本发明涉及根据预定的加工参数确定加工电极和工件的最佳放电加工条件的方法和放电加工控制器。

由于在放电加工中使用的电极加工比它本身（加工切割）大的面积，加工是使用制成比工件要求的加工尺寸更小的电极进行的。由于放电加工比其它的加工方法更耗费时间，而且，在粗加工和精加工之间一般分成很多阶段，以便增加加工的效率。在第一阶段，加工是在粗加工的条件下进行的，以便大致地获得所要求加工的形状。这称为粗加工。在下一阶段或几个阶段，称为半精加工，加工电流减少了和在电极和工件之间加上了相对运动。最后，进行精加工以获得所要求的加工尺寸和加工表面光洁度。在确定初始粗加工阶段中的粗加工条件时，操作者根据电极尺寸过小（undersize）、加工深度和加工面积采用可允许的最大加工电流，然后还参考数据手册等决定加工深度和留给精加工及获得最后要求的表面光洁度所要求的坯料。

在粗加工期间起作用的加工条件中，加工电流对于放电机械切割和留给随后的精加工的精加工余量具有最大的影响。因此粗加工条件受到电极尺寸过小数量的很大的影响。这是因为在粗加工中可用的最大电流几乎完全由电极尺寸过小确定的。因此，在从加工面积计算最大可允许的加工电流之后，操作者检查电极尺寸过小是否比在计算加工电流值可预期的加工切割足够地大。如果是的话，他根据计算的值使用加工条件进行粗加工。如果它小于预期的加工切割，他查阅数据手册并选择加工条件，以获得比电极过小量更小的加工切割。在这种情况下的一般做法是考虑最大放电加工切割包括片间二次放电产生的加工（称为机加工变形），将加工电流设定在低端。

由于预先的加工切割和加工变形，这种设定粗加工电流在相对低范围延长了完成粗加工所要求的时间。虽然在理论上可能使用足够小尺寸的电极以最大加工电流进行加工，但是当对加工外形有限制或当电极已经制成时，不能应用这个方法。在这些情况下，没有替代的方案，而是参照电极尺寸过小确定加工电流。

因此本发明的目的是提供一种确定放电加工条件的方法，按照加工深度减少最大加工电流而使粗加工时间最少，以便防止在加工到它超过电极尺寸过小的点的过程中增加最大加工切割和保证在粗加工完成时电极尺寸过小和最大加工切割相符。

本发明的另一个目的是提供进行这个方法的放电加工控制器。

在按照本发明的方法中，放电加工特别是粗加工是使用防止加工切割超过电极尺寸过小的加工条件进行到规定的深度。特别是，当加工深度小的时候，加工电流设定在不使放电加工切割超过电极过小数量的范围内的大值上。然后，由于加工深度增加，加工电流逐渐减小。最后，当由粗加工条件规定的加工深度已经达到时，放电加工条件设定为完成与规定的技术要求一致的加工条件。因此，加工要求的时间减少了。

为了执行这个方法，加工面积、加工电流，电极尺寸过小、加工深度与最大加工切割（包括二次放电产生的加工变形）之间的关系和其它的这样的基本数据都存储在存储器中，根据加工面积的相应数据被恢复，通过神经网络等执行学习操作，和通过推断产生一系列放电加工条件。

利用这个方法，加工条件可以容易地确定和设定，这些条件使加工电流能以最大可允许的值施加，以便在粗加工期间增加加工的效率。

从下面参照附图所进行的叙述中，本发明的这些和其它目的及特性将变得更加清楚。

图1是表示按照本发明的控制器的实施例的配置的方框图。

图2A至2F是表示在图1的控制器中工作过程的流程图的连续部分。

图3和4表示列出存储在图1的控制器的基本数据存储器中的 基本数据的例子的表格。

图5是说明在图1的控制器的加工条件推断部分中进行的学习以便获得用于推断放电加工电流值的神经网络的图。

图6是说明在图1的控制器的加工条件推断部分中进行的推断，以便使用从通过参照图5所说明的学习获得的神经网络，推断放电加工电流值的图。

图7是用于说明在图1的控制器的加工条件推断部分中进行的学习，以便获得用于推断最小端面尺寸过小的神经网络的图。

图8是用于说明在图1的控制器的加工条件推断部分中进行的推断，以便通过使用由参照图7说明的学习得到的神经网络推断最小端面尺寸过小的图。

图9是用于说明在图1的控制器的加工条件推断部分进行的学习，以便获得用于推断加工深度的神经网络的图。

图10是用于说明在图1的控制器的加工条件推断部分中进行的推断，以便通过使用由参照图9说明的学习获得的神经网络推断加工深度的图。

现在参照附图说明本发明的一个实施例。

在图1中示出了按照本发明的放电加工控制器的实施例的配置。放电加工控制器在图1中以标号1表示，它控制用于加工工件的放电加工条件。在本实施例中，它确定在短的时间期间中进行粗加工的最佳放电加工条件，和按照所确定的放电加工条件控制放电 加工。

