JP2012533434A - レーザ加工ヘッドおよびレーザ加工ヘッドの焦点位置の変化を補償するための方法 - Google Patents

Abstract

本発明は、加工レーザビーム１０８により工作物を機械加工するためのレーザ加工ヘッド１００に関し、このヘッド１００は、カメラ１０２を備え、ビーム経路内において前記カメラの正面に撮像レンズユニット１１６が、工作物レーザビーム１０８により機械加工される工作物の機械加工領域を監視するために配置され、更に工作物表面１０４上又は該表面１０４に対し規定された位置の上に加工レーザビーム１０８の焦点合わせのためのフォーカシングレンズユニット１１４と、集束レンズ系１１４の焦点シフトが生じた場合にカメラ画像の焦点を再度合わせるための光学軸方向の撮像レンズ系１１６の調節移動量ΔｄＫＬを用いて補正調節移動量Δｚ_OS、Δｚ_Bを計算するように設計された評価ユニット１２２とを備え、この補正調節移動量が工作物表面１０４又は該表面１０４に対して規定された位置に対する集束レンズ系１１４の焦点変位を補償する。

Description

本発明は、レーザ加工ヘッドと、前記レーザ加工ヘッドにおける焦点位置の変化を補償するための、特にレーザ材料加工の際に焦点位置および焦点サイズのモニタリングおよび閉ループ制御を行うための、コンピュータ計算において相互に斟酌される画像において加工表面、溶融プール、プロセス発光、および蒸気毛細管現象（キーホール）を視覚化するための、さらにはレーザ加工プロセスを技術認知的に実施するための方法とに関する。

レーザ加工ヘッドにより材料を加工する際には、レーザ放射が、レンズ系により焦点に集められる。しかし、レンズ系自体が、材料加工の際にレーザ光により加熱されるため、その結果として、使用されるレンズ系の光学特性もまた変化する。さらに、これにより、レーザ光のビームプロファイルの焦点位置もまた変化する。加工すべき材料の位置に対して前記焦点位置が変化することにより、所望の加工結果が得られなくなるという影響がもたらされる恐れがある。

様々なモニタリングシステムが、レーザ材料加工プロセスにおけるプロセスモニタリングのために使用される。前記モニタリングシステムは、部分的には、フォトダイオード、他の光センサ、または画像センサ技術、特にカメラによるプロセス発光の検出に基づいており、換言すれば特にレーザビームと工作物との間の相互作用領域からの電磁放射の検出に基づいている。リアルタイムモニタリングまたは工程内モニタリングのために、カメラは、一般的には、例えば被覆された半透明表面などにより、レーザ加工ヘッドの光学系内に組み込まれる。

各フォトダイオードの強度により工作物に対する焦点位置の変化を決定するアプローチが、当技術において既に議論されてきた。

したがって、異なる波長について、２つの光学センサを、供給されるレーザ光の光ファイバ中に導入することが、方法が周知となっている。この場合には、２つの光学センサの強度における相互的な相対変化に基づいて、焦点位置の変化に関する結論を導き出すことが試みられ、次いでこれにより、焦点位置の変化を補償する。Ｆ．ハラン、Ｄ．ハンド、Ｃ．ピーターズ、およびＪ．ジョーンズによる「Ｒｅａｌ−ｔｉｍｅ ｆｏｃｕｓ ｃｏｎｔｒｏｌ ｉｎ ｌａｓｅｒ ｗｅｌｄｉｎｇ」（Ｍｅａｓ．Ｓｃｉ．Ｔｅｃｈｎｏｌ．，Ｙｅａｒ：１９９６，ｐａｇｅｓ：１０９５−１０９８）を参照されたい。

他の周知の方法においては、レーザ溶接プロセスの際に、フォトダイオードにより、工作物に対する焦点位置の変化に関して波長の強度が測定される。ニューラルネットワークを利用することにより、フォトダイオードの出力と一致し、後に焦点位置の補償制御のために使用される関数が、概算される。Ｇ．ヒューイ、Ｏ．フレミング・オーブによる「Ａｕｔｏｍａｔｉｃ Ｏｐｔｉｍｉｚａｔｉｏｎ ｏｆ Ｆｏｃａｌ Ｐｏｉｎｔ Ｐｏｓｉｔｉｏｎ ｉｎ ＣＯ２ Ｌａｓｅｒ Ｗｅｌｄｉｎｇ ｗｉｔｈ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ ｉｎ Ｆｏｃｕｓ Ｃｏｎｔｒｏｌ Ｓｙｓｔｅｍ」（ｙｅａｒ １９９７）を参照されたい。

ドイツ国特許第１９５１６３７６号は、焦点振動を加えることにより、最適な焦点位置が、フォトダイオード強度の変換された振幅および相の関係から計算されることを開示している。

ドイツ国特許第１９９２５４１３号は、溶接ビームの焦点位置を決定するためのデバイスを説明している。

独国特許出願公開第１０ ２００４ ０４３０７６号明細書 独国特許出願公開第１９７ １６ ２９３号明細書

本発明の目的は、加工プロセスの際に被加工材料に対して規定された相対焦点位置を効果的に維持することを可能にする、レーザ加工ヘッドと、レーザ加工ヘッドにおける焦点位置の変化を補償するための方法とを提示することである。

この目的は、請求項１に記載のレーザ加工ヘッドによって、および別の独立請求項１５に記載の本発明による方法によって、達成される。本発明の有利な構成および展開が、従属請求項に示される。

特に、この目的は、工作物に対する焦点の変化が検出され、次いでこれに応じた補正係数の計算の後に焦点位置が合わせられることによって、達成される。

さらに、撮像センサユニットが使用される場合には、可能な限り最高の品質を有する加工プロセスの画像が生じるはずである。

本発明の中核は、加工表面に対する焦点位置の変化の検出、およびそれに応じたレーザ材料加工プロセスにおける焦点位置または焦点直径の補正である。この検出は、撮像モニタリングセンサシステムの画像鮮明度を用いて、またはレーザ加工ヘッドにおける温度センサを用いて、または、種々のレーザ放射強度にてレーザ加工ヘッドの測定された火線から計算された時間間隔あたりの光エネルギーもしくは近似モデル、もしくは自己学習機構もしくは学習された経験値を考慮する技術認知的方法、もしくはこれらの検出可能性の中の複数の要素の中の１つおよび加工表面に対するレーザ加工ヘッドの位置を変更することによるもしくは使用される光学系の可動部分を適合化（調整）することによる焦点位置の適合化（調整）から得られた、使用される放射強度を用いて、実施される。

したがって、本発明は、レーザ加工ヘッドおよび焦点位置を適合化するための方法を提案する。本発明によるレーザ加工ヘッドは、カメラを有し、ビーム経路内においてこのカメラの上流に撮像光学ユニットが配置され、このカメラは特に溶接または切削により加工レーザビームによって加工される工作物の加工領域を監視する役割を果たす。またレーザ加工ヘッドは、工作物表面の上に加工レーザビームの焦点を合わせるためのフォーカシング光学ユニットと、集束レンズの焦点の変位が生じた場合にカメラ画像の焦点を再度合わせるために必要な光学軸の方向における撮像光学ユニットの調節移動量を用いて、集束レンズの焦点変位または焦点シフトを補償、均衡化、または平滑化する調節移動量を計算するように適合化された評価ユニットとを備える。本発明によれば、さらに、加工レーザビームの作用焦点が工作物表面の上にまたは工作物表面に対して規定された位置に常に位置するように、学習プロセスにより、加工時間または加工状況に応じてフォーカシング光学ユニットの調節を制御する認知システムをさらに使用することにより、最適な溶接結果または分離結果またはレーザ加工結果をもたらすことが可能である。

