寸减少量；工件的相对送入量(S12)。接着，主控制部分30根据在设定数据生成部40中推理出的推理数据(FD)，算出各加工阶段的加工条件数据(SP)(S13)。程序制成部分50根据在S13中求得的各加工阶段的加工条件数据(SP)，在其内部存储的加工程序的所需要部分上写入数据，从而完成加工程序(S14)。
以下，参照图3详细说明设定数据生成部分40的动作。这里的处理是数据推理生成过程，亦即，在操作者输入加工方法数据(SD)后，确定适合其的加工条件以及电极和工件的相对移动量。在上述的那样的以往装置中，由于存储着的基础数据并不是模拟量，而是以不连续的形式存储多个一般情况下使用的基础数据。因此，在加工方法与基础数据不一致的情况下，当要确定加工条件时，就要考虑电极尺寸减少量和加工面积等因素。相反，在本发明中，加工条件和与精加工所需要的相对移动量有关的量等，不作为基础数据保存，即，在本发明中，是以推理生成为计算电流峰值、电极尺寸减少量、电极振动幅度和电极送入量所需要的数值数据。
从主控制部30来的加工方法数据(SD)，从主控制部30送至推理控制部46。推理控制部46，根据向数据读出部分41提供加工方法数据(SD)，从基础数据存储部分42，读出与输入的加工方法数据(SD)值接近或相关的周边数据。
在基础数据存储部分42中，如图4所示，基础数据被分成每个电极以及工件材质的代表数据群，进而，作为每个加工面积的数据文件夹存储。
在图5中，(a)是加工面积为50mm2时的数据文件夹，(b)是100mm2的数据文件夹。在表(a)中，IP值是电流峰值的设定值，1P1设定成相当于1.5A的电流峰值。表面光洁度、用IP的各个值加工得到的表面光洁度(μRmax)、底面间隙是底面方向的过度切割(μm)，侧面间隙是侧面方向的过度切割(μm)，底面剩余量是用各IP值开始加工后，为加工到0.4Rmax的表面光洁度所需要的精加工距离(μm)，侧面剩余量是侧面方向所需要的精加工距离(μm)。表的最下栏展示了加工深度及IP值和电极尺寸减少量之间的最佳关系。
在这里，假设加工方法数据(SD)象如下那样地设定，并且说明设定数据的设定部分40的动作。工件的材料是钢，电极的材料是铜。加工面积为80mm2，加工深度为15mm，电极尺寸减少量为360μm。电极的锥角为0度，要求的表面光洁度是0.4μRmax。首先，从适合铜电极和钢工件的要求的一群数据文件中，选出加工面积最适合80mm2的2个文件，亦即，适合50mm2加工面积的文件夹，和适合100mm2的加工面积的文件(S21)。
而后，从选出的50mm2数据文件中，取出加工深度10mm和20mm这两个作为实际加工深度(15mm)附近的周边数据，进而从加工深度10及20mm的数据列中，寻找最适合输入的电极尺寸减少量360μm的电极尺寸减少量的周边数据，把适合此电极尺寸减少量的IP作为周边数据取出。接着，以同样的处理方法，从实际加工面积近傍的100mm2的数据文件夹中，取出周边数据。将这样选出的周边数据群D1～D8送至临时存储部44存储(S22)。
推理控制部46，控制推理部43以选出的周边数据群D1～D8为基础，学习各个周边数据的关系。这里，在上述情况下，是象以下那样进行。学习数据 (输入层) (输出层)加工面积 加工深度 电极负公差尺寸量 IP值D1 (50 10350) (10)D2 (50 10420) (15)D3 (50 20295) (5)D4 (50 20420) (10)D5 (100 10330) (10)D6 (100 10400) (15)D7 (100 20275) (5)D8 (100 20360) (15)再有，作为近傍的周边数据，要取出与输入值最近的大小数据，也就是作为周边值，取出比输入值大的近傍的2个值和小的近傍的2个值，总计16个值，或者也可将16个以上的数据作为周边数据取出。
以从基础数据存储部分42选出的周边数据群D1～D8为基础，在推理部43中，在图6所示的神经元模型中进行学习。将上述D1～D8的数据群的加工面积、加工深度及电极尺寸减少量送到神经网络输入端，将IP值送到输出端，在这种情况下，进行8次学习。学习结束后，进行最适宜的IP值的推理，将实际输入的加工面积(80mm2)、加工深度(15mm)以及电极尺寸减少量(360μm)作为输入信号进行推理，得到最适宜的IP值α。得到的IP值作为第1次的电流峰值IPα(1)登记存储在临时存储部44。这样一来，就可以从作为不连续的点群数据被存储的代表性的基础数据中，得到适合于加工要求的中间值数据(S23，S24)。
