CN115551812B - 玻璃母材制造装置、玻璃母材制造方法、以及母材分布预测方法 - Google Patents
玻璃母材制造装置、玻璃母材制造方法、以及母材分布预测方法 Download PDFInfo
- Publication number
- CN115551812B CN115551812B CN202180032865.4A CN202180032865A CN115551812B CN 115551812 B CN115551812 B CN 115551812B CN 202180032865 A CN202180032865 A CN 202180032865A CN 115551812 B CN115551812 B CN 115551812B
- Authority
- CN
- China
- Prior art keywords
- base material
- glass
- flame
- burner
- regression
- 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
Links
- 239000011521 glass Substances 0.000 title claims abstract description 269
- 239000000463 material Substances 0.000 title claims abstract description 166
- 238000009826 distribution Methods 0.000 title claims abstract description 139
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 33
- 239000002245 particle Substances 0.000 claims abstract description 93
- 239000010419 fine particle Substances 0.000 claims abstract description 55
- 238000003384 imaging method Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 239000000284 extract Substances 0.000 claims abstract description 5
- 239000007789 gas Substances 0.000 claims description 62
- 238000000151 deposition Methods 0.000 claims description 53
- 230000008021 deposition Effects 0.000 claims description 51
- 238000005245 sintering Methods 0.000 claims description 34
- 239000002994 raw material Substances 0.000 claims description 29
- 230000018044 dehydration Effects 0.000 claims description 25
- 238000006297 dehydration reaction Methods 0.000 claims description 25
- 239000002737 fuel gas Substances 0.000 claims description 20
- 238000007637 random forest analysis Methods 0.000 claims description 19
- 238000003066 decision tree Methods 0.000 claims description 18
- 238000000611 regression analysis Methods 0.000 claims description 18
- 238000009434 installation Methods 0.000 claims description 13
- 238000002485 combustion reaction Methods 0.000 claims description 11
- 238000010438 heat treatment Methods 0.000 claims description 10
- 239000007921 spray Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 16
- 238000005259 measurement Methods 0.000 description 15
- 239000013307 optical fiber Substances 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 13
- 238000005253 cladding Methods 0.000 description 11
- 239000012467 final product Substances 0.000 description 7
- 238000013075 data extraction Methods 0.000 description 6
- 238000010191 image analysis Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 239000013256 coordination polymer Substances 0.000 description 5
- 230000002950 deficient Effects 0.000 description 5
- 239000002019 doping agent Substances 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000007789 sealing Methods 0.000 description 3
- XKRFYHLGVUSROY-UHFFFAOYSA-N Argon Chemical compound [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 2
- 229910006113 GeCl4 Inorganic materials 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- YBMRDBCBODYGJE-UHFFFAOYSA-N germanium dioxide Chemical compound O=[Ge]=O YBMRDBCBODYGJE-UHFFFAOYSA-N 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- IEXRMSFAVATTJX-UHFFFAOYSA-N tetrachlorogermane Chemical compound Cl[Ge](Cl)(Cl)Cl IEXRMSFAVATTJX-UHFFFAOYSA-N 0.000 description 2
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- PXGOKWXKJXAPGV-UHFFFAOYSA-N Fluorine Chemical compound FF PXGOKWXKJXAPGV-UHFFFAOYSA-N 0.000 description 1
- 229910005793 GeO 2 Inorganic materials 0.000 description 1
- 229910003902 SiCl 4 Inorganic materials 0.000 description 1
- 229910003910 SiCl4 Inorganic materials 0.000 description 1
- 229910004298 SiO 2 Inorganic materials 0.000 description 1
- 229910052786 argon Inorganic materials 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 229910052681 coesite Inorganic materials 0.000 description 1
