CN110893515A - 加工条件调整装置以及机器学习装置 - Google Patents

加工条件调整装置以及机器学习装置 Download PDF

Info

Publication number
CN110893515A
CN110893515A CN201910789905.4A CN201910789905A CN110893515A CN 110893515 A CN110893515 A CN 110893515A CN 201910789905 A CN201910789905 A CN 201910789905A CN 110893515 A CN110893515 A CN 110893515A
Authority
CN
China
Prior art keywords
laser processing
workpiece
condition
processing condition
laser
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910789905.4A
Other languages
English (en)
Other versions
CN110893515B (zh
Inventor
和泉贵士
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fanuc Corp
Original Assignee
Fanuc Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fanuc Corp filed Critical Fanuc Corp
Publication of CN110893515A publication Critical patent/CN110893515A/zh
Application granted granted Critical
Publication of CN110893515B publication Critical patent/CN110893515B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/14—Working by laser beam, e.g. welding, cutting or boring using a fluid stream, e.g. a jet of gas, in conjunction with the laser beam; Nozzles therefor
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/70—Auxiliary operations or equipment
    • B23K26/702—Auxiliary equipment
    • B23K26/705—Beam measuring device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
    • B23K26/03—Observing, e.g. monitoring, the workpiece
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
    • B23K26/03—Observing, e.g. monitoring, the workpiece
    • B23K26/034—Observing the temperature of the workpiece
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/14—Working by laser beam, e.g. welding, cutting or boring using a fluid stream, e.g. a jet of gas, in conjunction with the laser beam; Nozzles therefor
    • B23K26/1435—Working by laser beam, e.g. welding, cutting or boring using a fluid stream, e.g. a jet of gas, in conjunction with the laser beam; Nozzles therefor involving specially adapted flow control means
    • B23K26/1436—Working by laser beam, e.g. welding, cutting or boring using a fluid stream, e.g. a jet of gas, in conjunction with the laser beam; Nozzles therefor involving specially adapted flow control means for pressure control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/14—Working by laser beam, e.g. welding, cutting or boring using a fluid stream, e.g. a jet of gas, in conjunction with the laser beam; Nozzles therefor
    • B23K26/1462—Nozzles; Features related to nozzles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/70—Auxiliary operations or equipment
    • B23K26/702—Auxiliary equipment
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Optics & Photonics (AREA)
  • Mechanical Engineering (AREA)
  • Plasma & Fusion (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Laser Beam Processing (AREA)

Abstract

本发明提供一种加工条件调整装置以及机器学习装置。加工条件调整装置对激光加工工件的激光加工装置的激光加工条件进行调整，分别制作包含加工条件数据、工件数据、等离子体产生量的状态变量、包含等离子体产生量判定数据的判定数据，使用制作出的状态变量与判定数据，学习与在规定的激光加工条件下进行的工件的激光加工中产生的等离子体的量相对应的所述激光加工条件的调整行为。

