CN110769960B - 收弧调整装置、焊接系统、收弧调整方法以及计算机程序 - Google Patents

Abstract

收弧调整装置(5)，调整重复进行的焊接工序中的收弧过程，具备：取得部，其取得表示下一焊接工序所涉及的焊接状态的焊接数据；和过程调整部，其基于在该取得部取得的焊接数据来调整所述收弧过程，以使的焊接工序的循环时间缩短。

Description

收弧调整装置、焊接系统、收弧调整方法以及计算机程序

技术领域

本发明涉及调整焊接工序中的收弧(arc end)过程的收弧调整装置、焊接系统、收弧调整方法以及计算机程序。

背景技术

作为焊接方法之一而有自耗电极式的气体保护电弧焊接法。气体保护电弧焊接法是使被进给到母材的被焊接部的焊丝与母材之间产生电弧、用电弧的热来焊接母材的手法，特别为了防止成为高温的母材的氧化，一边将保护气体喷射到焊接部周边一边进行焊接。

在连续生产中，在进行利用焊接机器人的电弧焊接的情况下，在使焊接喷枪向焊接开始位置移动后，开始焊丝减速，在焊丝与母材接触的定时通过提供焊接电流的起弧过程来使电弧产生。另外，在焊接结束时进行抗粘处理，对焊丝提供小电流来使焊丝燃起一定时间(例如专利文献1)。进行抗粘处理的理由如下那样。在对焊丝进给机输入停止信号后，进给电动机也会因惯性力而进给焊丝。因此，焊丝进入熔池，若熔池冷却，焊丝的前端部就会固着(粘住)在熔敷金属。为了防止该固着，需要在对焊丝进给机输入停止信号后，通过接通比焊接电流值小的电流来使焊丝熔融，从而防止焊丝进入熔池。

另外，在专利文献2中公开了如下技术：通过机器学习来自动设定焊接条件，该机器学习利用了对焊接部位摄像而得到的图像数据、通过对该图像数据进行处理而得到的焊道的外观数据、溅射产生量数据等。

另外，在专利文献3中，公开了基于焊接工序中测量的焊接电流、焊接电流、焊丝进给速度等焊接监视数据来进行焊接结果的良好与否判定的技术。

现有技术文献

专利文献

专利文献1：JP特开2011-200867号公报

专利文献2：JP特开2017-30014号公报

专利文献3：JP特开2017-39160号公报

发明的概要

发明要解决的课题

然而，由于抗粘处理给循环时间带来影响，因此其处理时间短为好。但在强行缩短抗粘处理所需的时间的情况下，有时会产生导电嘴或母材熔敷等不良状况，或从导电嘴突出的焊丝成为不适当的长度，有下一焊接工序中的起弧处理所需的时间变长，另外因起弧失败而反而循环时间变长的问题。另外在强行缩短抗粘处理所需的时间的情况下，有时会给焊接性带来不良影响。

为了担保焊接品质，需要作业人员以手工作业重复试行收弧处理，从大量的试行结果设定为认为最佳的条件。

发明内容

本发明的目的在于，提供能自动调整抗粘处理、熔敷解除处理等收弧处理所需的时间、使焊接工序的循环时间缩短的收弧调整装置、焊接系统、收弧调整方法以及计算机程序。

用于解决课题的手段

本方案所涉及的收弧调整装置调整重复进行的焊接工序中的收弧过程，所述收弧调整装置具备：取得部，其取得表示抗粘处理的结果以及下一焊接工序所涉及的焊接状态的焊接数据；和过程调整部，其基于在该取得部取得的焊接数据来调整所述收弧过程，以使得焊接工序的循环时间缩短。

根据本方案，取得部取得焊接数据，过程调整部基于取得的焊接数据来调整收弧过程。焊接数据是表示抗粘处理的结果、以及紧接该抗粘处理的下一焊接工序中的焊接的状态的信息，包含有助于是否能通过将收弧过程缩短化来缩短循环时间、或是否应使循环时间延长等判定的信息。过程调整部能通过使用相关的焊接数据来调整收弧过程，使得不使焊接结果变差地缩短所述焊接工序的循环时间，能缩短焊接工序的循环时间。

另外，本方案所涉及的收弧调整装置进行一个焊接电源中的收弧处理，更详细地进行一个焊丝所涉及的收弧处理。下一焊接工序不是在生产线的下游侧进行的焊接工序，而是在上述一个焊接电源接下来进行的焊接工序。即使是在生产线设置有多个焊接电源的情况，收弧调整装置也对每个焊接电源即每个焊丝进行收弧过程的调整。另外，不言自明地，可以在各焊接电源设置收弧调整装置，也可以构成为一个收弧调整装置分别调整多个焊接电源中的收弧过程。

本方案所涉及的收弧调整装置具备：良好与否判定部，其基于在所述取得部取得的焊接数据来判定抗粘处理以及下一焊接工序的焊接结果的良好与否，所述过程调整部决定所述收弧过程的变更内容，使得在所述良好与否判定部判定为良好的情况下，缩短所述循环时间，在所述良好与否判定部判定为不良的情况下，延长所述循环时间。

根据本方案，在抗粘处理的结果以及下一焊接工序中的焊接结果良好的情况下，收弧调整装置由于存在通过将收弧过程缩短化来使焊接工序的循环时间缩短的余地的可能性，因此使焊接工序的循环时间缩短。在抗粘处理的结果以及下一焊接工序中的焊接结果不良的情况下，收弧调整装置使焊接工序的循环时间延长。通过相关的调整处理，能缩短焊接工序的循环时间，以极力使得焊接结果不会变差。

本方案所涉及的收弧调整装置中，所述过程调整部执行：在使所述焊接工序的循环时间缩短的结果是抗粘处理以及下一焊接工序的焊接结果从良好的状态变化到不良状态的情况下，在循环时间缩短前的所述收弧过程确定调整，使确定的所述收弧过程存储到存储部。

根据本方案，能将焊接工序的循环时间最短化，存储部存储循环时间最短的收弧过程。该最短的收弧过程不一定是逻辑上的循环时间最短的收弧过程。最短的收弧过程是指，在使焊接工序的循环时间缩短来进行焊接的结果是抗粘处理或下一焊接工序的焊接结果从良好的状态变化到不良状态时的循环时间缩短前的收弧过程。

以后能使用存储部所存储的收弧过程直接将循环时间最短化。

本方案所涉及的收弧调整装置中，所述良好与否判定部具备：良好与否判定神经网络，其在被输入表示下一焊接工序所涉及的焊接状态的所述焊接数据的情况下，使神经网络学习，以使得输出表示得到该焊接数据时的焊接工序所涉及的焊接结果的良好与否的数据。

根据本方案，良好与否判定神经网络例如是学习完毕深度神经网络，能合适地判定焊接结果的良好与否。该神经网络的种类并没有特别限定。配合焊接数据的特性，适宜选择CNN(Convolutional Neural Network，卷积神经网络)、RNN(Recurrent NeuralNetwork，循环神经网络)、LSTM(Long Short-Term Memory，长短期记忆)等即可。

本方案所涉及的收弧调整装置中，所述过程调整部具备：过程调整神经网络，其在被输入所述焊接数据的情况下，使神经网络学习，以使得输出能缩短所述焊接工序的循环时间的表示所述收弧过程的变更内容的数据。

根据本方案，过程调整神经网络例如是学习完毕深度神经网络，能合适地调整收弧过程。该神经网络的种类并没有特别限定。配合焊接数据的特性适宜选择CNN、RNN、LSTM等即可。

本方案所涉及的收弧调整装置中，所述过程调整神经网络输出表示所述收弧过程的变更量的数据。

根据本方案，过程调整神经网络能不是输出是否应使焊接工序的循环时间缩短，而是输出能调整的收弧过程的变更量。例如过程调整神经网络在焊接结果非常稳定的情况下，能输出大的变更量，在虽然焊接结果良好但不稳定的情况下，能输出小的变更量。因此，能更迅速地使焊接工序的循环时间缩短。