- 229910052906 cristobalite Inorganic materials 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000005137 deposition process Methods 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 239000011737 fluorine Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000001307 helium Substances 0.000 description 1
- 229910052734 helium Inorganic materials 0.000 description 1
- SWQJXJOGLNCZEY-UHFFFAOYSA-N helium atom Chemical compound [He] SWQJXJOGLNCZEY-UHFFFAOYSA-N 0.000 description 1
- 238000006460 hydrolysis reaction Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- FDNAPBUWERUEDA-UHFFFAOYSA-N silicon tetrachloride Chemical compound Cl[Si](Cl)(Cl)Cl FDNAPBUWERUEDA-UHFFFAOYSA-N 0.000 description 1
- 229910052682 stishovite Inorganic materials 0.000 description 1
- 230000007847 structural defect Effects 0.000 description 1
- 229910052905 tridymite Inorganic materials 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C03—GLASS; MINERAL OR SLAG WOOL
- C03B—MANUFACTURE, SHAPING, OR SUPPLEMENTARY PROCESSES
- C03B37/00—Manufacture or treatment of flakes, fibres, or filaments from softened glass, minerals, or slags
- C03B37/01—Manufacture of glass fibres or filaments
- C03B37/012—Manufacture of preforms for drawing fibres or filaments
- C03B37/014—Manufacture of preforms for drawing fibres or filaments made entirely or partially by chemical means, e.g. vapour phase deposition of bulk porous glass either by outside vapour deposition [OVD], or by outside vapour phase oxidation [OVPO] or by vapour axial deposition [VAD]
- C03B37/01413—Reactant delivery systems
- C03B37/0142—Reactant deposition burners
-
- C—CHEMISTRY; METALLURGY
- C03—GLASS; MINERAL OR SLAG WOOL
- C03B—MANUFACTURE, SHAPING, OR SUPPLEMENTARY PROCESSES
- C03B37/00—Manufacture or treatment of flakes, fibres, or filaments from softened glass, minerals, or slags
- C03B37/01—Manufacture of glass fibres or filaments
- C03B37/012—Manufacture of preforms for drawing fibres or filaments
- C03B37/014—Manufacture of preforms for drawing fibres or filaments made entirely or partially by chemical means, e.g. vapour phase deposition of bulk porous glass either by outside vapour deposition [OVD], or by outside vapour phase oxidation [OVPO] or by vapour axial deposition [VAD]
- C03B37/01413—Reactant delivery systems
-
- C—CHEMISTRY; METALLURGY
- C03—GLASS; MINERAL OR SLAG WOOL
- C03B—MANUFACTURE, SHAPING, OR SUPPLEMENTARY PROCESSES
- C03B37/00—Manufacture or treatment of flakes, fibres, or filaments from softened glass, minerals, or slags
- C03B37/01—Manufacture of glass fibres or filaments
- C03B37/012—Manufacture of preforms for drawing fibres or filaments
- C03B37/014—Manufacture of preforms for drawing fibres or filaments made entirely or partially by chemical means, e.g. vapour phase deposition of bulk porous glass either by outside vapour deposition [OVD], or by outside vapour phase oxidation [OVPO] or by vapour axial deposition [VAD]
- C03B37/01446—Thermal after-treatment of preforms, e.g. dehydrating, consolidating, sintering
-
- C—CHEMISTRY; METALLURGY
- C03—GLASS; MINERAL OR SLAG WOOL
- C03B—MANUFACTURE, SHAPING, OR SUPPLEMENTARY PROCESSES
- C03B2201/00—Type of glass produced
- C03B2201/06—Doped silica-based glasses
- C03B2201/30—Doped silica-based glasses doped with metals, e.g. Ga, Sn, Sb, Pb or Bi
- C03B2201/31—Doped silica-based glasses doped with metals, e.g. Ga, Sn, Sb, Pb or Bi doped with germanium
-
- C—CHEMISTRY; METALLURGY
- C03—GLASS; MINERAL OR SLAG WOOL
- C03B—MANUFACTURE, SHAPING, OR SUPPLEMENTARY PROCESSES
- C03B2207/00—Glass deposition burners
- C03B2207/60—Relationship between burner and deposit, e.g. position
- C03B2207/62—Distance
-
- C—CHEMISTRY; METALLURGY