在图1中，标号10表示一个输入部分，如用于输入预定的加工参数数据ID的键盘，该参数数据ID相应于确定放电加工条件所要求的预定的加工参数。预定的加工参数包括电极材料，工件材料，加工面积，加工深度，电极梯度和电极尺寸过小。

放电加工控制器1进一步包括作为其主要部分的一个粗加工条件推断部分20。粗加工条件推断系统部分20使用微计算机系统构成的。粗加工条件推断部分20包括一个粗加工条件学习与推断控制部分21，它控制对粗加工条件的推断和产生的处理，一个基本数据存储器，事先在该基本数据存储器中存储多组基本的加工条件数据，和一个相邻的数据存取部分22，用于访问基本数据存储器23以获得与存储在基本数据存储器23中的预定加工参数数据ID最相关的数据。

基本数据存储器23以多个规定格式的文件存储多组基本加工条件数据。特别是，基本数据存储器23存储象在图3和4中所示的多组基本数据。但是，这些只是存储在基本数据存储器23中的基本数据文件的例子，它实际上按照加工面积的大小存储按照电极材料和工件材料的组合（如石墨电极和铁工件，铜电极和铁工件，等等）和在每个这样的材料组合内分类的包含典型的基本数据的多个文件。图3和4表示存储基本数据的两个基本文件的例子，使用一个铜电极在50mm2和100mm2的机加工面积上加工铁件。虽然仅仅存储在 基本文件中的典型的基本数据是不连续的，放电加工控制器1能够基本典型的基于数据产生最佳放电加工条件。本发明的这个特性使它不需要的收集和存储大量的基本数据。

在该图中，IP表示以1.5A为单位所表示的加工电流（例如数值5表示7.5A的加工电流）。但是，利用恰当设计的电源，它可能通过以较小的间隔，例如以0.5A递增变化加工电流来取得较高的效率。

端面剩余部分称为坯料的厚度（以μm为单位），该坯料厚度是在相应的IP值进行粗加工时留给最后精加工所要求的（最大半径1μ）。这里用Rmax表示最大半径。

图3和图4表示在精加工进行到1μ Rmax的最后成品时每个IP值要求的侧表面剩余部分。如果最后精加工要求的表面光洁度大于1μRmax（如5μ Rmax），侧表面的剩余部分可利用在5μ Rmax和1μ Rmax所要求的数量之间的差进行校正。

端面剩余部分类似于底面的剩余部分，除了它是在横向而不是垂直方向留给精加工所要求的坯料余量之外。

最小端面尺寸过小值表示以相应的IP值和加工深度进行加工所要求的电极尺寸过小。考虑到这样的事实认为：在给定的IP值的最大放电加工切割随着加工深度而增加，因为由二次放电产生的加工变形随着加工深度的增加而增加。图3和图4表示深度与最小端面尺寸过小之间的关系。换句话说，每个最小端面尺寸过小值表示 以术语最小端面尺寸过小表示的电极尺寸过小，是至少在以给定的IP值已粗加工到给定深度之后精加工进行到规定的表面光洁度时所要求的。确定最小端面尺寸过小是必要的，因为当以给定的IP值进行加工时，二次放电产生坯料的加工变形超过规定的切割（该切割和加工变形的总和在这里称为最大切割）。因此最小端面尺寸过小是在精加工条件下的最大切割和在放电加工中的切割的和。因此，最小端面尺寸过小等于电极与工件之间的相对移动量和在使用相同电极精加工被加工的表面的最后精加工步骤中的放电尺寸过大（Oversize）之和。

粗加工条件推断部分20进一步包括一个数值校正部分24，它通过粗加工条件学习与推断控制部分21接收电极尺寸过小和电极梯度，以及按照电极梯度校正电极尺寸过小，一个暂时存储器26，用于暂时地储存由邻近数据存取部分22存取的在学习与推断中使用的邻近数据，和一个加工条件推断部分25，它在粗加工条件学习与推断控制部分21的控制下工作，根据存储在暂时存储器26中的邻近数据进行学习与推断操作，从而产生指示粗加工条件与加工馈送深度之间的关系的一系列数据。这些系列的数据存储在暂时存储器26中。

