CN113492247A - 焊接条件调整装置 - Google Patents

Abstract

本发明提供焊接条件调整装置，自动调整起弧工序与收弧工序之间的至少一个焊接区间的电弧焊接条件，能使焊接工序的循环时间缩短。焊接条件调整装置(5)对重复进行的电弧焊接条件进行调整，具备：取得表示焊接工序所涉及的焊接状态的焊接数据的取得部；和基于在该取得部取得的焊接数据来调整起弧工序与收弧工序之间的至少一个焊接区间的电弧焊接条件的调整部。

Description

焊接条件调整装置

技术领域

本发明涉及对焊接工序中的电弧焊接条件进行调整的焊接条件调整装置。

背景技术

作为焊接方法之一，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向母材的被焊接部进给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，在将保护气体对焊接部周边进行喷射的同时进行焊接。

在专利文献1中公开了通过利用了对焊接部位摄像得到的图像数据、对该图像数据进行处理而得到的焊道的外观数据、溅射产生量数据等的机器学习来自动设定焊接条件的技术。

在专利文献2中公开了基于测量焊接电流以及焊接电压而得到的测量值来估计焊道的截面所涉及的物理量从而判定焊道的品质的技术。

现有技术文献

专利文献

专利文献1：JP特开2017-30014号公报

专利文献2：JP特开2016-26877号公报

然而在电弧焊接中，为了确保焊接品质并缩短循环时间，需要提高焊接速度并对让焊接性稳定的焊接条件进行调整。在该调整中，需要作业人员通过手工作业从非常多的试行次数的结果设定为认为最佳的条件。

发明内容

本发明的目的在于，提供一种焊接条件调整装置，自动调整起弧工序与收弧工序之间的至少一个焊接区间的电弧焊接条件，能使焊接工序的循环时间缩短。

本方案所涉及的焊接条件调整装置对电弧焊接条件进行调整，具备：取得表示焊接工序所涉及的焊接状态的焊接数据的取得部；基于在该取得部取得的焊接数据来调整和起弧工序与收弧工序之间的至少一个焊接区间的循环时间关联的电弧焊接条件的调整部。

根据本方案，取得部取得焊接数据，调整部基于取得的焊接数据来调整起弧工序与收弧工序之间的至少一个焊接区间的电弧焊接条件。在焊接工序中包含：起弧工序；在一个或多个焊接区间进行的正式焊接的工序；和收弧工序。正式焊接是在起弧工序与收弧工序之间进行的焊接。在一个焊接区间中，按照一个电弧焊接条件进行焊接。在有多个焊接区间的情况下，有时还在各焊接区间设定不同的电弧焊接条件。在本方案中，进行正式焊接工序当中至少一个焊接区间中的电弧焊接条件的调整。

焊接数据是表示焊接工序中的焊接的状态的信息，包含有助于是否能通过调整电弧焊接条件来缩短循环时间、或者是否要延长循环时间等判定的信息。调整部能通过使用相关的焊接数据来调整起弧工序与收弧工序之间的至少一个焊接区间的电弧焊接条件，使得不使焊接结果变差地缩短所述焊接工序的循环时间，能使焊接工序的循环时间缩短。

另外，即使是在生产线配置多个焊接电源的情况，焊接条件调整装置也能对每个焊接电源、即每个焊丝进行电弧焊接条件的调整。另外，不言自明地，可以在各焊接电源设置焊接条件调整装置，也可以构成为一个焊接条件调整装置分别调整多个焊接电源中的电弧焊接条件。

本方案所涉及的焊接条件调整装置中，具备：基于在所述取得部取得的焊接数据来判定焊接结果的良好与否以及所述循环时间短所引起的不良的良好与否判定部，所述调整部决定与所述循环时间关联的电弧焊接条件的变更内容，以使得在由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，在由所述良好与否判定部判定为所述循环时间短所引起的不良的情况下，延长所述循环时间。

根据本方案，在焊接工序中的焊接结果是良好的情况下，由于存在有通过使电弧焊接条件缩短化来使焊接工序的循环时间缩短的余地的可能性，因此焊接条件调整装置调整电弧焊接条件来使焊接工序的循环时间缩短。在有循环时间短所引起的不良的情况下，焊接条件调整装置调整电弧焊接条件来使焊接工序的循环时间延长。通过相关的调整处理，能极力不使焊接结果变差地缩短焊接工序的循环时间。

本方案所涉及的焊接条件调整装置中，所述调整部在使所述焊接工序的循环时间缩短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，以与循环时间缩短前的所述循环时间关联的电弧焊接条件来使调整确定，使确定的所述电弧焊接条件存储到存储部。

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电弧焊接条件。该最短的电弧焊接条件不一定非要是逻辑上的循环时间最短的电弧焊接条件。最短的电弧焊接条件是指使焊接工序的循环时间缩短来进行焊接的结果是下一焊接工序的焊接结果从良好的状态变化为不良状态时的、循环时间缩短前的电弧焊接条件。

以后，能使用存储部所存储的电弧焊接条件，立即使循环时间最短化。

本方案所涉及的焊接条件调整装置中，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以及所述循环时间短所引起的不良的数据。

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。

本方案所涉及的焊接条件调整装置中，所述调整部具备调整神经网络，其使神经网络学习，使得在被输入所述焊接数据的情况下，输出表示与所述循环时间关联的电弧焊接条件的变更内容的数据。