Description

加工条件调整装置以及机器学习装置
技术领域
本发明涉及加工条件调整装置以及机器学习装置。
背景技术
在进行激光切断加工时，将工件与喷嘴之间保持为一定间隔，并且一边将焦点位置保持为一定，一边以将放出激光和辅助气体而熔融的金属吹飞的形式进行材料加工。以往，例如像以日本特开2009-154189号公报为代表那样，在进行切断时，重视施加于工件的压力，工件与喷嘴之间的距离尽量接近较好。
在喷嘴与工件接近的状态下，在进行高速切断时，因等离子体的产生使得加工面粗糙。此外，因产生等离子体使得切口变宽由此浮渣(毛边那样的物质)附着于工件的情况较多，难以设定条件。
发明内容
因此，本发明的目的在于提供一种加工条件调整装置以及机器学习装置，能够调整激光加工条件以使在进行工件的激光加工时抑制等离子体的产生。
本发明的加工条件调整装置通过利用从喷嘴射出的辅助气体的流速快的部分(马赫盘部)抑制等离子体的产生并且谋求切断品质的提升，由此，解决上述课题。
图6是表示在激光加工装置进行的激光加工中，从喷嘴的顶端喷出的辅助气体的流动的图。
在图6中，(1)是喷嘴5的顶端部，是辅助气体6的气体压力为最大的位置。如上所述，由于在激光加工中与工件有关的压力越高越好，因此在略微偏离喷嘴5的顶端部的(2)的位置进行加工((1)的位置的加工中喷嘴5的顶端与工件紧贴，产生热造成的喷嘴5的破损等)。
但是，在从喷嘴5的顶端以超高速喷出辅助气体6时，从喷嘴5的口边产生冲击波，它们成为壁使得辅助气体6再次收敛而在位置(3)处辅助气体6的流速为最大。因此，着眼于这样的辅助气体的流速为最大的地点重复试验的结果为，工件的表面成为辅助气体6的流速最大位置(3)或比该位置(3)略微接近喷嘴5的位置之后进行激光加工，由此，抑制等离子体的产生量而以优质的切断品质进行工件的加工。
但是，抑制上述的等离子体的产生量而以优质的切断品质进行加工的工件的位置(喷嘴5与工件之间的间隙)因工件的材料或板厚、加工的状态等而变化。因此，本发明的加工条件调整装置使用机器学习来进行与当前的加工状态对应的最佳的激光加工条件(间隙量)的调整。
本发明涉及的加工条件调整装置的一方式，对激光加工工件的激光加工装置的激光加工条件进行调整，具有：前处理部，其制作状态变量，该状态变量包含表示所述激光加工中的激光加工条件的激光加工条件数据、表示所述工件有关的信息的工件数据、表示所述激光加工中的等离子体产生量的等离子体产生量数据；状态判定部，其制作判定数据，所述判定数据包含用于判定所述激光加工装置的激光加工中的等离子体的产生量的等离子体产生量判定数据；以及学习部，其使用所述状态变量与所述判定数据，学习与在规定的激光加工条件下进行的工件的激光加工中产生的等离子体的量相对应的所述激光加工条件的调整行为。所述等离子体产生量判定数据用于判定通过所述激光加工条件的调整行为进行了调整的激光加工条件下进行的工件的激光加工中产生的等离子体的量。
所述学习部也可以进行如下强化学习：在规定的激光加工条件下进行的工件的激光加工中产生的等离子体的量与预先设定的、在规定的激光加工条件下进行了优选的加工时产生的等离子体产生量接近时给予高的回报。
本发明涉及的加工条件调整装置的其他方式，对激光加工工件的激光加工装置的激光加工条件进行调整，具有：前处理部，其制作状态变量，该状态变量包含表示所述激光加工中的激光加工条件的激光加工条件数据、表示所述工件有关的信息的工件数据、表示所述激光加工中的等离子体产生量的等离子体产生量数据；学习模型存储部，其存储学习完成模型，该学习完成模型学习了与在规定的激光加工条件下进行的工件的激光加工中产生的等离子体的量相对应的所述激光加工条件的调整行为；以及决策部，其根据所述状态变量，进行使用了所述学习完成模型的所述激光加工条件的调整行为的推定。
所述激光加工条件的调整行为可以是所述激光加工装置的喷嘴与所述工件的间隙的调整行为。
所述激光加工条件的调整行为可以是所述激光加工装置的辅助气体的压力的调整行为。
所述激光加工条件的调整行为可以是所述激光加工装置的喷嘴直径的变更调整行为。