接着，因为与得到的IP值α(1)和预定加工深度对应的电极尺寸减少量数据不在基础数据中，所以，进行和S23及S24同样的学习推理，求得用得到的IP值α(1)加工时的电极尺寸减少量。在进行S25步的学习时，消除在前述S23的处理中已在推理部43学习了的内容，而进行新的学习。使用在前述步骤中取出的周边数据群D1至D8中的加工面积，加工深度及IP值，作为学习时的输入层数据，在输出层使用电极尺寸减少量。在推理时，将输入的实际加工面积，加工深度及IP值α(1)作为输入数据，从输出层能得到用IP值α(1)开始加工时所需要的电极尺寸减少量的推理值β(S25，S26)。
得到的电极尺寸减少量的推理值β，由主控制部30控制显示在显示装置20上。操作者将显示的电极尺寸减少量作为参考，如果电极尺寸可以改变，就输入显示的推理值β。另外，当电极尺寸不能改变时，就设定成最初作为加工前提的加工方法数据(SD)输入的电极尺寸减少量数据。以后的处理，都是根据此输入数据进行的(S26，S27，S28)。
在S29中，推理控制部46比较输入值和推理值β，当输入值比推理值β3小时，把己推理的IP值α(1)降下1个值，在推理部43中再次进行推理。当输入值和推理值β一致式输入值大时，执行S31以后的步骤。S31以后的处理是，求出从已推理出的第1个电流峰IP值α(1)开始，到最终表面光洁度加工为止，所使用的多个电流峰值(IP值)以及与各个电流峰值对应的侧面剩余量ε和底面剩余量ξ的处理，返复学习和推理，从而推理生成前述各数据(S31，S32)。
图9是进一步详细展示S31及S32处理过程的流程图。因为到S30的程序步为止是求电极的电极尺寸减少量β、第1个电流峰值IPα(1)，所以，这里的处理是，把至达到要求的表面光洁度为止的加工分为多个阶段，学习推理在各个阶段所使用的电流峰值IPα(1)～α(n)以及用各个电流峰值加工完时的侧面剩余量ε(1)～ε(n)、底面剩余量ξ(1)～(n)。
确定在前述程序步得到的IP值α(1)为最初的电流峰值，而接着使用的第2个电流峰值，由于用IP值α(1)得到的表面光洁度的，从经验上讲加工效率好，所以，在推理部43中推理达到IP值α(1)的约一半的表面光洁度的IP值。首先，和前述的推理方法相同，推理控制部46控制数据读出部41，从基础数据存储部42，取出与加工面积、IP值、IP对应的表面光洁度的值，作为表面光洁度和IP相关的周边数据，在推理部43中学习(S40)。学习就是把加工面积和各IP值作为输入值，而将与IP值对应的表面光洁度送至输出端。接下来的推理，是根据实际的加工面积、IP值α(n)(n＝1)推理表面光洁度δ(S41)。在这里的学习推理，是用图6所示的神经网络，在学习输入和推理输出上使用上述各数据。
接着，在推理部43中，学习加工面积和各IP值对应的表面光洁度以及IP值之间的关系后(S42)，根据实际的加工面积和表面光洁度δ/2n，推理用第1个IP值得到的相当于表面光洁度δ一半的IP值α(2)，将推理值存储在临时存储器44中(S43)。推理控制部46比较要求δ/2n的表面光洁度，到δ/2n此要求的表面光洁度小之前，返复上述S42和S43中的程序步，求出多个电流峰值IPa(1)…(n)，作为第2，第3…第n个电流峰值存储在临时存储部44中(S44)。
进而，如果在基础数据中，没有用求出的IPα(1)…(n)加工完的侧面剩余量和底面剩余量，则执行S45～S49，推理与IPα(1)…(n)对应的侧面剩余量ε(1)…(n)、底面剩余量ξ(1)…(n)，并将它们分别与IPα(1)…(n)对应地存储在临时存储部44中。然而，当与加工方法数据(SD)一致的基础数据存在时，以及与求出的IPα(1)…(n)的值一致的基础数据存在时，就使用这些数据。
图8的表展示的是，为了推理生成至第n个电流峰值和与其结果相关的数据的学习数据，以及在推理时的输入数据，推理数据，它们之间的关系。多次进行图8所示的学习和推理，也就顺序生成了在基础数据存储部42中没有的中间值数据。