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

本方案所涉及的焊接条件调整装置中，所述调整神经网络输出表示与所述循环时间关联的电弧焊接条件的变更量的数据。

根据本方案，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，而是输出能调整的电弧焊接条件的变更量。例如，调整神经网络能在焊接结果非常稳定的情况下，输出大的变更量，在虽然焊接结果是良好但不稳定那样的情况下，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。

本方案所涉及的焊接条件调整装置中，具备：基于在所述取得部取得的焊接数据来判定焊接结果的良好与否以及所述循环时间短所引起的不良的良好与否判定部；和基于调整所述电弧焊接条件后得到的所述良好与否判定部的判定结果来使所述调整神经网络学习的学习处理部。

根据本方案，调整神经网络使用表示调整电弧焊接条件时的焊接结果的数据来进行学习。因此，能更有效果地调整电弧焊接条件，使得焊接结果不会变差，从而使焊接工序的循环时间缩短。

本方案所涉及的焊接条件调整装置中，所述学习处理部使所述调整神经网络学习，以使得在由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，在由所述良好与否判定部判定为所述循环时间短所引起的不良的情况下，延长所述循环时间。

根据本方案，能使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。

本方案所涉及的焊接条件调整装置中，所述学习处理部使所述调整神经网络学习，以使得在焊接结果是良好与不良的中间性状态的情况下，维持所述循环时间。

根据本方案，能使调整神经网络学习，以使得在焊接结果是良好与不良的中间性状态的情况下，维持焊接工序的循环时间。中间性状态是如下状态：虽然是焊接结果比较良好的状态，但在进一步缩短循环时间的情况下，存在焊接结果变差的可能性。通过该学习，能使焊接工序的循环时间最短化，且使焊接结果在良好的状态下稳定化。

本方案所涉及的焊接条件调整装置中，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以及所述循环时间短所引起的不良的数据。

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，能更有效果地使调整神经网络学习。

本方案所涉及的焊接条件调整装置中，所述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，调整神经网络包含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，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。焊接结果的良好与否的判定、和电弧焊接条件的调整内容由于一部分具有共通的特征，因此能将良好与否判定神经网络沿用到调整神经网络中。即，能将调整神经网络的权重系数的初始值设定成更合适的值。因此，即使用于使电弧焊接条件学习的学习数据不足，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，就能合适地设定调整神经网络的权重系数的初始值，使调整神经网络更有效率地学习。另外，不言自明地，也可以使调整神经网络以及良好与否判定神经网络的网络结构构成为相同。

本方案所涉及的焊接条件调整装置中，具备：取得至少包含在焊接后对焊接部位摄像而得到的图像数据的状态数据的状态数据取得部，所述调整部具备：基于在所述状态数据取得部取得的状态数据、以及表示所述电弧焊接条件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的评价部；和选择在所述评价部算出的评价值最大的行动的行动选择部。

根据本方案，基于包含在焊接后对焊接部位摄像而得到的图像数据的状态数据，使用进行过强化学习的评价部来选择最佳的电弧焊接条件所涉及的行动。

本方案所涉及的焊接条件调整装置具备：基于在所述取得部取得的焊接数据来判定焊接结果的良好与否以及所述循环时间短所引起的不良的良好与否判定部；基于调整所述电弧焊接条件后得到的所述良好与否判定部的判定结果和焊接工序所需的时间来算出针对所述电弧焊接条件的报酬的报酬算出部；基于在所述状态数据取得部取得的状态数据、表示所述电弧焊接条件所涉及的行动的行动数据以及在所述报酬算出部算出的报酬来使所述评价部学习的强化学习部。

根据本方案，能对缩短焊接工序的循环时间的电弧焊接条件进行强化学习。

本方案所涉及的焊接条件调整装置中，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、以及表示所述电弧焊接条件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，能对缩短焊接工序的循环时间的电弧焊接条件进行深度强化学习。

本方案所涉及的焊接条件调整装置中，表示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、在焊接工序中集音的焊接音、和在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，能使用表示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、在焊接工序中集音的焊接音、和在焊接结束后摄像的焊接部位的图像的至少一者的数据，来调整电弧焊接条件。

本方案所涉及的焊接条件调整装置中，具备：接受由所述调整部进行电弧焊接条件的调整的调整强度的接受部，所述调整部以在所述接受部接受到的调整强度来进行与循环时间关联的电弧焊接条件的调整。

根据本方案，使用者能任意设定由上述调整部进行的电弧焊接条件的自动调整的程度。

本方案所涉及的焊接系统具备：上述任一方案所涉及的焊接条件调整装置；保持焊炬的焊接机器人；和对所述焊炬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，焊接条件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而具备。另外，焊接条件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，来缩短焊接工序的循环时间。

本方案所涉及的焊接条件调整方法对电弧焊接条件进行调整，取得表示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和起弧工序与收弧工序之间的至少一个焊接区间的循环时间关联的电弧焊接条件。

根据本方案，能使焊接工序的循环时间缩短。焊接条件调整方法可以是构成焊接系统的焊接电源、控制装置等所自动实施的方案，也可以是作业人员在焊接系统连接焊接条件调整装置来实施焊接条件调整方法。