所述激光加工条件数据可以至少包含所述激光加工装置的喷嘴与所述工件的间隙。
本发明涉及的机器学习装置的一方式，对激光加工工件的激光加工装置的激光加工条件进行调整，具有：学习部，其使用包含表示所述激光加工中的激光加工条件的激光加工条件数据、表示所述工件有关的信息的工件数据、表示所述激光加工中的等离子体产生量的等离子体产生量数据的状态变量、和包含用于判定所述激光加工装置的激光加工中的等离子体的产生量的等离子体产生量判定数据在内的判定数据，来学习与在规定的激光加工条件下进行的工件的激光加工中产生的等离子体的量相对应的所述激光加工条件的调整行为。所述等离子体产生量判定数据用于判定在通过所述激光加工条件的调整行为进行了调整的激光加工条件下进行的工件的激光加工中产生的等离子体的量。
本发明涉及的机器学习装置的其他方式，对激光加工工件的激光加工装置的激光加工条件进行调整，具有：学习模型存储部，其存储学习完成模型，该学习完成模型学习了与规定的激光加工条件下进行的工件的激光加工中产生的等离子体的量相对应的所述激光加工条件的调整行为；以及决策部，其根据包含表示所述激光加工中的激光加工条件的激光加工条件数据、表示与所述工件有关的信息的工件数据、表示所述激光加工中的等离子体产生量的等离子体产生量数据的状态变量，进行使用了所述学习完成模型的所述激光加工条件的调整行为的推定。
附图说明
图1是一实施方式有关的加工条件调整装置的概略硬件结构图。
图2是一实施方式有关的加工条件调整装置的概略功能框图。
图3是对图2的加工条件调整装置中的等离子体测量器的等离子体产生量的测量方法进行说明的图。
图4是对图2的加工条件调整装置中的等离子体测量器的等离子体产生量的测量方法进行说明的图。
图5是表示一实施方式有关的判定基准表的示例的图。
图6是表示在激光加工装置进行的激光加工中，从喷嘴的顶端喷出的辅助气体的流动的图。
具体实施方式
图1是表示一实施方式有关的具有机器学习装置的加工条件调整装置的主要部分的概略硬件结构图。
加工条件调整装置1例如可以安装为控制激光加工装置的控制装置，此外，可以安装为与控制激光加工装置的控制装置并设的个人电脑、经由有线/无线网络与控制装置连接的单元计算机、主计算机、边缘服务器、云服务器等计算机。在本实施方式中，表示将加工条件调整装置1安装为控制激光加工装置2的控制装置时的示例。
加工条件调整装置1具有的CPU11是对加工条件调整装置1进行整体控制的处理器，经由总线20读出存储于ROM12的系统程序，按照该系统程序来对加工条件调整装置1整体进行控制。将临时的计算数据、操作员经由输入装置71输入的各种数据等暂时存储于RAM13中。
非易失性存储器14例如由通过电池(未图示)而备份的存储器或SSD等构成，即使断开加工条件调整装置1的电源也可保持存储状态。在非易失性存储器14中存储有存储加工条件调整装置1的动作有关的设定信息的设定区域、从输入装置71输入的激光加工装置2的控制用程序或数据等、从加工条件调整装置1的各部或激光加工装置2取得的各种数据(例如，激光加工装置2涉及的激光加工中的激光输出、频率、功率(duty)、加工速度、辅助气体的种类或压力、工件的材料种类或板厚、喷嘴直径、间隙、焦点位置、由安装于激光加工装置2的等离子体测量器4检测出的等离子体产生量等)、经由外部存储装置(未图示)或网络读入的激光加工装置2的控制用程序或数据等。存储于非易失性存储器14的程序或各种数据可以在执行时/利用时在RAM13中展开。
此外，在ROM12中预先写入有系统程序，所述系统程序包含用于解析各种数据的公知的解析程序或用于控制与后述的机器学习装置100的交换的程序等。
等离子体测量器4例如是探针测量器、电磁测量器、粒子测量器、光谱测量器等那样的、对进行激光加工附近的等离子体的产生量进行测量的测量器。等离子体测量器4可以设置于激光加工装置2具有的激光头的附近，可以安装于在激光加工装置2的附近设置的机器人的机械手(未图示)，对激光加工装置2涉及的加工部分的附近的等离子体的产生量进行测量。由等离子体测量器4测量出的加工部位的附近的等离子体的产生量经由接口16转发给CPU11。
