CN110893518B - 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
CN110893518B
CN110893518B CN201910783789.5A CN201910783789A CN110893518B CN 110893518 B CN110893518 B CN 110893518B CN 201910783789 A CN201910783789 A CN 201910783789A CN 110893518 B CN110893518 B CN 110893518B
Authority
CN
China
Prior art keywords
amount
laser processing
processing
workpiece
charge
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.)
Active
Application number
CN201910783789.5A
Other languages
English (en)
Other versions
CN110893518A (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 CN110893518A publication Critical patent/CN110893518A/zh
Application granted granted Critical
Publication of CN110893518B publication Critical patent/CN110893518B/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
    • B23K31/00—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups
    • B23K31/006—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups relating to using of neural networks
    • 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
    • B23K26/36—Removing material
    • B23K26/38—Removing material by boring or cutting
    • 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
    • B23K26/14—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
    • B23K26/1423—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 the flow carrying an electric current
    • 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
    • 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
    • G06N20/00—Machine learning
    • 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
    • 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

Landscapes

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

Abstract

本发明提供加工条件调整装置以及机器学习装置。加工条件调整装置调整离子化装置的设定，从而中和激光加工装置进行的工件激光加工时产生的等离子体所带的电荷，该加工条件调整装置基于激光加工时产生的等离子体所带的电荷量，计算从该离子化装置照射的每单位时间的电荷量，设定所述离子化装置照射该计算出的每单位时间的电荷量。