本方案所涉及的计算机程序是用于使计算机调整电弧焊接条件的计算机程序，使所述计算机执行如下处理：取得表示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和起弧工序与收弧工序之间的至少一个焊接区间的循环时间关联的电弧焊接条件。

根据本方案，能使计算机作为上述焊接条件调整装置发挥功能。

发明的效果

根据本发明，能自动调整起弧工序与收弧工序之间的至少一个焊接区间的电弧焊接条件，并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所涉及的焊接条件调整装置的框图。

图3是表示实施方式1所涉及的焊接条件调整装置的功能框图。

图4是表示实施方式1所涉及的焊接条件调整方法的流程图。

图5是表示实施方式1所涉及的焊接条件调整方法的流程图。

图6是表示实施方式2所涉及的焊接条件调整装置的功能框图。

图7是表示调整部的网络结构的概念图。

图8是表示实施方式3所涉及的焊接条件调整装置的功能框图。

图9是表示实施方式4所涉及的电弧焊接系统的示意图。

图10是表示调整画面的示意图。

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 焊接条件调整装置

11 焊炬

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 焊接监控数据取得部

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

53a 良好与否判定RNN

53b 良好与否判定CNN

54、254 良好与否综合判定部

55、255、355 调整部

56 焊接控制部

57 最短焊接条件存储部

258 调整NN

258a 焊接状态认识网络部

258b 外观状态认识网络部

258c 调整网络部

259 学习处理部

355a 评价部

355b 行动选择部

355c 报酬算出部

355d 强化学习部

355e 评价NN

406 调整方法接受部

407 调整画面

471 调整方法选择部

472 优选度显示部

473 优选度调整滑块

A 母材

W 焊丝

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，可以任意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以及焊接条件调整装置5。焊接条件调整装置5设于控制装置3。另外，为了作图以及说明的方便，说明为焊接条件调整装置5的组件包含在控制装置3中，但控制装置3以及焊接条件调整装置5也可以是浑然一体的结构，也可以看上去是控制装置3的硬件以及软件实现焊接条件调整装置5的功能。另外，焊接条件调整装置5也可以设于焊接电源2，还可以设于其他装置。进而，也可以在多个装置以及服务器进行分散处理而构成焊接条件调整装置5的功能。

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多个臂，在臂的前端部保持焊炬11。另外，在臂的适宜部位设置焊丝进给装置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，以轴部为中心让各臂来回转动。电动机的旋转由控制装置3控制。控制装置3通过使各臂来回转动，能使焊炬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炬11的位置。

焊炬11包含铜合金等导电性材料，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。焊接电流被从焊接电源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提供到焊炬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，将焊接电流提供到焊丝W。另外，焊炬11具有喷嘴，其形成围绕导电嘴的中空圆筒形状、从前端的开口向母材A喷射保护气体。保护气体用于防止通过电弧而熔融的母材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。保护气体被从焊接电源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经由供电线缆而与焊炬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将保护气体提供到焊炬11。检测部24包含在焊接工序中检测流过电弧的焊接电流的电流检测部、检测对焊炬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的焊接监控数据向控制装置3输出。焊接监控数据例如是表示焊接工序中检测到的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，作为焊接监控数据，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、在未图示的麦克风中集音而得到的焊接音数据向控制装置3输出。

另外，上述焊接监控数据是表示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在焊接工序后对母材A的焊接部位摄像，将摄像得到的图像数据向控制装置3输出。另外，摄像装置4也可以是检测焊接部位的温度的红外线摄像机。

另外，上述图像数据是表示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，并输出焊接电流、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初始条件。另外，控制装置3输出电弧焊接条件，来使焊接处理执行。

焊接工序包含起弧工序、在一个或多个焊接区间进行的正式焊接的工序、和收弧工序。正式焊接是在起弧工序以及收弧工序之间进行的焊接。控制装置3在起弧时输出用于控制该起弧工序的电弧焊接条件。起弧是使电弧产生、使焊接开始的处理。另外，控制装置3在收弧时输出用于控制该收弧工序的处理的电弧焊接条件。收弧工序的处理是抗粘处理、熔敷解除处理等以备下一焊接工序的处理。进而，控制装置3输出用于控制在一个或多个焊接区间进行的正式焊接的电弧焊接条件。在一个焊接区间中，按照一个电弧焊接条件来进行焊接。在有多个焊接区间的情况下，有时还会设定在各焊接区间中不同的电弧焊接条件。以下在本实施方式1中，对焊接工序当中特别是一个焊接区间中的电弧焊接条件的调整进行说明。另外，正式焊接包含多个焊接区间，在各焊接区间中电弧焊接条件不同的情况下，将各个焊接区间的电弧焊接条件用本实施方式1说明的方法进行调整即可。另外，不言自明，在正式焊接包含一个焊接区间的情况下，构成为调整该焊接区间的电弧焊接条件即可。

控制装置3所存储的上述电弧焊接条件不一定是最佳，关于电弧焊接条件，在焊接结果不会变差的范围内通过焊接条件调整装置5调整，使得焊接工序的循环时间最短化。

另外，在图1中仅图示一组焊接电源2以及焊炬11，但在生产线设置有多个焊接电源2的情况下，一个焊接条件调整装置5可以构成为对多个焊接电源2的每一者分别调整该电源中的电弧焊接条件，也可以构成为对多个焊接电源2分别地个别设置焊接条件调整装置5，来调整各电源中的电弧焊接条件。