读入到存储器上的各数据、作为执行了程序等的结果而获得的数据、等离子体测量器4进行拍摄而获得的对象物的距离图像数据、从后述的机器学习装置100输出的数据等经由接口17输出给显示装置70来进行显示。此外，由键盘或定位设备等构成的输入装置71接收基于作业员进行的操作的指令、数据等，经由接口18转发给CPU11。
接口21是用于将加工条件调整装置1与机器学习装置100连接的接口。机器学习装置100具有：统制机器学习装置100整体的处理器101、存储系统程序等的ROM102、用于进行机器学习所涉及的各处理中的临时存储的RAM103、以及用于存储学习模型等的非易失性存储器104。
机器学习装置100可以经由接口21观测加工条件调整装置1能够取得的各信息(例如，激光加工装置2有关的激光加工中的激光输出、频率、功率、加工速度、辅助气体的种类或压力、工件的材料种类或板厚、喷嘴直径、间隙、焦点位置、由安装于激光加工装置2的等离子体测量器4检测出的等离子体产生量等)。此外，加工条件调整装置1经由接口21取得从机器学习装置100输出的处理结果，根据所取得的结果来控制激光加工装置2的动作。
图2是实施方式有关的加工条件调整装置1与机器学习装置100的概略功能框图。
通过图1所示的加工条件调整装置1具有的CPU11、以及机器学习装置100的处理器101执行各系统程序，对加工条件调整装置1和机器学习装置100各部的动作进行控制，由此实现图2所示的各功能块。
本实施方式的加工条件调整装置1具有：控制部30、前处理部32、以及状态判定部34，加工条件调整装置1具有的机器学习装置100具有学习部110和决策部120。此外，成为激光加工装置2的控制结果的判定基准的数据预先经由未图示的外部存储装置或有线/无线网络存储于在非易失性存储器14上设置的基准信息存储部50。
控制部30一般情况下按照控制用程序等涉及的指令来控制激光加工装置2的动作，但是此时，若从机器学习装置100输出加工条件的变更指令，则代替所述控制用程序或事前设定给激光加工装置2的加工条件，以成为从机器学习装置100输出的加工条件的方式控制激光加工装置2。此外，控制部30在激光加工装置2的控制过程中，逐次取得针对控制用程序等涉及的激光加工装置2的指令值、来自激光加工装置2的激光输出或频率、功率、加工速度等的能够从激光加工装置2取得的各数据，输出给前处理部32以及状态判定部34。
前处理部32根据从控制部30以及等离子体测量器4取得的信息，制作机器学习装置100有关的学习和决策所使用的状态数据S。前处理部32将所取得的数据变换(数值化、正规化、采样等)为在机器学习装置100中处理的统一的形式而制作状态数据S。在前处理部32制作的状态数据S中包含表示激光加工时的加工条件的加工条件数据S1、成为激光加工的对象的工件有关的工件数据S2、以及等离子体的产生状态有关的等离子体产生状态数据S3。
加工条件数据S1可以取得为在激光加工装置2中进行的激光加工的激光加工条件。在激光加工中的激光加工条件中包含从喷嘴的顶端到工件的距离即间隙。此外，激光加工中的激光加工条件可以次要地包含激光输出、频率、功率、加工速度、辅助气体的种类或压力、喷嘴直径、焦点位置等。这些激光加工条件可以从控制激光加工装置2的动作的控制用程序、设定给加工条件调整装置1而存储于非易失性存储器14的激光加工参数等取得。
工件数据S2中包含成为激光加工装置2涉及的激光加工的对象的工件材料的种类(铁、铝等)以及板厚。工件材料的种类以及板厚，在开始激光加工之前，例如可以利用由作业员经由激光加工装置2的操作盘等输入到激光加工装置2的信息、由作业员经由输入装置71输入到加工条件调整装置1的信息、经由网络从制造计划装置等其他计算机(未图示)取得的信息。
等离子体产生状态数据S3中包含由等离子体测量器4测量出的、由激光加工装置1进行激光加工的位置的附近的等离子体的产生量。等离子体测量器4例如如图3所示，可以对在由激光加工装置2加工的工件7的加工位置附近的规定范围内产生的等离子体10的密度以及温度进行测量，还可以如图4所例示那样，通过安装于机器人机械手8的等离子体测量器4对在由激光加工装置2加工的工件7的加工位置附近的规定范围内产生的等离子体10的密度以及温度进行测量。等离子体产生状态数据S3例如可以将等离子体10的粒子密度和温度用作等离子体10的产生量，也可以通过电荷量等来测量等离子体10的产生量。