以下、図面を参照として、例として本発明をさらに詳細に説明する。

本発明によるレーザ加工ヘッドの大幅に簡略化した概略図である。 近すぎる作用焦点位置、最適な作用焦点位置、および遠すぎる作用焦点位置に関して撮影された写真を示す図である。 本発明によるＨＤＲ方法により処理されたカメラ画像の概略図である。 本発明によるＨＤＲ画像シーケンス処理のブロック図である。 本発明による技術認知的システムのブロック図である。 本発明による他の技術認知的システムのブロック図である。 最高に鮮明な画像Ｓ_maxのカメラレンズ位置とレンズゼロ位置またはゼロオフセット位置ＺＰとの比較に基づく、ｚ軸調節の閉制御ループのブロック図である。 カメラレンズゼロポイントまたはゼロオフセット位置を制御するための印加レーザ出力およびプロセスパラメータが入力される人工ニューラルネットワークのブロック図である。 各例において加工ヘッドが１０ｍｍだけ距離を拡大された、重畳構造体の溶接プロセスの際に記録された画像を示す図である。 ±５ｍｍの模擬焦点変位の際に同軸方向において記録された工程内動画に対して適用された鮮明度評価技術の結果を示す図である。 様々なレーザ出力および時間間隔（例１：１キロワット、例２：２キロワット、例３：４キロワット、例４：６キロワット、例５：５分後に６キロワット、例６：１０分後に６キロワット、例７：２０分後に６キロワット）に関して測定された、様々な光学系についての平均焦点変位量を示すグラフである。 実験結果に基づき経験的モデルを利用して、さらには人工ニューラルネットワークを介して計算された（１〜１０分：１キロワット、１１〜２０分：２キロワット、２１〜３０分：４キロワット、３１〜４５分：６キロワット、ｚ_RF＝７．２ｍｍ）焦点変位量を示すグラフである。

図１は、本発明によるレーザ加工ヘッド１００を図示する。このレーザ加工ヘッド１００は、プロセスモニタリングカメラ１０２、温度検出ユニット、調節可能レンズもしくは調節可能ミラーを含む光学系、または加工表面１０４に対するレーザ加工ヘッド１００の位置制御ユニットを含むことが可能である。

レーザ加工ヘッド１００の光学系は、波長λＬを有するファイバ１１０からのレーザビーム１０８を平行にするコリメータレンズ１０６を含み、平行化されたレーザビームは、ビームスプリッタ１１２を経由して集束レンズ１１４により加工表面１０４の上に、または加工表面１０４に対して画定された位置の上に焦点を集められる。カメラレンズ１１６が、カメラ１０２の上流に配置され、光学軸の方向において補正値Δｄ_KLだけ調節され得る。さらに、レーザ加工ヘッド１００は、集束レンズ１１４に温度センサ１１８を、さらにはコリメータレンズ１０６に温度センサ１２０を有し、これらのセンサは共に、評価／制御ユニット１２２に接続される。さらに、プロセスモニタリングセンサシステム１２４が、評価／制御ユニット１２２に接続される。

本発明によるレーザ加工ヘッド１００は、カメラ１０２を備え、撮像光学ユニット１１６が、ビーム経路中においてカメラ１０２の上流に配置され、加工レーザビーム１０８により特に溶接または切削によって加工される工作物の加工領域を監視する役割を果たす。さらに、レーザ加工ヘッド１００は、工作物上に加工レーザビーム１０８の焦点を集めるための集束光学ユニット１１４と、評価ユニット１２２とを備える。この評価ユニット１２２は、集束レンズ１１４の焦点が変位した場合にカメラ画像の焦点を再度合わせるために必要となる光学軸の方向における撮像光学ユニット１１６の調節移動量を用いて、集束レンズ１１４の焦点変位を補償または相殺する調節移動量を計算するように適合化される。

加工表面１０４は、使用される加工レーザ光の波長λ_Lとは異なる波長λ_Kを有する光により、照明デバイス（図１には図示せず）によって照明され得る。この照明デバイスは、外部から工作物表面１０４を証明するために、レーザ加工ヘッド１００の外側に取り付けられ得る。しかし、照明デバイスから入射する光が、ビームスプリッタによりレーザ加工ビーム１０８のビーム経路へと同軸方向に結合されてもよく、この場合には、照明デバイスは、レーザ加工ヘッド１００の光学系中に組み込むことが可能となる。

代替的にまたは補助的には、本発明によれば、画像を取得するために、高ダイナミックレンジ（ＨＤＲ）方法を使用することも可能である。この方法においては、画像センサが、画像ごとにそれぞれ異なる時点で複数回、すなわち少なくとも２回スキャンされるか、または、複数の画像、すなわち２つ、３つ、もしくはそれ以上の画像が、それぞれ異なる露光時間によりもしくは複数のカメラにより生成され、その後、コンピュータ計算において相互に考慮されて、少なくとも１つの画像が形成される。この手順により、周囲の加工領域、プロセス発光、さらには蒸気毛細管現象またはキーホールを画像中に同時に視覚化する、画像記録、画像シーケンス記録、または動画記録が可能となる。レーザ加工プロセスを画像記録する場合には、既述の領域の複数の強度値が、広い範囲にわたり分布し、これが、前記方法により１つの画像中において視覚化され得る。比較的低い強度分解能によるプロセスモニタリングシステムまたは評価ユニットもしくは制御ユニットに関連するスクリーンまたはディスプレイデバイス上の表示については、このように生成された画像または画像シーケンスが、グレースケール値またはトーンマッピング方法により適合化された態様で表示される。

図３および図４に図示されるように、本発明によれば、ＨＤＲ方法、または加工領域、プロセス発光、および蒸気毛細管現象をより良好に視覚化するための方法を実施するためには、複数の画像または画素アレイが、コンピュータ計算において相互に考慮される。

図３においては、図示されるプロセス発光が、参照符号１を有し、図示される蒸気毛細管現象（キーホール）が、参照符号２を有する。さらに、図３は、溶融プール３、溶接シームジオメトリ４、および加工表面５を示す。

画像センサのマルチスキャニングにより、または複数のカメラによる同時画像記録により、または、マルチ露光技術と呼ばれる、１つのカメラではあるがそれぞれ異なる露光時間による連続画像記録により、異なる複数の画像が生成され得る。それぞれの画像記録は、様々なタイプの方法により、コンピュータ計算において考慮され得る。これは、最も簡単な例においては、少なくとも２つの画像記録から画像シーケンスの中の複数の画像のそれぞれの画像値を合算および平均化することを含む。さらに効率的に画像を取得するために、少なくとも２つの画像記録からの画像シーケンスから画像値またはピクセルを加重平均することが可能である。