图2是表示实施方式1所涉及的焊接条件调整装置5的框图。焊接条件调整装置5具备控制该焊接条件调整装置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，电可擦写可编程ROM)、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焊接工序最佳化、将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(Read Only 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，来实施使生产线中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焊接条件调整方法，使计算机作为焊接条件调整装置5而发挥功能。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或焊炬11所重复进行的焊接。

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输出的焊接监控数据和从摄像装置4输出的图像数据。焊接监控数据例如是表示焊接工序中的焊接电流以及焊接电压、焊丝W的进给速度、短路状况、焊接音等的时间序列数据。图像数据是表征焊接后的焊道的外观的数据。

输出部50b与焊接机器人1以及焊接电源2连接。控制部50控制焊接工序以及电弧焊接条件，另外将用于变更电弧焊接条件的控制数据向焊接机器人1以及焊接电源2输出。用于变更电弧焊接条件的控制数据可以是指示电弧焊接条件的变更的控制数据，也可以是表示变更后的电弧焊接条件的控制数据。

图3是表示实施方式1所涉及的焊接条件调整装置5的功能框图。焊接条件调整装置5作为功能块而具备焊接监控数据取得部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54、调整部55、焊接控制部56和最短焊接条件存储部57。

焊接监控数据取得部51a取得从焊接电源2输出的焊接监控数据，将取得的焊接监控数据向第1良好与否判定部52a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输出。

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

良好与否判定RNN53a例如在输出层具备：输出表示焊接结果是良好的概率的数据的第1神经元；输出表示焊接结果是不良的概率的数据的第2神经元；输出表示是循环时间短所引起的焊接不良的概率的数据的第3神经元；和输出表示是循环时间长所引起的焊接不良的概率的数据的第4神经元。在该情况下，表示上述良好与否的数据是从第1～第4神经元输出的数据。另外，一般，由于产生循环时间短所引起的焊接不良时的焊接监控数据、和产生循环时间长所引起的焊接不良的焊接监控数据具有不同的特征，第1良好与否判定部52a能判别焊接不良是由循环时间短引起的，还是由循环时间长引起的。

另外，良好与否判定RNN53a也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是从该神经元输出的2值的数据。

进而，良好与否判定RNN53a也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，通过将焊接监控数据(输入数据)、和与该焊接监控数据对应的表示焊接结果的良好与否的数据(示教数据)作为学习数据而给到学习前的回归型深度神经网络，来使其学习即可。在表示良好与否的数据中，包含表示焊接结果是良好的数据、表示是循环时间短所引起的焊接不良的数据、表示是循环时间长所引起的焊接不良的数据、表示是其他原因所引起的焊接不良的数据。若循环时间过短，焊接开始部位或焊接结束部位的熔融金属不足，从而有成为焊接不良的倾向。另外，若循环时间过长，则焊接开始部位或焊接结束部位的熔融金属变得过剩，有成为焊接不良的倾向。

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也不一定非要是回归型神经网络，也可以用其他种类的神经网络构成。

第2良好与否判定部52b具备良好与否判定CNN53b(Convolutional NeuralNetwork，卷积神经网络)，其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。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例如在输出层具备：输出表示焊接结果是良好的概率的数据的第5神经元；输出表示焊接结果是不良的概率的数据的第6神经元；输出表示是循环时间短所引起的焊接不良的概率的数据的第7神经元；和输出表示是循环时间长所引起的焊接不良的概率的数据的第8神经元。在该情况下，上述表示良好与否的数据是从第5～第8神经元输出的数据。另外，一般，由于表征产生循环时间短所引起的焊接不良时的焊接后的焊道的外观的图像数据、和表征产生循环时间长所引起的焊接不良时的焊接后的焊道的外观的图像数据具有不同的特征，因此第2良好与否判定部52b能判别焊接不良是由循环时间短引起的，还是由循环时间长引起的。

另外，良好与否判定CNN53b也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CNN53b通过将图像数据(输入数据)、与该图像数据对应的表示焊接结果的良好与否的数据(示教数据)作为学习数据给到学习前的卷积神经网络，来使其学习即可。在表示良好与否的数据中包含表示焊接结果是良好的数据、表示是循环时间短所引起的焊接不良的数据、表示是循环时间长所引起的焊接不良的数据、表示是其他原因所引起的焊接不良的数据。

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也不一定非要是卷积神经网络，也可以用其他种类的神经网络构成。

良好与否综合判定部54基于从第1良好与否判定部52a以及第2良好与否判定部52b输出的数据来判定焊接结果的良好与否，将判定结果向调整部55输出。

例如，良好与否综合判定部54对从良好与否判定RNN53a的第1～第4神经元输出的数据和从良好与否判定CNN53b的第5～第8神经元输出的数据综合进行判定。具体地，可以通过将从第1神经元以及第5神经元输出的数据的值的和、从第2以及第6神经元输出的数据的值的和、从第3以及第7神经元输出的数据的值的和、从第4以及第8神经元输出的数据的值的和进行比较，来判定下一焊接结果的良好与否。另外，也可以将从各神经元输出的数据的值加权相加来进行比较。