本方案所涉及的收弧调整装置中，具备：良好与否判定部，其基于在所述取得部取得的焊接数据来判定抗粘处理以及下一焊接工序的焊接结果的良好与否；和学习处理部，其基于在将所述收弧过程调整后得到的所述良好与否判定部的判定结果来使所述过程调整神经网络学习。

根据本方案，过程调整神经网络使用表示调整收弧过程时的焊接结果的数据来进行学习。因此，能更有效果地使焊接工序的循环时间缩短，以使焊接结果不会变差。

本方案所涉及的收弧调整装置中，所述学习处理部使所述过程调整神经网络学习，以使得在所述良好与否判定部判定为良好的情况下，缩短所述循环时间，在所述良好与否判定部判定为不良的情况下，延长所述循环时间。

根据本方案，能使过程调整神经网络向缩短焊接工序的循环时间的方向学习。通过该学习，能使焊接工序的循环时间最短化。

本方案所涉及的收弧调整装置中，所述学习处理部执行：使所述过程调整神经网络学习，以使得在焊接结果为良好以及不良的中间的状态的情况下，维持所述循环时间。

根据本方案，在焊接结果为良好以及不良的中间的状态的情况下，能使过程调整神经网络学习，以使得维持焊接工序的循环时间。中间的状态是虽然焊接结果为比较良好的状态但在进一步使循环时间缩短的情况下就有焊接结果变差的可能性的状态。通过该学习，能使焊接工序的循环时间最短化，且能使焊接结果在良好的状态稳定化。

本方案所涉及的收弧调整装置中，所述良好与否判定部具备：良好与否判定神经网络，其使神经网络学习，使得在被输入表示下一焊接工序所涉及的焊接状态的所述焊接数据的情况下，输出表示得到该焊接数据时的焊接工序所涉及的焊接结果的良好与否的数据。

根据本方案，良好与否判定神经网络例如是学习完毕深度神经网络，能合适地判定焊接结果的良好与否。通过使用良好与否判定神经网络的良好与否判定结果，能更有效果地使过程调整神经网络学习。

本方案所涉及的收弧调整装置中，所述过程调整神经网络包含与所述良好与否判定神经网络的全部或一部分实质相同的网络结构。

根据本方案，过程调整神经网络包含与良好与否判定神经网络的全部或一部分实质相同的神经元结构。例如，过程调整神经网络的一部分具有与良好与否判定神经网络的全部或一部分相同或实质相同的中间层以及权重系数。由于焊接结果的良好与否的判定和收弧过程的调整内容具有一部分共通的特征，因此能将良好与否判定神经网络在过程调整神经网络中沿用。即，能将过程调整神经网络的权重系数的初始值设定为更合适的值。因此，即使用于学习收弧过程的学习数据不足，只要能充分准备表示焊接数据以及焊接结果的良好与否的数据的学习数据，就能合适地设定过程调整神经网络的权重系数的初始值，能使过程调整神经网络更有效率地学习。另外，不言自明地，能相同地构成过程调整神经网络以及良好与否判定神经网络的网络结构。

本方案所涉及的收弧调整装置中，具备：状态数据取得部，其取得包含对收弧处理中的焊接喷枪、焊丝以及母材在多个时间点摄像而得到的图像数据的状态数据，所述过程调整部具备：评价部，其基于在所述状态数据取得部取得的状态数据以及表示所述收弧过程所涉及的行动的行动数据来算出针对所述状态数据所表示的状态下的所述行动的评价值；和行动选择部，其选择在所述评价部算出的评价值最大的行动。

根据本方案，基于包含将收弧处理中的焊接喷枪、焊丝以及母材在多个时间点摄像而得到的图像数据的状态数据，使用强化学习过的评价部来选择最佳的收弧过程所涉及的行动。

本方案所涉及的收弧调整装置具备：良好与否判定部，其基于在所述取得部取得的焊接数据来判定抗粘处理以及下一焊接工序的良好与否；回报算出部，其基于在调整所述收弧过程后得到的所述良好与否判定部的判定结果和焊接结束后直到开始下一焊接工序中的焊接为止的时间来算出针对所述收弧过程的回报；和强化学习部，其基于在所述状态数据取得部取得的状态数据、表示所述收弧过程所涉及的行动的行动数据以及在所述回报算出部算出的回报来使所述评价部学习。

根据本方案，能强化学习缩短了焊接工序的循环时间的收弧过程。

本方案所涉及的收弧调整装置中，所述评价部具备：评价神经网络，其在被输入在所述状态数据取得部取得的状态数据以及表示所述收弧过程所涉及的行动的行动数据的情况下，输出针对所述状态数据所表示的状态下的所述行动的评价值。

根据本方案，能深度强化学习缩短了焊接工序的循环时间的收弧过程。

本方案所涉及的收弧调整装置中，表示抗粘处理的结果的所述焊接数据包含表示熔敷解除处理时的电流的数据、焊丝的前端部的图像以及焊丝的前端部的温度的至少一者，表示下一焊接工序所涉及的焊接状态的所述焊接数据包含表示焊接工序中检测到的焊接电流以及焊接电压、焊丝的进给速度、短路状况、焊接工序中收集的焊接音、和焊接结束后摄像的焊接部位的图像的至少一者的数据。

根据本方案，能基于表示熔敷解除处理时的电流的数据、焊丝的前端部的图像、以及焊丝的前端部的温度的至少一者来判定抗粘处理的良好与否。另外，能使用表示下一焊接工序中的焊接工序中检测到的焊接电流以及焊接电压、焊丝的进给速度、短路状况、焊接工序中收集的焊接音、和焊接结束后摄像的焊接部位的图像的至少一者的数据来调整收弧过程。

本方案所涉及的收弧调整装置中，所述收弧过程包含抗粘处理中的焊接电压以及焊接电流、所述抗粘处理的时间、焊丝的回抽时间、和熔敷解除处理的时间以及重试次数的至少一者。

根据本方案，通过调整抗粘处理中的焊接电压以及焊接电流、该抗粘处理的时间、焊丝的回抽时间、和熔敷解除处理的时间以及重试次数，能缩短收弧处理或焊接工序的循环时间。

本方案所涉及的收弧调整装置中，具备：接受部，其接受由所述过程调整部进行收弧过程的调整的调整强度，所述过程调整部以在所述接受部接受到的调整强度进行收弧过程的调整。

根据本方案，使用者能任意设定由上述过程调整部进行的收弧过程的自动调整的程度。

本方案所涉及的焊接系统具备：上述任意一个收弧调整装置；保持焊接喷枪的焊接机器人；和对所述焊接喷枪提供焊接电流的焊接电源。

根据本方案，具备焊接机器人以及焊接电源的焊接系统能使焊接工序的循环时间缩短。另外，收弧调整装置可以设于焊接机器人以及焊接电源的内部，也可以设于控制焊接机器人以及焊接电源的动作的控制装置的内部，还可以在焊接机器人、焊接电源以及控制装置的外部分体设置。另外，收弧调整装置可以是服务器，控制装置或焊接电源可以构成为与该服务器进行通信，缩短焊接工序的循环时间。

本方案所涉及的收弧调整方法是调整重复进行的焊接工序中的收弧过程的收弧调整方法，取得表示抗粘处理的结果以及下一焊接工序所涉及的焊接状态的焊接数据，基于取得的焊接数据来调整所述收弧过程，以使得焊接工序的循环时间缩短。

根据本方案，能使焊接工序的循环时间缩短。收弧调整方法是构成焊接系统的焊接电源、控制装置等自动实施的方案，也可以由作业员在焊接系统连接收弧调整装置来实施收弧调整方法。

本方案所涉及的计算机程序用于使计算机调整重复进行的焊接工序中的收弧过程，所述计算机程序用于使所述计算机执行如下处理：取得表示抗粘处理的结果以及下一焊接工序所涉及的焊接状态的焊接数据，基于取得的焊接数据来调整所述收弧过程，以使得焊接工序的循环时间缩短。