加重方法としては、エントロピー方法を利用することにより情報内容に応じて加重することが可能であり、または、カメラ応答関数を考慮に入れて加重平均を実施することが可能である。このためには、面積当たりの実際のまたは実質的な放射エネルギーに関する結論を導き出すことが必要となる。これは、以下の関数、すなわち

により求められる。

次いで、個々の放射エネルギーに対する重みが、以下のように表される。

この場合に、ｉは、複数の画像記録の中の画像シーケンスにおける画像インデックスであり、ｊは、ピクセル位置であり、ｔ_iは、画像記録ｉの露光時間またはスキャニング時間であり、ｙ_ijは、位置ｊにおける画像記録ｉのピクセルの強度値であり、Ｉ^-1（）は、逆カメラ応答関数であり、ｘ_jは、ピクセル位置における面積当たりの評価放射エネルギーであり、ｗ_ijは、信頼性モデルの加重関数である。本発明は、特にレーザ加工ヘッドおよび／またはこのレーザ加工ヘッドに接続されたプロセスモニタリングシステムによる、材料の分離または接合などの加工方法におけるこれらの図示されるＨＤＲ画像計算方法の利用に、明白に関係する。

工作物に対して適合化されるべき焦点位置から得られる補正値については、例えば以下の公式が当てはまる。
Δｚ_f＝Ａ×Δｚ_B＋Ｂ×Δｚ_OS
＝Ｃ×Δｄ_KL＋Ｄ×ΔＴ＋Ｅ×Δｔ＋Ｆ×ΔＰ_L＋Ｇ×Ｍ＋Ｈ×Ｃ_OG
ここで、Ａ、Ｂ、Ｃ、Ｄ、Ｅ、Ｆ、Ｇ、Ｈは、可変的に決定されるパラメータであるとともに、値「０」をとり得る。

次に、個々の成分を決定するための方法を示す。

個別におよび組み合わせて使用し得る補正値Δｚ_fの検出方法は、以下の通りとなる。

プロセスモニタリングシステムを設定する際に、画像処理センサシステムのフォーカシングユニットが、撮像信号によって可能な限り鮮明な画像が生成されるように設定される。この場合には、可能な限り最高の画像鮮明度または分解能の決定は、様々な方法により得られる。本発明は、フォーカシングするためのまたは画像鮮明度を得るためのあらゆる慣例的な方法を含むが、いくつかの重要な方法を明示する。

分散： 後の合算を伴う平均値まわりの画像値の平方差。画像をｉ（ｘ、ｚ）とし、Ｓを画素数とすると、これは、以下のように、すなわち、

のように算出することができる。

高い分散、すなわち幅広いヒストグラムは、コントラストが良好であることを意味する。

加算係数差法（ＳＭＤ：ｓｕｍ ｍｏｄｕｌｕｓ ｄｉｆｆｅｒｅｎｃｅ）： 画像勾配

とその絶対値

とに基づく測定。

ＳＭＤは、

により決定され、鮮明な画像の場合には、画素ｘとｘ＋１との間の差は、非常に大きくなる。

信号パワー（ＳＰ：Ｓｉｇｎａｌ Ｐｏｗｅｒ）：

の最大値により、最良の画像状態を求め、さらに、リャオ（Ｌｉａｏ）により修正されたしきい値方法にも適用される。

フーリエ解析： 離散フーリエ変換

と、より迅速に計算され得る高速フーリエ変換とが、

を用いることにより、行ごとにおよび列ごとに決定される。脱焦画像においては、パワースペクトルの合算により算出される高周波範囲が、合焦画像と比べて著しく低下する。

ラプラス演算子またはラプラスフォーカシング関数： これは、フーリエスペクトルの二次統計モーメント

を表し、高周波に関連付けされる。演算子恒等式および公式拡張により、これは時間領域に変換され得る。これに含まれる個々の成分は、二次導関数の近似により決定されなければならず、これにより、

を求め、直接的に決定することが可能となる。

特徴ポイントまたは対象の追跡によるフォーカシング： 特徴ポイントは、同一の画像シーケンス内の異なる画像において再度見出すことが可能となるように特徴的な周辺部を有する画素である。その結果、画像シーケンスにおいて移動傾向を判定することが可能となり、したがってフォーカシングが、正確な方向において即座に作動し得るようになる。さらに、既知の画像シーケンスにおける対象認識アルゴリズムにより、フォーカシング機能のためのフォーカスウィンドウを生成することが可能となり、したがって標的対象の最適なフォーカシングが可能となり得る。このためには多数の方法を利用することが可能であるが、本発明は、Ｈａｒｒｉｓコーナ検出器、画像の特定の下位領域への分割、画像勾配およびしきい値の算出、平方差の合算、オートフォーカシングのためのファジー論理、サポートベクター分類、ならびにその他多数を利用することとなる。

本発明による方法によれば、システム設定プロセスにおいては、作用焦点が変位した場合に後に記録されるカメラ画像との比較における画像鮮明度の基準としての役割を果たすように、初めに加工領域の基準画像が記録される。この画像は、加工プロセスの間または前に生成され得る。

次いで、加工作業の際に、画像信号は、例えば工作物に対する加工ヘッド１００の位置が変化した場合、またはレーザ光の熱的影響により光学系の特性が変化した場合などに、光学系の、鮮明度により決定される一定の設定パラメータが失われる恐れがある。吸収されたレーザ出力により集束レンズ１１４の加熱が生じた場合には、結果として集束レンズ１１４の屈折率が変化する恐れがあり、その結果、集束レンズ１１４の焦点は、工作物に対面する側において光学軸の方向に変位される。一般的には、集束レンズ１１４の焦点、およびしたがってレーザビーム１０８の作用焦点、すなわち集束レンズ１１４により工作物上において生成される加工レーザ源の画像が、集束レンズ１１４の方向に変位する。加工レーザ源は、例えば、レーザ光を供給する光ファイバ１１０の出口表面などであることが可能である。

本発明によれば、次いで、オートフォーカシングアルゴリズムにより、光学系、特に集束レンズ１１４の位置またはレーザ加工ヘッド１００の位置は、撮像信号が、可能な限り最高の画像鮮明度をもたらすように、または記録された基準画像に可能な限り近づくように、加工プロセスの際に光学軸の方向において適合化される。

この場合には、本発明によれば、光学系の所要の補正量Δｚ_BSが、加工表面１０４に対してΔｚ_Bだけレーザ加工ヘッド１００の位置を適合化させることにより、または、光学系の可動パーツ、特に集束レンズ１１４またはその各構成要素（ズーム）を適合化させることにより（Δｚ_OS）、実行され得る。

特に好ましい例示的な一実施形態においては、適合化プロセスにおけるレーザ加工ヘッド１００の、または集束レンズ１１４の調節によって加工結果に対して直接的影響が及ぶのを回避するために、光学軸の方向における調節により、プロセス監視カメラ１０２のフォーカシングユニット、特にカメラレンズ１１６のみを適合化させることが可能である。