另外，在是从良好与否判定RNN53a以及良好与否判定CNN53b输出2值数据的结构的情况下，在输出表示第1良好与否判定部52a以及第2良好与否判定部52b双方良好的数据的情况下，良好与否综合判定部54将下一焊接工序的焊接结果判定为良好，在输出表示第1良好与否判定部52a以及第2良好与否判定部52b的一方不良的数据的情况下，良好与否综合判定部54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，也可以构成为在输出表示第1良好与否判定部52a以及第2良好与否判定部52b的一方为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。

调整部55调整弧焊接条件，在是良好与否综合判定部54的判定结果为良好的情况、循环时间长所引起的焊接不良的情况下，使得缩短焊接工序的循环时间，在是循环时间短所引起的焊接不良的情况、或是其他原因所引起的焊接不良的情况下，使得延长焊接工序的循环时间，并将调整结果向焊接控制部56输出。调整结果例如是电弧焊接条件的各种参数、即表示焊接电流、焊接电压、焊丝进给速度、焊炬移动速度的数据，调整部55将表示使一个焊接区间中的电弧焊接条件的各种参数的至少一者增减的数据向焊接控制部56输出。

调整部55在1次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都重复执行后述的步骤S11～步骤S21来进行电弧焊接条件的调整的情况下，可以构成为在重复进行的各调整处理中调整不同的参数。

另外，也可以构成为使各参数的增减量具有相关，来使变量减少。另外，可以构成为将变更量相对标准的参数值限制在给定比例的范围内。

另外，在进行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，调整部55将循环时间缩短前的电弧焊接条件存储到最短焊接条件存储部57。

进而，以上，以在是其他原因所引起的焊接不良的情况下，调整电弧焊接条件从而让焊接工序的循环时间延长为例进行了说明，但电可以构成为调整参数，使得维持循环时间且判定结果成为良好。

焊接控制部56通过基于调整部55的调整结果将用于变更电弧焊接条件的控制数据向焊接电源2输出，来进行焊接控制。但在最短焊接条件存储部57存储了焊接工序的循环时间成为最短的电弧焊接条件的情况下，焊接控制部56基于最短焊接条件存储部57所存储的电弧焊接条件来进行焊接控制。

接下来说明电弧焊接条件的调整所涉及的控制部50的处理次序。

图4以及图5是表示实施方式1所涉及的焊接条件调整方法的流程图。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是否存储了循环时间最短的电弧焊接条件(步骤S11)。在判定为存储了循环时间最短的电弧焊接条件的情况下(步骤S11“是”)，控制部50基于存储部50c所存储的最短的电弧焊接条件来控制焊接(步骤S12)。例如控制部50通过将表示最短的电弧焊接条件的控制数据向焊接电源2输出来进行焊接控制。当然，控制部50也可以通过将表示用于形成循环时间成为最短的电弧焊接条件的变更量的控制数据向焊接电源2输出，来进行焊接控制。

在判定为存储部50c未存储循环时间最短的电弧焊接条件的情况下(步骤S11“否”)，控制部50取得焊接监控数据(步骤S13)，取得图像数据(步骤S14)。然后，控制部50基于取得的焊接监控数据以及图像数据来判定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。

接下来，在判定为焊接结果是良好的情况下(步骤S15“是”)，控制部50使焊接工序的循环时间缩短(步骤S16)。在判定为焊接结果是不良的情况(步骤S15“否”)，判定是否是前次使焊接工序缩短的结果是使得焊接结果从良好的状态变化为不良状态(步骤S17)。不言自明地，向该不良状态变化并不限定于仅以一个焊接结果进行判定的结构，还包含使用2个以上的焊接结果来进行判断的结构。例如也可以在10次中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为不良状态的情况下(步骤S17“否”)，控制部50判定为是循环时间短所引起的焊接不良(步骤S18)。在判定为否的情况下(步骤S18“否”)，控制部50判定是否是循环时间长所引起的焊接不良(步骤S19)。控制部50在判定为是循环时间短所引起的焊接不良的情况下(步骤S18“是”)、或在步骤S19判定为否的情况下，控制部50使焊接工序的循环时间延长(步骤S20)。在控制部50判定为是循环时间长所引起的焊接不良的情况下(步骤S19“是”)，控制部50使焊接工序的循环时间缩短(步骤S16)。结束了步骤S16或步骤S20的处理的控制部50基于调整后的电弧焊接条件来进行焊接控制(步骤S21)。具体地，控制部50通过将表示调整处理后的电弧焊接条件的控制数据向焊接电源2输出，来进行焊接控制。当然，控制部50也可以通过将表示表示电弧焊接条件的变更量的控制数据向焊接电源2输出，来进行焊接控制。

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为不良状态的情况下(步骤S17“是”)，控制部50使焊接工序的循环时间回到缩短前的电弧焊接条件(步骤S22)，将循环时间缩短前的电弧焊接条件作为循环时间最短的电弧焊接条件，存储到存储部50c(步骤S23)，将处理返回步骤S12。

根据如此构成的焊接条件调整装置5、焊接系统、焊接条件调整方法以及计算机程序50d，能不使焊接结果变差地将起弧工序与收弧工序之间的至少一个焊接区间的焊接控制最佳化，能有效果地缩短焊接工序的循环时间。

另外，由于是使最短化的电弧焊接条件存储于存储部50c的结构，因此以后，焊接条件调整装置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，说明了焊接条件调整装置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，进行更新。参数例如是包含中间层的阶层数、各层的神经元的数、各神经元的权重系数、激活函数的种类等的信息。另外，焊接条件调整装置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，在工厂内设置有多个具备焊接条件调整装置5的焊接系统的情况下，也可以根据需要由各焊接系统的焊接条件调整装置5交换上述参数。