根据本方案，能使计算机作为上述收弧调整装置发挥功能。

发明的效果

根据本发明，能自动调整抗粘处理、熔敷解除处理等收弧处理所需的时间，能使焊接工序的循环时间缩短。

附图说明

图1是表示实施方式1所涉及的电弧焊接系统的示意图。

图2是表示实施方式1所涉及的收弧调整装置的框图。

图3A是表示收弧过程的概念图。

图3B是表示收弧过程的概念图。

图4是表示实施方式1所涉及的收弧调整装置的功能框图。

图5是表示实施方式1所涉及的收弧调整方法的流程图。

图6是表示实施方式2所涉及的收弧调整装置的功能框图。

图7是表示过程调整部的网络结构的概念图。

图8是表示实施方式3所涉及的收弧调整装置的功能框图。

图9是表示实施方式4所涉及的收弧调整装置的功能框图。

图10是表示实施方式5所涉及的电弧焊接系统的示意图。

图11是表示收弧调整画面的示意图。

具体实施方式

以下对本发明基于表示其实施方式的附图来进行详述。另外，也可以组合以下记载的实施方式的至少一部分。

(实施方式1)

图1是表示实施方式1所涉及的电弧焊接系统的示意图。本实施方式所涉及的电弧焊接系统是自耗电极式的气体保护电弧焊接机，具备焊接机器人1、焊接电源2、控制装置3、摄像装置4以及收弧调整装置5。收弧调整装置5设于控制装置3。另外，为了作图以及说明的方便而说明为收弧调整装置5的组件包含在控制装置3中，但控制装置3以及收弧调整装置5也可以是浑然一体的结构，也可以看上去由控制装置3的硬件以及软件实现收弧调整装置5的功能。另外，收弧调整装置5可以设于焊接电源2，也可以设于其他装置。进而，也可以构成为在多个装置以及服务器对收弧调整装置5的功能进行分散处理。

焊接机器人1自动进行母材A的电弧焊接。焊接机器人1具备固定于地面的适宜部位的基部。在基部经由轴部能来回转动地连结有多个臂，在臂的前端部保持有焊接喷枪11。另外，在臂的适宜部位设有焊丝进给装置12。在各臂的连结部分设有电动机，通过电动机的旋转驱动力而各臂以轴部为中心来回转动。电动机的旋转通过控制装置3控制。控制装置3能通过使各臂来回转动来使焊接喷枪11相对于母材A上下前后左右移动。另外，在各臂的连结部分设有将表示臂的来回转动位置的信号向控制装置3输出的编码器，控制装置3基于从编码器输出的信号来认识焊接喷枪11的位置。

焊接喷枪11由铜合金等导电性材料构成，具有向焊接对象的母材A引导焊丝W并提供电弧的产生所需的焊接电流的圆筒形状的导电嘴。焊接电流从焊接电源2提供。焊丝W从未图示的焊丝提供源通过焊丝进给装置12被提供到焊接喷枪11。焊丝W例如是实心焊丝，作为自耗电极发挥功能。

导电嘴与插通其内部的焊丝W接触，将焊接电流提供给焊丝W。另外，焊接喷枪11形成围绕导电嘴的中空圆筒形状，具有从前端的开口向母材A喷射保护气体的喷嘴。保护气体用于防止通过电弧熔融的母材A以及焊丝W的氧化。保护气体例如是碳酸气体、碳酸气体以及氩气体的混合气体、氩等惰性气体等。保护气体从焊接电源2提供。

焊接电源2具备电源部21、焊丝进给控制部22、保护气体提供部23以及检测部24。电源部21经由供电线缆与焊接喷枪11的导电嘴以及母材A连接，提供焊接电流。焊丝进给控制部22对焊丝进给装置12的焊丝W的进给速度进行控制。保护气体提供部23将保护气体提供给焊接喷枪11。检测部24包含：检测焊接工序中流过电弧的焊接电流和抗粘处理以及熔敷解除处理中的电流的电流检测部；检测对焊接喷枪11以及母材A施加的电压的电压检测部。电源部21包含输出基于检测部24中检测到的焊接电流以及焊接电压而被PWM控制的直流电流的电源电路、信号处理电路等。另外，焊接电源2将表示焊接工序中的焊接状态、抗粘处理以及熔敷解除处理的状态的焊接监视数据向控制装置3输出。焊接监视数据例如是表示焊接工序中检测到焊接电流或焊接电压的焊接电流数据或焊接电压数据。另外，在焊接监视数据中，包含抗粘处理以及熔敷解除处理中检测到的电压或电流的数据。进而作为焊接监视数据，也可以将表示焊丝W的进给速度的进给速度数据、表示短路状况的短路状况数据、在未图示的麦克风收集而得到的焊接音数据向控制装置3输出。

另外，上述焊接监视数据是表示抗粘处理的结果以及下一焊接工序所涉及的焊接状态的焊接数据的一例。

摄像装置4对抗粘处理中以及熔敷解除处理中的焊丝W的前端部或焊接部位进行摄像，另外在焊接工序后对母材A的焊接部位进行摄像，将摄像而得到的图像数据向控制装置3输出。另外，摄像装置4也可以是检测焊丝W的前端部的温度的红外线摄像机。

另外，上述图像数据是表示抗粘处理的结果以及下一焊接工序所涉及的焊接状态的焊接数据的一例。

控制装置3对焊接机器人1的动作进行控制，并将焊接电流、焊接电压、焊丝W的进给速度、保护气体的提供量等焊接条件向焊接电源2输出来控制焊接电源2的动作。控制装置3存储针对母材A的材质以及坡口的种类等的各种焊接条件。另外，控制装置3输出收弧过程来使收弧处理执行。控制装置3所存储的上述焊接条件不一定是最佳，关于收弧过程，能在焊接结果不会变差的范围内由收弧调整装置5进行调整，以使焊接工序的循环时间最短化。

另外，在图1中仅图示了一组焊接电源2以及焊接喷枪11，但在生产线中设置了多个焊接电源2的情况下，可以构成为一个收弧调整装置5对多个焊接电源2的每一者分别调整该电源中的收弧过程，也可以构成为在多个焊接电源2分别各别设置收弧调整装置5，来调整各电源中的收弧过程。

图2是表示实施方式1所涉及的收弧调整装置5的框图。收弧调整装置5具备控制该收弧调整装置5的各结构部的动作的控制部50。在控制部50连接有输入部50a、输出部50b以及存储部50c。

存储部50c是EEPROM(Electrically Erasable Programmable ROM，电可擦可编程只读存储器)、闪速存储器等非易失性存储器。存储部50c存储用于在焊接结果不会变差的范围内将收弧处理最佳化、使焊接工序的循环时间最短化的计算机程序50d。

控制部50是具有CPU(Central Processing Unit，中央处理器)、GPU(GraphicsProcessing Unit，图形处理器)或多核CPU等处理器、ROM(ReadOnly Memory，只读存储器)、RAM(Random Access Memory，随机存取存储器)、输入输出接口等的计算机，在接口连接有输入部50a、输出部50b以及存储部50c。控制部50通过执行存储部50c所存储的计算机程序50d，来实施使在生产线重复进行焊接的连续生产中的该焊接工序的循环时间最短化的收弧调整方法，使计算机作为收弧调整装置5发挥功能。另外，重复进行的焊接工序是指：设置于生产线的一个焊接电源2或焊接喷枪11重复进行的焊接。

输入部50a与焊接电源2以及摄像装置4连接。对输入部50a输入从焊接电源2输出的焊接监视数据和从摄像装置4输出的图像数据。焊接监视数据例如是表示焊接工序中的焊接电流以及焊接电压、抗粘处理以及熔敷解除处理中的电流以及电压、焊丝W的进给速度、短路状况、焊接音等的时间序列数据。图像数据是表征焊丝W的前端部的外观、焊接后的焊道的外观的数据。另外，图像数据可以是用红外线摄像机摄像的表征焊丝W前端部的温度的数据。