調節により決定され、可能な限り鮮明な画像の取得に必要な、プロセスモニタリングカメラ１０２のフォーカシングユニット１１６の補正値Δｄ_Klは、光学系の結像比を直接的にまたは間接的に考慮に入れ焦点位置または焦点直径を適合化させるために、必要な補正係数Δｚ_fに関連付けられる。

換言すれば、プロセスモニタリングカメラ１０２の画像鮮明度により、フォーカシングは、例えば調節可能レンズ１１６またはミラーなどの独立したフォーカシングユニットにより、自動的に実行される。次いで、加工においてもたらされるこの適合および補正値Δｄ_KLが、適合化パラメータにより直接的に、加工表面１０４に対するレーザ加工ヘッド１００の焦点位置に関連付けられてもよく、そのようにして制御されてもよい。

本発明によれば、補正値Δｄ_KLと補正値Δｚ_fとのこの関係の変換またはパラメータ化においては、工作物表面１０４に対するプロセス監視カメラ１０２の結像比（imaging ratio）、および工作物表面１０４に対するレーザビーム源の結像比が、コンピュータ計算において付随的に含まれなければならない点が考慮されるだけでなく、色収差または他の波長依存効果により監視システムの波長λ_Kおよび使用される加工レーザ光の波長λ_Lが異なることによるフォーカシング差もまた考慮される。

したがって、本発明によれば、パラメータは、波長差および撮像差に応じて計算され、これにより、レーザ加工ヘッド１００の作用焦点の焦点位置の変位量を計算することが可能となる。光学軸方向においてコリメータレンズ１０６の焦点が変位されることにより、加工レーザビーム１０８の作用焦点の、特に集束レンズ１１４の方向に工作物から離れる方向への変位を同様に引き起こさせる、コリメータレンズ１０６の加熱は、カメラ１０２のフォーカシングユニット１１６のオートフォーカス適合化による上述の方法によっては検出され得なくなる。

したがって、本発明の他の一構成においては、特に以下において説明されるようなコントローラまたは技術認知的システムにより、加工レーザビーム１０８の作用焦点位置補正をさらに良好に実施することを可能にする方法が提案される。この方法においては、行過ぎ補正または不適切な補正がさらに回避される。

本発明によれば、抽出された画像特徴に基づく分類を利用することにより、場合によっては寸法が縮小される画像データから、過度に遠くなるようなまたは過度に近くなるようなフォーカシングのいずれが選択されたかに関する情報が取得される。人工ニューラルネットワーク、サポートベクター分類、ファジー論理分類器またはファジーＫ−最近傍分類器、強化学習アルゴリズムが、分類としての役割を果たすことができる。図２は、画像鮮明度の差の一例として提示される。

ｚ軸に関する１つの特定の制御アプローチは、例えば、ファジーＫ−最近傍分類器により、画像鮮明度に関して（ＳＭＤ）、異なる露光時間による３つの画像記録を分類する。画像鮮明度アルゴリズムが、異なる露光時間を有する各画像に適用される。このアルゴリズムは、これらの画像記録の画像鮮明度の分類、およびそれぞれ異なる画像鮮明度を有する画像シーケンスからのこれらの画像記録から抽出された主成分の分類にも適用される。異なる露光時間を有するこれらの画像記録について、過度に遠くなるような、適切な、または過度に近くなるような監視カメラ１０２のフォーカシングのいずれが選択されたかを示唆する分類結果を取得することが、可能であった。この例では、加工領域１０４に対する焦点位置が過度に遠くなるように選択された場合には、換言すれば、距離が過度に遠くなるように選択された場合には、長い露光時間である確率が高くなることが判明した。工作物からの距離が過度に近い場合、または焦点位置が鮮明な画像を得るには加工領域１０４の後方に遠すぎる場合には、短い露光時間であるクラス確率が比較的高くなる。このようにすることで、ＨＤＲ方法は、焦点位置が影響を被ることとなる方向を画像特徴に基づき分類する分類器によって、自動フォーカシングとリンクすることが可能となる。この特定の例では、クラス相関確率

が、分類のために選択される。この場合に、ｋは、最近傍を表し、ｊは、ランニング変数を表す。ｕ_i（ｘ）は、クラスｉに帰属するサンプルｘの確率を表し、ｕ_jx（ｘ）は、当該のｋ近傍の既知の確率であり、ｍは、１と２との間のスケーリングパラメータである。クラス相関確率は、クラスに対するサンプルの相対距離と共に低下する。良好な、過度に近い、過度に遠いクラスの発生する合計クラス確率は、ｚ軸に関するＰＩＤコントローラ（比例／積分／微分コントローラ）に対する加重入力として使用することが可能である。これらのステップについては、サポートベクター分類方法および技術認知に関する章で説明されるような他の分類方法ならびに他の制御方法を使用することがさらに可能であることは、明白である。したがって、いずれの場合でも、レーザ加工ヘッド１００のｚ軸により工作物に対する焦点位置を制御および調整することが可能となる。

波長差、温度プロファイル、およびその他多数によってだけではなく、さらに平行レンズおよび集束レンズを有する従来的なレーザ加工ヘッドの設計によって、さらに複雑な制御アプローチが、すなわち画像鮮明度とレーザ加工ヘッド１００の作用焦点位置との間に直接関係をもたらすだけに留まらないことが、必要となる。監視システムが、平行化ユニットと集束ユニットとの間の反射表面に組み込まれる場合には、熱的影響による平行化ユニット１０６の光学ユニットにおける変化は、プロセスモニタリングカメラ１０２により検出されない。したがって、本発明において提案されるようなさらに複雑な制御方法により焦点位置の変化の補正バランシングを行う際には、この変化に取り組むことも必要となる。

画像鮮明度以外には、加工ヘッド１００の、およびしたがって光学系の温度変化ΔＴが、変化した焦点位置についての十分な基準となり得る。これを目的として、温度変化は、レーザ加工ヘッド中の対応するセンサ１２０により検出され、補正値Δｚ_fに直接的におよび間接的に相関づけられ得る。

代替的には、さらに、コントローラまたは技術認知的システムについて以下のパラメータを使用することも可能である。

加工レーザが加工ステップにおいてオンに切り替えられる時間間隔Δｔが、焦点位置の変化につながる可能性がある。これにより、実施時間が、補正値Δｚ_fに直接的にまたは間接的に相関づけられ得る。代替的には、または追加的には、補正値Δｚ_fは、コントローラまたは技術認知的システムについての特徴として使用することも可能である。

レーザ出力ΔＰ_L、すなわちレーザ加工ヘッド１００を通過するレーザ光の光エネルギーが、同様に焦点位置の変化につながる可能性がある。これにより、レーザ出力が、補正値Δｚ_fに直接的にまたは間接的に相関づけられ得る。代替的には、または追加的には、補正値Δｚ_fは、コントローラまたは技術認知的システムについての特徴として使用することも可能である。

漸進モデル（progression model）Ｍが、同様に焦点位置の変化を表現するものとなり得る。後者は、異なるレーザ出力および実施時間について始動前に現れるレーザ放射の火線を測定することにより求めることが可能である。このようにすることで、焦点の変位および焦点直径の変動を測定することが可能となり、補正値Δｚ_fに直接的にまたは間接的に相関づけられるモデルが、線形近似され得る。代替的には、または追加的には、補正値Δｚ_fは、コントローラまたは技術認知的システムについての特徴として使用することも可能である。