进而，也可以将焊接条件调整装置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电弧焊接条件的调整，接收对应于请求从服务器发送的电弧焊接条件的调整量，来调整电弧焊接条件。

进而，焊接条件调整装置5也可以设置在焊接电源2中。另外，焊接条件调整装置5可以作为电弧焊接条件调整用的专用装置而实施。作业人员能在焊接系统连接该专用装置，来自动调整电弧焊接条件。

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可以用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，用特征量的有无、对特征量的数等和阈值进行比较的单纯的判定处理来判定良好与否。进而，并不需要具备第1良好与否判定部52a以及第2良好与否判定部52b双方，可以具备任意一方。在该情况下，不需要良好与否综合判定部54。进而，另外，说明了用神经网络构成第1良好与否判定部52a以及第2良好与否判定部52b的示例，但也可以使用支持向量机等其他机器学习器构成。

(实施方式2)

实施方式2所涉及的焊接条件调整装置205、焊接系统、焊接条件调整方法以及计算机程序50d，由于在实施方式1的调整部55以及最短焊接条件存储部57用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。其他结构以及作用效果由于与实施方式1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所涉及的焊接条件调整装置205的功能框图。实施方式2所涉及的焊接条件调整装置205与实施方式1同样，具备焊接监控数据取得部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、调整部255、学习处理部259以及焊接控制部56。

焊接监控数据取得部51a取得从焊接电源2输出的焊接监控数据，将取得的焊接监控数据向第1良好与否判定部52a以及调整部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以及调整部255输出。

实施方式2的良好与否综合判定部254将表示焊接结果是良好的概率的数据、表示焊接结果是不良的概率的数据、表示是循环时间短所引起的焊接不良的概率的数据和表示循环时间长所引起的焊接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和从良好与否判定CNN53b的第5神经元输出的数据的值来运算焊接结果是良好的概率即可。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和从良好与否判定CNN53b的第6神经元输出的数据来运算焊接结果是不良的概率即可。另外，使用从良好与否判定RNN53a的第3以及第4神经元输出的数据的值和从良好与否判定CNN53b的第7以及第8神经元输出的数据来运算焊接不良的原因在于循环时间的长短的概率即可。

调整部255具备调整NN(Neural Network，神经网络)258，其在被输入焊接监控数据以及图像数据的情况下，输出能缩短循环时间的表示至少一个焊接区间的电弧焊接条件的变更量的数据。调整NN258是学习完毕深度神经网络。

调整NN258，例如，在输出层具备按针对焊接电流、焊接电压、焊丝进给速度、焊炬移动速度等、各调整参数的多个调整量的每一者，输出表示该调整量优选的概率的数据的多个神经元。

另外，调整NN258也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，调整NN258也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，调整NN258不是输出2值数据，而是输出各参数的变更量、表示该变更量适当的概率的数据。

另外，调整部255在1次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，也可以构成为在重复进行的各调整处理中调整不同的参数。

图7是表示调整部255的网络结构的概念图。调整部255的调整NN258具有焊接状态认识网络部258a、外观状态认识网络部258b和调整网络部258c。

焊接状态认识网络部258a是被输入焊接监控数据、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。在焊接监控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，可以除了输出层以外其他都设为与第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。能更有效率地使调整部255学习。

外观状态认识网络部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。外观状态认识网络部258b，例如可以设为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。能更有效率地使调整NN258学习。

调整网络部258c是被输入从焊接状态认识网络部258a以及外观状态认识网络部258b分别输出的数据、输出表示能缩短的电弧焊接条件的变更量的数据的学习完毕的神经网络。该神经网络优选用具备多个中间层的深度神经网络构成。

另外，调整部255的神经网络结构是一例，可以用一个神经网络构成，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：将输入到调整部255的焊接监控数据以及图像数据作为输入数据，将表示基于该输入数据变更电弧焊接条件时的焊接结果的良好与否的数据作为学习数据，来使调整NN258学习。

具体地，学习处理部259使调整NN258学习，使得在根据良好与否综合判定部254的判定结果，焊接结果是良好的情况下，或是循环时间长所引起的焊接不良的情况下，缩短循环时间，在是循环时间短或其他原因所引起的焊接不良的情况下，延长循环时间，在焊接结果是良好与不良的中间性状态的情况下，维持循环时间。

所谓焊接结果是良好，例如是焊接结果是良好的概率为50％以上、焊接结果是不良的概率不足50％那样的状态。所谓焊接结果是不良，例如是焊接结果是良好的概率不足50％、焊接结果是不良的概率为50％以上那样的状态。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性状态，例如是焊接结果是良好的概率以及焊接结果是不良的概率双方为50％以上的情况、或双方不足50％那样的情况。另外，在上述阈值比50％大的情况、例如是60％的情况下，焊接结果是良好以及不良的概率处于40％～60％之间的状况也是中间性状态。另外，相关的中间性状态是一例。中间性状态是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。