输出部50b与焊接机器人1以及焊接电源2连接。控制部50对焊接工序以及收弧过程进行控制，另外将用于变更收弧过程的控制数据向焊接机器人1以及焊接电源2输出。用于变更收弧过程的控制数据可以是指示收弧过程的变更的数据，也可以是表示过程变更后的收弧过程的数据。

图3A以及图3B是表示收弧过程的概念图。特别地，图3A表示抗粘处理，图3B表示熔敷解除处理的过程。

结束了焊接处理的控制装置3如图3A所示那样，将比焊接时小的电流Ia以及电压Va提供所需的抗粘处理时间ta，使焊丝W的前端部熔融并燃起，在该前端部形成适当的尺寸的凝固球。另外，也可以执行将焊丝W上拉给定的回抽时间的处理。

通过将抗粘处理最佳化，能使从焊接喷枪11的嘴突出的焊丝W的长度成为能没有停滞地开始下一焊接工序的长度，另外，无论是凝固球的形状以及大小还是下一焊接工序的焊接性都变得良好。

另外，由于有在焊接结束时焊丝W熔敷在母材A的可能性，因此如图3B所示那样，控制装置3执行处理，通过将所需的焊接解除所涉及的电流Ir在所需的焊接解除处理时间tr之间提供给焊丝W，来将熔敷部位熔断。另外，由于有以1次的熔断处理不能消除熔敷的情况，因此在未消除熔敷的情况下，执行所需的重试次数Nr的熔敷解除处理。熔敷的有无能通过检测流过焊丝W的电流进行判定。

图4是表示实施方式1所涉及的收弧调整装置5的功能框图。收弧调整装置5作为功能块而具备焊接监视数据取得部51a、图像数据取得部51b、第1良好与否判定部52a、第2良好与否判定部52b、抗粘良好与否判定部52c、良好与否综合判定部54、过程调整部55和收弧控制部56、最短过程存储部57。

焊接监视数据取得部51a取得从焊接电源2输出的焊接监视数据，将取得的焊接监视数据向第1良好与否判定部52a以及抗粘良好与否判定部52c输出。

图像数据取得部51b取得从摄像装置4输出的图像数据，将取得的图像数据向第2良好与否判定部52b以及抗粘良好与否判定部52c输出。

第1良好与否判定部52a具备在被输入焊接监视数据的情况下输出表示得到该焊接监视数据时的焊接工序所涉及的焊接结果的良好与否的数据的良好与否判定RNN53a(Recurrent Neural Network，循环神经网络)。良好与否判定RNN53a例如是学习完毕的递归型神经网络。

良好与否判定RNN53a在输出层具备例如输出表示焊接结果良好的概率的数据的第1神经元和输出表示焊接结果不良的概率的数据的第2神经元。在该情况下，表示上述良好与否的数据是从第1以及第2神经元输出的数据。

另外，良好与否判定RNN53a可以在输出层具备以2值输出焊接结果的良好与否的神经元。在该情况下，表示上述良好与否的数据是从该神经元输出的2值的数据。

进而，良好与否判定RNN53a可以在输出层具备输出表示焊接结果的良好与否的程度的模拟值的神经元。

良好与否判定RNN53a将焊接监视数据(输入数据)和表示与该焊接数据对应的焊接结果的良好与否的数据(教师数据)作为学习数据提供给学习前的递归型深度神经网络来使其学习即可。

另外，良好与否判定RNN53a的中间层的层数、各层的神经元数等其结构并没有特别限定。另外，良好与否判定RNN53a不一定非要是递归型神经网络，也可以由其他种类的神经网络构成。

第2良好与否判定部52b具备在被输入图像数据的情况下输出表示得到该图像数据时的焊接工序所涉及的焊接结果的良好与否的数据的良好与否判定CNN53b(Convolutional Neural Network，卷积神经网络)。良好与否判定CNN53b是学习完毕的卷积神经网络。

良好与否判定CNN53b在输出层具备例如输出表示焊接结果良好的概率的数据的第3神经元和输出表示焊接结果不良的概率的数据的第4神经元。在该情况下，上述表示良好与否的数据是从第3以及第4神经元输出的数据。

另外，良好与否判定CNN53b可以在输出层具备以2值输出焊接结果的良好与否的神经元。在该情况下，上述表示良好与否的数据可以是从该神经元输出的2值的数据。

进而，良好与否判定CNN53b可以在输出层具备表示焊接结果的良好与否的程度的模拟值的神经元。

良好与否判定CNN53b将图像数据(输入数据)和表示与该焊接数据对应的焊接结果的良好与否的数据(教师数据)作为学习数据提供给学习前的卷积神经网络来使其学习即可。

另外，良好与否判定CNN53b的中间层的层数、各层的神经元数等其结构并没有特别限定。另外，良好与否判定CNN53b不一定非要是卷积神经网络，也可以由其他种类的神经网络构成。

抗粘良好与否判定部52c例如通过判定收弧处理的熔敷解除处理时流过的电流是否是阈值以上来判定抗粘处理的良好与否，将判定结果向良好与否综合判定部54输出。

另外，抗粘良好与否判定部52c基于抗粘处理时摄像的焊丝W的前端部的图像来判定抗粘处理的良好与否，将判定结果向良好与否综合判定部54输出。例如基于形成于焊丝W的前端部的凝固球的大小是否是给定范围内、凝固球的形状是否适合给定型式来判定抗粘处理的良好与否。

良好与否综合判定部54，基于从第1良好与否判定部52a、第2良好与否判定部52b以及抗粘良好与否判定部52c输出的数据来判定抗粘处理以及下一工序中的焊接结果的良好与否，将判定结果向过程调整部55输出。

例如良好与否综合判定部54将从良好与否判定RNN53a的第1以及第2神经元输出的数据、从良好与否判定CNN53b的第3以及第4神经元输出的数据和抗粘良好与否判定部52c的判定结果综合起来进行判定。具体地，可以通过将从第1神经元以及第3神经元输出的数据的值之和与从第2以及第4神经元输出的数据的值之和进行比较来判定下一焊接结果的良好与否。另外，可以将从各神经元输出的数据的值加权相加来进行比较。然后，良好与否综合判定部54在下一焊接工序中的焊接结果良好且抗粘处理的结果也良好的情况下综合判定为良好。

另外，在从良好与否判定RNN53a以及良好与否判定CNN53b输出2值数据的结构的情况下，良好与否综合判定部54在第1良好与否判定部52a以及第2良好与否判定部52b双方输出表示是良好的数据的情况下，将下一焊接工序的焊接结果判定为良好，在第1良好与否判定部52a以及第2良好与否判定部52b的一方输出表示是不良的数据的情况下，将下一焊接工序的焊接结果判定为不良。另外，综合判定的方法是一例，也可以构成为在第1良好与否判定部52a以及第2良好与否判定部52b的一方输出表示是良好的数据的情况下，将下一焊接工序的焊接结果判定为良好。

过程调整部55调整收弧过程，在良好与否综合判定部54的判定结果为良好的情况下，缩短焊接工序的循环时间，在判定结果为不良的情况下，延长焊接工序的循环时间，将调整结果向收弧控制部56输出。调整结果例如是收弧过程的各种参数、即表示抗粘处理中的电流、电压以及时间、回抽时间、熔敷解除处理中的电流、时间、重试次数等的增减的数据，过程调整部55将表示使收弧过程的各种参数的至少一者增减的数据向收弧控制部56输出。

过程调整部55在1次的调整处理中可以变更多个参数的值，也可以变更一个参数的值。另外，在直到循环时间成为最短为止都重复执行后述的步骤S11～步骤S19来进行收弧过程的调整的情况下，可以构成为在重复进行的各调整处理中调整不同的参数。例如可以在第1次调整中调整抗粘处理时间，在第2次的调整中调整熔敷解除处理时间等。