漸進モデルと同様に、認知経験値Ｃ_OGを見出すことも可能である。この経験値は、認知技術的システムの統計的方法および自己学習的方法に基づき学習した経験を表す。これについては以下でさらに詳細に説明する。前記経験値は、補正値Δｚ_fに直接的にまたは間接的に相関づけられ得る。

図５は、対応するコントローラを有する技術認知的システムを図示する。

このシステムの本質的な機能的特徴は、多数のセンサ結果および入力信号に基づく補正値Δｚ_fの調整または制御である。これは、多数の入力信号をモニタリングおよび分類し、学習した知識を信号処理に使用することにより、専門家によって規定された所望の結果を実現するのに役立つ。

このシステムは、人間または自然による学習、問題解決、および決定能力と同様の高度に適応的な能力を有するため、技術認知的であると呼ばれる。少なくとも２つのセンサユニットまたは少なくとも多次元センサデータセットから、システムが、少なくとも１つのアクチュエータシステムを作動させ、さらに、妥当な場合には、人間の専門家により事前に正確に決定された態様においてではなく、特徴認識および次元縮小により比較的大きなセンサデータセットから抽出された既存のまたは記録および解析済みのまたは学習された経験的データであって、妥当な場合には人間のオペレータにより直接的に事前決定されたかまたはその事前決定から導出された態様で得られた解決アプローチによりデータベースおよび設定目標内に記憶された経験的データに基づいてセンサデータ取得を行う場合には、このシステムは、技術認知的なものである。したがって、技術認知的システムは、設定目標を達成するまで、解決アプローチまたは制御アプローチまたは調整アプローチを行うが、その後、目標達成をモニタリングし、非達成が検出された場合には、学習された解決アプローチを再度改正する。図６は、かかる技術認知的システムを概略的に説明する。このようなシステムは、制御ロボット、生産設備、およびさらには実にレーザ加工システムに対しても使用することが可能である。

さらに詳細に述べるために、使用される個々の要素および方法を次に説明する。

原則的には、センサデータ出力を可能にする任意のセンサが、センサシステム１２４として使用され得る。具体的には、これらは、例としては、マイクロフォンまたは固体伝播音響センサ、カメラ、フォトダイオード、プローブ、技術評価信号およびモニタリング信号、およびさらには例えばレーザ出力などのアクチュエータシステムパラメータである。

特徴抽出および次元縮小： この場合には、データボリュームを縮小し情報量を可能な限り最大に維持するあらゆる方法を利用することが可能となる。具体的には、これらは、主成分分析（ＰＣＡ）、独立成分分析（ＩＣＡ）、ウェーブレット解析、フーリエ解析、高速フーリエ解析、ラプラス解析、特徴／対象認識方法、ＩＳＯＭＡＰ、局所線形埋め込み法、人工ニューラルネットワーク、多次元スケーリング、およびその他多数である。

縮小されたデータボリュームは、高次元空間から得られた多次元空間のポイントクラウド（点群）として解釈され得る。データを縮小することにより、有限時間にて、このデータを以前に記録され分類されたおよび／または学習されたデータボリュームと比較することが可能となる。この分類においては、新たなセンサデータが既に記録されたセンサデータに類似する否かを判定し、この類似性に対して確率を割り当てることが可能である。以前に記録されたデータボリュームの類似性確率についての所定のしきい値を超過する場合には、以前に記録されたデータボリュームの下で以前に記憶された解決アプローチまたは制御アプローチまたは調整アプローチに従うことが可能となる。以前に学習されたデータボリューム群に関する類似性確率についてのしきい値を超過する場合には、このシステムは、新たな状況にある。

新たな状況に対する挙動は、人間のオペレータに問い合わせることにより学習され得るか、または類似性原則に従い以前のデータおよび解決ストラテジから試行され得る。ここでは、設定目標に従い、自己開発アプローチの試行後に、目標が達成されたか否かを引き続き確認し、それに応じて選択された解決アプローチを評価する自己学習アルゴリズムが、使用される。以下の方法、すなわち、サポートベクターマシン、サポートベクター分類、ファジー理論、情報ファジーネットワーク、ファジーＫ−最近傍分類器、Ｋ−最近傍分類器、強化学習、ベイジアンネットワークおよびベイジアン知識データベース、ｎａｉｖｅベイジアン分類器、隠れマルコフ連鎖、人工ニューラルネットワークおよび逆伝播法、回帰分析、遺伝子プログラミング、または決定木が、分類、経験値の記憶、および解決ストラテジに対して、ならびに自己学習アルゴリズムとして使用され得る。

分類後に得られる解決ストラテジまたはコントローラシステム制御もしくはアクチュエータシステム制御を、単純な態様で組み込むことが可能であるが、これらは、データ取得のタイプを制御することも可能である。例えば、既知のデータボリュームについてのしきい値に達しない場合には、データ取得のタイプを変更することが可能となる。例えば、これは、新たな周波数帯にウェーブレット解析を適合化させることにより、またはＰＣＡからＩＣＡに変更することにより、実施することが可能である。

大抵のレーザ溶接ヘッドは、レーザビームと同一の集束レンズを使用する同軸カメラとの接続が可能である。その結果、これらのレンズの加熱により生じレーザビームに影響を及ぼす焦点変位が、記録される動画データをさらに変化させる。この提案されるアプローチにおいては、記録された動画データの鮮明度は、焦点変位および工作物表面に対する距離における変化をモニタリングするために使用される。距離制御は、制御可能なｚ軸によって実現される。追加的な人工ニューラルネットワークにより、例えばコリメータ光学系により引き起こされた変位などの補償されないエラーの補正が可能となる。本発明によれば、レンズの加熱により生じたプロセスエラーが低減され、プロセス品質および他のセンサデータ取得が改善される。

車両生産ラインは、それぞれ異なる車両モデルごとにカスタマイズされるため、１つ以上のツールが不正確に設定された場合には、設定時間および停止時間が長くなる。そのため、新たなプロセスおよびプロセス環境に対して個別に適応し得る自己学習型加工ツールを備える自由度の高い生産ラインに対する必要性が高まりつつある。これらは、広範囲にわたる可制御性をもたらすツールか、または新規のタスクを遂行するために学習された知識を使用するインテリジェントシステムが可能である。

レーザビーム溶接は、今日の工業生産ラインにおいて技術的に最も難しいプロセスステップに含まれる。車両本体の生産においてはレーザビーム溶接を主に使用するため、高い精度および確実性が保証されなければならない。その結果、プロセス特性におけるわずかな変化によっても、故障部分を回避するためのシステムの再較正が必要となる。

本発明は、焦点シフトまたは焦点変位としても知られている熱的レンズ効果の保証に関する。レーザ溶接ヘッド内における光学系の継続的なエネルギー吸収により、レーザビーム特性が、加工プロセスおよび溶接プロセスの際に変化する恐れがある。焦点変位のこの特徴は、試験所にて計算することが可能である。しかし、これらの結果は、各システムが固有の設定および未知の影響変数の重複を有するため、現実の生産環境に対しては殆ど当てはまらない。

