本發明提供一種機器學習裝置、伺服控制裝置和系統以及機器學習方法，避免繁雜的調整并簡便地抑制干擾。該機器學習裝置具備：標簽取得部(220)，其取得在抑制了干擾的狀態下驅動伺服控制裝置的控制對象的電流指令作為標簽；輸入數據取得部(210)，其取得在抑制了干擾的狀態下根據電流指令進行驅動的控制對象的速度作為輸入數據；以及學習部(230)，其將標簽與輸入數據的組作為訓練數據進行有監督學習，從而構建根據控制對象的速度推定驅動上述控制對象的電流的學習模型。

技術領域

本發明涉及用于抑制干擾的機器學習裝置、伺服控制裝置、伺服控制系統及機器學習方法。

背景技術

作為機床以及工業機械的伺服控制裝置，專利文獻1公開了一種能夠進行可以與控制對象的非線性、干擾或環境經時變化對應的高精度定位的結構。具體地說，專利文獻1公開了一種伺服控制裝置，其作為具有使控制對象的控制輸出與目標值一致地反饋控制目標值與控制輸出之間的控制偏差的控制器的伺服控制裝置，包括：神經網絡模型，其將控制器的輸出設為輸入信號；線性模型，其將控制器的輸出設為輸入信號；以及學習單元，其將神經網絡的輸出設為控制對象的輸入信號，并以使控制對象的輸出與線性模型的輸出變得相等的方式使神經網絡的各層間的權重發生變化。

上述專利文獻1公開的結構，將線性模型設為參考模型，以與該線性模型的特性一致的方式進行模型參考自適應控制，所以用戶需要逐一準備線性模型。

但是，用戶逐一準備線性模型對用戶來說比較繁雜，希望一種更簡便地抑制干擾等的伺服控制裝置。

專利文獻1：日本特開平07-210207號公報

發明內容

本發明的目的為提供能夠避免繁雜的調整并簡便地抑制干擾的機器學習裝置、伺服控制裝置、伺服控制系統及機器學習方法。

(1)本發明的機器學習裝置(例如后述的機器學習裝置200、200-1～200-n、201、202)具備：

標簽取得部(例如后述的標簽取得部220)，其取得在抑制了干擾的狀態下驅動伺服控制裝置的控制對象(例如后述的控制對象400)的電流指令作為標簽；

輸入數據取得部(例如后述的輸入數據取得部210)，其取得在抑制了上述干擾的狀態下根據上述電流指令進行驅動的控制對象的速度作為輸入數據；以及

學習部(例如后述的學習部230)，其將上述標簽與上述輸入數據的組作為訓練數據來進行有監督學習，由此構建用于根據上述控制對象的速度推定驅動上述控制對象的電流的學習模型。

(2)在上述(1)的機器學習裝置中，上述控制對象具備電動機(例如后述的伺服電動機401)和通過該電動機進行移動的負載(例如后述的負載402)，通過上述輸入數據取得部取得的上述速度可以是上述電動機的轉速和上述負載的速度。

(3)在上述(1)或(2)的機器學習裝置中，還具備：函數輸出部(例如后述的推定電流生成函數輸出部250)，其根據通過上述學習部所構建的上述學習模型，生成用于根據上述控制對象的速度推定驅動上述控制對象的電流的函數，并輸出給上述伺服控制裝置。

(4)在上述(1)～(3)中的任意一個機器學習裝置中，上述伺服控制裝置具備構成電流反饋環的電流控制部(例如后述的電流控制部180)和放大器(例如后述的放大器190)，驅動上述控制對象的電流指令經由上述電流控制部和上述放大器被施加給上述控制對象，

輸入到上述標簽取得部的上述電流指令可以是上述放大器的輸出。

(5)本發明的伺服控制系統具備上述(3)的機器學習裝置(例如后述的機器學習裝置200、200-1～200-n、201、202)、對該機器學習裝置輸出上述電流指令以及上述控制對象的速度的上述伺服控制裝置(例如后述的伺服控制裝置100、100-1～100-n、101、102)，