- C03—GLASS; MINERAL OR SLAG WOOL
- C03B—MANUFACTURE, SHAPING, OR SUPPLEMENTARY PROCESSES
- C03B2207/00—Glass deposition burners
- C03B2207/60—Relationship between burner and deposit, e.g. position
- C03B2207/64—Angle
-
- C—CHEMISTRY; METALLURGY
- C03—GLASS; MINERAL OR SLAG WOOL
- C03B—MANUFACTURE, SHAPING, OR SUPPLEMENTARY PROCESSES
- C03B2207/00—Glass deposition burners
- C03B2207/70—Control measures
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Geochemistry & Mineralogy (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Chemical & Material Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Manufacturing & Machinery (AREA)
- Materials Engineering (AREA)
- Organic Chemistry (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Manufacture, Treatment Of Glass Fibers (AREA)
Abstract
本公开的一个方式可以预测在利用VAD法制造玻璃微粒沉积体的阶段中得到的透明玻璃母材的折射率分布。该玻璃母材制造装置具备：气体供给系统、燃烧器、以及信号处理装置。信号处理装置具有：对由玻璃微粒构成的粒子流进行摄像的摄像装置、和运算部。运算部在从开始制造玻璃微粒沉积体至制造结束的期间中的1个或1个以上的任意时间点，从通过摄像装置所得到的图像中提取至少表示火焰或粒子流的状态的图像数据，并根据包含该图像数据的解释变量对作为目标变量的透明玻璃母材的折射率分布进行回归预测。
Description
技术领域
本公开涉及玻璃母材制造装置、玻璃母材制造方法、以及母材分布预测方法。
本申请要求基于2020年5月20日提出的日本专利申请第2020-088009号的优先权，依据其内容并参照其整体并入到本说明书中。
背景技术
专利文献1公开了：对利用VAD(气相轴向沉积法：Vaper-phaseAxial Deposition)法制造的玻璃微粒沉积体(最终构成光纤母材的一部分)的沉积面形状进行监测；控制上拉速度以实现目标形状；在控制上拉速度的同时控制含有玻璃原料等的气体的浓度和流量、燃烧器位置中的至少任一者；以及在偏离目标形状的情况下中止玻璃微粒的沉积操作。
现有技术文献
专利文献
专利文献1：日本特开2012-91965号公报
发明内容
本公开的一个实施方式涉及的玻璃母材制造装置是利用VAD法制造玻璃微粒沉积体的装置，为了实现上述目的，其具备：气体供给系统、燃烧器、以及分布预测系统。气体供给系统分别供给玻璃原料气体和火焰生成用气体(燃料气体)。燃烧器在通过从气体供给系统供给的燃料气体的燃烧而得到的火焰内，由玻璃原料气体生成玻璃微粒，同时将该火焰内的玻璃微粒喷射到玻璃微粒沉积体上。分布预测系统在从开始制造玻璃微粒沉积体至制造结束的期间中的1个或1个以上的任意时间点，输出通过对玻璃微粒沉积体进行脱水和烧结而得到的透明玻璃母材的折射率分布的预测结果。特别是，分布预测系统具有摄像装置和运算部。摄像装置对从燃烧器喷射到玻璃微粒沉积体的火焰、或在该火焰内生成的由玻璃微粒构成的粒子流进行摄像。运算部进行从通过摄像装置所得到的图像中提取至少表示火焰或粒子流的状态的图像数据的图像处理。此外，运算部根据至少包含图像数据的解释变量，对作为目标变量的透明玻璃母材的折射率分布进行回归预测。
附图说明
[图1]图1为用于说明本公开的玻璃母材制造装置、玻璃母材制造方法、以及母材分布预测方法的课题的图。
[图2]图2为示出本公开的一个实施方式涉及的玻璃母材制造装置的构成例的图。
[图3]图3为用于说明在玻璃微粒沉积中燃烧器相对于玻璃微粒沉积体的位置的图。
[图4]图4为用于说明确定解释变量的基本分析的图(其1)。
[图5]图5为示出包括运算部的PC的示意性构成的一个例子的图。
[图6]图6为用于说明运算部中的图像处理(轮廓数据提取)的图。
[图7]图7为示出由图6的图像处理所得到的数值数据的表。
[图8]图8为用于说明运算部中的图像处理(亮度分布数据提取)的图。
[图9]图9为用于说明确定解释变量的基本分析的图(其2)。
[图10]图10为用于说明目标变量的图。
[图11]图11为示出针对每个母材样品(透明玻璃母材)的解释变量和目标变量的表。
[图12]图12为示出通过本公开的母材分布预测方法所得到的每个目标变量的预测结果的表。
[图13]图13为示出目标变量的预测值与实测值之间的相关性的曲线图。
[图14]图14是与实测的母材分布(透明玻璃母材的折射率分布)一起示出的利用本公开的母材分布预测方法预测的母材分布。
[图15]图15是实测的母材分布、和利用本公开的母材分布预测方法(随机森林)对折射率分布的所有点进行回归预测而得的结果。
具体实施方式
[本公开所要解决的课题]
本发明人对上述现有技术进行了研究，结果发现了以下课题。即，在上述专利文献1所公开的玻璃母材制造方法中，对利用VAD法制造的玻璃微粒沉积体的沉积形状进行监测，但是却无法对通过对玻璃微粒沉积体进行脱水和烧结而得到的透明玻璃母材的折射率分布进行预测。以往，由包含应成为最终产品即光纤的芯部的部分的玻璃微粒沉积体得到的透明玻璃母材的折射率分布对该光纤的光学特性产生很大影响，因此在执行下一个工序之前进行分布测定。
图1为示出以往的从玻璃母材制造方法(沉积工序)至分布测定的操作的图。在以往的玻璃母材制造方法中，在沉积工序中，在玻璃微粒沉积体14的中心侧配置芯部用燃烧器17、在外周侧配置包层用燃烧器18，并由各自喷射玻璃微粒。然后，通过利用加热器141加热玻璃微粒沉积体14，从而得到透明玻璃母材140。所得到的透明玻璃母材140对应于最终产品即光纤的芯部和与该芯部周边的光学包层相对应的部分，作为直接影响光纤的光学特性的部位，在沿着所得到的透明玻璃母材的纵向方向的多个位置处测定半径方向的折射率分布(分布测定)。该分布测定的结果被判断为合格的透明玻璃母材进入下一个工序进行制造。另一方面，在分布测定的结果、测定对象的透明玻璃母材被判断为不良的情况下，调节沉积工序中的制造条件(反馈)。然而，从开始制造玻璃微粒沉积体14的时间点至结束分布测定的时间点通常要经过几天的时间。假如在分布测定后的透明玻璃母材140被判断为不良的情况下，则在这几天内制造的所有玻璃产品，即，在调节制造条件之前所制造的玻璃微粒沉积体14和透明玻璃母材140当中的所有或一部分可能会被判断为次品。这样，在利用上述现有技术的玻璃母材制造方法中，难以改善制造成品率。
本公开是为了解决上述课题而完成的，目的在于提供能够在烧结前的玻璃微粒沉积体的制造阶段对包含应成为最终产品即光纤的芯部的部分的透明玻璃母材的折射率分布进行预测的玻璃母材制造装置、玻璃母材制造方法、以及母材分布预测方法。
[本公开的效果]
根据本公开的各种实施方式，能够在透明玻璃母材的整个长度上进行该透明玻璃母材的分布预测。此外，通过在这样的玻璃微粒沉积体的制造过程中的分布预测，可以改变制造条件，从而能够有效地抑制因最终产品即光纤的结构不良而引起的特性不良的发生。
[本公开的实施方式的说明]
首先，分别单独列出本公开的实施方式的内容并进行说明。
(1)本公开的一个实施方式涉及的玻璃母材制造装置是利用VAD法制造玻璃微粒沉积体(包括应成为最终产品即光纤的芯部的部分)的装置，作为其一个方式，具备：气体供给系统、燃烧器、以及分布预测系统。气体供给系统分别供给玻璃原料气体和火焰生成用气体(燃料气体)。燃烧器在通过从气体供给系统供给的燃料气体的燃烧而得到的火焰内，由玻璃原料气体生成玻璃微粒，同时将该火焰内生成的玻璃微粒喷射到玻璃微粒沉积体上。分布预测系统在从开始制造玻璃微粒沉积体至制造结束的期间中的1个或1个以上的任意时间点，输出通过对玻璃微粒沉积体进行脱水和烧结而得到的透明玻璃母材的折射率分布的预测结果。