溶融ケイ酸塩（ＳｉＯ₂）からなる光学構成要素が、Ｎｄ：ＹＡＧレーザ源により発せられた１０６４ｎｍの波長においては比較的低い吸収率を有するが、レーザ出力の上昇により、焦点変位が増大し、これにより対策が必要となる。近年の成果は、例えば比較的高い熱伝導性を有する硫化亜鉛（ＺｎＳ）ベースレンズなどの新しい材料を含む改良された光学機器に関係するものである。しかし、このアプローチは、焦点変位を回避せず、一定の焦点直径を保証する。同様の成果が、レーザビームの光学的補正を向上させ得る変更された構造体により得られる。

他のアプローチが、プロセス光学系の変更を伴うことなく、センサデータを検出することにより焦点位置を測定および制御することを目的としている。これらのアプローチは、主に、様々なスペクトル範囲に関する光学的発光の解析および比較に基づいており、色収差を利用する。その結果、プロセス光学系と工作物との間の相対距離を制御することが可能となり、これにより、位置決めおよびフォーカシングの変位エラーを回避することが可能となる。可制御性光学機器を使用することにより、工作物表面に対する焦点位置の推定を可能にするプロセスの小さな振動を達成することが可能となる。

これらの技術は、プロセス発光を利用するため、これらは、モニタリングされるプロセスに大きく依存し、したがって扱われるそれぞれのプロセスごとに異なる設置を要する。この問題に対処し得るようになるために、光学発光を分類するために使用される人工ニューラルネットワークを用いた自己学習技術の方向において、第一段階を実施した。種々の設定に関してフォーカシング光学ユニットと工作物との間の距離を変更することにより、訓練を実施した。

本発明によるアプローチにおいては、焦点変位が生じる場合または工作物に対する距離が変化する場合には、工作物に対する一定の距離が確保され適用されなければならない。これは、同軸ビデオカメラにより記録された動画データの解析により達成され得る。このカメラは、レーザビームと同一のフォーカシング光学ユニットを部分的に使用し、したがって同様の焦点変位を被り、不鮮明な画像をもたらす。カメラに可制御性光学ユニットを組み込むことにより、ｚ軸調節装置に関して制御信号の計算が可能となり、それにより鮮明画像を再度実現することが可能となる。

初めに、導入部として焦点シフトまたは焦点変位の簡単な説明を以下に示し、その後に、試験された鮮明度評価技術、人工ニューラルネットワーク（ＡＮＮ）、およびシステム構成全体を示す。第２に、焦点変位の測定、距離を変動させた際に得られた画像データの解析、およびＡＮＮにより得られた結果を含む、実施した実験を説明する。

初めに、理論的背景を説明する。

対策を構築するためには、焦点シフトまたは焦点変位を記述および定量化しなければならない。１つのみのコリメータレンズおよび１つの集束レンズを有する加工ヘッドを備える単純な光学的構成を前提とする。その光学的特性に基づき、焦点変位の度合いを計算し、したがってｚ軸制御の所要の精度を推定することが可能である。制御は、鮮明度、最大検索、およびＰＩＤコントローラによる制御信号の変更を計算するアルゴリズムに基づく。レンズ加熱により生じるレーザビームのビーム経路とカメラ画像との間の差異に対処するために、人工ニューラルネットワーク（ＡＮＮ）が、実装される。

レーザ溶接ヘッドは、入射ビームを平行化して特定の距離でその焦点を合わせるために使用されるレンズのセットを備える。工作物表面に対する焦点の位置決めは、このアプリケーションにより決定される。ファイバがｄ_fの直径を有する場合には、焦点ｄ₀の直径を計算することが可能となる。ここではｄ₀＝ｆ_foc／ｆ_col×ｄ_fである。したがって、焦点距離は、加工光学機器に対する焦点のサイズおよび位置に影響を及ぼす。

薄いレンズの焦点距離ｆは、

により計算することが可能である。

これにより、レンズの焦点距離は、屈折率ｎおよび半径Ｒ_iにより決定されることとなる。これらの両項は、使用される材料の温度により決定される。システムが冷温始動する場合には、レンズが周囲温度にあると考えることが可能である。加工の際に、レンズは、一定の割合のビーム出力を吸収し、自体の温度を上昇させる。この変化ΔＴにより、ｄｎ／ｄＴにより規定される屈折率Δｎが変化する。溶融ケイ酸塩については、ｄｎ／ｄＴの値は、１０^-5／Ｋの範囲内となる。１０６４ｎｍの波長での屈折率は、２０℃では１．４４９６となり、１００℃では１．４５０３にまで上昇する。半径の変化は、材料の膨張により引き起こされ、これは、線熱膨張係数αを適用することにより近似され得る。熱的レンズ効果により、コリメータ光学ユニットおよびフォーカシング光学ユニットの両方に影響が及ぶため、拡大項ｆ_foc／ｆ_colは、光学ユニットが正確に設計される場合には、一定に留まる。焦点変位の通例の近似値は、

となり、ここで、ΔＰ_absは、吸収された出力であり、ｋ_Wは、熱伝導率であり、Ｒ_Lは、レンズ直系である。温度の上昇は、焦点距離を短縮させ、これにより、溶接ヘッドを再位置決めすることが必要となる。

焦点変位は、様々な方法で測定することが可能である。１つの従来的な方法は、層ベースのビーム解析（layer-based beam analysis）である。ここでは、加工光学ユニットに対する様々な距離について出力密度プロファイルが検出される。種々の光学ユニットに関する焦点変位の比較を可能にするために、対応するレイリー長Ｚ_RFによる正規化が適用される。後者は、ビーム直径が√２の係数により変化する焦点からの距離を規定する。これにより、以下の公式が得られる。

時間ｔの影響は、記述がさらに困難であり、例えば冷却システム、雰囲気特性、およびレンズの熱伝導率などの外部パラメータの大きなセットにより決定される。焦点変位が特定の値の方向へと収束するまでに最大で１５分を要するということを示す結果が存在する。さらに、数か月にわたる長期的な影響が観察され得ることが判明した。

光学ユニットと工作物との間に配置される保護ウィンドウは、光学ビーム経路に影響を及ぼすべきではないが、それにもかかわらずこれらのウィンドウは、焦点の位置を変更させる恐れがある。この場合にもやはり、出力吸収により、ジオメトリ特性の変化および保護ウィンドウの屈折率の変化が生じる。

次に、オートフォーカス技術を説明する。

今日の画像記録装置の殆どが、対象距離が不明な場合でも鮮明な画像の取得を可能にするオートフォーカス技術を備える。３つの異なるアルゴリズム、すなわち、高速フーリエ変換（ＦＦＴ）、加算係数差法（ＳＭＤ）技術、およびテネングラッド（Tenengrad）法を用いたソーベル演算子により、画像の鮮明度を示す値を求めることが可能となる。これらの演算子は、以下の通りに定義される。