状态判定部34根据由等离子体测量器4测量出的、由激光加工装置2进行激光加工的位置的附近的等离子体10的产生量、和预先存储于基准信息存储部50的判定基准，来判定当前的等离子体10的产生状态，制作作为该判定结果的判定数据D。状态判定部34制作的判定数据D中将在当前的加工条件下进行了优选(最适)的加工时产生的等离子体10的状态设为判定基准，包含表示自该判定基准的偏差的程度的等离子体产生量判定数据D1。等离子体产生量判定数据D1可以是在进行了优选的加工时产生的等离子体产生量与测量出的等离子体产生量之差，还可以是测量出的等离子体产生量相对于进行了优选的加工时产生的等离子体产生量的比例。
另外，状态判定部34在学习阶段为必需的结构，但是在学习部110涉及的激光加工中的激光加工条件的调整行为的学习结束之后未必为必需的结构。例如，在将学习完成的机器学习装置100出货给顾客时等，可以拆除状态判定部34而出货。
图5示出了存储于基准信息存储部50的判定基准数据的示例。
判定基准表9例如可以定义为将激光加工条件、与在该激光加工条件下进行了优选的加工时产生的等离子体产生量关联起来而得的表。在图5的示例中，例如在激光输出是P1，工件的材料种类是Wm1，工件的板厚是Wt1，焦点位置是Fp1，…时，如果等离子体密度是Pd1，温度是Pt1，则表示进行了优选的加工。
在判定基准表9中定义的加工条件与等离子体产生量之间的关系预先通过实验等求出而进行存储即可。另外，由于在判定基准表9中无法对能够设定的所有加工条件进行定义，因此有时在进行加工时设定的加工条件与在判定基准表9中定义的加工条件不一致。这样的情况下，通过进行基于在判定基准表中定义的多个加工条件的线性插补等，对进行了优选的加工时产生的等离子体产生量进行计算即可。
学习部110进行使用了前处理部32制作出的状态数据S、与状态判定部34制作出的判定数据D的强化学习，生成(学习)对加工条件的调整行为相对于规定的加工条件下的激光加工时的等离子体的产生状态的良好与否进行了学习的学习完成模型。强化学习是如下方法：观测学习对象所在的环境的当前状态(即输入)并且以当前状态来执行规定行为(即输出)，试错性地反复进行针对该行为给予何种回报这样的周期，将回报的总和为最大化那样的方法(在本申请的机器学习装置中激光加工中的激光加工条件的调整行为)作为最佳解而进行学习。在本实施方式中，作为强化学习中的激光加工条件的调整行为，将间隙的调整设为对象。
学习部110例如使用作为Q学习(Q-learning)而被知晓算法，求出规定的激光加工条件(间隙)下的激光加工装置2有关的工件的加工的良好与否判定结果(与在取得了状态变量S的下一学习周期制作出的判定数据D相当)关联的回报R，使用求出的回报R来更新表示激光加工中的激光加工条件的调整行为的价值的函数Q(学习模型)。这样，将表示在规定的状态s(由状态变量S定义的)下选择了行为a(激光加工条件的调整行为，特别是间隙的调整行为)时的行为的价值的函数Q(s、a)作为学习模型，在状态s下选择价值函数Q为最高的行为a是最佳解。
学习部110在学习时，在状态s与行为a的相关性未知的状态下开始Q学习，通过重复在任意状态s下选择各种行为a的试错，而反复更新价值函数Q，靠近最佳解。学习部110通过重复更新表示价值的函数Q而对规定的加工条件下的工件的激光加工所产生的等离子体的量学习激光加工的激光加工条件的调整(例如，间隙的调整)。
在学习部110有关的Q学习中，回报R例如在规定的激光加工条件下的激光加工时产生的等离子体的量的良好与否判定结果判定为“良”时(即，等离子体产生量与进行了优选的加工时产生的等离子体产生量一致或接近时)设为正(plus)回报R，在良好与否判定结果判定为“否”时(例如，等离子体产生量从进行了优选的加工时产生的等离子体产生量背离规定的阈值以上时或背离规定的比例以上时等)设为负(minus)回报R。回报R的值可以根据从进行了优选的加工时产生的等离子体产生量背离的程度而变化。此外，作为判定的条件，当在判定数据D中包含多个数据时，可以将这些多个数据组合来进行判定。