特别是，分布预测系统具有摄像装置和运算部。摄像装置对从燃烧器喷射到玻璃微粒沉积体的火焰、或在该火焰内生成的由玻璃微粒构成的粒子流进行摄像。运算部进行从通过摄像装置所得到的图像中提取至少表示火焰或粒子流的状态的图像数据的图像处理。此外，运算部根据包含图像数据的解释变量，对作为目标变量的透明玻璃母材的折射率分布进行回归预测。需要说明的是，表示粒子流的状态的图像数据包括：由对火焰或粒子流进行摄像而得到的图像确定的该火焰或粒子流的轮廓信息、从该火焰或粒子流到达的光的亮度信息等。
如上所述，透明玻璃母材的折射率分布的预测在从开始制造玻璃微粒沉积体至制造结束的期间中的1个或1个以上的任意时间点进行。因此，能够在透明玻璃母材的整个长度上进行该透明玻璃母材的分布预测。此外，通过在这样的玻璃微粒沉积体的制造过程中的分布预测，可以改变制造条件，从而能够有效地抑制因最终产品即光纤的结构不良而引起的特性不良。
更具体而言，本公开的玻璃母材制造装置等最终得到的是光纤母材的主要部分(包含应成为光纤的芯部的部分的部分)，并且能够在玻璃微粒沉积体的制造过程中对通过对该玻璃微粒沉积体进行脱水和烧结而得到的透明玻璃母材的折射率分布进行预测。这意味着能够在分布测定前调节透明玻璃母材的制造条件，结果，可以减少透明玻璃母材的次品数量。此外，可以使工艺工程师无技能化、并且缩短制造条件调节的反馈时间。
进一步，根据本公开的玻璃母材制造装置等，能够在母材的整个长度上将玻璃母材的折射率分布控制为所期望的分布形状，因此能够使所得到的透明玻璃母材的特性稳定为所期望的特性。此外，通过由包含这样的透明玻璃母材的光纤母材来制造最终产品即光纤，能够使该光纤的光学特性稳定为所期望的特性。
(2)本公开的玻璃母材制造方法是利用VAD法制造玻璃微粒沉积体的方法，该方法通过上述玻璃母材制造装置而实现。具体而言，作为该玻璃母材制造方法的一个方式，包括：气体供给工序、沉积工序、以及预测工序。在气体供给工序中，将玻璃原料气体和燃料气体分别供给至燃烧器。在沉积工序中，在通过供给至燃烧器的燃料气体的燃烧而得到的火焰内，由玻璃原料气体生成玻璃微粒，同时将在火焰内生成的玻璃微粒喷射到玻璃微粒沉积体上。在预测工序中，在从沉积工序开始至结束的期间中的1个或1个以上的任意时间点，预测通过玻璃微粒沉积体的脱水和烧结而得到的透明玻璃母材的折射率分布。特别是，预测工序包括摄像工序和运算工序。在摄像工序中，对从燃烧器喷射到玻璃微粒沉积体的火焰、或在该火焰内生成的由玻璃微粒构成的粒子流进行摄像。在运算工序中，从摄像工序中所得到的图像中提取至少表示火焰或粒子流的状态的图像数据。进一步，根据包含所提取的图像数据的解释变量，对作为目标变量的透明玻璃母材的折射率分布进行回归预测。根据该玻璃母材制造方法，也可以取得与上述玻璃母材制造装置相同的效果。
(3)本公开的母材分布预测方法可以适用于上述玻璃母材制造装置和玻璃母材制造方法，在从开始制造该玻璃微粒沉积体至制造结束的期间中的1个或1个以上的任意时间点，对通过利用VAD法制造的玻璃微粒沉积体的脱水和烧结而得到的透明玻璃母材的折射率分布进行预测。具体而言，作为该母材分布预测方法的一个方式，包括：摄像工序、图像处理工序、以及运算工序。在摄像工序中，对从燃烧器喷射到玻璃微粒沉积体的火焰、或在该火焰内生成的由玻璃微粒构成的粒子流进行摄像。对该火焰或粒子流的摄像(摄像工序)在这样的时间点进行：在通过供给至燃烧器的燃料气体的燃烧而得到的火焰内，由供给至该燃烧器的玻璃原料气体生成玻璃微粒，同时将在火焰内生成的玻璃微粒喷射到玻璃微粒沉积体的任意时间点。在图像处理工序中，从摄像工序中所得到的图像中提取表示火焰或粒子流的状态的图像数据。在运算工序中，根据至少包含图像处理工序中所提取的图像数据的解释变量，对作为目标变量的透明玻璃母材的折射率分布进行回归预测。根据该母材分布预测方法，也可以取得与上述玻璃母材制造装置相同的效果。
(4)作为本公开的一个方式，解释变量优选至少包括火焰或该火焰内的粒子流的轮廓数据。作为一个例子，这是因为，如后所述，通过基本分析可以确认粒子流的轮廓数据与透明玻璃母材的折射率分布的形状之间具有高度的相关性(火焰的轮廓数据也同样地)。进一步，作为本公开的一个方式，解释变量优选进一步包括以下当中的至少任一者：火焰或粒子流的亮度分布数据、将燃烧器的设置位置和设置角度数值化后所得的数据、投入到燃烧器内的玻璃原料气体的流量数据、燃料气体的流量数据、脱水和烧结时的加热炉内的温度(烧结温度)、以及该脱水和烧结时供给到加热炉内的气体流量。由于可以确认这些数据与透明玻璃母材的折射率分布之间具有高度的相关性，因此通过将这些数据包含在解释变量中，能够进行更高精度的分布预测。
(5)作为本公开的一个方式，目标变量优选包括：透明玻璃母材的折射率分布、或表征该透明玻璃母材的折射率分布的1种或1种以上的数据。需要说明的是，该折射率分布为沿着透明玻璃母材的半径方向(垂直于母材中心轴的方向)的比折射率差的分布。在这种情况下，可以直观地表示预测结果。
(6)作为本公开的一个方式，运算部或运算工序将折射率分布、或表征该折射率分布的1种或1种以上的数据设定为目标变量，并且针对每个目标变量，使用至少包括1个以上的决策树回归、随机森林(RF)、梯度提升、多重回归、以及Lasso回归的回归分析来预先构筑学习模型，并使用该构筑的学习模型来预测目标变量(回归预测)。该学习模型是通过使用已知的数据来构筑解释变量与目标变量之间的相关性而成的预测模型。这样，作为回归预测，优选对每个目标变量执行至少包括1个以上的决策树回归、随机森林、梯度提升、多重回归、以及Lasso回归的回归分析。通过对每个目标变量应用适合于预测的回归分析，可以高精度地预测分布。
(7)作为本公开的一个方式，具备上述那样的结构的玻璃母材制造装置还可以进一步具备滤波器，其配置于摄像装置与由玻璃微粒沉积体和燃烧器所夹的空间之间。该滤波器使来自火焰或粒子流的预定波长的光通过。例如，在对来自火焰或粒子流的热辐射光进行摄像的情况下，通过除去不需要的波长的光可以减轻图像处理的负荷。
以上，在该[本公开的实施方式的说明]一栏中列举出的各个方式可以应用于剩余所有方式中的每一个或这些剩余方式的所有组合。
[本公开的实施方式的详细说明]
以下，参照附图对本公开的玻璃母材制造装置、玻璃母材制造方法、以及母材分布预测方法的具体结构进行详细地说明。需要说明的是，本发明不限于这些示例，而是由权利要求书表示，并且旨在包含与权利要求书等同的含义和范围内的所有变化。此外，在附图说明中，对相同的要素标注相同的符号，并省略重复的说明。
图2为示出本公开的一个实施方式涉及的玻璃母材制造装置(用于实现本公开的一个实施方式涉及的玻璃母材制造方法的装置)的构成例的图。图2所示的玻璃母材制造装置10的基本构成与上述专利文献1所示的装置构成实质上是相同的，但是并不限于上述专利文献1所示的装置构成，也可以应用与一般的玻璃母材制造装置相同的装置构成。除了上述那样的基本构成以外，本实施方式涉及的玻璃母材制造装置10在具备分布预测系统这一方面与上述专利文献1所示的装置构成和一般的玻璃母材制造装置的装置构成不同。即，本实施方式涉及的玻璃母材制造装置10主要包括：实施沉积工序的构成(反应容器、气体供给系统、燃烧器、驱动部等)、控制沉积工序的构成(控制部、图像分析部、驱动部等)、以及根据玻璃微粒的沉积状态对脱水和烧结后所得到的透明玻璃母材的折射率分布进行预测的构成(包括运算部等的分布预测系统)。
本实施方式涉及的玻璃母材制造装置10具备用于制造玻璃微粒沉积体14的反应容器11。在反应容器11中设置有排气管29，并且芯部用燃烧器17、包层用燃烧器18、以及一端安装有用于沉积玻璃微粒的起始玻璃棒的支撑棒12的一部分位于该反应容器11内。需要说明的是，作为一个例子，使用直径为25mm、长度为400mm的由石英玻璃构成的玻璃棒作为起始玻璃棒。
支撑棒12的另一端通过升降旋转装置15来支撑，该升降旋转装置15使支撑棒12沿着图2中的箭头S1进行旋转，同时使支撑棒12沿着箭头S2所示的方向进行升降。升降旋转装置15的操作通过构成控制部(控制装置)16的一部分的驱动部(上拉速度控制部)20来控制。控制部16根据从外部输入的控制条件，分别进行对于气体供给系统19的气体流量控制、芯部用燃烧器台24和设置在该芯部用燃烧器台24上的角度调节机构24a的位置控制、以及包层用燃烧器台25和设置在该包层用燃烧器台25上的角度调节机构25a的位置控制。
在图2的例子中，芯部用燃烧器17具有5个外径不同的管(呈同心圆状配置)。将从气体供给系统19供给的玻璃原料气体(SiCl4、GeCl4及O2)导入到最小直径的管(最内侧的管)内。在其外周的空间导入燃烧器密封气体(N2)，进一步在其外周的空间导入燃料气体(H2)，再进一步在其外周导入燃烧器密封气体(N2)，更进一步在其外周导入助燃性气体(O2)。如下所示，在芯部用燃烧器17的火焰内，通过玻璃原料气体的水解反应和燃烧反应生成玻璃微粒(SiO2)和折射率调节用掺杂剂(GeO2)，并将在火焰内生成的玻璃微粒从芯部用燃烧器17喷射到玻璃微粒沉积体14上。需要说明的是，燃烧器密封气体是用于防止燃烧器前端的热劣化和玻璃微粒在燃烧器前端的沉积而导入的气体，其功能为在芯部用燃烧器17的管端附近，使玻璃原料气体、燃料气体及助燃性气体分开。