如以上那样，通过使调整NN258学习，能不使焊接结果变差地自动调整焊接所需的时间，能使焊接工序的循环时间最短化。

另外，在调整NN258的学习初始阶段，在是中间性状态的情况下，也可以不维持循环时间，而是适宜变更电弧焊接条件。

另外，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、进行其他改换时等适宜的定时执行。

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

根据如此构成的实施方式2所涉及的焊接条件调整装置205、焊接系统、焊接条件调整方法以及计算机程序50d，由于用深度神经网络构成的调整部255是决定电弧焊接条件的变更量的结构，因此能不使焊接结果变差地、更合适地进行焊接控制，能进行最短化。

另外，调整部255能输出使焊接工序的循环时间缩短的电弧焊接条件的变更量。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，在虽然焊接结果是良好但不稳定的情况下输出小的变更量。因此，能更迅速地使焊接工序的循环时间最短化。

进而，调整部255能使用焊接结果的良好与否判定结果来进行学习，能调整成适于设置了焊接系统的环境的调整部255。因此，能对应于焊接条件、外部环境来使焊接工序的循环时间最短化。

进而，另外，学习处理部259能使调整神经网络学习，以使得在使调整部255向缩短焊接工序的循环时间的方向学习从而变得能输出使焊接工序的循环时间最短化的数据后，能稳定地得到良好的焊接结果。因此，能使焊接结果以良好的状态稳定化，且使焊接工序的循环时间最短化。

另外，在本实施方式2中，说明了焊接条件调整装置205具备学习完毕的调整NN258的示例，但也可以构成为从外部服务器下载规定调整部255的神经网络的各种参数，进行更新。参数例如是包含中间层的阶层数、各层的神经元的数、各神经元的权重系数、激活函数的种类等的信息。另外，焊接条件调整装置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调整NN258的神经网络。

另外，在工厂内设置多个具备焊接条件调整装置205的焊接系统的情况下，也可以根据需要由各焊接系统的焊接条件调整装置205交换上述参数。

另外，焊接条件调整装置205可以构成为将规定学习的调整NN258的各种参数向外部的服务器上传。其他焊接条件调整装置205能使用上传到服务器的该参数来更新调整NN258。

另外，在实施方式2中，说明了调整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所涉及的焊接条件调整装置305的功能框图。实施方式3所涉及的焊接条件调整装置305、焊接系统、焊接条件调整方法以及计算机程序50d，由于在实施方式1的调整部55以及最短焊接条件存储部57构成为以深度强化学习来学习电弧焊接条件这点上与实施方式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1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所涉及的焊接条件调整装置305具备焊接监控数据取得部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、调整部355以及焊接控制部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。状态数据例如包含在焊接后对焊接部位摄像而得到的图像数据。焊接部位可以用摄像装置4摄像，也可以使用其他动态图像摄像装置来摄像。

另外，在本实施方式3中，作为状态数据的示例而主要说明图像数据，但也可以是表示流过焊丝W的电流的电流数据、表示电压的电压数据。

调整部355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至少一个焊接区间的电弧焊接条件，具备评价部355a、行动选择部355b、报酬算出部355c以及强化学习部355d。

评价部355a是基于状态数据取得部51d中取得的状态数据、和表示电弧焊接条件所涉及的行动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，例如是表征焊道外观的图像。电弧焊接条件所涉及的行动a以焊接电流、焊接电压、焊丝进给速度、焊炬移动速度等来确定。评价值Q在对应于焊道外观而采取某特定的行动a时，成为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则越高的值。

评价部355a例如具备评价NN(Neural Network，神经网络)355e，其在被输入状态数据取得部51d中取得的表示焊接系统的状态s的状态数据、和表示电弧焊接条件所涉及的行动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)。

另外，评价NN355e，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355a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、和评价值建立关系的表，使用该表来输出评价值。

行动选择部355b选择某状态s下在评价部355a算出的评价值Q最大的行动a。调整部355基于由行动选择部355b选择的行动a来进行电弧焊接条件的调整，焊接控制部56在该调整过的电弧焊接条件下进行焊接控制。

报酬算出部355c基于从良好与否综合判定部54输出的判定结果、和焊炬11到达焊接部位起到产生电弧位置的时间，来算出针对电弧焊接条件的报酬。算出报酬，使其成为焊接结果越良好、到电弧为止的该时间越短则越高的值。算出报酬的运算式并没有特别限定。

强化学习部355d基于输入到评价NN355e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、和在报酬算出部355c算出的报酬来使评价NN355e学习。具体地，可以用下述式(1)所表征的评价值Q来使神经网络的权重系数学习。

Q(s，a)←Q(s，a)+α(r+γ maxQ(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：行动的结果得到的报酬

γ：折扣率

maxQ(s_next，a_next)：针对会在下一状态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左右的值。折扣率γ是1以下的正的值，例如是0.9左右的值。

能通过利用上述式(1)的机器学习来使评价NN355e学习，以使得针对能得到更高的报酬的行动a给出更高的评价值Q。另外，在进行强化学习时，也可以使用ε-greedy法等，以一定概率随机行动，来学习针对种种行动的Q值。

根据如此构成的焊接条件调整装置305，行动选择部355b能选择与焊接系统的状态s相应的更合适的行动a、即焊接电流、焊接电压、焊丝进给速度、焊炬移动速度，能使焊接工序的循环时间最短化。

另外，焊接条件调整装置305的强化学习可以使用从多个焊接装置或者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3所涉及的焊接条件调整装置305、焊接系统、焊接条件调整方法以及计算机程序50d，能对缩短焊接工序的循环时间的电弧焊接条件进行深度强化学习。