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
在进行激光切割加工的情况下，以下述方式来进行材料加工，即，使工件与喷头之间保持一定间隔，并且，在使焦点位置保持固定的同时，吹走由于激光和辅助气体的流动而熔融的金属。以往，例如以日本特开2009-154189号公报所代表的那样，在进行切割时，重视施加在工件上的压力，认为使工件与喷头的距离尽量靠近为佳。
在喷头与工件靠近的状态下进行高速切割时，由于产生等离子体的原因导致加工面粗糙。另外，由于产生等离子体导致切口扩展，由此使得浮渣(类似于毛刺)附着在工件上的情况增多，难以设定条件。
发明内容
因此，本发明的目的在于，提供调整离子化装置的设定以便中和在工件的激光加工时产生的等离子体所带的电荷的加工条件调整装置以及机器学习装置。
本发明的加工条件调整装置通过利用从喷头喷射的辅助气体的流速快的部分(马赫盘部)来抑制等离子体的发生，并且进一步检测等离子体的产生量，并针对检测出的等离子体的发生量(电荷量)照射相反电荷来中和该等离子体，从而实现提高切割质量。
图7是表示在激光加工装置进行的激光加工中从喷头的前端喷出的辅助气体的流动的图。
在图7中，(1)为喷头6的前端部，是辅助气体7的气体压力达到最大的位置。如在上文所说明的那样，由于在激光加工时认为施加在工件上的压力越大越好，因此在稍离开喷头6的前端部的(2)的位置进行加工(因为在(1)的位置上，喷头6的前端与工件紧密结合，产生由于热导致的喷头6的破损等)。但是，如果从喷头6的前端以超高速喷出辅助气体7，则从喷头6的开口产生冲击波，其成为壁垒，导致辅助气体7再次收敛，在位置(3)上，辅助气体7的流速达到最大。因此，着眼于这样的辅助气体的流速达到最大的地点来重复进行实验，结果发现，通过在使工件的表面成为辅助气体7的流速最大位置(3)或相比该位置(3)稍稍靠近喷头6的位置的基础上进行激光加工，由此在一定程度上抑制等离子体的产生量而能够以优质的切割质量进行工件加工。而且，测量此时发生的等离子体的产生量(电荷量)，使用离子化装置等对测量到的电荷量的相反电荷进行照射，从而抑制所产生的等离子体对激光加工的影响，实现提高切割质量。
本发明的加工条件调整装置的一种方式是一种加工条件调整装置，其调整离子化装置的设定，从而中和激光加工装置进行工件的激光加工时产生的等离子体所带的电荷，该加工条件调整装置具备：离子量计算部，其至少基于在所述激光加工时产生的等离子体所带的电荷量，来计算从所述离子化装置照射的每单位时间的电荷量；以及控制部，其设定所述离子化装置照射所述离子量计算部计算出的每单位时间的电荷量。
所述加工条件调整装置还可以具备：校正系数存储部，其存储有至少与工件的材料以及板厚相关联设定的校正系数。而且，所述离子量计算部可以基于根据被激光加工的工件的材料和板厚从所述校正系数存储部读出的校正系数、在所述激光加工时设定的激光加工条件，使用预先设定的校正式，计算对从所述离子化装置照射的每单位时间的电荷量进行校正的校正值，该电荷量基于在所述激光加工时产生的等离子体所带电荷量计算而得。
所述加工条件调整装置还可以具备：预处理部，其生成状态变量，该状态变量包括所述离子化装置的设定所涉及的离子化装置设定数据、所述工件所涉及的工件数据、所述激光加工时产生的等离子体所带的电荷量所涉及的等离子体产生状态数据、以及表示所述激光加工时的加工条件的加工条件数据；以及状态判定部，其生成包括等离子体产生量判定数据的判定数据，该等离子体产生量判定数据用于判定所述激光加工装置进行的激光加工中的等离子体所带的电荷量是否良好，所述离子量计算部具备：学习部，其使用所述状态变量和所述判定数据，针对在预定激光加工条件下进行的工件激光加工中产生的等离子体所带的电荷量，学习所述离子化装置的设定的调整行为。而且，所述等离子体产生量判定数据可以用于判定在通过所述离子化装置的设定的调整行为调整后的激光加工条件下进行的工件激光加工中产生的等离子体所带的电荷量是否良好。
所述学习部可以进行强化学习，该强化学习是在接近对预定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所带的电荷量被中和的状态的情况下，给予高回报。
所述加工条件调整装置还可以具备：预处理部，其生成状态变量，该状态变量包括所述离子化装置的设定所涉及的离子化装置设定数据、所述工件所涉及的工件数据、所述激光加工时产生的等离子体所带的电荷量所涉及的等离子体产生状态数据、以及表示所述激光加工时的加工条件的加工条件数据；学习模型存储部，其存储学习完毕模型，该学习完毕模型针对在预定激光加工条件下进行的工件激光加工中产生的等离子体所带的电荷量，学习了所述离子化装置的设定的调整行为；以及决策部，其基于所述状态变量，对使用了所述学习完毕模型的所述离子化装置的设定的调整行为进行推定。
所述离子化装置的设定的调整行为可以是对所述激光加工时的加工部分附近照射的每单位时间的电荷量的调整行为。
本发明的机器学习装置的一种方式是一种机器学习装置，其调整离子化装置的设定，从而中和激光加工装置进行的工件激光加工时产生的等离子体所带的电荷，该机器学习装置具备：学习部，其使用状态变量和判定数据，针对预定激光加工条件下进行的工件激光加工中产生的等离子体所带的电荷量，学习所述离子化装置的设定的调整行为，其中，所述状态变量包括所述离子化装置的设定所涉及的离子化装置设定数据、所述工件所涉及的工件数据、所述激光加工时产生的等离子体所带的电荷量所涉及的等离子体产生状态数据、以及表示所述激光加工时的加工条件的加工条件数据，所述判定数据包括等离子体产生量判定数据，所述等离子体产生量判定数据用于判定所述激光加工装置进行的激光加工中的等离子体所带的电荷量是否良好。所述等离子体产生量判定数据用于判定在通过所述离子化装置的设定的调整行为调整后的激光加工条件下进行的工件激光加工中产生的等离子体所带的电荷量是否良好。
本发明的机器学习装置的其他方式为一种机器学习装置，其调整离子化装置的设定，从而中和激光加工装置进行的工件激光加工时产生的等离子体所带的电荷，该机器学习装置具备：学习模型存储部，其存储学习完毕模型，该学习完毕模型针对在预定激光加工条件下进行的工件激光加工中产生的等离子体所带的电荷量，学习了所述离子化装置的设定的调整行为；以及决策部，其基于状态变量，对采用了所述学习完毕模型的所述离子化装置的设定的调整行为进行推定，其中，所述状态变量包括所述离子化装置的设定所涉及的离子化装置设定数据、所述工件所涉及的工件数据、所述激光加工时产生的等离子体所带的电荷量所涉及的等离子体产生状态数据、以及表示所述激光加工时的加工条件的加工条件数据。
根据本发明，通过中和在激光加工装置进行工件的激光加工时产生的等离子体所带的电荷，能够提高工件的切割质量。
附图说明
图1是第一实施方式的加工条件调整装置的概略性硬件结构图。
图2是第一实施方式的加工条件调整装置的概略性功能框图。
图3是表示第一实施方式的校正系数的定义例的图。
图4是说明对基于图2的加工条件调整装置的激光加工时的等离子体所带的电荷量进行中和的方法的图。
图5是第二实施方式的加工条件调整装置的概略性硬件结构图。
图6是第二实施方式的加工条件调整装置的概略性功能框图。
图7是表示激光加工装置进行的激光加工中从喷头的前端喷出的辅助气体的流动的图。
具体实施方式
图1是第一实施方式的加工条件调整装置的概略性硬件结构图。
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，另外，也可以安装为与控制激光加工装置的控制装置并设的个人计算机、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，示出将加工条件调整装置1安装为控制激光加工装置2的控制装置的情况的例子。