邻近数据存取部分22接收预定的加工数据，包括代表通过粗加工条件学习与推断控制部分21传送的电极材料、工件材料、加工面积和加工深度的数据，并且电极尺寸过小数据进一步通过数值校 正部分24传送。由邻近数据存取部分22从基本数据存储器23接收的邻近数据至少包括与输入预定加工参数数据接近相关的两组基本加工条件数据，而每组基本加工条件数据包括与加工面积、最小电极尺寸过小、加工深度、最大加工电源等相关的数据。由这些存取的数据和输入数据组成的数据SBD被传送到暂时存储器26。由邻近数据存取部分22存取的至少两组基本数据用于加工条件推断部分25中的学习操作以形成必要的神经网络。

如果使用具有梯度的尖锥形电极，则电极尺寸过小数据不用作输入而由数值校正部分24对利用垂直电极加工进行校正。数值校正部分24接收电极尺寸过小X和电极梯度θ作为输入值。如果该电极没有梯度，则电极尺寸过小X无改变地传送到邻近数据存储部分22。如果有梯度，在被变换为Xcosθ之后，它被传送到邻近数据存储部分22。

现在说明邻近数据存取部分22的操作。

由邻近数据存取部分22存取邻近数据的最好方法的例子如下：

（a）加工面积相关邻近数据从有关相同类的电极材料和工件的该组文件中间取出。加工面积相关的邻近数据意味着在具有最接近有关的加工面积值的文件组中的两个文件（组的数据）。包含在这个方法中的最接近的加工面积值称为邻近的加工面积值。

（b）加工深度相关的邻近数据从在（a）中取出的两个文件中检索出。加工深度相关的邻近数据意味着包含在最接近相关的加工深 度值的两个文件中的两个加工深度值。包含在这个方法中的最接近的加工深度值称为邻近加工深度值。

（c）对于在（b）中检索的每个加工深度值，相应于最接近相关电极尺寸过小的两个最小端面尺寸过小的邻近IP值被检索出。相应于所检索的邻近IP值的最小端面尺寸过小值是邻近的最小端面尺寸小值。

（d）按照前述的过程，学习操作所要求的数据通过获得至少两组邻近的数据而被保护，每组邻近数据由一个邻近的加工面积值，一个邻近的加工深度值，一个邻近的最小端面尺寸过小值和一个邻近IP值组成。

下表表示一个例子，其中预定加工数据为：

电极：铜        工件：铁合金

加工面积：70mm2加工深度：15mm

而且前述过程用于通过从图3和图4中所示的每个文件中选择四组而获得八组的邻近数据。

由于最少两组邻近的数据对于学习操作是足够的，但是，可能从八组中选择两组邻近数据或从与铜电极与铁合金工件相关的加工条件文件中选择希望的两组数据作为邻近的数据。

加工条件推断部分25是由神经网络构成的一个学习与推断部分。图5至图10表示在学习与推断操作期间的输入和输出。在后面讨论的图2A至2F的流程图中，步骤S14和S15相应于图5和图6，步骤S18和S19相应于图7和图8，而步骤S22和S23相应于图9和图10。

暂时存储器26用于在加工条件推断部分25正在学习邻近的数据或进行推断时暂时地存储数据。

粗加工条件推断部分20象一个微计算机那样构成，它按照图2A至图2F的流程图工作和进行处理。粗加工条件学习与推断控制部分21控制加工条件推断部25以便以规定的顺序从暂时存储器26中取出邻近数据的操作和学习，从实际的输入值导向希望的推断值，和通过暂时存储器26传送代表推断结果的数据到加工条件转换部分30。

加工条件转换部分30从粗加工条件推断部分20的暂时存储器26中接收数据OD。数据OD代表加工条件和加工深度，并且由从加工条件推断部分25获得的推断结果组成的。加工条件转换部分30还从位置检测器31接收表示在每个时刻的实际加工深度的加工深 度信号DS。响应数据OD和加工深度信号DS，加工条件转换部分30给一个放电加工设备（未示出）发送一个信号PC，以便转换到放电加工条件，按照数据OD在每个时刻粗加工条件符合加工深度的情况下进行放电加工。（由于在加工过程一个时刻一个时刻地自动转换加工条件的机构在技术领域是众所周知的，因此在本说明书中没有具体地叙述或图示）。

如果需要的话，由在加工条件推断部分25中作为推断结果获得的并且存储在暂时存储器26中加工条件和加工深度组成的数据OD可以在合适的显示设备上显示。也可以根据数据OD写加工程序。特别是，不是直接地按照数据OD控制放电加工单元，可能使用代表加工条件与加工深度之间的关系的数据OD在开始加工之前准备加工程序，然后按照在加工期间的程序操作放电加工单元。

现在参照图2A至2F说明粗加工条件推断部分的操作。

在步骤S10，从输入部分10来的输入数据ID被发送到粗加工条件学习与推断控制部分21。

接着，在步骤S11，粗加工条件学习与推断控制部分21确定电极是否有梯度。如果结果是肯定的，则在步骤S11a校正电极尺寸过小数据和在随后的步骤中使用校正的电极尺寸过小。