另外，在上述实施方式3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，来调整电弧焊接条件。

(实施方式4)

图9是表示实施方式4所涉及的电弧焊接系统的示意图。实施方式4所涉及的焊接系统在具备接受电弧焊接条件的调整方法的调整方法接受部406这点上与实施方式1～3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1～3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10是表示调整画面407的示意图。调整方法接受部406例如在终端显示调整画面407，接受电弧焊接条件的调整方法。调整画面407，例如，具有调整方法选择部471，其接受是自动调整电弧焊接条还是手动调整的选择。调整方法选择部471例如是单选按钮。使用者通过勾选单选按钮，能选择是进行电弧焊接条件的自动调整，还是手动进行调整。

另外，调整画面407具有：优选度显示部472，其在选择电弧焊接条件的自动调整的情况下，示出是要进行优先循环时间的最短化的调整还是要进行重视焊接品质的调整；和优选度调整滑块473，其用于指定优选度。使用者通过使优选度调整滑块473滑动来指定要将焊接品质重视到何种程度来调整电弧焊接条件，或者要将循环时间的最短化重视到何种程度来调整电弧焊接条件。

通过优选度调整滑块473来接受焊接品质所涉及的优选度的调整方法接受部406，与接受由调整部55进行电弧焊接条件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电弧焊接条件的调整量地进行电弧焊接条件的控制，循环时间的最短化的重要度越高，则越加大电弧焊接条件的调整量地执行焊接控制。

根据实施方式4所涉及的焊接系统，接受焊接品质或循环时间的最短化的重要度或优选度，能用使用者所期望的方法来调整电弧焊接条件。

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。本发明的范围不是由上述的意义而是由权利要求书示出，意在包含与权利要求书等同的意义以及范围内的全部变更。

Claims (10)

1.一种焊接条件调整装置，调整电弧焊接条件，所述焊接条件调整装置的特征在于，具备：

取得表示焊接工序所涉及的焊接状态的焊接数据的取得部；和

基于在该取得部取得的焊接数据来调整和起弧工序与收弧工序之间的至少一个焊接区间的循环时间关联的电弧焊接条件的调整部。

2.根据权利要求1所述的焊接条件调整装置，其特征在于，

所述焊接条件调整装置具备：基于在所述取得部取得的焊接数据来判定焊接结果的良好与否以及所述循环时间短所引起的不良的良好与否判定部，

所述调整部决定与所述循环时间关联的电弧焊接条件的变更内容，使得在由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，在由所述良好与否判定部判定为所述循环时间短所引起的不良的情况下，延长所述循环时间。

3.根据权利要求2所述的焊接条件调整装置，其特征在于，

所述调整部在使所述焊接工序的循环时间缩短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，以与循环时间缩短前的所述循环时间关联的电弧焊接条件来使调整确定，使确定后的所述电弧焊接条件存储到存储部。

4.根据权利要求1所述的焊接条件调整装置，其特征在于，

所述调整部具备调整神经网络，其使神经网络学习，以使得在被输入所述焊接数据的情况下，输出表示与所述循环时间关联的电弧焊接条件的变更内容的数据。

5.根据权利要求4所述的焊接条件调整装置，其特征在于，

所述调整神经网络输出表示所述电弧焊接条件的变更量的数据。

6.根据权利要求4或5所述的焊接条件调整装置，其特征在于，

所述焊接条件调整装置具备：

基于在所述取得部取得的焊接数据来判定焊接结果的良好与否以及所述循环时间短所引起的不良的良好与否判定部；和

基于调整所述电弧焊接条件后得到的所述良好与否判定部的判定结果来使所述调整神经网络学习的学习处理部。

7.根据权利要求1所述的焊接条件调整装置，其特征在于，

所述焊接条件调整装置具备：

取得至少包含在焊接后对焊接部位摄像而得到的图像数据的状态数据的状态数据取得部，

所述调整部具备：

基于在所述状态数据取得部取得的状态数据、以及表示所述电弧焊接条件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的评价部；和

选择在所述评价部算出的评价值最大的行动的行动选择部。

8.根据权利要求7所述的焊接条件调整装置，其特征在于、

所述焊接条件调整装置具备：

基于在所述取得部取得的焊接数据来判定焊接结果的良好与否以及所述循环时间短所引起的不良的良好与否判定部；

基于调整所述电弧焊接条件后得到的所述良好与否判定部的判定结果和焊接工序所需的时间来算出针对所述电弧焊接条件的报酬的报酬算出部；和

基于在所述状态数据取得部取得的状态数据、表示所述电弧焊接条件所涉及的行动的行动数据以及在所述报酬算出部算出的报酬来使所述评价部学习的强化学习部。

9.根据权利要求1～5、7、8中任一项所述的焊接条件调整装置，其特征在于，

所述焊接条件调整装置具备：

接受由所述调整部进行电弧焊接条件的调整的调整强度的接受部，

所述调整部以在所述接受部接受到的调整强度来进行电弧焊接条件的调整。

10.根据权利要求6所述的焊接条件调整装置，其特征在于，

所述焊接条件调整装置具备：

接受由所述调整部进行电弧焊接条件的调整的调整强度的接受部，

所述调整部以在所述接受部接受到的调整强度来进行电弧焊接条件的调整。

Images