学习部110可以构成为：将神经网络用作价值函数Q(学习模型)，将状态变量S与行为a设为该神经网络的输出，输出某个状态下的某个行为a的价值(结果y)。在这样构成的情况下能够后成为：作为学习模型可以使用具有输入层、中间层、输出层三层的神经网络，但是也可以使用利用了构成三层以上的层的神经网络的、所谓的深层学习的方法，由此，进行更有效的学习和推论。学习部110生成的学习完成模型存储于在非易失性存储器104上设置的学习模型存储部130，用于决策部120涉及的对象物有关的理想的距离图像数据的推定处理。
另外，学习部110在学习阶段为必需的结构，但是在学习部110涉及的激光加工中的激光加工条件的调整行为的学习结束之后未必为必需的结构。例如，在将学习完成的机器学习装置100出货给顾客时等，可以拆除学习部110而出货。
决策部120根据从前处理部32输入的状态数据S，使用存储于学习模型存储部130的学习完成模型来求出激光加工条件的调整行为的最佳解，输出所求出的激光加工条件的调整行为。该决策部120针对由学习部110涉及的强化学习生成的(决定了参数的)学习完成模型，将从前处理部32输入的状态数据S(加工条件数据S1、工件数据S2、以及等离子体产生状态数据S3)、与激光加工条件的调整行为(例如，间隙的调整量)作为输入数据输入，由此，可以计算在当前的状态下取得了某个行为时的回报。因此，对当前能够取得的多个激光加工条件的调整行为进行该回报的计算，将计算出的多个回报进行比较，结果，将计算出最大的回报的激光加工条件的调整行为推定为最佳解。决策部120推定出的激光加工条件的调整行为的最佳解除了输入到控制部30而用于激光加工条件的调整之外，例如可以显示输出给显示装置70，或经由有线/无线网络发送输出给主计算机或云计算机(未图示)等而进行利用。
作为本实施方式的加工条件调整装置1的一变形例涉及的、强化学习中的激光加工条件的调整行为，可以将辅助气体的压力的调整与间隙的调整相加。这样的情况下，作为学习部110涉及的学习时选择的行为a，可以以规定的调整量来只调整间隙，可以以规定的调整量来只调整辅助气体压力，还可以以规定的调整量来调整间隙以及辅助气体压力双方。
作为本实施方式的加工条件调整装置1的其他变形例涉及的、强化学习中的激光加工条件的调整行为，可以将喷嘴直径的变更调整与间隙的调整或辅助气体的压力的调整相加。这样的情况下，这些调整行为可以单独或适当组合来进行选择。喷嘴直径的变更例如能够通过日本特开平11-221691号公报等所公开的公知的技术，不进行喷嘴的更换而自动进行。喷嘴直径或辅助气体的压力对从喷嘴射出的辅助气体的流速快的部分(马赫盘部)的位置造成影响，因此，通过将它们与调整行为相加，由此期待可以调整为以更优质的切断品质来进行工件的加工的加工条件。
作为本实施方式的加工条件调整装置1的其他变形例涉及的、强化学习中的激光加工条件的调整行为，可以将间隙的调整替换为辅助气体的压力的调整和喷嘴直径的变更调整。
作为本实施方式的加工条件调整装置1的其他变形例涉及的、强化学习中的激光加工条件的调整行为，还可以将间隙的调整替换为辅助气体的压力的调整。
作为本实施方式的加工条件调整装置1的其他变形例涉及的、强化学习中的激光加工条件的调整行为，可以将间隙的调整替换为喷嘴直径的变更调整。
以上，对本发明的实施方式进行了说明，但是本发明不只限定于上述实施方式的示例，可以通过增加适当的变更而以各种方式来实施。
例如，机器学习装置100执行的学习算法、机器学习装置100执行的运算算法、加工条件调整装置1执行的控制算法等不限定于上述内容，可以采用各种算法。
此外，在上述实施方式中说明了加工条件调整装置1与机器学习装置100是具有不同的CPU(处理器)的装置，但是机器学习装置100可以通过加工条件调整装置1具有的CPU11、存储于ROM12的系统程序来实现。