SiCl4+2H2O-＞SiO2+4HCl
GeCl4+O2-＞GeO2+2Cl2
需要说明的是，包层用燃烧器18的结构与上述芯部用燃烧器17的结构基本相同，但是从气体供给系统19供给的玻璃原料气体中所含有的折射率调节用掺杂剂的原料的种类不同。例如，在包层部分中添加氟(F)作为折射率调节用掺杂剂的情况下，在玻璃原料气体中同时含有SiCl4和CF4。但是，在不进行包层部分的折射率调节的情况下，玻璃原料气体中也可以不含有折射率调节用掺杂剂的原料。
在该玻璃母材制造装置10中，通过测量用相机(CCD相机)21对玻璃微粒沉积体14的一部分(特别是，应成为光纤的芯部的部分周边)的沉积面形状进行监测。信号处理部(图像处理部)22将基于来自测量用相机21的电信号而生成的影像数据输出到构成控制部16的一部分的图像分析部(沉积形状测定部)23。图像分析部23将影像数据(动态图像)分割成二维图像(静止图像)，并从所得到的二维图像(静止图像)中提取沉积面形状。然后，图像分析部23以使所提取的沉积面形状成为目标形状的方式对驱动部20进行驱动控制(向驱动部20输出修正后的驱动控制信号)。进一步，图像分析部23计算出含有玻璃原料等的气体的浓度和流量的修正量、燃烧器位置的修正量，以使沉积面形状成为目标形状。控制部16根据由图像分析部23所得到的修正量对气体供给系统19、芯部用燃烧器台24、以及包层用燃烧器台25进行控制。
本实施方式涉及的玻璃母材制造装置10进一步具备分布预测系统，该分布预测系统在从开始制造玻璃微粒沉积体14至制造结束的期间中的1个或1个以上的任意时间点，输出通过玻璃微粒沉积体14的脱水和烧结而得到的透明玻璃母材140(参照图1)的折射率分布的预测结果。在一个例子中，在沿着玻璃微粒沉积体14的纵向方向上的彼此分开的36000点(间隔1秒)处进行分布预测(本公开的母材分布预测方法)。
如图2所示，分布预测系统具备：滤波器102、CCD相机(摄像装置)103、信号处理部104、运算部105、以及显示器等输出部106。需要说明的是，至少运算部105和输出部106可以由个人计算机(以下，记为“PC”)110构成。滤波器102配置于CCD相机103与由玻璃微粒沉积体14和芯部用燃烧器17所夹的空间之间，并使来自燃烧器火焰内的粒子流的预定波长的光(例如，来自粒子流的热辐射光的一部分)通过。特别是，通过除去不需要的波长的光，可以减轻图像处理的负荷。作为一个例子，利用CCD相机103的采样间隔为0.1秒至1秒左右。快门速度在0.1ms至1000ms之间。
进一步，在分布预测系统中，运算部105进行从通过摄像装置所得的二维图像中提取至少表示火焰或粒子流的状态的图像数据的图像处理。作为一个例子，运算部105中的图像处理是利用图像分析软件来进行的，具体而言，对来自信号处理部104的二维图像进行亮度调节后，明确火焰或粒子流的轮廓。此外，运算部105根据至少包含将火焰或粒子流的轮廓坐标化后所得的数据的解释变量，对作为目标变量的透明玻璃母材140的折射率分布进行回归预测。更具体而言，将火焰或粒子流的轮廓数据、燃烧器设置位置(沿着燃烧器X轴的燃烧器的设置位置、燃烧器设置角度)、玻璃原料气体(含有折射率调节用掺杂剂的原料)的流量、燃料气体(H2)的流量、助燃性气体(O2)的流量、使玻璃微粒沉积体14透明玻璃化时的脱水和烧结的条件(温度、气体流量)等设定为解释变量，同时将表征折射率分布的数据设定为目标变量。需要说明的是，脱水和烧结工序是在加热炉内使玻璃微粒沉积体14透明玻璃化的工序，其是这样的工序：一边将选自(例如)氮气、氩气、氦气、氯气等中的至少一种气体供给到容纳有玻璃微粒沉积体14的炉心管内，一边通过配置在该炉心管的外侧的加热器加热玻璃微粒沉积体14，从而对玻璃微粒沉积体14进行脱水和烧结(透明化)。作为脱水和烧结的条件的“气体流量”是指在该脱水和烧结工序中供给到炉心管内的上述气体的流量。在确定解释变量和目标变量后，运算部105使用决策树回归、随机森林(RF)、梯度提升、多重回归、以及Lasso回归等预先对火焰或粒子流的轮廓与折射率分布之间的相关性进行建模。在玻璃微粒沉积体14的制造中，运算部105利用通过这种方式构筑的学习模型(预测模型)来预测透明玻璃母材140的折射率分布。需要说明的是，表示火焰或粒子流的状态的图像数据包括：由通过对粒子流进行摄像而得的二维图像确定的该火焰或该粒子流的轮廓数据、或来自粒子的热辐射光的亮度信息。
图3是用于说明燃烧器相对于玻璃微粒沉积中的玻璃微粒沉积体14的位置的图。如图3所示，玻璃微粒沉积体14与芯部用燃烧器17以母材中心轴AX1与燃烧器中心轴(实质上是管的中心轴)AX2相交的方式配置。这种相对的位置关系对于玻璃微粒沉积体14与包层用燃烧器18的位置关系也是相同的。芯部用燃烧器台24使燃烧器中心轴AX2沿着燃烧器X轴移动。此外，角度调节机构24a调节芯部用燃烧器相对于芯部用燃烧器台24的角度(燃烧器角度θ)。
作为一个例子，图4是用于说明作为将粒子流的轮廓数据(也可以是亮度分布数据)和燃烧器位置确定为解释变量的依据的基本分析的图。需要说明的是，图4为示出通过玻璃微粒沉积体14与芯部用燃烧器17的位置关系而调节的粒子流(从芯部用燃烧器17喷射到玻璃微粒沉积体14上的火焰内的玻璃微粒群)的轮廓变化(图案1至图案3)、与通过对玻璃微粒沉积体14进行脱水和烧结而得到的透明玻璃母材140的折射率分布(沿着垂直于透明玻璃母材140的中心轴AX0的直径方向而得的折射率分布)之间的关系的图。
在图4中，图案1的右栏示出作为脱水和烧结后所得到的透明玻璃母材140的折射率分布的示意性形状的剪刀型的折射率分布。在图案1中，如左栏所示，以芯部用燃烧器17的燃烧器中心轴AX2相对于燃烧器X轴的原点X0向上侧(比X0更靠近起始玻璃棒13的位置)移动的方式配置该芯部用燃烧器17。通过相对于玻璃微粒沉积体14将芯部用燃烧器17配置在这样的位置，可以容易地得到在远离脱水和烧结后的透明玻璃母材140的中心轴AX0的位置处具有折射率峰的剪刀型的折射率分布。
图案2的右栏示出作为脱水和烧结后所得到的透明玻璃母材140的折射率分布的示意性形状的山型的折射率分布。在图案2中，如左栏所示，以芯部用燃烧器17的燃烧器中心轴AX2相对于燃烧器X轴的原点X0向下侧(比原点X0更远离起始玻璃棒13的位置)移动的方式配置该芯部用燃烧器17。通过相对于玻璃微粒沉积体14将芯部用燃烧器17配置在这样的位置，可以容易地得到在与脱水和烧结后的透明玻璃母材140的中心轴AX0一致的芯部中心处具有折射率峰的山型的折射率分布。
图案3的右栏示出作为脱水和烧结后所得到的透明玻璃母材140的折射率分布的示意性形状的梯型的折射率分布。在图案3中，如左栏所示，以芯部用燃烧器17的燃烧器中心轴AX2与燃烧器X轴的原点X0相交的方式配置该芯部用燃烧器17。通过相对于玻璃微粒沉积体14将芯部用燃烧器17配置在这样的位置，可以容易地得到以脱水和烧结后的透明玻璃母材140的中心轴AX0为中心的周边区域中的折射率变化小的梯型的折射率分布。
图5为示出包括运算部105的PC110的示意性构成的一个例子的图。运算部105获取来自信号处理部104的图像信号，并进行用于提取解释变量(火焰或粒子流的轮廓数据、火焰或粒子流的亮度分布数据等)的图像处理。解释变量经由图4所示那样的基本分析来确定，但是解释变量候补例如可列举出：火焰或粒子流的轮廓数据、火焰或粒子流的亮度分布数据、芯部用燃烧器17的设置位置(燃烧器X轴位置、燃烧器角度θ等)、玻璃原料气体的流量、火焰生成用的燃料气体的流量等。作为其他信息，沉积面形状、脱水和烧结的条件(包括温度、气体流量等)等也可以作为解释变量候补。上述轮廓数据是通过预先进行图像处理而得到的，但是其他信息是作为制造条件数据从外部输入的。在本实施方式中，基于图4和图9所示的基本分析的结果，将存在于火焰内的粒子流的轮廓数据、该粒子流的亮度分布数据、以及燃烧器设置位置(燃烧器X轴位置和燃烧器角度)确定为解释变量。
运算部105活用以往的制造中所得到的解释变量和目标变量，通过学习模型来构筑解释变量与目标变量之间的相关性，并具有存储所构筑的学习模型的存储器，利用该学习模型来进行回归预测。回归预测针对每个目标变量进行任意选择的回归分析(在图5的例子中，回归分析1至回归分析3)。回归分析可以应用例如决策树回归、随机森林、梯度提升、多重回归、Lasso回归等。
通常，随机森林是这样的分析方法：随机选择学习数据并进行多次构筑决策树的处理，根据各决策树的推定结果的多数决策和平均值进行分类、回归。特别是，随机森林由于使用多个学习模型(决策树)，因此被称为“集成学习”。