加工条件调整装置1所具备的CPU11是对加工条件调整装置1进行整体性控制的处理器，经由总线20读出保存在ROM12中的系统/程序，并按照该系统/程序对加工条件调整装置1整体进行控制。RAM13中临时性保存临时性的计算数据、操作者经由输入装置71输入的各种数据等。
非易失性存储器14例如由电池(未图示)所支持的存储器或SSD等构成，即使加工条件调整装置1的电源被切断也保持存储状态。在非易失性存储器14中存储：保存有加工条件调整装置1的动作所涉及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的各部分或激光加工装置2获取到的各种数据(例如，激光加工装置2进行激光加工时的激光输出、频率、占空比、加工速度、辅助气体的种类或压力、工件的材料种类或板厚、喷头直径、间隔、焦点位置、由安装在激光加工装置2的等离子体测量器4检测到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。非易失性存储器14中存储的程序或各种数据在执行时/利用时可以在RAM13中展开。另外，ROM12中预先写入了包括用于解析各种数据的公知的解析程序等的系统/程序。
等离子体测量器4是测量在进行激光加工的附近的等离子体产生量的测量器，例如是探针测量器、电磁测量器、粒子测量器、分光测量器等。等离子体测量器4例如固定安装在激光加工装置2附近的任意位置，或者安装在设置于激光加工装置2附近的机器人(未图示)的手部，从而测量激光加工装置2的加工部位附近的等离子体产生量。等离子体测量器4优选能够测定在激光加工装置2的加工部位附近产生的等离子体所带的电荷的电荷量。由等离子体测量器4测量到的加工部位附近的等离子体产生量(电荷量)经由接口15传递给CPU11。
离子化装置5例如是电晕放电式除电器或电离放射线式除电器等这样的、对预定范围照射离子化后的空气或放射线的装置。离子化装置5例如固定安装在激光加工装置2附近的任意位置，或安装在喷头内，或安装在设置于激光加工装置2附近的机器人(未图示)的手部，从而接受来自CPU11的指示，对激光加工装置2的加工部位附近照射离子化后的空气或放射线。
将执行在存储器上读入的各数据、程序等而得到的数据、等离子体测量器4拍摄得到的对象物的距离图像数据、由后述的机器学习装置100输出的数据等经由接口17输出至显示装置70并进行显示。另外，由键盘或定点设备等构成的输入装置71接受基于操作者的操作的指示、数据等，经由接口18传递至CPU11。
图2是第一实施方式的加工条件调整装置1的概略性功能框图。通过由图1所示的加工条件调整装置1所具备的CPU11执行系统/程序来控制加工条件调整装置1各部分的动作而实现图2所示的各功能块。
本实施方式的加工条件调整装置1具备控制部30以及离子量计算部36，另外，在设置在非易失性存储器14上的校正系数存储部50中，预先经由外部存储装置(未图示)或者有线/无线的网络存储有校正系数，该校正系数在校正通过离子化装置5中和激光加工装置2进行的激光加工的加工部位附近的等离子体所带的电荷量时所照射的离子的电荷量时使用。
控制部30通常按照基于控制用程序等的指示来控制激光加工装置2以及离子化装置5的动作。控制部30在设定了间隔的状态下进行激光加工的控制，使得工件的表面到达预先通过实验等求出的从喷头喷射的辅助气体的流速快的位置至相比于辅助气体的流速快的部分稍靠近喷头的位置。另外，在激光加工装置2的控制中，控制部30逐次获取控制用程序等的针对激光加工装置2的指示值、激光输出或频率、占空比、加工速度等可从激光加工装置2获取的各数据，并向离子量计算部36输出。
离子量计算部36基于从控制部30以及等离子体测量器4获取到的信息、预先在校正系数存储部50中设定好的校正系数、以及预先设定好的校正式，计算从离子化装置5照射的每单位时间照射的电荷量，经由控制部30指示离子化装置5照射对计算出的电荷量进行中和的电荷量。离子量计算部36主要基于从等离子体测量器4获取到的、激光加工装置2进行的激光加工的加工部位附近的等离子体所带的电荷量，计算为了中和该电荷量所需的在每单位时间照射的电荷量。另外，离子量计算部36根据需要从校正系数存储部50读出与当前加工的工件的材料以及板厚对应的校正系数，基于该校正系数和激光加工的激光输出、频率、占空比、加工速度等，使用校正式计算校正量，对将计算出的校正量与为了中和等离子体所带的电荷量所需的每单位时间所照射的电荷量相加而得的值进行计算。
图3示出了存储在校正系数存储部50中的与工件的材料以及板厚对应的校正系数的例子。
离子量计算部36所计算的校正量预料到了下述电荷量，即，用于中和在通过等离子体测量器4测量出等离子体所带的电荷量起到通过离子化装置5照射进行中和的电荷量为止的期间，激光加工装置2进行的激光加工中进一步增加的电荷量的每单位时间照射的电荷量，用于计算该校正量的校正式以及与工件的材料以及板厚对应的校正系数通过预先进行采用了多个工件、加工条件的实验等来求出。
图4是举例示出激光加工装置2进行的激光加工的情形的图。
如图4所例示的那样，具备上述结构的加工条件调整装置1在激光加工装置2进行激光加工时，通过等离子体测量器4来测量其加工部位附近的等离子体10的产生量，为了抵消该等离子体10所带的电荷量，从离子化装置5对加工部位附近照射离子化后的空气或放射线，从而中和加工部位附近产生的等离子体10所带的电荷，可期待提升激光加工对加工面的切割质量。
图5是表示第二实施方式的具备机器学习装置的加工条件调整装置的主要部位的概略性硬件结构图。
本实施方式的加工条件调整装置1除了具备图1中所说明的第一实施方式的加工条件调整装置1所具备的结构，还具备机器学习装置100，通过该机器学习装置100进行的机器学习，推定为了对在激光加工装置2进行的激光加工的加工部位附近产生的等离子体所带的电荷量进行中和所需的电荷量。
接口21是用于连接加工条件调整装置1与机器学习装置100的接口。机器学习装置100具备对机器学习装置100整体进行统括控制的处理器101、存储有系统/程序等的ROM102、用于进行机器学习所涉及的各处理中的临时性存储的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能够经由接口21观测可由加工条件调整装置1获取的各信息(例如，激光加工装置2进行的激光加工的激光输出、频率、占空比、加工速度、辅助气体的种类或压力、工件的材料种类或板厚、喷头直径、间隔、焦点位置、由安装在激光加工装置2的等离子体测量器4检测到的等离子体产生量等)。
另外，加工条件调整装置1经由接口21获取从机器学习装置100输出的处理结果，基于获取到的结果来控制离子化装置5的动作。
图6是第二实施方式的加工条件调整装置1和机器学习装置100的概略性功能框图。通过由图5所示加工条件调整装置1具备的CPU11以及机器学习装置100的处理器101执行各自的系统/程序来控制加工条件调整装置1以及机器学习装置100各部分的动作，由此实现图6所示的各功能块。
本实施方式的加工条件调整装置1具备控制部30、预处理部32、状态判定部34以及离子量计算部36。另外，该离子量计算部36在机器学习装置100上构成，具备学习部110、决策部120以及学习模型存储部130。