Claims (9)

1.一种加工条件调整装置，其对激光加工工件的激光加工装置的激光加工条件进行调整，其特征在于，
所述加工条件调整装置具有：
前处理部，其制作状态变量，该状态变量包含表示所述激光加工中的激光加工条件的激光加工条件数据、表示与所述工件有关的信息的工件数据、表示所述激光加工中的等离子体产生量的等离子体产生量数据；
状态判定部，其制作判定数据，所述判定数据包含用于判定所述激光加工装置的激光加工中的等离子体的产生量的等离子体产生量判定数据；以及
学习部，其使用所述状态变量与所述判定数据，学习与在规定的激光加工条件下进行的工件的激光加工中产生的等离子体的量相对应的所述激光加工条件的调整行为，
所述等离子体产生量判定数据用于判定在通过所述激光加工条件的调整行为进行了调整的激光加工条件下进行的工件的激光加工中产生的等离子体的量。
2.根据权利要求1所述的加工条件调整装置，其特征在于，
所述学习部进行如下强化学习：在规定的激光加工条件下进行的工件的激光加工中产生的等离子体的量与预先设定的、在规定的激光加工条件下进行了优选的加工时产生的等离子体产生量接近时给予高的回报。
3.一种加工条件调整装置，其对激光加工工件的激光加工装置的激光加工条件进行调整，其特征在于，
所述加工条件调整装置具有：
前处理部，其制作状态变量，该状态变量包含表示所述激光加工中的激光加工条件的激光加工条件数据、表示所述工件有关的信息的工件数据、表示所述激光加工中的等离子体产生量的等离子体产生量数据；
学习模型存储部，其存储学习完成模型，该学习完成模型学习了与在规定的激光加工条件下进行的工件的激光加工中产生的等离子体的量相对应的所述激光加工条件的调整行为；以及
决策部，其根据所述状态变量，进行使用了所述学习完成模型的所述激光加工条件的调整行为的推定。
4.根据权利要求1～3中任一项所述的加工条件调整装置，其特征在于，
所述激光加工条件的调整行为是所述激光加工装置的喷嘴与所述工件的间隙的调整行为。
5.根据权利要求1～4中任一项所述的加工条件调整装置，其特征在于，
所述激光加工条件的调整行为是所述激光加工装置的辅助气体的压力的调整行为。
6.根据权利要求1～5中任一项所述的加工条件调整装置，其特征在于，
所述激光加工条件的调整行为是所述激光加工装置的喷嘴直径的变更调整行为。
7.根据权利要求1～6中任一项所述的加工条件调整装置，其特征在于，
所述激光加工条件数据至少包含所述激光加工装置的喷嘴与所述工件的间隙。
8.一种机器学习装置，其对激光加工工件的激光加工装置的激光加工条件进行调整，其特征在于，
所述机器学习装置具有：
学习部，其使用包含表示所述激光加工中的激光加工条件的激光加工条件数据、表示所述工件有关的信息的工件数据、表示所述激光加工中的等离子体产生量的等离子体产生量数据的状态变量、和包含用于判定所述激光加工装置的激光加工中的等离子体的产生量的等离子体产生量判定数据的判定数据，来学习与在规定的激光加工条件下进行的工件的激光加工中产生的等离子体的量相对应的所述激光加工条件的调整行为，
所述等离子体产生量判定数据用于判定在通过所述激光加工条件的调整行为进行了调整的激光加工条件下进行的工件的激光加工中产生的等离子体的量。
9.一种机器学习装置，其对激光加工工件的激光加工装置的激光加工条件进行调整，其特征在于，
所述机器学习装置具有：
学习模型存储部，其存储学习完成模型，该学习完成模型学习了与在规定的激光加工条件下进行的工件的激光加工中产生的等离子体的量相对应的所述激光加工条件的调整行为；以及
决策部，其根据包含表示所述激光加工中的激光加工条件的激光加工条件数据、表示与所述工件有关的信息的工件数据、表示所述激光加工中的等离子体产生量的等离子体产生量数据的状态变量，进行使用了所述学习完成模型的所述激光加工条件的调整行为的推定。
CN201910789905.4A 2018-08-24 2019-08-26 加工条件调整装置以及机器学习装置 Active CN110893515B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018-157520 2018-08-24
JP2018157520A JP6810110B2 (ja) 2018-08-24 2018-08-24 加工条件調整装置及び機械学習装置