これらの演算子は、画像の各ピクセルに対して適用される。既定の閾値Ｔを上回るＱ（ここでＱ＝ｉ_x ²；＋ｉ_y ²）が合算され、その結果が画像鮮明度に関するスカラ値Ｓとなる。ＳＭＤアルゴリズムは、単純化された演算子を有し、しきい値

を用いることもない。

Ｑの根が求められ、合算されて、スカラ値Ｓが求められる。テネングラッド技術およびＳＭＤは、画像センサなどにおいて見受けられるように、セルラーニューラルネットワーク（ＣＮＮ）において実施されるように単純な態様で利用することが可能である。この場合に、ＦＦＴ技術は、性能品質比較のために使用される。

これらの技術のいずれによっても、最も鮮明な画像が既に実現されているか否かを判定することは、またはフォーカシング光学ユニットを調節しなければならない方向を判定することは、可能とはならない。その結果、フォーカシング光学ユニットに対する制御信号を取得するために少なくとも２つの画像を検出することが必要となる。本発明による１つの構成においては、画像記録装置の上流の集束レンズは、その作動範囲内において一定の態様で駆動され得る。その結果、画像の検出および加工により、最大値Ｓ_maxを有する曲線が得られる。この最大値が達成される集束レンズの位置により、最高の鮮明度を有する画像を取得することが可能となる。

次に、人工ニューラルネットワークを説明する。

人工ニューラルネットワークを利用することにより、入力信号と出力信号との間の複雑な関係をモデル化することが可能となる。ネットワークという用語は、入力層と出力層との間で連結される種々の層に収容されたノードの集合体を指す。各ノードは、入力信号のために使用された以前の層からノードのセットに連結され、それ以降の層は、その出力信号を分配するために用意される。ノードｉの特徴的特性は、入力信号ｘ_jの重みｗ_ij、バイアスθ_i、ならびに、入力信号およびバイアスの全ての合計に適用される関数ｆ_iである。ｗ_ij、θ_i、およびノードのセットは、人工ニューラルネットワークの学習プロセスの際に決定される。訓練データは、所要の出力信号が判明している入力信号のセットから構成される。このアプローチは、それが構成される際に人工ニューラルネットワークの結果が提示されるため、教師付き学習として知られている。訓練プロセスまたは学習プロセスは、計算された出力と想定される出力との間の差が最小化されるまでノード特性が変更される、エラー最小化プロセスとして構築される。

このようにして訓練された人工ニューラルネットワークは、従来的なパターン認知または分類タスクに使用することが可能である。さらに、非線形システム同定に使用することも可能である。人工ニューラルネットワーク（ＡＮＮ）は、次いで訓練の際に決定されたパラメータを有する非線形システムを表す。この訓練は、シミュレーションされることとなるシステムの解析モデルが存在する場合には、改良することが可能である。

次に、ｚ軸制御を説明する。

レーザ溶接ヘッドは、コリメータ光学ユニットとフォーカシング光学ユニットとの間に設置された同軸ビデオカメラを備えることが可能である。焦点が工作物に対して正確に位置決めされると共に、溶融プールの鮮明な画像を取得するためには、さらなるレンズが必要となる。焦点変位の発生は、レーザビームおよび動画信号の両方に影響する。カメラ固有光学ユニットを変更することにより、鮮明な画像を再確立することが可能となる。この変化を利用して、発生する焦点距離エラーを計算することが、したがってｚ軸を調節して正確な焦点位置決めを維持することが可能となる。

ここで、コリメータ光学ユニットに影響を及ぼす熱的レンズ効果が観察されない状態に留まり、したがって焦点距離変位エラーがやはり観察されない状態に留まる点に、留意されたい。さらに、カメラの焦点距離平面が、色収差によりレーザビーム焦点とは異なる焦点距離変位を被る。これらの状況は共に、次の章において説明されるように、カメラレンズゼロポイントＺＰを制御することにより、緩和され得る。

次に、制御ループによる距離制御を説明する。

このアプローチにおいては、カメラ固有レンズと画像センサとの間の距離が、継続的に変更される。最も鮮明な画像のためのレンズ位置が、２つの連続する間隔の間において逸脱する場合には、工作物に対する距離が、偏向されたか、またはレンズの加熱が、レーザビームに関してフォーカシング光学ユニットに影響を及ぼす。

カメラが１ｋＨｚの周波数で画像を記録し、レンズが１０Ｈｚで振動する場合には、２０Ｈｚの制御レートが達成され得る。その結果、Ｓ_maxが、５０個の画像の中に見出され得る。さらに、集束レンズにより５ｍｍの鮮明な画像のための範囲が可能となる場合には、システムの精度は、１００μｍに等しくなる。その結果、１００μｍまたはそれ以上の焦点面変位を検出することが可能となる。

カメラレンズの初期ゼロポイント位置決めまたはゼロオフセット位置は、ＺＰとして示される。最も鮮明な画像のレンズ位置に対する差異は、ΔＺＰである。これは、ＰＩＤ制御装置に入力するために使用され、ＰＩＤ制御装置の出力は、ｚ軸調節の制御または調整のために通信される。Ｐ部分は、ΔＺＰを適切な制御信号にスケーリングするために必要となる一方で、Ｉ部分およびＤ部分は、システム応答を変更するために使用される。システム全体が、図７に図示される。

次に、焦点変位のモデリングを説明する。

説明する制御ループは、コリメータ光学ユニットの焦点距離変位には応答せず、そのため焦点変位エラーは残る。この現象およびレーザビームとカメラ光学ユニットとの間の焦点面の差異の部分的補償を可能にするためには、カメラレンズゼロポイントまたはゼロオフセットの補正が実施されなければならない。コリメータ光学ユニットの直接的なモニタリングが可能ではないため（コリメータ光学ユニットの上述の温度センサは別として）、印加される出力の知識に基づきレーザビームの焦点距離変位を推定するために、モデルが使用される。

レンズ加熱効果は、極めて非線形の時間依存特徴を示す。本発明によれば、人工ニューラルネットワークは、これらの特性をモデル化するために使用され、プロセスパラメータの重複ならびに時間に対するそれらの微分および積分が、図８に図示されるように人工ニューラルネットワークに入力される。人工ニューラルネットワーク（ＡＮＮ）の訓練は、経時変化を伴う種々のレーザ出力と、生じた焦点変位に関する情報との入力を要する。この情報は、実験の章において後に示されるように、対応する測定計器によりビームの火線を測定することにより取得することが可能である。

印加されるレーザ出力と発生する焦点変位との間の関係性が確立されると、印加されるレーザ出力および他のシステムパラメータに従ってカメラレンズのゼロポイントまたはゼロオフセットを設定することが可能となる。それにより、その後、画像鮮明度に基づく制御ループが、加工ヘッドと光学ユニットとの間の距離の高速変化に応答し、フォーカシング光学ユニットに対するレンズ加熱の影響に応答する。この場合に、人工ニューラルネットワークの使用は、長期的なエラーを最小限に抑えることを目的としている。

次に、実験結果を示す。

第１の実験は、制御システムの様々な構成要素の性能および特性を評価するために実施した。図示される鮮明度測定技術の解析は、最も適するアルゴリズムを決定するために実施した。第２の実験セットは、種々のレーザ溶接ヘッドについての焦点変位に関する一般的情報を得るために実施した。