另外，也可以构成为让各参数的增减量带有相关地使变量减少。另外，也可以构成为将变更量限制在标准的参数值起给定比例的范围内。

另外，过程调整部55在做出使焊接工序的循环时间缩短的决定的结果是焊接结果从良好的状态变化为不良状态的情况下，使循环时间缩短前的收弧过程存储到最短过程存储部57。

进而，以上说明了在判定结果不良的情况下调整收弧过程以使焊接工序的循环时间延长的示例，但也可以构成为调整参数，以使得维持循环时间并且让判定结果变得良好。

收弧控制部56通过基于过程调整部55的调整结果将用于变更收弧过程的控制数据向焊接电源2输出，来控制收弧。其中，在最短过程存储部57存储了焊接工序的循环时间成为最短的收弧过程的情况下，收弧控制部56基于最短过程存储部57所存储的收弧过程来控制收弧。

接下来说明收弧过程的调整所涉及的控制部50的处理过程。

图5是表示实施方式1所涉及的收弧调整方法的流程图。控制部50例如对连续生产中的各焊接工序的每一者重复执行以下的处理。控制部50判定存储部50c是否存储有循环时间最短的收弧过程(步骤S11)。在判定为存储有循环时间最短的收弧过程的情况下(步骤S11“是”)，控制部50基于存储部50c所存储的最短的收弧过程来进行收弧(步骤S12)。例如控制部50通过将表示最短的收弧过程的控制数据向焊接电源2输出来控制收弧。当然，控制部50也可以通过将表示用于设为循环时间成为最短的收弧过程的变更量的控制数据向焊接电源2输出来控制收弧。

在判定为存储部50c未存储有循环时间最短的收弧过程的情况下(步骤S11“否”)，控制部50取得焊接监视数据(步骤S13)，取得图像数据(步骤S14)。然后，控制部50基于取得的焊接监视数据以及图像数据来判定抗粘处理以及焊接结果的良好与否(步骤S15)。例如控制部50使用学习完毕的良好与否判定RNN53a以及良好与否判定CNN53b来判定焊接结果的良好与否。抗粘处理以及熔敷解除处理的良好与否用熔敷解除处理时的电流进行判定。

接下来，在判定为焊接结果良好的情况下(步骤S15“是”)，控制部50使焊接工序的循环时间缩短(步骤S16)。在判定为焊接结果不良的情况下(步骤S15“否”)，判定前次使焊接工序缩短的结果是否是焊接结果从良好的状态变化到不良状态(步骤S17)。该向不良状态的变化当然并不限定于仅用一个焊接结果进行判定的结构，还包含使用2个以上的焊接结果进行判断的结构。例如也可以在10次中以一定的比例以上焊接结果为不良状态的情况下，判定为向不良状态变化。在判定为焊接结果未从良好的状态变化到不良状态的情况下(步骤S17“否”)，控制部50使焊接工序的循环时间延长(步骤S18)。结束了步骤S16或步骤S18的处理的控制部50基于调整后的收弧过程来控制收弧(步骤S19)。具体地，控制部50通过将表示调整处理后的收弧过程的控制数据向焊接电源2输出来控制收弧。当然，控制部50也可以通过将表示收弧过程的变更量的控制数据向焊接电源2输出来控制收弧。

在使焊接工序的循环时间缩短的结果是判定为焊接结果从良好的状态变化到不良状态的情况下(步骤S17“是”)，控制部50将焊接工序的循环时间回到缩短前的收弧过程(步骤S20)，将循环时间缩短前的收弧过程作为循环时间最短的收弧过程存储到存储部50c(步骤S21)，将处理回到步骤S12。

根据如此构成的收弧调整装置5、焊接系统、收弧调整方法以及计算机程序50d，能不使焊接结果变差地将收弧处理最佳化，使焊接工序的循环时间有效果地缩短。

另外，由于是使最短化的收弧过程存储在存储部50c的结构，因此以后收弧调整装置5能迅速使焊接工序的循环时间最短化，来控制焊接。

另外，在本实施方式1中说明了收弧调整装置5具备学习完毕的良好与否判定RNN53a以及良好与否判定CNN53b的示例，但也可以构成为从外部服务器下载、更新规定第1良好与否判定部52a以及第2良好与否判定部52b的神经网络的各种参数。参数例如是包含中间层的阶层数、各层的神经元的数量、各神经元的权重系数、激活函数的种类等的信息。另外，收弧调整装置5也可以构成为存储表示是否许可使下载的各种参数反映到第1良好与否判定部52a以及第2良好与否判定部52b的标记，在标记表示许可的情况下使用下载的参数来更新良好与否判定RNN53a以及良好与否判定CNN53b的神经网络。

另外，也可以在工厂内在具备收弧调整装置5的焊接系统被设置多个的情况下，根据需要让各焊接系统的收弧调整装置5交换上述参数。

进而，也可以将收弧调整装置5构成为云服务器。焊接电源2或控制装置3可以对该服务器请求收弧过程的调整，接收对应于请求从服务器发送的收弧过程的调整量，对收弧过程进行调整。

进而，收弧调整装置5也可以设置在焊接电源2。另外，收弧调整装置5可以作为收弧过程调整用的专用装置来实施。作业人员在焊接系统连接该专用装置，能自动调整收弧过程。

进而，另外说明了第1良好与否判定部52a以及第2良好与否判定部52b具备良好与否判定RNN53a以及良好与否判定CNN53b的示例，但也可以构成为各判定部的双方或一方不使用神经网络地判定焊接结果的良好与否。例如，第1良好与否判定部52a可以以比较焊接电流值和给定的阈值的单纯的判定处理来判定良好与否。另外，第2良好与否判定部52b可以从图像数据提取给定的特征量，以将特征量的有无、特征量的数量等与阈值进行比较的单纯的判定处理来判定良好与否。进而，不需要具备第1良好与否判定部52a以及第2良好与否判定部52b双方，具备任意一方即可。在该情况下，不需要良好与否综合判定部54。

(实施方式2)

实施方式2所涉及的收弧调整装置205、焊接系统、收弧调整方法以及计算机程序50d在实施方式1的过程调整部55以及最短过程存储部57由深度神经网络构成这点上与实施方式1不同，因此以下主要说明上述相异点。由于其他结构以及作用效果与实施方式同样，因此在对应的部位标注同样的附图标记并省略详细的说明。

图6是表示实施方式2所涉及的收弧调整装置205的功能框图。实施方式2所涉及的收弧调整装置205与实施方式1同样，都具备焊接监视数据取得部51a、图像数据取得部51b、第1良好与否判定部52a、第2良好与否判定部52b、良好与否综合判定部254、过程调整部255、学习处理部259以及收弧控制部56。

焊接监视数据取得部51a取得从焊接电源2输出的焊接监视数据，将取得的焊接监视数据向第1良好与否判定部52a、抗粘良好与否判定部52c以及过程调整部255输出。

图像数据取得部51b取得从摄像装置4输出的图像数据，将取得的图像数据向第2良好与否判定部52b、抗粘良好与否判定部52c以及过程调整部255输出。

实施方式2的良好与否综合判定部254，将表示焊接结果以及抗粘处理是良好的概率的数据和表示焊接结果以及抗粘处理是不良的概率的数据向学习处理部259输出。例如，使用从良好与否判定RNN53a的第1神经元输出的数据的值、从良好与否判定CNN53b的第3神经元输出的数据的值和从抗粘良好与否判定部52c输出的数据的值，来运算焊接结果以及抗粘处理是良好的概率即可。同样地，使用从良好与否判定RNN53a的第2神经元输出的数据的值、从良好与否判定CNN53b的第4神经元输出的数据和从抗粘良好与否判定部52c输出的数据的值来运算焊接结果是不良的概率即可。