如上述那样求出的电极尺寸减少量β、IP值α(1)…(n)以及侧面剩余量ε(1)…(n)、底面剩余量ξ(1)…(n)，靠推理控制部46，从临时存储部44取出，送至主控制部30。在主控制部30中，用规定的方法，算出适合于求得的IP值α(1)…(n)的放电时间(Ton)和加工间歇时间(Toff)。在本发明的实施例中，在IP的设定值中，以30乘40得到的值作为放电时间(μSec)，以此确定1个IP值相当的电流量，选择适合于求出的Ton的Toff，并确定从加工开始时的第1个加工条件至第n个加工条件。另外，在上述方法中，也可能改变算出与IP值对应的放电时间(Ton)和加工间歇时间(Toff)的方法，设置这样的结构，即，在主控制部30中设置存储部，将IP值、放电时间和加工间歇时间的关系，预先存储在ROM等的存储器媒体中，并可以取出与IP值α(1)…(n)对应的放电时间和加工间歇时间等的电加工条件参数。另外，在本实施例中，用电流峰值IP，显示存储在基础数据存储部42中的加工条件，但不只是电流峰值，还显示与作为组合了与IP值对应的放电时间和放电间歇时间、加工电源电压、补助电源电压等的多个电加工条件参数后的多组加工条件分别对应的加工条件序号值，例如，C1，C2…Cn，与此同时，也可以使与用各C1，C2…Cn的加工条件加工后得到的加工数据结果预先产生连系，把从粗加工到最终得到精加工表面光洁度0.4μRmax的电加工条件，作为基础数据存储部42的基础数据预先存储。
接下来，在主控制部30中，根据求出的α，β，ε，ξ的值，算出在各加工阶段的包含电极振动幅度、送入量在内的全部所需要的加工条件。图7是为说明在多个加工阶段的电极和工件的相对位置关系的图，a1是用第1个加工条件加工后，至最终精加工所需要的距离，即，是过度切割和至最终加工所需要的加工余量总合的侧面剩余量。a2是用第1个加工条件加工后，在用设定加工条件为小值的第2个加工条件加工完时，进行更精加工所需要的侧面剩余量，a1和a2的差，即，β—ε(2)在与电极输送方向正交的平面内，成为使电极相对于工件移动的振动幅度。a3就相当于精加工程序中的加工条件下的过切销量。进而，侧面剩余量用图5的侧面剩余量的值推理得到。因而，在图5中，因为存储着为把表面光洁度加工到0.4μRmax的侧面剩余量的数据，所以，当要求表面光洁度比0.4μRmax大时，作为要求尺寸大的值，只计算从用最终加工条件加工完要求的加工尺寸时的侧面剩余量ε(n)，扣除侧面间隙的值，把侧面间隙部分加在用加工条件加工完的振动幅度上，这就成为要求的尺寸位置，由此，就可以进行所要求的加工。
接下来，b1是用第1个加工条件加工后，到进行最终精加工为止，与所需要的加工方向对应的底面剩余量ξ(1)。因而，根据要求的加工深度，用第1个加工条件加工时，只至b1值前结束，实加工深度Z—ξ(1)就成为第1个送入量Z1。b2也一样，是表示用第2个加工条件加工完时，到所需要的精加工的底面剩余量ξ(2)的值，与第2个加工条件对应的加工深度为Z2＝Z—ξ(2)。b3为在最终加工条件的低面方向的间隙。在这里，当表面光洁度比0.4μRmax大量，与侧面方向相同，作为假定加至0.4μRmax这样精度的加工深度，算出各加工条件下的加工深度，在用表面光洁度的加工条件加工完的位置，就成为要求加工深度的位置。这样一来，就确定了深度方向上的送入量。
此加工条件数据(SP)，被送入程序制成部50，制成加工程序。此加工程序的制成方法，与以往的技术相同，因而，省略详述。
下面，说明演进或作为本发明第2个目的装置的方法。以上述方法得到的各个数值IPα(1)电极尺寸减少量β底面剩余量ε等存储在临时存储部44中，当使用加工条件数据(SP)的加工结果良好时，操作者指令保存加工条件。将使用的数据IP值、表面光洁度、底面间隙等的推理数据(FD)和输入的加工面积、加工深度以及材质合并，作为一个基础数据，储备在基础数据部42内的预备数据存储部。其保存方法是，当在进行下次的加工方法的加工时，可以在推理过程中，作为一个基础数据使用。即，在进行推理时，数据读出部41，首先从基础数据中寻找出接近值后，如果在预备数据存储部中有接近数据，则此数据也加入作为学习数据，从而可以进行更精确的推理，使数据向前进化。