梯度提升是这样的分析方法：首先进行决策树分析，然后针对所构筑的决策树模型的预测值与真实值的误差，重复进行多次构筑决策树的处理。它与随机森林相同，都是集成学习，但是相对于随机森林并列地创建决策树，梯度提升可以是串联地构成决策树。
多重回归分析是用多个解释变量(数值)来预测1个目标变量的分析手法，例如，当将1个目标变量设为y、并将n(1以上的整数)个解释变量设为xi(i为1至n的整数)时，由下式(1)给出。
y＝a1×x1+a2×x2+…+an×xn+b…(1)
在此，ai(i为1至n的整数)为回归系数、b为截距。通过使用目标变量y和解释变量xi为已知的多个学习数据来确定回归系数ai和截距b，从而构筑了学习模型。
Lasso回归分析是在上述多重回归分析那样的线性回归中加入“L1正则化”而得到的分析模型。在Lasso回归分析中，由于难以影响预测的数据的回归系数接近于零，因此是仅选择实质上重要的解释变量而成的回归分析。
在本实施方式中，通过回归预测所得到的目标变量为透明玻璃母材140的折射率分布、或表征该折射率分布的数据。输出部106包括使回归预测到的折射率分布再现的监视器等。
图6是用于说明上述运算部105中的图像处理(轮廓数据提取)的图。此外，图7为示出通过图6的图像处理所得到的数值数据的表。
运算部105获取从信号处理部104输出的影像数据(动态图像)，并将该数据分割为n(1以上的整数)个二维静止图像Gi(i为1至n的整数)，针对每个二维静止图像，提取从芯部用燃烧器17喷射到玻璃微粒沉积体14上的火焰内的粒子流的轮廓数据(图像数据)。具体而言，如图6的上部所示，二维静止图像Gi是利用CCD相机103对图2中所示的摄像区域RA进行摄像而得到的图像，并切出所需的区域。经由切出的区域的亮度调节提取粒子流的轮廓数据。如图6的上部所示，所提取的轮廓数据由上侧轮廓Fu和下侧轮廓Fd构成，最后对各轮廓Fu、Fd进行平滑化处理，需要说明的是，图6的上部示出位于区域GS内的上侧轮廓Fu的平滑化处理。当对n个二维静止图像完成上述轮廓数据提取时，得到了n个轮廓坐标。图6的下部是将n个轮廓坐标绘制而成的曲线图(横轴记为“轮廓X轴”，纵轴记为“轮廓Y轴”)。图7的表汇总了将每个母材样品的n个轮廓坐标平均化后的结果。
在图6的下部所示的曲线图中，包含n个上侧轮廓Fu的区域GA是由轮廓Y轴上的坐标Y011至Y072(以下，记为“解释变量候补”)定义的区域。对于解释变量候补Y011至Y072中的每一个，计算出n个上侧轮廓Fu在轮廓X轴上的轮廓坐标平均值。另一方面，包含n个下侧轮廓Fd的区域GB是由轮廓X轴上的坐标X006至X066(以下，记为“解释变量候补”)定义的区域。对于解释变量候补X006至X066中的每一个，计算出n个下侧轮廓Fd在轮廓Y轴上的轮廓坐标平均值。在图7的例子中，作为每个母材样品的解释变量，设定从定义区域GA的解释变量候补Y011至Y072中提取的7个候补(Y011、Y021、…、Y071)各自的轮廓坐标平均值、以及从定义区域GB的解释变量候补X006至X066中提取的7个候补(X006、X016、…、X066)各自的轮廓坐标平均值。
进一步，如图8所示，在上述运算部105的图像处理中，针对每个二维静止图像提取亮度分布数据作为解释变量。需要说明的是，图8为用于说明运算部105中的图像处理(亮度分布数据提取)的图。
与上述轮廓数据提取操作同样地，运算部105获取从信号处理部104输出的影像数据(动态图像)，并将该数据分割为n(1以上的整数)个二维静止图像Gi(i为1至n的整数)，针对每个二维静止图像，提取在从芯部用燃烧器17喷射到玻璃微粒沉积体14上的火焰内生成的粒子流的亮度分布。具体而言，如图8的上部所示，二维静止图像Gi是利用CCD相机103对图2中所示的摄像区域RA进行摄像而得到的图像，并切出所需的区域。例如，二维静止图像Gi中的粒子流的亮度分布被定义为连接该二维静止图像Gi上的起点CP1与终点CP70的线段FL上的各点(在图8的例子中为70处亮度测定点)处的亮度BT(CPx)。在此，将x设为1至70的任意整数。通过在相同的亮度测定点处将从n个二维静止图像中的每一个得到的亮度BT(CPX)进行平均，从而得到平均亮度ABT(CPX)。
所得到的平均亮度ABT(CPX)表示线段FL上的从CP1至CP70的共计70处的平均亮度分布。进一步，作为解释变量而准备的亮度分布数据由从CP1至CP70中任意选择的例如40处的平均亮度ABT(CPX)构成。需要说明的是，从线段FL上的亮度测定点选择的亮度测定点的数量不限于40处，例如可以通过对由5处、10处、20处、以及40处构成的亮度分布中的每一个进行评价，来确定最合适的亮度分布数据的构成数量(亮度测定点的数量)即可。
接下来，图9为用于说明作为将燃烧器位置确定为解释变量的依据的基本分析的图。如图5所示，在本实施方式中，不仅将粒子流的轮廓数据用作解释变量，也将芯部用燃烧器17的燃烧器设置位置(燃烧器X轴位置和燃烧器角度θ)用作解释变量。图9的上部示出针对每个母材使粒子流的上侧轮廓Fu的轮廓X轴值成为最小的轮廓Y轴值的趋势图。相对于组0，组A是使芯部用燃烧器17的位置沿着燃烧器X轴移动而成的母材组，组B是进一步调节芯部用燃烧器17的角度而成的母材组。在图9的下部可以看出，相对于芯部用燃烧器17处于标准位置的组0，在组A中，火焰轮廓向上方移动，使上侧轮廓Fu的轮廓X轴值成为最小的轮廓Y轴值发生变化。因此，在本实施方式中，燃烧器设置位置(燃烧器X轴位置和燃烧器角度θ)也被追加为解释变量。
图10为用于说明目标变量的图。本实施方式对透明玻璃母材140的折射率分布进行预测，该透明玻璃母材140是通过对利用VAD法沉积玻璃微粒而得的玻璃微粒沉积体14进行脱水并烧结而得到的。作为一个例子，表征所预测的折射率分布的4种数据为目标变量。
图10说明表征折射率分布的4种数据。目标变量1(特征量“A”)表示最大比折射率差与中心轴A0的比折射率差之差。目标变量2(特征量“B”)表示从中心轴A0至成为最大比折射率差的径向方向位置的距离。目标变量3(特征量“C/D”)表示分布的斜率。特征量“C”是成为最大比折射率差的1/2的比折射率差，特征量“D”是从成为最大比折射率差的径向方向位置至成为最大比折射率差的1/2的径向方向位置的距离，它们的比“C/D”为目标变量3。目标变量4(特征量“E”)表示最大比折射率差。
图11示出了用于构筑本实施方式中的学习模型而使用的数据(解释变量和目标变量)的一部分。在本实施方式中，从71个具有“剪刀型”的折射率分布的母材样品、14个具有“山型”的折射率分布的母材样品、11个具有“梯型”的折射率分布的母材样品中获得了数据。需要说明的是，在本实施方式中，使用除测试对象以外的所有数据(解释变量和目标变量)来构筑学习模型，测试对象的实测值与学习模型的预测值之间的误差通过RMSE(RootMean Square Error)来进行评价。
RMSE：均方根误差((1/n)×Σ(真实值-预测值)2)1/2
n：数据数量
图11示出了如上所述进行分类的共计96个母材样品各自的解释变量(实测值)和目标变量(实测值)。需要说明的是，在图11的上部，针对每个母材样品，示出了4种目标变量(A、B、C/D、E)的数据。在图11的下部，作为解释变量，由图7所示的区域GB的7处各自的轮廓坐标平均值和区域GA的7处各自的轮廓坐标平均值、图8所示的40处亮度数据、燃烧器X轴位置、以及燃烧器角度共计56种数据构成，针对每个母材样品示出了构成解释变量的这56种数据。
图12示出了在本公开的母材分布预测中各目标变量的预测精度最高的分析方法及其精度(RMSE)。此外，图13为示出目标变量的预测值与实测值之间的相关性的曲线图。
如图12所示，运算部105使用精度最高的随机森林作为目标变量1的回归预测来预测目标变量1(特征量“A”)。经由图4和图9所示的基本分析，将火焰内的粒子流的轮廓数据、该粒子流的亮度分布数据、以及燃烧器位置(燃烧器X轴位置和燃烧器角度)确定为解释变量。此外，运算部105使用精度最高的梯度提升作为目标变量2和目标变量3的回归预测来预测目标变量2(特征量“B”)和目标变量3(特征量“C/D”)。进一步，运算部105使用精度最高的Lasso回归作为目标变量4的回归预测来预测目标变量4(特征量“E”)。
从图13可以看出，对于目标变量1至目标变量4中的任一者，在目标变量的预测值与实测值之间都可以确认显著的相关性。
图14为通过段落“0053”至“0059”中提到的母材分布预测方法进行预测而得的母材分布。实线是实测的折射率分布，虚线为预测分布。可以看出，图案2的“山型”和图案1的“剪刀型”中的任一者都高精度地进行了回归预测。
图15为仅采用随机森林对折射率分布的所有点(径向方向500点)进行回归预测而得到的结果。实线为实测分布，虚线为预测分布。可以看出，即使只采用1种学习模型也可以高精度地预测母材分布。