与第一实施方式的情况同样地，控制部30通常按照基于控制用程序等的指示来控制激光加工装置2以及离子化装置5的动作。控制部30在设定了间隔的状态下进行激光加工的控制，使得工件的表面到达预先通过实验等求出的从喷头喷射的辅助气体的流速快的位置或者比辅助气体的流速快的部分稍靠近喷头的位置。另外，在激光加工装置2的控制中，控制部30逐次获取基于控制用程序等的针对激光加工装置2的指示值、或者激光输出或频率、占空比、加工速度等可由激光加工装置2获取的各数据，并输出到离子量计算部36。
预处理部32基于从控制部30、等离子体测量器4以及离子化装置5获取到的信息，生成构成为离子量计算部36的机器学习装置100所进行的学习以及决策所使用的状态数据S。预处理部32将获取到的数据变换为在机器学习装置100中处理的统一的形式(数值化、归一化、采样等)从而生成状态数据S。预处理部32生成的状态数据S中包括离子化装置5的设定所涉及的离子化装置设定数据S1、成为激光加工对象的工件所涉及的工件数据S2、等离子体的发生状态所涉及的等离子体产生状态数据S3、以及表示激光加工时的加工条件的加工条件数据S4。
离子化装置设定数据S1中包含从离子化装置5照射的每单位时间照射的电荷量。离子化装置设定数据S1中还可以次要地包含离子化装置5的风量、照射或产生离子的场所等的信息。
工件数据S2中包含成为激光加工装置2进行的激光加工对象的工件的材料的种类(铁、铝等)以及板厚。工件的材料的种类以及板厚可以利用激光加工开始前例如由操作者经由激光加工装置2的操作板等输入至激光加工装置2的信息、由操作者经由输入装置71输入加工条件调整装置1的信息、经由网络从制造计划装置等其他计算机(未图示)获取到的信息。
等离子体产生状态数据S3中包含通过等离子体测量器4测量到的、通过激光加工装置2进行激光加工的位置附近的等离子体所带的电荷量。
可以获取加工条件数据S4来作为在激光加工装置2中进行的激光加工中的激光加工条件。激光加工中的激光加工条件中例如可以包含激光加工中的激光输出、频率、占空比、加工速度、辅助气体的种类或压力、喷头直径、焦点位置、作为从喷头的前端到工件为止的距离的间隔等。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、在加工条件调整装置1中设定并存储在非易失性存储器14中的激光加工参数等获取。
状态判定部34基于通过等离子体测量器4测量到的、通过激光加工装置2进行激光加工的位置附近的等离子体所带的电荷量，来判定当前的等离子体发生状态，并生成作为其判定结果的判定数据D。状态判定部34生成的判定数据D中包含表示与等离子体所带的电荷量完全中和状态(电荷量0)的偏离程度的等离子体产生量判定数据D1。
而且，状态判定部34在学习阶段是必须的结构，而在学习部110对激光加工中离子化装置5的设定的调整行为的学习完毕之后，并不一定是必须的结构。例如，在将学习完毕的机器学习装置100提供给顾客的情况等时，可以将状态判定部34拆除后提供。
学习部110进行采用了预处理部32生成的状态数据S和状态判定部34生成的判定数据D的强化学习，并生成(学习)学习完毕模型，该模型学习了相对于在预定加工条件下的激光加工时的等离子体发生状态，离子化装置5的设定的调整行为是否良好。强化学习是指以下方法：观测学习对象所存在环境的当前状态(即输入)，并且在该当前状态下执行预定行为(即输出)，以试错的方式反复针对该执行的行为给予某种回报的循环，并将回报的合计达到最大化的方案(图6的机器学习装置36中，为激光加工中离子化装置5的设定的调整行为)作为最优解来学习。
学习部110使用例如已知为Q学习(Q-learning)的算法，求出与预定激光加工条件下激光加工装置2进行的激光加工的加工部分附近发生的等离子体所带的电荷量的是否良好判定结果(相当于在获取到状态变量S的下一学习周期中生成的判定数据D)相关联的回报R，使用求出的回报R来更新表示离子化装置5的设定的调整行为的价值的函数Q(学习模型)。
这样，以表示在预定状态s下(由状态变量S定义)选择了行为a(离子化装置5的设定的调整行为，例如每单位时间照射的电荷量的调整行为)时的行为价值的函数Q(s,a)作为学习模型，在状态s下选择价值函数Q达到最高的行为a成为最优解。学习部110在进行学习时，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，来反复更新价值函数Q，从而接近最优解。学习部110通过重复表示价值的函数Q的更新，针对预定加工条件下对工件的激光加工中产生的等离子体所带的电荷量，学习离子化装置5的设定的调整(例如，每单位时间照射的电荷量的调整)。
在学习部110进行的Q学习中，就回报R而言，例如，可以在预定激光加工条件下的激光加工时产生的等离子体所带的电荷量的是否良好判定结果被判定为“良好”的情况下(即，等离子体所带电荷量基本被中和的情况等)设为正(+)的回报R，在是否良好判定结果被判定为“否”的情况下(例如，从等离子体所带的电荷量的中和状态偏离预定阈值以上的情况等)，设为负(-)的回报R。回报R的值可以根据与等离子体所带的电荷量的中和状态偏离的程度而变化。另外，作为判定的条件，可以在判定数据D中包含多个数据的情况下，组合那些多个数据来进行判定。
学习部110可以构成为使用神经网络作为价值函数Q(学习模型)，将状态变量S和行为a作为该神经网络的输入，输出某一状态下某一行为a的价值(结果y)。在如此构成的情况下，作为学习模型，可以使用具备输入层、中间层、输出层这三层的神经网络，但是也可以构成为通过使用采用了形成三层以上的层的神经网络的、所谓深层学习的手法，进行更加有效的学习以及推论。学习部110所生成的学习完毕模型存储在设置在非易失性存储器104上的学习模型存储部130中，用于决策部120对离子化装置5的设定的调整行为的推定处理。
而且，学习部110在学习阶段是必须的结构，而在学习部110对离子化装置5的设定的学习完毕之后，并不一定是必须的结构。例如在将学习完毕的机器学习装置100提供给顾客时等，可以将学习部110拆除后提供。
决策部120基于从预处理部32输入的状态数据S，使用学习模型存储部130中存储的学习完毕模型来求出离子化装置5的设定的调整行为的最优解，并输出所求得的离子化装置5的设定的调整行为。本实施方式的决策部120针对由学习部110进行的强化学习所生成的(参数已确定)学习完毕模型，输入从预处理部32输入的状态数据S(离子化装置设定数据S1、工件数据S2、等离子体产生状态数据S3以及加工条件数据S4)和离子化装置5的设定的调整行为(例如，每单位时间照射的电荷量)来作为输入数据，从而可以计算在当前状态下采取该行为的情况下的回报，但是针对当前可取的多个离子化装置5的设定的调整行为来进行该回报的计算，比较计算出的多个回报，并将计算最大回报的离子化装置5的设定的调整行为推定为最优解。决策部120推定的离子化装置5的设定的调整行为的最优解被输入至控制部30并用于离子化装置5的设定的调整，进而例如可以在显示装置70中显示输出，或经由有线/无线网络向主计算机或云计算机(未图示)等发送输出来进行使用。
通过具备上述的结构，能够准确控制离子化装置5中和由于各种加工所涉及的要因而变化的、激光加工时产生的等离子体所带的电荷，从而能够提高激光加工中的工件切割质量。
以上说明了本发明的实施方式，但是本发明并不仅限定为上述的实施方式例，而是可以通过施加适当的变更，以各种各样的方式来实施。
例如，机器学习装置100所执行的学习算法、机器学习装置100所执行的运算算法、加工条件调整装置1所执行的控制算法等不限定为所述的算法，可以采用各种算法。
另外，上述的实施方式中，说明了加工条件调整装置1和机器学习装置100是具有不同CPU(处理器)的装置，机器学习装置100也可以通过加工条件调整装置1所具备的CPU11和存储在ROM12中的系统/程序来实现。