在步骤S12，按照加工面积相应的两个数据文件从与电极与工件材料的相符合文件组中检索出（邻近数据存取部分22）。

在步骤S13，从在步骤S12（邻近数据存取部分22）中取出的数 据文件中检索出一个邻近加工面积值、一个邻近电极尺寸过小值、一个邻近加工深度值和一个邻近最大加工电流（邻近IP）值组成的邻近数据。用于选择邻近数据的方法在前面详细说明了。

在步骤S14中，所检索的邻近数据用于学习操作中以形成图5中所示的神经网络，而每个关系被定义为一个功能（机加工条件推断部分25）。

在步骤S15中，按照在步骤S14获得的学习结果的神经网络如图6所示的用于在希望的加工深度达到时从输入加工面积、电极尺寸过小（校正值）和加工深度推断最后的粗加工条件的IP值（机加工条件推断部分25）。但是，在这个方法中得到的IP值一般不是整数值，而且不能用于设定放电加工设置的最大加工电流。由于IP值IP（1）用于粗加工的最后阶段，因此，最接近但不大于可用于设定放电加工设备中的最大电流的推断的IP值被选择了。在这个方法中确定的IP值IP（1）在这里以α表示。

在步骤S16中，IP（1）（在最后步骤中使用的IP值）作为α存储在存储器中。

在步骤S17中，检查在步骤S12中取出的数据文件并且恢复其IP值较接近前述方法中确定的IP值为α的IP值，此后从相应于所恢复的邻近IP值的基本加工数据中检索出在输入电极尺寸过小和加工深度的邻近中的数据（粗加工条件学习与推断控制部分21）。类似于前面参照步骤S13所说明的那样，由于在图7中的学习操作 要求最少两组，所以在这个方法中获得了至少两组的邻近数据。每组的邻近数据由相应于这些值的一个邻近的加工面积值、一个邻近的α值，一个邻近的加工深度值和一个最小端的尺寸过小值组成。

在步骤S18中，在步骤S17中得到的邻近数据类似于图5中那样用于学习操作以形成图7中所示的神经网络（加工条件推断部分25）。

在步骤S19，预定的加工参数中表示的IP值α与加工面积及深度用作推断输入数据按照图8进行推断，当以在放电加工设备中准确设定的IP值α进行加工时，用于推断最小端面尺寸小β。

在步骤S20中，直接在最后步骤（n=1）之前的倒数第二个粗加工步骤（n=2）中使用的IP值，即IP（2）以与在步骤13中相同的方法设定为α+1（粗加工条件学习与推断控制部分21）。

在步骤S21中，在最小端面尺寸过小β附近的电极尺寸过小和加工深度数据从在IP值α+1附近的该组邻近数据中被检索出（邻近数据检索存取部分22）。

在步骤S22中，在步骤S21中得到的至少两组邻近数据用于图9所示的学习操作，每组邻近数据由一个邻近的加工面积值、一个邻近的IP值、一个邻近的最小端面尺寸过小值和邻近的加工深度值组成。因此，每个关系被定义为一个功能并且形成了用于推断中的神经网络。

在步骤S23中，在步骤S22中得到的学习的结果以图10的方 法用于推断加工深度，当IP值设定为α+1时在该加工条件下加工是能够达到该加工深度。IP值α+1和在这时推断出的加工深度被存储在存储器中作为最后条件之前一个阶段的条件（加工条件推断部分25）。

在步骤S24中，进行检查以确定这时所得到的加工深度γ是否大于0。如果是大于0，则在IP增加1到α+2之后，从步骤S20重复相同的过程。当在α+1的情况下，以相同的方法进行学习和推断处理。IP值α+2和在这时所推断出的加工深度存储在存储器中作为最后条件之前两阶段的条件。图9和图10中所示的学习和推断处理分别类似地重复，以便确定相应于IP值为α+3，α+4，…的加工深度，直到加工深度变为零或更小。由IP值和以这个方法得到的相应的加工深度值组成的数据组被存储在存储器中作为最后条件之前的三阶段、四阶段、…的条件。

当以这个方法推断出的深度变为等于或小于0时，IP值和到此点为止各阶段所得到的相应的加工深度被发送到加工条件转换部分30（粗加工条件学习与推断控制部分21）。

如在前面所述的，按照本发明，推断出和学习机加工条件，这些条件使放电加工设备在进行工件的放电加工时利用其全部的能力，而加工是按照推断出的加工条件自动地进行的。因此，本发明通过缩短加工时间，特别是粗加工时间显著地改善了放电加工的效率，所以克服了这类加工的一个主要缺点。