过程调整部255具备在被输入焊接监视数据以及图像数据的情况下输出表示能缩短循环时间的收弧过程的变更量的数据的过程调整NN(Neural Network)258。过程调整NN258是学习完毕深度神经网络。

过程调整NN258在输出层具备例如按与抗粘处理中的电流Ia、电压Va以及时间ta、熔敷解除处理中的电流Ir、时间tr、重试次数Nr等各调整参数对应的多个调整量的每一者，输出表示该调整量是优选的概率的数据的多个神经元。

另外，过程调整NN258可以是在输出层具备输出表示调整量的数据的神经元的结构。进而，过程调整NN258可以是在输出层具备以2值输出调整量的神经元的结构。以下在本实施方式2中，过程调整NN258不是输出2值数据，而是输出针对各参数的变更量，表示该变更量为适当的概率的数据。

另外，过程调整部255在1次的调整处理中可以变更多个参数的值，也可以变更一个参数的值。另外，也可以构成为重复进行的各调整处理中调整不同的参数。

图7是表示过程调整部255的网络结构的概念图。过程调整部255的过程调整NN258具备焊接状态认识网络部258a、外观认识网络部258b和过程调整网络部258c。

焊接状态认识网络部258a是被输入焊接监视数据、认识焊接工序中的焊接状态并输出与该状态相应的数据的神经网络。在焊接监视数据是焊接电流的情况下，焊接状态认识网络部258a能认识焊接电流的变化状态。焊接状态认识网络部258a例如可以设为除了输出层以外其他都与第1良好与否判定部52a同样的神经网络结构。输出层具备多个神经元，优选具备3个以上的神经元。另外，作为学习前的权重系数的初始值，可以设定构成第1良好与否判定部52a的各神经元的权重系数。能更有效率地使过程调整部255学习。

外观认识网络部258b是被输入图像数据、认识焊接后的焊接部位的状态并输出与该状态相应的数据的神经网络。外观认识网络部258b例如可以是除了输出层以外其他都与第2良好与否判定部52b同样的神经网络结构。输出层具备多个神经元，优选具备3个以上的神经元。另外，作为学习前的权重系数的初始值，可以设定构成第2良好与否判定部52b的各神经元的权重系数。能更有效率地使过程调整NN258学习。

过程调整网络部258c是被输入从焊接状态认识网络部258a以及外观认识网络部258b分别输出的数据、输出表示能缩短的收弧过程的变更量的数据的学习完毕的神经网络。该神经网络优选由具备多个中间层的深度神经网络构成。

另外，过程调整部255的神经网络结构是一例，可以由一个神经网络构成，也可以组合多个神经网络。

学习处理部259是如下那样的处理部：将输入到过程调整部255的焊接监视数据以及图像数据作为输入数据，将表示基于该数据变更收弧过程时的焊接结果以及抗粘处理的良好与否的数据作为学习数据，来使过程调整NN258学习。

具体地，学习处理部259使过程调整NN258学习，使得在根据良好与否综合判定部254的判定结果焊接结果以及抗粘处理是良好的情况下，缩短循环时间，在焊接结果以及抗粘处理不良的情况下，延长循环时间，在焊接结果是良好以及不良的中间的状态的情况下，维持循环时间。

所谓焊接结果良好，例如是焊接结果良好概率50％以上、焊接结果不良的概率不足50％的状态，且抗粘处理的结果良好的状态。所谓焊接结果不良，例如是焊接结果良好的概率不足50％、焊接结果不良的概率为50％以上的状态，或是抗粘处理的结果不良的状态。阈值的50％是一例，也可以是比50％大的值。

所谓焊接结果为中间的状态，例如是焊接结果良好的概率以及焊接结果不良的概率双方为50％以上的情况，或双方不足50％的情况，是抗粘处理的结果良好的状态。另外，在上述阈值比50％大的情况下，例如在是60％的情况下，焊接结果良好以及不良的概率处于40％～60％之间这样的状况也是中间的状态。另外，相关的中间的状态是一例。中间的状态是在进一步使循环时间缩短的情况下有焊接结果变差的可能性的状态。

如以上那样，通过使过程调整NN258学习，能不使焊接结果变差地自动调整抗粘处理、熔敷解除处理等收弧处理所需的时间，能使焊接工序的循环时间最短化。

另外，在过程调整NN258的学习初始阶段中，在中间的状态的情况下，也可以不维持循环时间，而是适宜变更收弧过程。

另外，过程调整NN258的学习可以在设置焊接系统时、外部环境变化时、变更焊接条件时、进行其他安排变更时等适宜的定时执行。

另外，在本实施方式2中说明了使过程调整NN258学习的示例，但也可以构成为具备学习完毕的过程调整NN258，不进行进一步的学习。

根据如此构成的实施方式2所涉及的收弧调整装置205、焊接系统、收弧调整方法以及计算机程序50d，由于是由深度神经网络构成的过程调整部255决定收弧过程的变更量的结构，因此能不使焊接结果变差地更合适地控制焊接工序的收弧，能实现最短化。

另外，过程调整部255能输出使焊接工序的循环时间缩短的收弧过程的变更量。过程调整部255例如能在焊接结果非常稳定的情况下输出大的变更量，在虽焊接结果良好但不稳定的情况下，输出小的变更量。因此，能更快地使焊接工序的循环时间最短化。

进而，过程调整部255能使用焊接结果的良好与否判定结果进行学习，能调整成适合设置有焊接系统的环境的过程调整部255。因此，能对应于焊接条件、外部环境使焊接工序的循环时间最短化。

进而，另外，学习处理部259使过程调整部255向缩短焊接工序的循环时间的方向学习，在变得能输出能使焊接工序的循环时间最短化的数据后，能使过程调整神经网络学习，以使得能稳定地得到良好的焊接结果。因此，能使焊接结果在良好的状态稳定化，且能使焊接工序的循环时间最短化。

另外，本实施方式2中说明了收弧调整装置205具备学习完毕的过程调整NN258的示例，但也可以构成为从外部服务器下载、更新规定过程调整部255的神经网络的各种参数。参数例如是包含中间层的阶层数、各层的神经元的数量、各神经元的权重系数、激活函数的种类等的信息。另外，收弧调整装置205也可以构成为存储表示是否许可使下载的各种参数反映到过程调整部255的标记，在标记表示许可的情况下，使用下载的参数来更新过程调整NN258的神经网络。

另外，在工厂内设置有多个具备收弧调整装置205的焊接系统的情况下，也可以根据需要由各焊接系统的收弧调整装置205交换上述参数。

另外，收弧调整装置205也可以构成为将规定学习的过程调整NN258的各种参数向外部的服务器上传。其他收弧调整装置205能使用向服务器上传的该参数来更新过程调整NN258。

另外，在实施方式2中，说明了过程调整NN258、和第1良好与否判定部52a以及第2良好与否判定部52b具备神经网络的示例，但也可以构成为良好与否判定RNN53a以及良好与否判定CNN53b的双方或一方不使用神经网络地判定焊接结果的良好与否。

(实施方式3)

图8是表示实施方式3所涉及的收弧调整装置305的功能框图。实施方式3所涉及的收弧调整装置305、焊接系统、收弧调整方法以及计算机程序50d，由于输入到过程调整部355的数据与实施方式2不同，因此以下主要说明上述相异点。由于其他结构以及作用效果与实施方式同样，因此在对应的部位标注同样的附图标记并省略详细的说明。

实施方式3所涉及的收弧调整装置305还具备焊接条件数据取得部51c。焊接条件数据取得部51c取得焊接条件数据。焊接条件数据例如包含母材A的材质、坡口形状、焊接电流设定值、焊接电压设定值、焊接速度设定值、使焊接电流周期性变动时的频率设定值等信息。