Claims (8)

1.一种加工条件调整装置，其通过离子化装置照射的离子，中和激光加工装置进行工件的激光加工时在加工部位的附近产生的等离子体所带的电荷量，由此实现加工面的切割质量的提高，其特征在于，
该加工条件调整装置具备：
等离子体测量器，其测量由所述激光加工装置进行加工时在加工部位的附近产生的等离子体所带的电荷量；
离子量计算部，其基于所述等离子体测量器测量出的电荷量，来计算从所述离子化装置照射所述加工部位的附近的离子的每单位时间的电荷量；以及
控制部，其调整所述离子化装置的设定以便照射所述离子量计算部计算出的每单位时间的电荷量的离子，
所述离子量计算部经由已完成所述设定的调整的控制部指示所述离子化装置，使得所述离子化装置照射对所述离子量计算部计算出的电荷量进行中和的电荷量。
2.根据权利要求1所述的加工条件调整装置，其特征在于，
该加工条件调整装置还具备：校正系数存储部，其存储有至少与工件的材料以及板厚相关联设定的校正系数，
所述离子量计算部基于根据被激光加工的工件的材料和板厚从所述校正系数存储部读出的校正系数、在所述激光加工时设定的激光加工条件，使用预先设定的校正式，计算对从所述离子化装置照射的每单位时间的电荷量进行校正的校正值，该电荷量基于在所述激光加工时产生的等离子体所带电荷量计算而得。
3.根据权利要求1所述的加工条件调整装置，其特征在于，
该加工条件调整装置具备：
预处理部，其生成状态变量，该状态变量包括所述离子化装置的设定所涉及的离子化装置设定数据、所述工件所涉及的工件数据、所述激光加工时产生的等离子体所带的电荷量所涉及的等离子体产生状态数据、以及表示所述激光加工时的加工条件的加工条件数据；以及，
状态判定部，其生成包括等离子体产生量判定数据的判定数据，该等离子体产生量判定数据用于判定所述激光加工装置进行的激光加工中的等离子体所带的电荷量是否良好，
所述离子量计算部具备：学习部，其使用所述状态变量和所述判定数据，针对在预定激光加工条件下进行的工件激光加工中产生的等离子体所带的电荷量，学习所述离子化装置的设定的调整行为，
所述等离子体产生量判定数据用于判定在通过所述离子化装置的设定的调整行为调整后的激光加工条件下进行的工件激光加工中产生的等离子体所带的电荷量是否良好。
4.根据权利要求3所述的加工条件调整装置，其特征在于，
所述学习部进行强化学习，该强化学习是在接近预定激光加工条件下进行的工件激光加工中产生的等离子体所带的电荷量被中和的状态的情况下，给予高回报。
5.根据权利要求1所述的加工条件调整装置，其特征在于，
该加工条件调整装置还具备：
预处理部，其生成状态变量，该状态变量包括所述离子化装置的设定所涉及的离子化装置设定数据、所述工件所涉及的工件数据、所述激光加工时产生的等离子体所带的电荷量所涉及的等离子体产生状态数据、以及表示所述激光加工时的加工条件的加工条件数据；
学习模型存储部，其存储学习完毕模型，该学习完毕模型针对在预定激光加工条件下进行的工件激光加工中产生的等离子体所带的电荷量，学习了所述离子化装置的设定的调整行为；以及
决策部，其基于所述状态变量，对使用了所述学习完毕模型的所述离子化装置的设定的调整行为进行推定。
6.根据权利要求3～5中任一项所述的加工条件调整装置，其特征在于，
所述离子化装置的设定的调整行为是对所述激光加工时的加工部分附近照射的每单位时间的电荷量的调整行为。
7.一种机器学习装置，其通过调整离子化装置的设定，中和激光加工装置进行的工件激光加工时在加工部位的附近产生的等离子体所带的电荷量，由此实现加工面的切割质量的提高，其特征在于，
该机器学习装置具备：学习部，其使用状态变量和判定数据，针对基于预定激光加工条件下由所述激光加工装置进行加工时在加工部位的附近产生的等离子体所带的电荷量而计算出的从所述离子化装置照射所述加工部位的附近的离子的每单位时间的电荷量，学习所述离子化装置的设定的调整行为，其中，所述状态变量包括所述离子化装置的设定所涉及的离子化装置设定数据、所述工件所涉及的工件数据、所述激光加工时产生的等离子体所带的电荷量所涉及的等离子体产生状态数据、以及表示所述激光加工时的加工条件的加工条件数据，所述判定数据包括等离子体产生量判定数据，所述等离子体产生量判定数据用于判定所述激光加工装置进行的激光加工中的等离子体所带的电荷量是否良好，
所述等离子体产生量判定数据用于判定在通过所述离子化装置的设定的调整行为调整后的激光加工条件下进行的工件激光加工中产生的等离子体所带的电荷量是否良好，
所述机器学习装置按照已完成调整的所述设定来指示所述离子化装置照射对所述计算出的电荷量进行中和的电荷量。
8.一种机器学习装置，其调整离子化装置的设定，中和激光加工装置进行的工件激光加工时在加工部位的附近产生的等离子体所带的电荷量，由此实现加工面的切割质量的提高，其特征在于，
该机器学习装置具备：
学习模型存储部，其存储学习完毕模型，该学习完毕模型针对基于在预定激光加工条件下由所述激光加工装置进行加工时在加工部位的附近产生的等离子体所带的电荷量而计算出的从所述离子化装置照射所述加工部位的附近的离子的每单位时间的电荷量，学习了所述离子化装置的设定的调整行为；以及
决策部，其基于状态变量，对采用了所述学习完毕模型的所述离子化装置的设定的调整行为进行推定，其中，所述状态变量包括所述离子化装置的设定所涉及的离子化装置设定数据、所述工件所涉及的工件数据、所述激光加工时发生的等离子体所带的电荷量所涉及的等离子体产生状态数据、以及表示所述激光加工时的加工条件的加工条件数据，
所述机器学习装置按照已完成调整的所述设定来指示所述离子化装置照射对上述计算出的电荷量进行中和的电荷量。
CN201910783789.5A 2018-08-24 2019-08-23 加工条件调整装置以及机器学习装置 Active CN110893518B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018157523A JP6740299B2 (ja) 2018-08-24 2018-08-24 加工条件調整装置及び機械学習装置
JP2018-157523 2018-08-24