进而，以上是根据说明的基础数据来作为全部学习推理的构成，但是，即使第2个以后的加工条件是使用取出已预先设定的加工条件这种构成，因为第1个加工条件比以往的装置更准确地确定适合的加工条件和用该加工条件得到的与结果有关的数据，使加工误差减少，所以，只用加工开始时的加工条件数据(SP)，并且第2个以后的加工条件数据，即使用以规定的方法存储的固定的加工设定，也可以充分地提高加工精度。另外，在本实施例中，是使IP值和表面光洁度、侧面及底面间隙等数据相关连构成的，但是，也可以是将前述其它的(例如)将电极的消耗率和射流状态等的数据，作为基准数据存储在基础数据存储部42中，这是容易想到的。
如果根据本发明，即使对于加工面积、加工深度、电极尺寸减少量等的各种不同的加工要求，也可以根据代表性的基础数据，生成适合于加工要求的中间数据，且不需要收集存储庞大的加工设定数据，就可以以更小的误差确定加工设定数据，用最适合的加工设定数据，进行符合加工要求的加工。进而，由于可以用推理的结果，进行更精确的推理，使装置得到改进。所以，可以谋求提高加工效率及加工精度。
本发明并不限定与揭示的方式完全一样，参照上述说明，可以进行多种改良及变化，这是很明确的。选择上述实施例的目的是，说明发明的本质和其实际的应用。发明的范围由所附的权利要求范围定义。
权利要求
1.一种放电加工装置的加工设定数据确定装置，该装置根据输入对应在放电加工时电极和有关工件的信息和放电加工结果的要求事项，算出为得到所要求的加工加工方法的加工条件以及电极和工件的相对送入量，上述加工设定数据确定装置以具有以下构成为特征输入装置，输入与前述信息和加工要求事项有关的数据；数据存储部，将放电加工的加工条件和用前述加工条件加工后得到的加工结果，作为基础数据存储；周边数据取出部，从前述数据存储部，取出多个在从前述输入装置输入的前述数据近傍的或有关的周边数据中的至少一方的数据；推论部，推论生成与前述周边数据经输入学习后的前述数据相适应的加工条件及电极和工件的相对移动量；控制部，控制前述推论部的学习及推论。
2.一种放电加工的加工设定确定方法，它以为确定与放电加工相当的应该在放电加工装置内预先设定的多个加工设定数据所需要的输入信息为基础，确定放电加工的加工条件以及电极和工件的相对移动量，放电加工设定数据的确定方法以具有以下程序步为特征输入与电极和工件有关的信息以及与所要求的加工结果有关的信息的程序步；与在前述输入程序步中输入的信息相对应，从预先存储在装置内的多个加工条件和与加工结果有关的基础数据中，取出多个在前述输入信息近傍的或相关连的至少一方的周边数据的程序步；以前述取出的前述周边数据为基础，学习前述周边数据关系的程序步；根据前述学习结果，推论生成确定与前述输入信息相适应的加工条件以及电极和工件的相对移动量数据的程序步。
3.如权利要求2记载的放电加工加工设定数据确定方法，还具有以下程序步为特征把推论生成的数据加在基础数据上的程序步；利用包含在进行前述程序步之后的推论时增加的数据，作为基础数据推论的程序步。
4.一种放电加工的加工条件确定方法，具有以下程序步为特征预先存储放电加工的加工条件和使用前述加工条件进行加工时得到的与加工结果有关的加工数据的程序步；从加工数据中取出以下条件的程序步，即，在前述程序中存储的前述加工条件，或在前述加工数据中不存在的加工条件，或要求与加工结果有关的加工数据时的前述加工条件，或在多个前述程序中，已存储的从加工数据来的在所要求数据近傍的或相关连的至少一方的周边数据的前述加工条件；在神经网络中学习在前述程序步中取出的前述周边数据的程序步；在前述学习程序步后，推论生成与前述所要求数据相适应的加工条件，或使用该加工条件进行完加工时与所得到的加工结果有关的中间值数据的程序步。
5.一种放电加工方法，其特征为把根据权利要求2、4记载的放电加工加工设定数据确定方法推论生成的数据作为基础，进行加工设定，进而进行放电加工。
全文摘要
以与包含工件材质和制成品所要求表面光洁度的加工方法有关的设定数据为基础，设定包含脉冲能量和电极输送量在内的加工条件的放电加工用的加工条件设定装置，选择表示加工条件和该加工条件带来的加工方法的关系的多组基础数据。用选出的基础数据，在包含神经网络的推论部中，学习加工方法和加工条件的关系。该推论部根据与加工方法有关的设定数据，确定最适合的加工条件。因此，存储部只存储比较少的基础数据即可。
文档编号B23H7/00GK1115972SQ9419081
公开日1996年1月31日 申请日期1994年10月21日 优先权日1993年10月21日
发明者朱村治 申请人:沙迪克株式会社