过程调整部355具备学习完毕的过程调整NN358，其基于输入的焊接监视数据以及图像数据、和焊接条件数据，来输出能不使焊接结果变差地缩短焊接工序的循环时间的、表示收弧过程的变更量的数据。实施方式3所涉及的学习完毕的过程调整NN358，能使用与实施方式2同样的良好与否综合判定部354以及学习处理部359来进一步学习。

根据实施方式3所涉及的收弧调整装置305、焊接系统、收弧调整方法以及计算机程序50d，由于是加进焊接条件来调整收弧过程的结构，因此能更有效果地调整收弧过程。

(实施方式4)

图9是表示实施方式4所涉及的收弧调整装置405的功能框图。实施方式4所涉及的收弧调整装置405、焊接系统、收弧调整方法以及计算机程序50d，由于在让实施方式1的过程调整部455以及最短过程存储部57构成为以深度强化学习学习收弧过程这点上与实施方式1不同，因此以下主要说明上述相异点。由于其他结构以及作用效果与实施方式同样，因此在对应的部位标注同样的附图标记并省略详细的说明。

实施方式4所涉及的收弧调整装置405具备焊接监视数据取得部51a、图像数据取得部51b、状态数据取得部51d、第1良好与否判定部52a、第2良好与否判定部52b、良好与否综合判定部54、过程调整部455以及收弧控制部56。

状态数据取得部51d取得表示焊接系统的状态s的状态数据。状态数据例如包含对收弧处理中的焊接喷枪11、焊丝W以及母材A在多个时间点摄像而得到的图像数据、例如动态图像数据。焊接喷枪11、焊丝W以及母材A可以用摄像装置4进行摄像，也可以使用其他动态图像摄像装置进行摄像。动态图像数据优选包含能在图像中认识焊接系统的状态s、即焊接喷枪11、焊丝W以及母材A的位置关系、形成于焊丝W的前端部的凝固球的图像数据的结构。另外，图像数据可以是用红外线摄像机对焊丝W的前端部摄像而得到的图像、即表示焊丝W的前端部的温度的图像的数据。

另外，在本实施方式4中，作为状态数据的示例主要说明图像数据，但也可以是表示流过焊丝W的电流的电流数据、表示焊丝W的温度的其他温度数据等。

过程调整部455通过深度强化学习来学习将焊接工序的循环时间最短化的收弧过程，具备评价部455a、行动选择部455b、回报算出部455c以及强化学习部455d。

评价部455a是基于在状态数据取得部51d取得的状态数据和表示收弧过程所涉及的行动a的行动数据来算出针对状态数据所表示的状态下的该行动a的评价值Q的运算功能部。所谓状态，例如是焊接喷枪11、焊丝W以及母材A的位置关系或表征该位置关系的图像。收弧过程所涉及的行动a以抗粘处理所涉及的电流的提供开始、电流值、熔敷解除处理所涉及的电流的提供开始、熔敷解除处理的重试等来确定。在焊接喷枪11、焊丝W以及母材A处于某特定的位置关系的情况下，在取某特定的行动a时，越能适合地缩短焊接工序的循环时间，另外焊接结果越良好，评价值Q成为越高的值。

评价部455a具备例如在被输入表示在状态数据取得部51d取得的焊接系统的状态s的状态数据和表示收弧过程所涉及的行动a的行动数据的情况下输出针对该状态s下的该行动a的评价值Q(s，a)的评价NN(Neural Network，神经网络)455e。

另外，评价NN455e，可以在前级具备用于认识以图像表征焊接系统的状态的状态数据的卷积神经网络。

另外，评价部455a也可以构成为取代神经网络而具备将状态数据以及行动数据和评价值建立关联的表格，使用该表格来输出评价值。

行动选择部455b选择某状态s下在评价部455a算出的评价值Q最大的行动a。过程调整部455基于由行动选择部455b选择的行动a来进行收弧过程的调整，收弧控制部56以该调整过的收弧过程来控制收弧。

回报算出部455c基于从良好与否综合判定部54输出的判定结果和从焊接喷枪11到达焊接部位到产生电弧为止的时间来算出针对收弧过程的回报。焊接结果越良好、到产生电弧为止的该时间越短，回报算出为越高的值。算出回报的运算式并没有特别限定。

强化学习部455d基于输入到评价NN455e的状态数据以及行动数据、被输入各数据时输出的评价值Q和在回报算出部455c算出的回报来使评价NN455e学习。具体地，可以用以下述式(1)表征的评价值Q来学习神经网络的权重系数。Q(s，a)←Q(s，a)+α(r+γmaxQ(s_next，a_next)-Q(s，a))...(1)，其中，s：状态，a：状态s下选择的行动，α：学习系数，r：行动的结果得到的回报，γ：折扣率，maxQ(s_next，a_next)：针对下一状态下能采取的行动的评价值Q的最大值

学习系数α是1以下的正的值，例如是0.1程度的值。折扣率γ是1以下的正的值，例如是0.9程度的值。

通过利用上述式(1)的机器学习，能使评价NN455e学习，以使得对能得到更高回报的行动a赋予更高的评价值Q。另外，在进行强化学习时，可以使用以一定的概率随机行动、学习针对各种行动的Q值的ε-Greedy法等。

根据如此构成的收弧调整装置405，行动选择部455b能选择与焊接系统的状态s、即焊接喷枪11、焊丝W以及母材A的位置关系相应的更合适的行动a、即抗粘处理的开始、焊接解除处理的开始，能使焊接工序的循环时间最短化。

另外，收弧调整装置405的强化学习可以使用从多个焊接装置或焊接系统得到的状态数据、行动数据、评价值等数据、从仿真装置得到的数据等来进行。

根据实施方式4所涉及的收弧调整装置405、焊接系统、收弧调整方法以及计算机程序50d，能深度强化学习缩短焊接工序的循环时间的收弧过程。

另外，在上述实施方式4中说明了深度强化学习，但也可以构成为取代神经网络而具备与行动以及状态对应的评价值Q的排列，来调整收弧过程。

(实施方式5)

图10是表示实施方式5所涉及的电弧焊接系统的示意图。实施方式5所涉及的焊接系统在具备接受收弧过程的调整方法的调整方法接受部506这点上与实施方式1～5不同。以下主要说明上述相异点。由于其他结构以及作用效果与实施方式同样，因此在对应的部位标注同样的附图标记并省略详细的说明。

图11是表示收弧调整画面507的示意图。调整方法接受部506例如在终端显示收弧调整画面507，接受收弧过程的调整方法。收弧调整画面507例如具有接受是自动调整收弧过程还是手动调整的选择的调整方法选择部571。调整方法选择部571例如是单选按钮。使用者能通过勾选单选按钮来选择是进行收弧过程的自动调整还是手动进行调整。

另外，收弧调整画面507具有：优先度表示部572，其在选择收弧过程的自动调整的情况下，示出是应进行优先循环时间的最短化的调整还是应进行重视焊接品质的调整；和优先度调整滑块573，其用于指定优先度。使用者能通过使优先度调整滑块573滑动来指定应以何种程度重视焊接品质来调整收弧过程，或指定应以何种程度重视循环时间的最短化来调整收弧过程。