Publications (2)

Publication Number Publication Date
CN110893518A CN110893518A (zh) 2020-03-20
CN110893518B true CN110893518B (zh) 2022-03-04

Family

ID=69412604

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910783789.5A Active CN110893518B (zh) 2018-08-24 2019-08-23 加工条件调整装置以及机器学习装置

Country Status (4)

Country Link
US (1) US11318565B2 (zh)
JP (1) JP6740299B2 (zh)
CN (1) CN110893518B (zh)
DE (1) DE102019005748A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021147228A (ja) * 2020-03-23 2021-09-27 株式会社Ｓｃｒｅｅｎホールディングス 搬送装置および搬送方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5247155A (en) * 1990-08-09 1993-09-21 Cmb Foodcan Public Limited Company Apparatus and method for monitoring laser material processing
CN1953837A (zh) * 2004-04-08 2007-04-25 离子系统公司 离子产生方法及设备
CN105073333A (zh) * 2013-03-13 2015-11-18 应用材料公司 用于太阳能电池的激光烧蚀平台
CN106814698A (zh) * 2015-11-30 2017-06-09 发那科株式会社 具备芯焊接位置决定功能的线放电加工机的仿真装置
CN108227482A (zh) * 2016-12-14 2018-06-29 发那科株式会社 控制系统以及机器学习装置

Family Cites Families (68)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3913520A (en) * 1972-08-14 1975-10-21 Precision Thin Film Corp High vacuum deposition apparatus
JPS51147097A (en) * 1975-06-13 1976-12-17 Hitachi Ltd Laser processing method
USRE34806E (en) * 1980-11-25 1994-12-13 Celestech, Inc. Magnetoplasmadynamic processor, applications thereof and methods
US4630167A (en) * 1985-03-11 1986-12-16 Cybergen Systems, Inc. Static charge neutralizing system and method
US4809127A (en) * 1987-08-11 1989-02-28 Ion Systems, Inc. Self-regulating air ionizing apparatus
DE3942299C2 (de) * 1989-12-21 1995-04-27 Bosch Gmbh Robert Verfahren und Vorrichtung zum laufenden Messen der Größe von Durchgangsbohrungen
EP0782489B1 (de) * 1994-09-23 1998-03-18 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren zum verschweissen von werkstücken
JP2651478B2 (ja) * 1994-12-15 1997-09-10 春日電機株式会社 除電除塵方法及び除電除塵装置
US5700989A (en) * 1994-12-30 1997-12-23 Dykhno; Igor S. Combined laser and plasma arc welding torch
US5705785A (en) * 1994-12-30 1998-01-06 Plasma-Laser Technologies Ltd Combined laser and plasma arc welding torch
US6541786B1 (en) * 1997-05-12 2003-04-01 Cymer, Inc. Plasma pinch high energy with debris collector
US6388227B1 (en) * 1999-07-15 2002-05-14 Plasma Laser Technologies Ltd. Combined laser and plasma-arc processing torch and method
US6690004B2 (en) * 1999-07-21 2004-02-10 The Charles Stark Draper Laboratory, Inc. Method and apparatus for electrospray-augmented high field asymmetric ion mobility spectrometry
US6771684B2 (en) * 2000-03-02 2004-08-03 Alan E. Hill Compact, flexible, rapid-pulsed, molecular gas laser
US7215697B2 (en) * 1999-08-27 2007-05-08 Hill Alan E Matched impedance controlled avalanche driver
JP2001084577A (ja) * 1999-09-09 2001-03-30 Fuji Photo Film Co Ltd 磁気テープの加工方法および加工装置
RU2206186C2 (ru) * 2000-07-04 2003-06-10 Государственный научный центр Российской Федерации Троицкий институт инновационных и термоядерных исследований Способ получения коротковолнового излучения из газоразрядной плазмы и устройство для его реализации
DE10196266T1 (de) * 2001-05-23 2003-08-07 Mitsubishi Electric Corp Laserbearbeitungsvorrichtung
US6646853B2 (en) * 2001-09-04 2003-11-11 Illinois Tool Works Inc. Current control of a power supply for an ionizer
FR2829415B1 (fr) * 2001-09-13 2003-10-31 Air Liquide Procede d'amorcage de l'arc electrique en soudage hybride laser-arc
FR2829414B1 (fr) * 2001-09-13 2003-10-31 Air Liquide Procede de soudage hybride laser-arc avec ajustage des debits de gaz
WO2004040612A2 (en) * 2002-04-10 2004-05-13 Johns Hopkins University Combined chemical/biological agent mass spectrometer detector
JP2004122174A (ja) * 2002-10-02 2004-04-22 Sumitomo Heavy Ind Ltd レーザ加工方法及びレーザ加工装置
US7781750B2 (en) * 2003-08-27 2010-08-24 Carl Zeiss Smt Ag Oblique mirror-type normal-incidence collector system for light sources, particularly EUV plasma discharge sources
JP2005108144A (ja) * 2003-10-02 2005-04-21 Fanuc Ltd ロボットの補正データ確認装置
DE10348217A1 (de) * 2003-10-16 2005-05-25 Brandenburgische Technische Universität Cottbus Vorrichtung und Verfahren zur Aerosolauf- oder Aerosolumladung in einen definierten Ladungszustand einer bipolaren Diffusionsaufladung mit Hilfe einer elektrischen Entladung im Aerosolraum
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
US6974957B2 (en) * 2004-02-18 2005-12-13 Nanomat, Inc. Ionization device for aerosol mass spectrometer and method of ionization
US7148472B2 (en) * 2004-02-28 2006-12-12 Ngx, Inc. Aerosol mass spectrometer for operation in a high-duty mode and method of mass-spectrometry
US7071466B2 (en) * 2004-04-19 2006-07-04 Ngx, Inc. Mass spectrometry system for continuous control of environment
US8502108B2 (en) * 2004-05-28 2013-08-06 Old Dominion University Research Foundation Method and device for creating a micro plasma jet
US7572998B2 (en) * 2004-05-28 2009-08-11 Mohamed Abdel-Aleam H Method and device for creating a micro plasma jet
US8471171B2 (en) * 2004-05-28 2013-06-25 Robert O. Price Cold air atmospheric pressure micro plasma jet application method and device
KR100512137B1 (ko) * 2004-08-13 2005-09-02 (주)선재하이테크 공기통을 갖춘 펄스 교류고전압 코로나방전식 막대형정전기 제거장치
US7183515B2 (en) * 2004-12-20 2007-02-27 Lockhead-Martin Corporation Systems and methods for plasma jets
AU2006223254B2 (en) * 2005-03-11 2012-04-26 Perkinelmer U.S. Llc Plasmas and methods of using them
US7251263B2 (en) * 2005-05-23 2007-07-31 Colorado State University Research Foundation Capillary discharge x-ray laser
US7728253B2 (en) * 2005-06-29 2010-06-01 Northeastern University Nano-particle trap using a microplasma
US20070045252A1 (en) * 2005-08-23 2007-03-01 Klaus Kleine Laser induced plasma machining with a process gas
JP4910207B2 (ja) * 2005-11-25 2012-04-04 Ｓｍｃ株式会社 イオンバランス調整方法及びそれを用いたワークの除電方法
US20070279829A1 (en) * 2006-04-06 2007-12-06 Mks Instruments, Inc. Control system for static neutralizer
CA2590762C (en) * 2006-06-08 2013-10-22 Microsaic Systems Limited Microengineered vacuum interface for an ionization system
JP4874771B2 (ja) * 2006-11-30 2012-02-15 株式会社キーエンス イオン化装置
JP5277496B2 (ja) * 2007-04-27 2013-08-28 ギガフォトン株式会社 極端紫外光源装置および極端紫外光源装置の光学素子汚染防止装置
US8173959B1 (en) * 2007-07-21 2012-05-08 Implant Sciences Corporation Real-time trace detection by high field and low field ion mobility and mass spectrometry
US20120160997A1 (en) * 2007-09-21 2012-06-28 Richard Lee Fink Non-radioactive ion sources with ion flow control
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
JP5212787B2 (ja) * 2008-02-28 2013-06-19 Ｓｍｃ株式会社 イオナイザ
US7905199B2 (en) * 2008-06-24 2011-03-15 Tel Epion Inc. Method and system for directional growth using a gas cluster ion beam
CN102695577B (zh) * 2009-09-14 2016-08-03 通快机床两合公司 利用激光设备与电弧设备加工工件的方法与装置
JP5758153B2 (ja) * 2010-03-12 2015-08-05 エーエスエムエル ネザーランズ ビー．ブイ． 放射源装置、リソグラフィ装置、放射発生および送出方法、およびデバイス製造方法
EP2566650B1 (en) * 2010-05-05 2019-10-02 PerkinElmer Health Sciences, Inc. Inductive devices and low flow plasmas using them
JP2013532349A (ja) * 2010-05-05 2013-08-15 ペルキネルマー ヘルス サイエンシーズ， インコーポレイテッド 耐酸化性誘導装置
FR2980992B1 (fr) * 2011-10-05 2013-11-29 Centre Nat Rech Scient Systeme de transfert d'energie electrique en energie thermique
DE102012207201B3 (de) * 2012-04-30 2013-04-11 Trumpf Werkzeugmaschinen Gmbh + Co. Kg Verfahren zum laserunterstützten Plasmaschneiden oder Plasmaschweißen und Vorrichtung dafür
US9259798B2 (en) * 2012-07-13 2016-02-16 Perkinelmer Health Sciences, Inc. Torches and methods of using them
US10285255B2 (en) * 2013-02-14 2019-05-07 Elemental Scientific Lasers, Llc Laser ablation cell and injector system for a compositional analysis system
US9102011B2 (en) * 2013-08-02 2015-08-11 Rofin-Sinar Technologies Inc. Method and apparatus for non-ablative, photoacoustic compression machining in transparent materials using filamentation by burst ultrafast laser pulses
EP3018695A4 (en) * 2013-08-02 2016-07-20 Shimadzu Corp IONIZATION DEVICE AND MASS SPECTROMETRY DEVICE
US20150034613A1 (en) * 2013-08-02 2015-02-05 Rofin-Sinar Technologies Inc. System for performing laser filamentation within transparent materials
JP5911903B2 (ja) * 2014-03-28 2016-04-27 ファナック株式会社 レーザ光の強度分布を計測するビームプロファイラ、レーザ発振器、およびレーザ加工装置
US20160114425A1 (en) * 2014-07-03 2016-04-28 Jian Liu Method for Manipulating Microstructure and Grain Size in Laser Three-Dimensional Additive Manufacturing
US9827631B2 (en) * 2014-09-16 2017-11-28 Honeywell International Inc. Turbocharger shaft and wheel assembly
US9821410B2 (en) * 2014-09-16 2017-11-21 Honeywell International Inc. Turbocharger shaft and wheel assembly
KR102358693B1 (ko) * 2015-01-06 2022-02-04 삼성전자주식회사 매엽식 웨이퍼 세정 설비
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
CN115102034A (zh) * 2017-02-07 2022-09-23 国立大学法人九州大学 电流注入式有机半导体激光二极管
JP6810110B2 (ja) * 2018-08-24 2021-01-06 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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5247155A (en) * 1990-08-09 1993-09-21 Cmb Foodcan Public Limited Company Apparatus and method for monitoring laser material processing
CN1953837A (zh) * 2004-04-08 2007-04-25 离子系统公司 离子产生方法及设备
CN105073333A (zh) * 2013-03-13 2015-11-18 应用材料公司 用于太阳能电池的激光烧蚀平台
CN106814698A (zh) * 2015-11-30 2017-06-09 发那科株式会社 具备芯焊接位置决定功能的线放电加工机的仿真装置
CN108227482A (zh) * 2016-12-14 2018-06-29 发那科株式会社 控制系统以及机器学习装置