Publications (2)

Publication Number Publication Date
CN110893515A true CN110893515A (zh) 2020-03-20
CN110893515B CN110893515B (zh) 2023-04-07

Family

ID=69412285

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910789905.4A Active CN110893515B (zh) 2018-08-24 2019-08-26 加工条件调整装置以及机器学习装置

Country Status (4)

Country Link
US (1) US11958135B2 (zh)
JP (1) JP6810110B2 (zh)
CN (1) CN110893515B (zh)
DE (1) DE102019005747B4 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6740299B2 (ja) * 2018-08-24 2020-08-12 ファナック株式会社 加工条件調整装置及び機械学習装置
JP6854984B1 (ja) * 2020-05-29 2021-04-07 三菱電機株式会社 レーザ加工システム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5451097A (en) * 1977-09-30 1979-04-21 Hitachi Ltd Processing by laser
JP2002094498A (ja) * 2000-09-14 2002-03-29 Kenwood Corp データ収集システム、データ収集装置及び記録媒体
JP2008304194A (ja) * 2007-06-05 2008-12-18 Mitsubishi Electric Corp 状態検出装置およびレーザ加工装置

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB8426239D0 (en) * 1984-10-17 1984-11-21 Atomic Energy Authority Uk Cutting nozzle
FR2716133B1 (fr) * 1994-02-16 1996-04-05 Snecma Tête de soudage au laser à buse améliorée.
JPH11221691A (ja) 1998-02-04 1999-08-17 Matsushita Electric Ind Co Ltd レーザ加工装置
DE19957163C1 (de) 1999-11-27 2001-08-09 Thyssenkrupp Stahl Ag Verfahren und Vorrichtung zur Qualitätskontrolle der Naht an mit einem Laser stumpf geschweißten Blechen oder Bändern
WO2002094498A1 (fr) 2001-05-23 2002-11-28 Mitsubishi Denki Kabushiki Kaisha Appareil d'usinage au laser
JP4646525B2 (ja) 2004-02-05 2011-03-09 ヤマザキマザック株式会社 プラズマ検出装置、及びプラズマ検出装置付きレーザ加工機
DE602004031006D1 (de) * 2004-07-20 2011-02-24 Univ De Vigo Vigo Schneidverfahren für Keramik
FR2892328B1 (fr) * 2005-10-21 2009-05-08 Air Liquide Procede de soudage par faisceau laser avec controle de la formation du capillaire de vapeurs metalliques
JP4966846B2 (ja) 2007-12-27 2012-07-04 株式会社アマダ レーザ加工用ノズルの切断性能評価方法およびその装置並びにレーザ加工用ノズルの切断性能評価装置を備えたレーザ切断加工機
DE102010020183B4 (de) * 2010-05-11 2013-07-11 Precitec Kg Laserschneidkopf und Verfahren zum Schneiden eines Werkstücks mittels eines Laserschneidkopfes
WO2012000650A1 (en) 2010-06-28 2012-01-05 Precitec Kg A method for classifying a multitude of images recorded by a camera observing a processing area and laser material processing head using the same
US9827631B2 (en) * 2014-09-16 2017-11-28 Honeywell International Inc. Turbocharger shaft and wheel assembly
US9919383B2 (en) * 2014-10-17 2018-03-20 Mitsubishi Electric Corporation Laser machining method and laser machining apparatus
CN106141445A (zh) * 2015-04-14 2016-11-23 大族激光科技产业集团股份有限公司 一种非同轴激光加工装置
JP6339603B2 (ja) 2016-01-28 2018-06-06 ファナック株式会社 レーザ加工開始条件を学習する機械学習装置、レーザ装置および機械学習方法
DE102016104318B3 (de) * 2016-03-09 2017-04-13 Trumpf Laser- Und Systemtechnik Gmbh Verfahren zur Bestimmung einer Abweichung einer räumlichen Ausrichtung einer Strahlachse einer Strahlbearbeitungsmaschine von deren räumlichen Soll-Ausrichtung und Strahlbearbeitungsmaschine zum Bearbeiten eines Werkstücks
JP6238185B2 (ja) * 2016-05-18 2017-11-29 株式会社アマダホールディングス めっき鋼板のレーザ切断加工方法、レーザ切断加工品、熱切断加工方法、熱切断加工製品、表面処理鋼板及びレーザ切断方法並びにレーザ加工ヘッド
JP6438450B2 (ja) 2016-11-29 2018-12-12 ファナック株式会社 レーザ加工ロボットの加工順序を学習する機械学習装置、ロボットシステムおよび機械学習方法
JP6577110B2 (ja) * 2017-10-06 2019-09-18 株式会社アマダホールディングス レーザ加工方法及びレーザ加工装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5451097A (en) * 1977-09-30 1979-04-21 Hitachi Ltd Processing by laser
JP2002094498A (ja) * 2000-09-14 2002-03-29 Kenwood Corp データ収集システム、データ収集装置及び記録媒体
JP2008304194A (ja) * 2007-06-05 2008-12-18 Mitsubishi Electric Corp 状態検出装置およびレーザ加工装置

Also Published As

Publication number Publication date
JP2020028909A (ja) 2020-02-27
JP6810110B2 (ja) 2021-01-06
DE102019005747A1 (de) 2020-02-27
US20200061753A1 (en) 2020-02-27
US11958135B2 (en) 2024-04-16
DE102019005747A8 (de) 2020-04-23
DE102019005747B4 (de) 2024-05-23
CN110893515B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
US10895852B2 (en) Controller and machine learning device
CN110549005B (zh) 加工条件调整装置以及机器学习装置
US10121107B2 (en) Machine learning device and method for optimizing frequency of tool compensation of machine tool, and machine tool having the machine learning device
US10962960B2 (en) Chip removal apparatus and information processing apparatus
US10796226B2 (en) Laser processing apparatus and machine learning device
CN110355462B (zh) 加工条件调整装置以及机器学习装置
EP3486845B1 (en) Controller and machine learning device
US20190041808A1 (en) Controller and machine learning device
JP6499710B2 (ja) 加減速制御装置
JP6756676B2 (ja) 製造システム
CN112109080B (zh) 调整辅助装置
US20210174227A1 (en) Machine learning apparatus, control device, machining system, and machine learning method for learning correction amount of workpiece model
JP2019141869A (ja) 制御装置及び機械学習装置
CN110893515B (zh) 加工条件调整装置以及机器学习装置
JP2019200661A (ja) シミュレーション装置
JP6740299B2 (ja) 加工条件調整装置及び機械学習装置
CN114054983A (zh) 用于运行激光材料加工机的方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant