CN116897090A - 激光加工状态的判定方法以及判定装置 - Google Patents

Abstract

加工状态的判定方法包含如下工序：使用光传感器来检测在通过激光照射到被加工物而在被加工物的表面形成的焊接部产生的热辐射光、可见光以及反射光当中至少1者；从光传感器取得表示与每个被加工物的焊接时间对应的时间区间中的热辐射、可见光以及反射光当中1者的变化的信号；对判定加工状态的判定模型输入包含信号的信号强度的特征量，将在被加工物的叠加面存在异物的情况下产生的熔融形状异常的、具有熔融长度和熔融宽度的焊接区域的位置以及数量作为加工状态进行判定；和输出判定结果。基于包含产生熔融形状异常的状况下算出的特征量和产生熔融形状异常的状况下的加工状态在内的训练数据来构建判定模型。

Description

激光加工状态的判定方法以及判定装置

技术领域

本公开涉及用于叠加焊接的激光加工中的加工状态的判定方法以及判定装置。

背景技术

专利文献1中公开了激光焊接的焊接状态判定方法等，其运用于对工件照射脉冲状产生的激光进行焊接的激光焊接方法，用于判定工件中的焊接的良好/不良等焊接状态。专利文献1的方法中，将激光焊接时从工件放出的等离子光以及反射光的强度检测为检测光强度，从与激光的1脉冲对应的检测光强度的1周期当中基于预先设定的提取区间中的检测光强度来按激光的每个脉冲提取每个脉冲的特征值。作为每个脉冲的特征值，算出检测光强度的平均值、差分处理的变化量以及差分处理的振幅等。专利文献1的方法中，得到每个脉冲的特征值的下限值或上限值作为极值，将极值和给定的阈值进行比较，判定焊接缺陷的产生，作为每个工件的焊接状态。

现有技术文献

专利文献

专利文献1：JP特开2000-153379号公报

发明内容

根据本公开的一方式，提供用于叠加焊接的激光加工中的加工状态的判定方法。本方法包含如下工序：使用光传感器来检测在通过激光照射到被加工物而在被加工物的表面形成的焊接部产生的热辐射光、可见光以及反射光当中至少1者；从光传感器取得表示与每个被加工物的焊接时间对应的时间区间中的热辐射、可见光以及反射光当中1者的变化的信号；对判定加工状态的判定模型输入包含基于信号的信号的信号强度在内的特征量，来将在被加工物的叠加面存在异物的情况下产生的熔融形状异常的、具有熔融长度和熔融宽度的焊接区域的位置以及数量作为加工状态进行判定；和将所判定的熔融形状异常的位置以及数量作为判定结果而输出。基于包含产生熔融形状异常的状况下算出的特征量和产生熔融形状异常的状况下的加工状态在内的训练数据来构建判定模型。

根据本公开的一方式，提供用于叠加焊接的激光加工中的加工状态的判定装置。判定装置具备运算电路和通信电路。通信电路接受由光传感器检测在通过激光照射到被加工物而在被加工物的表面形成的焊接部产生的热辐射光、可见光以及反射光当中至少1者而生成的信号。信号是表示与每个被加工物的焊接时间对应的时间区间中的热辐射、可见光以及反射光当中1者的变化的信号。运算电路通过通信电路取得信号，对判定加工状态的判定模型输入包含基于信号的信号的信号强度在内的特征量，来将在被加工物的叠加面存在异物的情况下产生的熔融形状异常的、具有熔融长度和熔融宽度的焊接区域的位置以及数量作为加工状态进行判定，将所判定的熔融形状异常的位置以及数量作为判定结果，通过通信电路输出。基于包含产生熔融形状异常的状况下算出的特征量和产生熔融形状异常的状况下的加工状态在内的训练数据来构建判定模型。

附图说明

图1是表示本公开的实施方式1所涉及的判定系统的概要的图。

图2是例示判定系统中的激光加工装置的结构的图。

图3是例示判定系统中的分光装置的结构的图。

图4是例示判定系统中的判定装置的结构的框图。

图5是例示判定装置中的判定处理的流程图。

图6是用于说明在判定装置中取得的信号的图。

图7是用于说明在判定装置中算出特征量的处理的图。

图8是用于说明判定装置中的判定模型的处理的图。

图9是例示判定模型的训练处理的流程图。

图10是用于说明在熔融形状异常的产生时生成的信号的图。

具体实施方式

在激光焊接中，例如在被加工物中存在污渍或异物的情况下，在激光照射时，有时在焊接部产生开孔这样的熔融形状的异常。在根据阈值来判定焊接缺陷的产生的方法中，能对这样的异常的有无进行判断，但难以判定至熔融形状异常的数量以及位置等详细的加工状态。

本公开提供能详细判定用于叠加焊接的激光加工中的加工状态的判定方法以及判定装置。

以下适宜参考附图来详细说明实施方式。但有时省略必要以上详细的说明。例如，有时省略针对已经广为人知的事项的详细说明、实质相同的结构的重复说明。这是为了避免以下的说明不必要地变得冗长，使本领域技术人员的理解容易。另外，发明者为了本领域技术人员充分理解本公开而提供附图以及以下的说明，并不由这些来限定记载于权利要求书的主题。

(实施方式1)

在实施方式1中，作为使用本公开所涉及的判定方法以及判定装置的一例，说明如下判定系统：检测在用于叠加焊接的激光加工产生的光的分量，取得基于检测到的分量的信号，来判定加工状态。

1.结构

使用图1来说明实施方式1所涉及的判定系统。图1是表示本实施方式所涉及的判定系统100的概要的图。

1-1.系统的概要

判定系统100具备：进行用于叠加焊接的激光加工的激光加工装置30；用于检测光的分量的分光装置40；和判定装置50。判定装置50是本公开所涉及的判定装置的一例。叠加焊接的被加工物70例如含有金属，若照射激光6，就产生温度上升所引起的近红外线区域的热辐射光(也称作“热辐射”)、以及主要为可见光的金属固有的发光或等离子发光。此外，激光6的并不贡献于加工的一部分作为返回光而反射。如此地，若从激光加工装置30对被加工物70照射激光6，则在形成于被加工物70的熔融部27产生热辐射、可见光以及反射光。熔融部27是本实施方式中的焊接部的一例。

在照射激光6时，例如若在构成被加工物70的2个构件70a、70b之间存在含有树脂或油脂等碳系材料的异物80，则焊接区域会产生开孔、或形成突起的熔融形状异常。焊接区域在激光加工装置30侧的构件70a的表面在加工后作为熔融部27的痕迹而残留，是具有遍及焊接加工的行进方向的长度的熔融长度和与焊接加工的行进方向垂直的方向的宽度即熔融宽度的区域。通过存在于这样的被加工物70的叠加面的异物80的熔融，也会在熔融部27产生发光。

在熔融部27产生的光在激光加工装置30聚光，经过将激光加工装置30和分光装置40连接的光纤13传输到分光装置40。传输到分光装置40的光被分光成热辐射、可见光以及反射光，由分光装置40的光传感器22探测并变换成信号。本实施方式的判定装置50若从分光装置40接收到信号，就判定在开孔等形态下发现的熔融形状异常的位置以及数量，进而作为加工状态判定熔融形状异常的尺寸，并输出判定结果。

1-2.激光加工装置的结构

图2是例示本实施方式的激光加工装置30的结构的图。激光加工装置30具备激光振荡器1、激光传输用光纤2、镜筒3、准直透镜4、聚光透镜5、11、第1镜(mirror)7和第2镜8。

激光振荡器1供给用于产生例如波长约1070纳米(nm)的脉冲状的激光6的光。从激光振荡器1供给的光在通过激光传输用光纤2传输的期间被放大，经过用于得到平行的光束的准直透镜4，形成激光6，并在镜筒3内直线前进。镜筒3构成激光加工装置30中的加工头。

激光6除了在第1镜7透过的一部分以外进行反射，通过聚光透镜5聚光而照射到例如在扫描台(未图示)上以按压夹具26固定的被加工物70。由此，进行用于被加工物70的叠加焊接的激光加工。另外，激光6的波长并不特别限于1070nm，优选使用材料的吸收率高的波长。

若照射激光6，就在熔融部27产生来自被加工物70的热辐射、基于等离子发光的可见光、以及激光6的反射光。这些光透过第1镜7，在第2镜8反射，在被聚光透镜11聚光后，经过光纤13而传输到分光装置40。另外，可以用摄像机或传感器来探测在第2镜8部分透过的光。

1-3.分光装置的结构

图3是例示本实施方式的分光装置40的结构的图。分光装置40在外壳28的内部具备准直透镜15、第3镜16、第4镜17、第5镜18、聚光透镜19、20、21、光传感器22、传输线缆23和控制器24。外壳28防止杂光从分光装置40的外部进入内部，防止从内部的光泄漏。

准直透镜15使从激光加工装置30经过光纤13而传输的光回到平行光。第3镜16将例如波长400nm～700nm的可见光透过，将这以外的分量反射。第4镜17将例如波长约1070nm的激光6的反射光反射，将这以外的分量透过。第5镜18将例如波长1300nm～1550nm的热辐射反射。

经过了准直透镜15的光通过第3镜16、第4镜17以及第5镜18而被分光成可见光、反射光以及热辐射，分别通过聚光透镜19～21而聚光。另外，也可以通过在第3镜16、第4镜17以及第5镜18之后的光路分别配置任意的带通滤波器，而能选择使通过的波长。

光传感器22例如具备各自对不同的波长具有高的灵敏度的光传感器22a、22b、22c。光传感器22a、22b、22c分别检测通过各聚光透镜19～21聚光的可见光、反射光以及热辐射，生成与检测到的光的强度相应的电信号。另外，光传感器22可以由能检测每个波长的强度的1个光传感器构成。

将由光传感器22生成的电信号经由传输线缆23传输到控制器24。控制器24是硬件控制器，对分光装置40整体的动作进行总括控制。控制器24包含CPU以及通信电路等，将从光传感器22接受到的电信号发送到判定装置50。控制器24例如具备A/D变换器，将模拟的电信号变换成数字信号(也仅称作“信号”)。另外，关于变换成数字信号时的采样周期，在加工状态的判定中，出于确保为了捕捉加工工艺的特征以及物理量的局部的值的倾向而足够的样品数的观点，例如优选进行激光6的输出控制的时间的100分之1以下。

1-4.判定装置的结构

图4是例示本实施方式的判定装置50的结构的框图。判定装置50例如由计算机这样的信息处理装置构成。判定装置50具备：进行运算的处理的CPU51；用于与其他设备进行通信的通信电路52；和存储数据以及计算机程序的存储装置53。

CPU51是本实施方式中的判定装置的运算电路的一例。CPU51通过执行存放于存储装置53的控制程序56，来实现包含判定模型57的训练以及执行的给定的功能。判定装置50通过CPU51执行控制程序56来实现作为本实施方式中的判定装置的功能。另外，本实施方式中构成为CPU51的运算电路可以由MPU或GPU等种种处理器实现，也可以由1个或多个处理器构成。

通信电路52例如是遵循IEEE802.11、4G或5G等标准进行通信的通信电路。通信电路52例如可以遵循以太网(注册商标)等标准进行有线通信。通信电路52能与因特网等通信网络连接。此外，判定装置50可以经由通信电路52与其他设备直接进行通信，也可以经由接入点进行通信。另外，通信电路52可以构成为能不经由通信网络地与其他设备进行通信。例如，通信电路52可以包含USB(注册商标)端子以及HDMI(注册商标)端子等连接端子。

存储装置53是存储为了实现判定系统100的功能所需的计算机程序以及数据的存储介质，存放CPU51中执行的控制程序56以及各种数据。存储装置53在判定模型57的构建后存放判定模型57。基于包含根据产生熔融形状异常的状况下的信号而算出的特征量和已产生熔融形状异常时的加工状态在内的训练数据来构建判定模型57。判定模型57的详细内容之后叙述。

存储装置53例如由硬盘驱动器(HDD)这样的磁存储装置、光盘驱动器这样的光学的存储装置或SSD这样的半导体存储装置构成。存储装置53例如可以具备由DRAM或SRAM等RAM构成的临时的存储元件，作为CPU51的内部存储器发挥功能。

2.动作

在以上那样构成的判定系统100中，例如如图1所示那样，分光装置40利用光传感器22来检测通过激光6的照射而在熔融部27产生的热辐射、可见光以及反射光。分光装置40将与检测到的热辐射、可见光以及反射光的强度相应的信号发送到判定装置50。以下说明本系统100中的判定装置50的动作。

2-1.判定处理

以下，使用图5～图8来说明在判定装置50中判定熔融形状异常的位置、数量以及尺寸的判定处理。

图5是例示本实施方式的判定装置50中的判定处理的流程图。本流程图所示的各处理例如由判定装置50的CPU51执行。本流程图例如通过由判定系统100的用户等从经由通信电路52而连接的输入装置输入用于开始判定处理的给定的操作而开始。

首先，CPU51通过通信电路52来取得与分光装置40的光传感器22中探测到的热辐射、可见光以及反射光对应的信号(S1)。

图6是用于说明判定装置50中取得的信号的图。图6的(A)例示与在加工时产生了熔融形状异常的情况的热辐射、可见光以及反射光的任一者对应的信号的信号波形。图6的(B)例示未产生熔融形状异的情况下的热辐射、可见光以及反射光的任一者的信号波形。图6的(C)表示对被加工物70照射的激光6的输出。图6的(A)、(B)的信号与通过图6的(C)的激光输出而产生的热辐射、可见光以及反射光的任一者对应。

在图6的(A)～(C)中，横轴表示时间，纵轴表示信号强度(图6的(A)、(B))或激光输出(图6的(C))。此外，时间T1表示相当于激光6的1脉冲的时间区间，时间T2表示激光输出的除了上升沿和下降沿以外的峰值输出的时间区间。在此，在本实施方式的激光加工装置30中，在时间T1中进行每个被加工物70的焊接。在步骤S1中，CPU51取得表示与每个被加工物70的焊接时间对应的时间T1中的热辐射、可见光以及反射光的变化的信号。

如图6的(A)所示那样，若产生熔融形状异常，则与图6的(B)的正常时比较，取得产生信号强度临时增加的峰值的波形的信号。熔融形状异常的产生时的信号的峰值例如起因于引起该异常的异物80所导致的发光。另外，在熔融形状异常的产生时，还有时因异物80而发光瞬间衰减，由此临时产生衰减峰值。在该情况下，取得产生信号强度临时减少的峰值的波形的信号。在这样的情况下，也是关于后述的图5的流程图所示的流程，提取局部的最小值，对区间Tp的信号强度在减去平均值Sa的值中算出积分值即可。在以下的流程中，作为一例，对于产生信号强度临时增加的峰值的情况的波形的信号来进行流程的说明。

在图5的流程图中，接下来，CPU51根据所取得的信号来算出输入到判定模型57的特征量(S2)。在本实施方式中，CPU51除了算出运用了归一化这样的前处理的信号强度以外，还算出基于峰值中的信号强度的强度值(以后称作“峰值强度值”)，作为特征量。

图7是用于说明判定装置50中算出特征量的处理(S2)的图。图7的(A)与图6的(A)同样地表示与产生熔融形状异常的情况下的热辐射、可见光或反射光对应的信号的信号强度的时间变化。使用图7来说明图5的步骤S2中算出峰值强度值的特征量的处理。

CPU51首先进行检测所取得的信号的峰值的处理。CPU51例如进行比较每个采样周期的信号强度的值的运算，将与时间上相邻的前后的点相比而值更大的点提取为局部的最大值。这时，出于将提取为局部的最大值的值限制在给定的信号强度以上的观点，也可以设定阈值。CPU51例如与局部的最大值同样地提取信号强度的局部的最小值，检测峰值，作为被与局部的最大值相邻的2点所夹的区间Tp中的信号波形的区域。区间Tp与峰值的产生时间对应。图7的(B)表示在图7的(A)的信号中检测到区间Tp的峰值的示例。

在峰值的检测后，CPU51算出除了峰值以外的信号强度的平均值Sa。平均值Sa例如算出为从激光6的1脉冲当中的峰值输出的时间T2除去区间Tp的时间(T2-Tp)中的信号强度的平均值。图7的(C)表示在图7的(B)的示例中算出平均值Sa的示例。

接着，CPU51在从区间Tp的信号强度减去除了峰值以外的信号强度的平均值Sa而得到的值中，算出针对与峰值的产生时间对应的区间Tp算出的积分值，作为峰值强度值。图7的(D)表示在图7的(C)的示例中算出积分值的示例。该积分值与图7的(D)所示的区域Rp的面积对应。

在以上那样的特征量的算出后(S2)，CPU51将特征量输入到判定模型57，来进行判定熔融形状异常的位置、数量以及尺寸的判定模型的处理(S3)。将信号强度的特征量例如作为A/D变换中的每个采样周期的信号波形的振幅输入到判定模型57。