Also Published As

Publication number Publication date
CN110893518A (zh) 2020-03-20
JP2020028910A (ja) 2020-02-27
DE102019005748A8 (de) 2020-04-23
DE102019005748A1 (de) 2020-02-27
US20200061755A1 (en) 2020-02-27
JP6740299B2 (ja) 2020-08-12
US11318565B2 (en) 2022-05-03

Similar Documents

Publication Publication Date Title
EP3382475B1 (en) Wire electric discharge machine comprising control device and machine learning device
US10962960B2 (en) Chip removal apparatus and information processing apparatus
CN110549005B (zh) 加工条件调整装置以及机器学习装置
Wang et al. Intelligent modelling of back-side weld bead geometry using weld pool surface characteristic parameters
US10725447B2 (en) Method for automated straightening of welded assemblies
KR102224970B1 (ko) 제어 장치 및 기계 학습 장치
CN110355462B (zh) 加工条件调整装置以及机器学习装置
Rand et al. Two-phase strategy of neural control for planar reaching movements: I. XY coordination variability and its relation to end-point variability
CN110893518B (zh) 加工条件调整装置以及机器学习装置
CN110914770A (zh) 数控装置
CN111844014A (zh) 机器学习装置以及机器学习方法、激光加工系统
JP5717033B2 (ja) 作業支援システム
CN110893515B (zh) 加工条件调整装置以及机器学习装置
CN118434524A (zh) 线放电加工机的控制装置及线放电加工机的控制方法
Wang et al. Droplet transfer model for laser-enhanced GMAW
JP2013054703A (ja) 作業支援システム
WO2020194751A1 (ja) 数値制御装置、放電加工装置および放電加工方法
Bisterov et al. Implications of vector change in electrochemical jet processing
JP5307696B2 (ja) ワイヤカット放電加工方法およびワイヤカット放電加工装置
Liu et al. Adaptive modeling of the weld pool geometry in gas tungsten arc welding
Weissel et al. A nonlinear model predictive control framework approximating noise corrupted systems with hybrid transition densities
Sharma et al. An effective algorithm model for a soft PIN System

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