在优先度调整滑块573接受焊接品质所涉及的优先度的调整方法接受部506，与接受通过过程调整部55进行收弧过程的调整的调整强度的接受部对应。

控制装置3，例如焊接品质的重要度越高则越减小收弧过程的调整量地进行收弧过程的控制，循环时间的最短化的重要度越高，则越加大收弧过程的调整量地执行收弧处理。

根据实施方式5所涉及的焊接系统，能接受焊接品质或循环时间的最短化的重要度或优先度，用使用者所期望的方法来调整收弧过程。

本次公开的实施方式在全部点上都是例示，而不应认为是限制。本发明的范围并不由上述的意义，而是由权利要求书示出，意图包含与权利要求书等同的意义以及范围内的全部变更。

附图标记的说明

1 焊接机器人

2 焊接电源

3 控制装置

4 摄像装置

5、205、305、405 收弧调整装置

11 焊接喷枪

12 焊丝进给装置

21 电源部

22 焊丝进给控制部

23 保护气体提供部

24 检测部

50 控制部

50a 输入部

50b 输出部

50c 存储部

50d 计算机程序

51a 焊接监视数据取得部

51b 图像数据取得部

51c 焊接条件数据取得部

51d 状态数据取得部

52a 第1良好与否判定部

52b 第2良好与否判定部

52c 抗粘良好与否判定部

53a 良好与否判定RNN

53b 良好与否判定CNN

54、254、354 良好与否综合判定部

55、255、355、455 过程调整部

56 收弧控制部

57 最短过程存储部

258 过程调整NN

258a 焊接状态认识网络部

258b 外观认识网络部

258c 过程调整网络部

259、359 学习处理部

455a 评价部

455b 行动选择部

455c 回报算出部

455d 强化学习部

455e 评价NN

506 调整方法接受部

507 收弧调整画面

571 调整方法选择部

572 优先度表示部

573 优先度调整滑块

A 母材

W 焊丝

Claims (19)

1.一种收弧调整装置，调整重复进行的焊接工序中的收弧过程，所述收弧调整装置的特征在于，具备：

取得部，其取得表示抗粘处理的结果以及下一焊接工序所涉及的焊接状态的焊接数据；

过程调整部，其基于在该取得部取得的焊接数据来调整所述收弧过程，以使得焊接工序的循环时间缩短；和

良好与否判定部，其基于在所述取得部取得的焊接数据来判定抗粘处理以及下一焊接工序的焊接结果的良好与否，

所述过程调整部决定所述收弧过程的变更内容，使得在所述良好与否判定部判定为良好的情况下，缩短所述循环时间，在所述良好与否判定部判定为不良的情况下，延长所述循环时间。

2.根据权利要求1所述的收弧调整装置，其特征在于，

所述过程调整部执行：

在使所述焊接工序的循环时间缩短的结果是抗粘处理以及下一焊接工序的焊接结果从良好的状态变化到不良状态的情况下，在循环时间缩短前的所述收弧过程确定调整，使确定的所述收弧过程存储到存储部。

3.根据权利要求1或2所述的收弧调整装置，其特征在于，

所述良好与否判定部具备：良好与否判定神经网络，其在被输入表示下一焊接工序所涉及的焊接状态的所述焊接数据的情况下，使神经网络学习，以使得输出表示得到该焊接数据时的焊接工序所涉及的焊接结果的良好与否的数据。

4.根据权利要求1所述的收弧调整装置，其特征在于，

所述过程调整部具备：过程调整神经网络，其在被输入所述焊接数据的情况下，使神经网络学习，以使得输出能缩短所述焊接工序的循环时间的、表示所述收弧过程的变更内容的数据。

5.根据权利要求4所述的收弧调整装置，其特征在于，

所述过程调整神经网络输出表示所述收弧过程的变更量的数据。

6.根据权利要求4或5所述的收弧调整装置，其特征在于，

所述收弧调整装置还具备：

学习处理部，其基于在将所述收弧过程调整后得到的所述良好与否判定部的判定结果来使所述过程调整神经网络学习。

7.根据权利要求6所述的收弧调整装置，其特征在于，

所述学习处理部执行：

使所述过程调整神经网络学习，以使得在所述良好与否判定部判定为良好的情况下，缩短所述循环时间，在所述良好与否判定部判定为不良的情况下，延长所述循环时间。

8.根据权利要求7所述的收弧调整装置，其特征在于，

所述学习处理部执行：

使所述过程调整神经网络学习，以使得在焊接结果为良好以及不良的中间的状态的情况下，维持所述循环时间。

9.根据权利要求6所述的收弧调整装置，其特征在于，

所述良好与否判定部具备：良好与否判定神经网络，其使神经网络学习，使得在被输入表示下一焊接工序所涉及的焊接状态的所述焊接数据的情况下，输出表示得到该焊接数据时的焊接工序所涉及的焊接结果的良好与否的数据。

10.根据权利要求9所述的收弧调整装置，其特征在于，

所述过程调整神经网络包含与所述良好与否判定神经网络的全部或一部分实质相同的网络结构。

11.根据权利要求1所述的收弧调整装置，其特征在于，

所述收弧调整装置具备：状态数据取得部，其取得包含对收弧处理中的焊接喷枪、焊丝以及母材在多个时间点摄像而得到的图像数据的状态数据，

所述过程调整部具备：

评价部，其基于在所述状态数据取得部取得的状态数据以及表示所述收弧过程所涉及的行动的行动数据，来算出针对所述状态数据所表示的状态下的所述行动的评价值；和

行动选择部，其选择在所述评价部算出的评价值最大的行动。

12.根据权利要求11所述的收弧调整装置，其特征在于，

所述收弧调整装置还具备：

回报算出部，其基于在调整所述收弧过程后得到的所述良好与否判定部的判定结果、和焊接结束后直到开始下一焊接工序中的焊接为止的时间，来算出针对所述收弧过程的回报；和

强化学习部，其基于在所述状态数据取得部取得的状态数据、表示所述收弧过程所涉及的行动的行动数据以及在所述回报算出部算出的回报来使所述评价部学习。

13.根据权利要求11或12所述的收弧调整装置，其特征在于，

所述评价部具备：评价神经网络，其在被输入在所述状态数据取得部取得的状态数据以及表示所述收弧过程所涉及的行动的行动数据的情况下，输出针对所述状态数据所表示的状态下的所述行动的评价值。

14.根据权利要求1或2所述的收弧调整装置，其特征在于，

表示抗粘处理的结果的所述焊接数据，包含表示熔敷解除处理时的电流的数据、焊丝的前端部的图像以及焊丝的前端部的温度的至少一者，

表示下一焊接工序所涉及的焊接状态的所述焊接数据，包含表示焊接工序中检测到的焊接电流以及焊接电压、焊丝的进给速度、短路状况、焊接工序中收集的焊接音、和焊接结束后摄像的焊接部位的图像的至少一者的数据。

15.根据权利要求1或2所述的收弧调整装置，其特征在于，

所述收弧过程包含抗粘处理中的焊接电压以及焊接电流、所述抗粘处理的时间、焊丝的回抽时间、和熔敷解除处理的时间以及重试次数的至少一者。

16.根据权利要求1或2所述的收弧调整装置，其特征在于，

所述收弧调整装置具备：接受部，其接受由所述过程调整部进行收弧过程的调整的调整强度，

所述过程调整部以在所述接受部接受到的调整强度进行收弧过程的调整。

17.一种焊接系统，其特征在于，具备：

权利要求1～16中任一项所述的收弧调整装置；

保持焊接喷枪的焊接机器人；和

对所述焊接喷枪提供焊接电流的焊接电源。

18.一种收弧调整方法，调整重复进行的焊接工序中的收弧过程，所述收弧调整方法的特征在于，

取得表示抗粘处理的结果以及下一焊接工序所涉及的焊接状态的焊接数据，

基于取得的焊接数据来调整所述收弧过程，以使得焊接工序的循环时间缩短，

基于取得的焊接数据来判定抗粘处理以及下一焊接工序的焊接结果的良好与否，

决定所述收弧过程的变更内容，使得在判定为良好的情况下，缩短所述循环时间，在判定为不良的情况下，延长所述循环时间。

19.一种计算机程序，用于使计算机调整重复进行的焊接工序中的收弧过程，所述计算机程序的特征在于，

用于使所述计算机执行如下处理：

取得表示抗粘处理的结果以及下一焊接工序所涉及的焊接状态的焊接数据，

基于取得的焊接数据来调整所述收弧过程，以使得焊接工序的循环时间缩短，

基于取得的焊接数据来判定抗粘处理以及下一焊接工序的焊接结果的良好与否，

决定所述收弧过程的变更内容，使得在判定为良好的情况下，缩短所述循环时间，在判定为不良的情况下，延长所述循环时间。

Images