图8是用于说明判定模型的处理(S3)的图。图8的(A)与图6的(A)同样地表示产生了熔融形状异常时的信号波形。图8的(B)示意示出生成图8的(A)的信号时的加工后的被加工物70的激光加工装置30侧的构件70a的外观。在图8的(B)中，在具有熔融长度Wx和熔融宽度Wy的焊接区域270中，产生孔85作为熔融形状异常的示例。

本实施方式的激光加工装置30在相当于1脉冲的时间T1中按每个被加工物70进行遍及熔融长度Wx的焊接。在图8的(A)的示例中，在激光加工装置30在图8的(B)中的x轴的正方向上推进加工时产生孔85，与此对应地，产生区间Tp的峰值，在步骤S2中检测到。

在图8的示例中，在判定模型的处理(S3)中，CPU51将根据图8的(A)的信号而算出的信号强度以及峰值强度值的特征量输入到判定模型57，来判定图8的(B)的孔85的位置、数量以及尺寸。例如在以构件70a上的焊接开始点为原点的正交坐标系中，将位置判定为孔85的重心的坐标。将尺寸例如判定为孔85的面积。在图8的(B)中，由于除了孔85没有熔融形状异常，因此，将数量判定为“1”。

回到图5，CPU51将孔85这样熔融形状异常的位置、数量以及尺寸的判定结果通过通信电路52输出(S4)。判定结果例如能由外部的信息处理装置或显示设备等接收并显示。此外，判定装置50也可以具备能与CPU51通信的显示装置(例如显示器)，使显示装置显示判定结果。

之后，CPU51结束图5的流程图。图5的流程图例如每当进行每个被加工物70的焊接加工就重复执行。

根据以上的判定处理，本实施方式的判定装置50取得由分光装置40的光传感器22生成的信号(S1)，根据信号来算出特征量(S2)，由判定模型57基于该特征量来判定熔融形状异常的位置、数量以及尺寸(S3)。由此，判定装置50能在用于叠加焊接的激光加工中详细地判定与熔融形状异常相关的加工状态。

另外，在图5的步骤S2，特征量可以针对热辐射、可见光以及反射光全都算出，也可以仅针对热辐射、可见光以及反射光的任意1者算出。此外，在判定模型的处理(S3)中，判定模型57例如可以仅判定熔融形状异常的位置以及数量。

此外，在步骤S2，可以对上述的衰减峰值也进行检测并算出信号强度的积分值。在该情况下，关于衰减峰值的值成为负，另一方面，对图7的示例中说明的增加峰值算出的峰值强度值成为正。这样一来，能区别信号强度的衰减所引起的峰值和增加所引起的峰值地将异物80所导致的发光的变化反映在特征量中。另外，即使是检测衰减峰值的情况，关于峰值的信号强度的积分值也并不限于此，例如也可以仅着眼于峰值的存在和大小，将其绝对值用在特征量中。

2-2.训练处理

以下使用图9以及图10来说明用于构建判定模型57的训练处理。

图9是例示判定模型57的训练处理的流程图。本流程图的各处理例如由判定装置50的CPU51执行。

首先，CPU51例如取得预先存放于存储装置53的训练数据(S11)。

训练数据是将热辐射、可见光以及反射光的信号强度以及峰值强度值这样的特征量和作为加工状态的熔融形状异常的位置、数量以及尺寸建立对应的数据。将根据基于在加工状态发生变化的多个条件下进行激光加工而检测到的热辐射、可见光以及反射光的信号而算出的特征量、和在加工后通过焊接区域270的外观测定而判定的加工状态建立关联并记录，由此来构建训练数据。外观测定例如通过光学显微镜的焊接区域270的观察、或拍摄焊接区域270的图像中的测定来实施，但并不特别限定于此。

图10是用于说明在熔融形状异常的产生时生成的信号的图。在训练数据的构建中，收集基于具有图10例示那样的种种波形图案的信号的特征量、和对应的加工状态。

在图10的(A)中，在分别对应于热辐射、可见光以及反射光的强度而生成的信号Lt、Lv以及Lr的全部中检测与1个熔融形状异常对应的峰值。在图10的(B)中，在热辐射以及可见光的2个信号Lt、Lv中检测到1个熔融形状异常的峰值。在图10的(C)中，仅在反射光的信号Lr中检测到1个熔融形状异常的峰值。在图10的(D)中，在热辐射、可见光以及反射光的信号Lt、Lv、Lr的各自中检测到与2个熔融形状异常对应的2个峰值。如图10的(A)、(D)所示那样，在反射光的信号Lr中，有在与热辐射以及可见光的信号Lt、Lv比较更早的时间产生峰值的倾向。

将基于伴随这样的多样的峰值的检测图案的信号的特征量和对应的加工状态包含在训练数据中，由此，通过后述的处理，能生成即使检测到峰值的光、时间以及数量等条件发生变化也能详细判定加工状态的判定模型57。此外，在本实施方式中，通过使用基于热辐射、可见光以及反射光这3者的特征量，即使是仅在热辐射、可见光以及反射光的1者或2者的信号中检测到峰值的情况，也能将产生熔融形状异常的倾向反映在判定模型57中。在训练数据中，例如使用作为实际的加工时设想的峰值数而包含2个以下的峰值的数据，但并不特别限定于此，也可以使用包含3个以上的峰值的数据。此外，也可以预先设定视作1个峰值的时间的区间。

CPU51若取得训练数据(S1)，就使用训练数据进行机器学习，生成判定模型57(S2)。判定模型57例如生成为基于随机森林或神经网络等的回归模型。

根据以上的训练处理，能根据基于与激光加工中检测到的热辐射、可见光以及反射光对应的信号的特征量来生成判定模型57，作为判定熔融形状异常的位置、数量以及尺寸的学习完毕模型。

另外，判定模型57的训练处理也可以在与判定装置50不同的信息处理装置中执行。判定装置50例如可以经由通信网络通过通信电路52取得构建完毕的判定模型。

此外，在判定模型57的训练数据中也可以包含不产生熔融形状异常的情况的特征量和不产生熔融形状异常的情况的加工状态。不产生熔融形状异常的情况的特征量例如可以是峰值强度值“0”。不产生熔融形状异常的情况的加工状态例如可以是熔融形状异常的位置“0”、数量“0”以及尺寸“0”。

3.效果等

如以上那样，在本实施方式中，判定处理(S1～S4)提供用于叠加焊接的激光加工中的加工状态的判定方法。本方法包含如下工序：使用光传感器22来检测在通过对被加工物70照射激光6而形成于被加工物70的表面的熔融部27(焊接部的一例)产生的热辐射(热辐射光)、可见光以及反射光当中至少1者；工序(S1)，从光传感器22取得表示与每个被加工物70的焊接时间对应的时间T1(时间区间)中的热辐射、可见光以及反射光的变化的信号；对判定加工状态的判定模型57输入包含基于信号的信号的信号强度在内的特征量，来将在被加工物70的叠加面存在异物80的情况下产生的熔融形状异常的、具有熔融长度Wx和熔融宽度Wy的焊接区域270中的熔融形状异常的位置以及数量作为加工状态进行判定(S2、S3)；和工序(S4)，将所判定的熔融形状异常的位置以及数量作为判定结果而输出。基于包含产生熔融形状异常的状况下算出的特征量和产生熔融形状异常的状况下的加工状态在内的训练数据来构建判定模型57。

根据以上的方法，取得基于通过激光6的照射而产生并探测到的热辐射、可见光以及反射光当中1者以上的信号(S1)，算出包含信号强度的特征量，将熔融形状异常的位置以及数量作为加工状态进行判定(S2、S3)。由此，能基于用于叠加焊接的激光加工中检测到的热辐射、可见光以及反射光当中的至少1者的信号强度来详细判定与熔融形状异常相关的加工状态。

在本实施方式中，判定的工序(S2、S3)还包含：检测信号的峰值，作为加工状态进一步判定熔融形状异常的尺寸。输出的工序(S4)包含：进一步输出所判定的熔融形状异常的尺寸，作为判定结果。特征量包含基于峰值处的信号的信号强度的强度值的一例即峰值强度值。由此，能基于峰值强度值，将熔融形状异常的尺寸包括在内，更详细地判定加工状态。

在本实施方式中，强度值是通过对从峰值的信号强度减去除了峰值以外的信号的信号强度的平均值Sa的值关于区间Tp(峰值的产生时间)进行积分而得到的积分值(参考图7)。由此，能将与异物80所引起的熔融形状异常的产生相伴的发光的强度反映在特征量中，从而易于详细判定熔融形状异常的尺寸等加工状态。