符号的说明
10…玻璃母材制造装置、11…反应容器、12…支撑棒、13…起始玻璃棒、14…玻璃微粒沉积体、15…升降旋转装置、16…控制部、17…芯部用燃烧器、18…包层用燃烧器、19…气体供给系统、20…驱动部、21…测量用相机、22…信号处理部、23…图像分析部、24a、25a…角度调节机构、24、25…台、29…排气管、RA…摄像区域、102…滤波器、103…CCD相机(摄像装置)、104…信号处理部、105…运算部、106…输出部、110…个人计算机(PC)。
Claims (22)
1.一种玻璃母材制造装置，其利用VAD法制造玻璃微粒沉积体，具备：
气体供给系统，其分别供给玻璃原料气体和燃料气体；
燃烧器，其在通过从所述气体供给系统供给的所述燃料气体的燃烧而得的火焰内，由所述玻璃原料气体生成玻璃微粒，并将所述火焰内的所述玻璃微粒喷射到所述玻璃微粒沉积体上；以及
分布预测系统，其在从开始制造所述玻璃微粒沉积体至制造结束的期间中的1个或1个以上的任意时间点，输出通过所述玻璃微粒沉积体的脱水和烧结而得到的透明玻璃母材的折射率分布的预测结果，
所述分布预测系统具有：
摄像装置，其用于对在所述燃烧器中生成的所述火焰、或在所述火焰内生成的由所述玻璃微粒构成的粒子流进行摄像；以及
运算部，其从通过所述摄像装置所得到的图像中提取至少表示所述火焰或所述粒子流的状态的图像数据，并根据包含所述图像数据的解释变量对作为目标变量的所述透明玻璃母材的所述折射率分布进行回归预测。
2.根据权利要求1所述的玻璃母材制造装置，其中，
所述解释变量至少包括所述火焰的轮廓数据或所述火焰内的所述粒子流的轮廓数据。
3.根据权利要求2所述的玻璃母材制造装置，其中，
所述解释变量进一步包括以下当中的至少任一者：所述火焰或所述粒子流的亮度分布数据、将所述燃烧器的设置位置和设置角度数值化后所得的数据、投入到所述燃烧器内的所述玻璃原料气体的流量数据、所述燃料气体的流量数据、所述脱水和烧结时的加热炉内的温度、以及所述脱水和烧结时供给到所述加热炉内的气体流量。
4.根据权利要求1至权利要求3中任一项所述的玻璃母材制造装置，其中，
所述目标变量包括表征所述透明玻璃母材的所述折射率分布的数据。
5.根据权利要求1至权利要求3中任一项所述的玻璃母材制造装置，其中，
所述运算部针对每个所述目标变量，使用回归分析对所述透明玻璃母材的所述折射率分布进行回归预测，该回归分析包括决策树回归、随机森林、梯度提升、多重回归、以及Lasso回归中的任意1个以上。
6.根据权利要求4所述的玻璃母材制造装置，其中，
所述运算部针对每个所述目标变量，使用回归分析对所述透明玻璃母材的所述折射率分布进行回归预测，该回归分析包括决策树回归、随机森林、梯度提升、多重回归、以及Lasso回归中的任意1个以上。
7.根据权利要求1至权利要求3中任一项所述的玻璃母材制造装置，进一步具备滤波器，其配置于所述摄像装置与由所述玻璃微粒沉积体和所述燃烧器所夹的空间之间，并使来自所述粒子流的预定波长的光通过。
8.根据权利要求4所述的玻璃母材制造装置，进一步具备滤波器，其配置于所述摄像装置与由所述玻璃微粒沉积体和所述燃烧器所夹的空间之间，并使来自所述粒子流的预定波长的光通过。
9.根据权利要求5所述的玻璃母材制造装置，进一步具备滤波器，其配置于所述摄像装置与由所述玻璃微粒沉积体和所述燃烧器所夹的空间之间，并使来自所述粒子流的预定波长的光通过。
10.根据权利要求6所述的玻璃母材制造装置，进一步具备滤波器，其配置于所述摄像装置与由所述玻璃微粒沉积体和所述燃烧器所夹的空间之间，并使来自所述粒子流的预定波长的光通过。
11.一种玻璃母材制造方法，其利用VAD法制造玻璃微粒沉积体，并使用加热炉对玻璃微粒沉积体进行脱水和烧结，所述方法包括：
气体供给工序，其中将玻璃原料气体和燃料气体分别供给至燃烧器；
沉积工序，其中在通过供给至所述燃烧器的所述燃料气体的燃烧而得到的火焰内，由所述玻璃原料气体生成玻璃微粒，同时将所述火焰内的所述玻璃微粒喷射到所述玻璃微粒沉积体；以及
预测工序，其中在所述沉积工序开始至结束的期间中的1个或1个以上的任意时间点，对通过所述玻璃微粒沉积体的脱水和烧结而得到的透明玻璃母材的折射率分布进行预测，
所述预测工序包括：
摄像工序，其中对由所述燃烧器生成的所述火焰、或在所述火焰内生成的由玻璃微粒构成的粒子流进行摄像；以及
运算工序，其中从所述摄像工序中所得到的图像中提取至少表示所述火焰或所述粒子流的状态的图像数据，并根据包含所述图像数据的解释变量对作为目标变量的所述透明玻璃母材的所述折射率分布进行回归预测。
12.根据权利要求11所述的玻璃母材制造方法，其中，
所述解释变量至少包括所述火焰的轮廓数据或所述火焰内的所述粒子流的轮廓数据。
13.根据权利要求12所述的玻璃母材制造方法，其中，
所述解释变量进一步包括以下当中的至少任一者：所述火焰或所述粒子流的亮度分布数据、将所述燃烧器的设置位置和设置角度数值化后所得的数据、投入到所述燃烧器内的所述玻璃原料气体的流量数据、所述燃料气体的流量数据、所述脱水和烧结时的加热炉内的温度、以及所述脱水和烧结时供给至所述加热炉内的气体流量。
14.根据权利要求11至权利要求13中任一项所述的玻璃母材制造方法，其中，
所述目标变量包括表征所述透明玻璃母材的所述折射率分布的数据。
15.根据权利要求11至权利要求13中任一项所述的玻璃母材制造方法，其中，
所述运算工序针对每个所述目标变量，使用回归分析对所述透明玻璃母材的所述折射率分布进行回归预测，该回归分析包括决策树回归、随机森林、梯度提升、多重回归、以及Lasso回归中的任意1个以上。
16.根据权利要求14所述的玻璃母材制造方法，其中，
所述运算工序针对每个所述目标变量，使用回归分析对所述透明玻璃母材的所述折射率分布进行回归预测，该回归分析包括决策树回归、随机森林、梯度提升、多重回归、以及Lasso回归中的任意1个以上。
17.一种母材分布预测方法，其用于在从开始制造玻璃微粒沉积体至制造结束的期间中的1个或1个以上的任意时间点，对通过利用VAD法所制造的所述玻璃微粒沉积体的脱水和烧结而得到的透明玻璃母材的折射率分布进行预测，所述方法包括：
摄像工序，其中在通过供给至燃烧器的燃料气体的燃烧而得到的火焰内由供给至所述燃烧器的玻璃原料气体生成玻璃微粒且同时将所述火焰内的所述玻璃微粒喷射到所述玻璃微粒沉积体上的所述任意时间点，对由所述燃烧器生成的所述火焰、或在所述火焰内生成的由所述玻璃微粒构成的粒子流进行摄像；
图像处理工序，其中从所述摄像工序中所得到的图像中提取表示所述火焰或所述粒子流的状态的图像数据；以及
运算工序，其中根据至少包含在所述图像处理工序中提取的所述图像数据的解释变量，对作为目标变量的所述透明玻璃母材的所述折射率分布进行回归预测。
18.根据权利要求17所述的母材分布预测方法，其中，
所述解释变量至少包括所述火焰的轮廓数据或所述火焰内的所述粒子流的轮廓数据。
19.根据权利要求18所述的母材分布预测方法，其中，
所述解释变量进一步包括以下当中的至少任一者：所述火焰或所述粒子流的亮度分布数据、将所述燃烧器的设置位置和设置角度数值化后所得的数据、投入到所述燃烧器内的所述玻璃原料气体的流量数据、所述燃料气体的流量数据、所述脱水和烧结时的加热炉内的温度、以及所述脱水和烧结时供给至所述加热炉内的气体流量。
20.根据权利要求17至权利要求19中的任一项所述的母材分布预测方法，其中，
所述目标变量包括表征所述透明玻璃母材的所述折射率分布的数据。
21.根据权利要求17至权利要求19中的任一项所述的母材分布预测方法，其中，
所述运算工序针对每个所述目标变量，使用回归分析对所述透明玻璃母材的所述折射率分布进行回归预测，该回归分析包含决策树回归、随机森林、梯度提升、多重回归、以及Lasso回归中的任意1个以上。
22.根据权利要求20所述的母材分布预测方法，其中，
所述运算工序针对每个所述目标变量，使用回归分析对所述透明玻璃母材的所述折射率分布进行回归预测，该回归分析包含决策树回归、随机森林、梯度提升、多重回归、以及Lasso回归中的任意1个以上。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020088009 | 2020-05-20 | ||
| JP2020-088009 | 2020-05-20 | ||
| PCT/JP2021/018678 WO2021235408A1 (ja) | 2020-05-20 | 2021-05-17 | ガラス母材製造装置、ガラス母材製造方法、および母材プロファイル予測方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115551812A CN115551812A (zh) | 2022-12-30 |