在本实施方式中，判定模型57包含学习完毕模型，该学习完毕模型通过利用了训练数据的机器学习来生成，该训练数据将根据基于在加工状态发生变化的多个条件中的各条件下进行激光加工而检测到的热辐射、可见光以及反射光当中至少1者的信号而算出的特征量、和通过焊接区域270的外观测定而判定的加工状态建立关联。由此，能根据基于热辐射、可见光以及反射光的至少1者的特征量来得到判定加工状态的判定模型57。

在本实施方式的判定系统100中，判定装置50是用于叠加焊接的激光加工中的加工状态的判定装置的一例。判定装置50具备作为运算电路的一例的CPU51、和通信电路52。通信电路52接受由光传感器22检测在通过对被加工物70照射激光6而在被加工物70的表面形成的熔融部27(焊接部的一例)产生的热辐射(热辐射光)、可见光以及反射光当中至少1者而生成的信号。信号是表示作为与每个被加工物70的焊接时间对应的时间区间的一例的时间T1中的热辐射、可见光以及反射光的至少1者的变化的信号。CPU51通过通信电路52取得信号(S1)，对判定加工状态的判定模型57输入包含基于信号的信号的信号强度在内的特征量，来将在被加工物70的叠加面存在异物80的情况下产生的熔融形状异常的、具有熔融长度Wx和熔融宽度Wy的焊接区域270中的位置以及数量作为加工状态进行判定(S2、S3)，将所判定的熔融形状异常的位置以及数量作为判定结果，通过通信电路52输出(S4)。基于包含产生熔融形状异常的状况下算出的特征量和产生熔融形状异常的状况下的加工状态在内的训练数据来构建判定模型57。

根据以上的判定装置50，能执行上述的判定方法来详细判定用于叠加焊接的激光加工中的加工状态。

(其他实施方式)

如以上那样，作为本申请中公开的技术的例示，说明了上述的实施方式。但本公开中的技术并不限定于此，还能运用于适宜进行变更、置换、附加、省略等的实施方式。此外，还能组合上述的各实施方式中说明的各构成要素来做出新的实施方式。

在上述的实施方式1中，判定装置50在判定处理中算出信号强度以及峰值强度值的特征量(图5的S2)。在本实施方式中，在步骤S2，也可以不特别算出峰值强度值，仅将信号强度用作特征量。

在上述的实施方式1中，判定装置50取得与分光装置40的光传感器22中探测到的热辐射、可见光以及反射光对应的信号(S1)。在本实施方式中，判定装置50也可以仅关于热辐射、可见光以及反射光当中1者或2者取得信号。在该情况下，在步骤S2～S3，对热辐射、可见光以及反射光当中仅1者或2个者的信号算出特征量，并输入到判定模型57。此外，在本实施方式中，也可以将基于热辐射、可见光以及反射光当中仅1者或2个者的信号的特征量和加工状态作为训练数据来构建判定模型57。

在上述的实施方式1中，将信号强度等的特征量和熔融形状异常的位置、数量以及尺寸作为训练数据来构建判定模型57(S11～S12)。在本实施方式中，也可以将特征量和熔融形状异常的位置以及数量作为训练数据来构建判定模型57。在该情况下，判定装置50在判定处理(S1～S4)中将熔融形状异常的位置以及数量作为加工状态进行判定。

根据本公开中的判定方法以及判定装置，在用于叠加焊接的激光加工中，特别关于在焊接区域产生的熔融形状异常，能详细判定加工状态。

本公开并不限定于上述的实施方式，能进行种种变更。即，关于将本领域技术人员适宜变更的技术的手段组合而得到的实施方式，也是本公开的范畴。

产业上的可利用性

本公开能适用于用于叠加焊接的激光加工中的加工状态的判定系统，特别能适用于判定焊接部的熔融形状异常的方法以及装置。

附图标记的说明

1 激光振荡器

2 激光传输用光纤

3 镜筒

4 准直透镜

5、11 聚光透镜

6 激光

7 第1镜

8 第2镜

13 光纤

15 准直透镜

16 第3镜

17 第4镜

18 第5镜

19、20、21聚光透镜

22光传感器

23传输线缆

24控制器

26按压夹具

27熔融部

30激光加工装置

40分光装置

50判定装置

51CPU

52通信电路

53存储装置

56控制程序

57判定模型

70被加工物

70a、70b构件

85孔

100判定系统

270焊接区域。

Claims (8)