| CN115551812B true CN115551812B (zh) | 2024-05-03 |
Family
ID=78708516
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202180032865.4A Active CN115551812B (zh) | 2020-05-20 | 2021-05-17 | 玻璃母材制造装置、玻璃母材制造方法、以及母材分布预测方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20230183121A1 (zh) |
| JP (1) | JPWO2021235408A1 (zh) |
| CN (1) | CN115551812B (zh) |
| WO (1) | WO2021235408A1 (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07167789A (ja) * | 1993-12-13 | 1995-07-04 | Furukawa Electric Co Ltd:The | 火炎などの状態測定方法 |
| JPH07198966A (ja) * | 1993-12-28 | 1995-08-01 | Furukawa Electric Co Ltd:The | 光ファイバ用多孔質母材等の合成方法とその装置 |
| JPH0967131A (ja) * | 1995-08-28 | 1997-03-11 | Fujikura Ltd | 多孔質ガラス体の製造装置 |
| CN1155522A (zh) * | 1995-12-04 | 1997-07-30 | 住友电气工业株式会社 | 制作玻璃光纤预制棒的方法 |
| JP2003226545A (ja) * | 2002-02-01 | 2003-08-12 | Furukawa Electric Co Ltd:The | 光ファイバ母材の製造方法と光ファイバ母材の製造装置 |
| CN1776411A (zh) * | 2005-10-28 | 2006-05-24 | 东华大学 | 聚合物光纤预制棒折射率的细光束扫描测量方法及装置 |
| CN103842303A (zh) * | 2011-09-29 | 2014-06-04 | 住友电气工业株式会社 | 玻璃微粒沉积体以及玻璃预制件的制造方法 |
-
2021
- 2021-05-17 US US17/924,128 patent/US20230183121A1/en active Pending
- 2021-05-17 JP JP2022524474A patent/JPWO2021235408A1/ja active Pending
- 2021-05-17 WO PCT/JP2021/018678 patent/WO2021235408A1/ja active Application Filing
- 2021-05-17 CN CN202180032865.4A patent/CN115551812B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07167789A (ja) * | 1993-12-13 | 1995-07-04 | Furukawa Electric Co Ltd:The | 火炎などの状態測定方法 |
| JPH07198966A (ja) * | 1993-12-28 | 1995-08-01 | Furukawa Electric Co Ltd:The | 光ファイバ用多孔質母材等の合成方法とその装置 |
| JPH0967131A (ja) * | 1995-08-28 | 1997-03-11 | Fujikura Ltd | 多孔質ガラス体の製造装置 |
| CN1155522A (zh) * | 1995-12-04 | 1997-07-30 | 住友电气工业株式会社 | 制作玻璃光纤预制棒的方法 |
| JP2003226545A (ja) * | 2002-02-01 | 2003-08-12 | Furukawa Electric Co Ltd:The | 光ファイバ母材の製造方法と光ファイバ母材の製造装置 |
| CN1776411A (zh) * | 2005-10-28 | 2006-05-24 | 东华大学 | 聚合物光纤预制棒折射率的细光束扫描测量方法及装置 |
| CN103842303A (zh) * | 2011-09-29 | 2014-06-04 | 住友电气工业株式会社 | 玻璃微粒沉积体以及玻璃预制件的制造方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115551812A (zh) | 2022-12-30 |
| JPWO2021235408A1 (zh) | 2021-11-25 |
| US20230183121A1 (en) | 2023-06-15 |
| WO2021235408A1 (ja) | 2021-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111652402B (zh) | 一种光纤预制棒沉积工序大数据智能优化方法 | |
| CN1285524C (zh) | 用于在光纤制造中确定拉制张力的方法 | |
| CN115551812B (zh) | 玻璃母材制造装置、玻璃母材制造方法、以及母材分布预测方法 | |
| CN100551855C (zh) | 用于拉伸光纤预制棒的处理过程和设备 | |
| US20120103023A1 (en) | Method of manufacturing glass preform | |
| KR102196000B1 (ko) | 광섬유 모재의 제조 장치 및 그의 제조 방법 | |
| US11787726B2 (en) | Sintering method of porous glass base material for optical fiber | |
| CN1922114B (zh) | 制造光纤预制件的方法及设备 | |
| JPH07198966A (ja) | 光ファイバ用多孔質母材等の合成方法とその装置 | |
| EP3279155B1 (en) | Method for manufacturing porous glass base material for optical fiber | |
| JP4407742B2 (ja) | ガラス母材の屈折率分布の検査方法 | |
| JP2024072648A (ja) | 光ファイバ母材の製造システムおよび光ファイバ母材の製造方法 | |
| US20240076223A1 (en) | Apparatus for producing glass base material, and method for producing glass base material | |
| JP4420082B2 (ja) | ガラス母材の製造方法 | |
| JP2003040623A (ja) | ガラス微粒子堆積体の製造方法 | |
| JP2003012337A (ja) | 光ファイバ用プリフォームの設計・製造方法 | |
| JP2003020239A (ja) | 光ファイバプリフォームの加工方法 | |
| JPH04260633A (ja) | 光ファイバ用ガラス母材の製造装置 | |
| KR100571556B1 (ko) | 원튜브 변형 보정 장치를 구비하는 광섬유 모재 제조장치및 이를 이용한 광섬유 모재 제조방법 | |
| JPH07223834A (ja) | 光ファイバ用多孔質母材の合成方法とその装置 | |
| Aitchanov et al. | Optical fiber exhaust management systems and innovative technologies for its production | |
| JP2005170770A (ja) | 光ファイバ製造方法 | |
| JP3687625B2 (ja) | ガラス母材の製造方法 | |
| JP2003277069A (ja) | 多孔質母材の製造方法 | |
| JP2001206729A (ja) | 光ファイバ母材の製造方法 |
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 |