1.一种判定方法，是用于叠加焊接的激光加工中的加工状态的判定方法，

所述判定方法包含如下工序：

使用光传感器来检测在通过对被加工物照射激光而在所述被加工物的表面形成的焊接部产生的热辐射光、可见光以及反射光当中至少1者；

从所述光传感器取得表示与每个所述被加工物的焊接时间对应的时间区间中的所述热辐射光、所述可见光以及所述反射光的所述至少1者的变化的信号；

对判定所述加工状态的判定模型输入包含基于所述信号的所述信号的信号强度在内的特征量，来将在所述被加工物的叠加面存在异物的情况下产生的熔融形状异常的、具有熔融长度和熔融宽度的焊接区域的位置以及数量作为所述加工状态进行判定；和

将所判定的所述熔融形状异常的位置以及数量作为判定结果而输出，

基于包含在产生所述熔融形状异常的状况下算出的所述特征量和产生所述熔融形状异常的状况下的所述加工状态在内的训练数据来构建所述判定模型。

2.根据权利要求1所述的判定方法，其中，

所述判定的工序包含：检测所述信号的峰值，作为所述加工状态进一步判定所述熔融形状异常的尺寸，

所述输出的工序包含：进一步输出所判定的所述熔融形状异常的尺寸，作为判定结果，

所述特征量包含基于所述峰值处的所述信号的信号强度的强度值。

3.根据权利要求2所述的判定方法，其中，

所述强度值是：通过对从所述峰值的信号强度减去除了所述峰值以外的所述信号的信号强度的平均值所得到的值关于所述峰值的产生时间进行积分而得到的积分值。

4.根据权利要求1～3中任一项所述的判定方法，其中，

所述判定模型包含学习完毕模型，所述学习完毕模型通过利用了训练数据的机器学习来生成，所述训练数据将根据基于在所述加工状态发生变化的多个条件中的各条件下进行所述激光加工而检测到的所述热辐射光、所述可见光以及所述反射光的所述至少1者的信号而算出的特征量、和通过所述焊接区域的外观测定而判定的所述加工状态建立关联。

5.一种判定装置，是用于叠加焊接的激光加工中的加工状态的判定装置，

所述判定装置具备：

运算电路；和

通信电路，其接受由光传感器检测在通过对被加工物照射激光而在所述被加工物的表面形成的焊接部产生的热辐射光、可见光以及反射光当中至少1者而生成的信号，

所述信号是表示与每个所述被加工物的焊接时间对应的时间区间中的所述热辐射光、所述可见光以及所述反射光的所述至少1者的变化的信号，

所述运算电路执行如下处理：

通过所述通信电路取得所述信号；

对判定所述加工状态的判定模型输入包含基于所述信号的所述信号的信号强度在内的特征量，来判定在所述被加工物的叠加面存在异物的情况下产生的熔融形状异常的、具有熔融长度和熔融宽度的焊接区域的位置以及数量，作为所述加工状态；和

将所判定的所述熔融形状异常的位置以及数量作为判定结果，通过所述通信电路输出，

基于包含在产生所述熔融形状异常的状况下算出的所述特征量和产生所述熔融形状异常的状况下的所述加工状态在内的训练数据来构建所述判定模型。

6.根据权利要求5所述的判定装置，其中，

所述运算电路执行如下处理：

检测所述信号的峰值，作为所述加工状态进一步判定所述熔融形状异常的尺寸；和

进一步将所判定的所述熔融形状异常的尺寸作为判定结果，通过所述通信电路输出，

所述特征量包含基于所述峰值处的所述信号的信号强度的强度值。

7.根据权利要求6所述的判定装置，其中，

所述强度值是：对从所述峰值的信号强度减去除了所述峰值以外的所述信号的信号强度的平均值所得到的值关于所述峰值的产生时间进行积分而得到的积分值。

8.根据权利要求5～7中任一项所述的判定装置，其中，

所述判定模型包含学习完毕模型，所述学习完毕模型通过利用了训练数据的机器学习来生成，所述训练数据将根据基于在所述加工状态发生变化的多个条件中的各条件下进行所述激光加工而检测到的所述热辐射光、所述可见光以及所述反射光的所述至少1者的信号而算出的特征量、和通过所述焊接区域的外观测定而判定的所述加工状态建立关联。