熱的レンズ効果の最も明白な効果は、焦点シフトまたは焦点変位である。これらは、焦点面とフォーカシング光学ユニットとの間の距離を縮小させる。この効果のシミュレーションは、プロセス中のレーザ溶接ヘッドのｚ軸に沿った調節により達成することが可能であり、そのため、ビーム焦点と工作物表面との間の相対位置の変化がもたらされる。これは、プロセス中に様々な溶接結果を得るための出力密度の変動を包含する。

この実験に関して、０．７ｍｍ軟質鋼プレートの３０ｃｍ重ね溶接において、開始時には工作物が溶接ヘッドに対して過度に近くなり、プロセスの終了時には工作物が溶接ヘッドに対して過度に遠くなるように、−５ｍｍ〜＋５ｍｍの変位を生じさせた。２００ｆｐｓのフレームレートおよび１９２×２５６画素の分解能を有する同軸ＣＭＯＳカメラにより、この実験の動画を記録した。図９に図示されるように、外部カメラにより、光学プロセス発光の画像を記録した。初めは、大きな被加熱区域およびフレーム状プロセス発光をもたらす十分な溶け込みが達成されなかった。距離が大きくなるにつれ、出力密度が上昇し、下降される工作物の下方に火花の雨が現れることにより観察可能な、完全な溶け込み事象がもたらされる。＋５ｍｍの変位は、十分な結果は得られないが、完全な溶け込みプロセスを妨げない。溶接シームの後の解析により、１．５ｃｍのみに対して許容可能な品質を得ることが可能であることが判明した。

１．５ｃｍの移動距離によるこの溶接プロセスの際に、０．５ｍｍの焦点のシフトを生じさせた。その結果、距離制御からなる精度要件は、０．２５ｍｍまたはそれよりも良好なものとなる。

図示される３つの原理の全てにより、記録された各画像フレームについて鮮明度評価を実施した。これらのアルゴリズムの結果を、１０フレームにわたり正規化し、平滑化して、高周波ノイズを回避した。図１０は、結果的に得られた曲線を示す。３つの全ての関数が、異なる最大値を有し、そのためこれらは全て、０．５ｍｍ未満のｚ軸オフセットの範囲内に位置することが、確定される。ＦＦＴの結果とＳＭＤの結果との比較も、同様の特性を示すが、極大値が、ＳＭＤの結果におけるものよりも低い程度で強調される。テネングラッド関数は、ＦＦＴ方法およびＳＭＤ方法よりも低い変動を示し、そのためこの関数は、作製された同他にとって最も良く適する関数となる。

次に、焦点変位の測定を説明する。

種々の光学構成に関してレーザビームを解析することにより、発生する焦点遠位の深い理解を得た。この例では、Ｐｒｉｍｅｓ ＦｏｃｕｓＭｏｎｉｔｏｒによりビーム火線をモニタリングした。このＰｒｉｍｅｓ ＦｏｃｕｓＭｏｎｉｔｏｒは、焦点に対して様々な距離を有するビームでサンプルを貫通する際の出力密度を測定する。この測定を繰り返すことにより、一定のレーザ出力または変動するレーザ出力についてのビームの変化を解析することが可能となる。次いで、それらの結果を使用して、人工ニューラルネットワークを訓練することが可能となる。実験プロセスは、様々なレーザ出力および時間間隔についての複数の測定からなり、実験１〜実験７における印加レーザ出力は、１ｋＷ、２ｋＷ、４ｋＷ、６ｋＷ、６ｋＷ、６ｋＷ、６ｋＷに等しく、それらにそれぞれ対応する開始後の時間は、０分、０分、０分、０分、５分、１０分、２０分であった。

測定構成は、６ｋＷファイバレーザ、４００μｍの直径を有するファイバ、ならびに３つの異なる光学ユニット、すなわち光学ユニット１（ｆ_col約１５０ｍｍ、ｆ_foc約２５０ｍｍ）、光学ユニット２（ｆ_col約１５０ｍｍ、ｆ_foc約２５０ｍｍ）、および光学ユニット３（ｆ_col約１２５ｍｍ、ｆ_foc約２００ｍｍ）から構成した。実験プロセスは、光学ユニット１および光学ユニット２については３回実施し、光学ユニット３については１回実施した。

図１１は、Δｚ／ｚ_RFの平均化されたプロファイルを示す。実験１について測定された変位は、初期焦点位置ｆ_F（０）にて生じた。上昇したレーザ出力に関する焦点変位の増大は、明確に認められるものである。実験２〜実験４における変位（レーザ出力におけるそれぞれ２ｋＷの上昇）は、レーザ出力との間に事実上の線形関係を呈する。実験４〜実験７の例では（６ｋＷの一定のレーザ出力）、変位は、１０分後に約１ｍｍに収束するように見える。その結果、制御について数分の範囲の時定数を考慮することが必要となる。これらの特性は、さらに以下で説明されるように、システム理論の従来的な要素により、または人工ニューラルネットワークの形態でモデル化されることにより、焦点変位の推定値を計算することが可能となる。

レイリー長ｚ_RFは、光学ユニット１および光学ユニット２については７．３ｍｍに近く、光学ユニット３については６．６ｍｍに近く、これらは、高いレーザ出力では０．５ｍｍ超の絶対焦点変位をもたらすものであった。したがって、結果的に得られる生産エラーを最小限に抑えるために、制御システムが適切なものとなり得る。

次に、本発明によれば特に好ましい人工ニューラルネットワークによる焦点変位の推定を説明する。

測定された焦点変位を理解することにより、印加レーザ出力に依拠する態様において焦点変位のモデリングが可能となる。これは、非線形システムにおける人工ニューラルネットワークの初期試験にとって適切なものとなる。以下の関数関係が、実験により求められた。

これは、前章の試験された光学ユニットと同一の態様で、上昇するおよび一定状態のレーザ出力に応答する。１０分間にわたり連続して印加されるレーザ出力（１ｋＷ、２ｋＷ、４ｋＷ、６ｋＷ）による試験は、それぞれの例において、図１２に図示されるような焦点変位推定値となった。レーザ出力の変化により、焦点距離が即座に変化したが、一定値に達するまでには１０分を要した。

次のプロセスの際に、上記に示した公式から得られた入力データおよび出力データにより、人工ニューラルネットワークを訓練した。

は、入力となり、Δｆは、出力となる。前述の実験におけるものと同一のレーザ出力を使用して試験を実施した。図１２は、人工ニューラルネットワークにより、経験モデルにおける結果と非常に類似の結果がもたらされることを示す。したがって、人工ニューラルネットワークの利用は、本発明によれば非線形システムのシミュレーションに非常に適すると考えることが可能となる。

現実の環境において使用するためには、後に制御されることとなる加工ヘッドに関して生じた、検出された焦点変位測定値の訓練特徴を求めることが必要となる。この場合には、実施された焦点変位測定の回数により、十分な結果を実現することは不可能である。なぜならば、人工ニューラルネットワーク全体の訓練が、数個のサンプルに限定されることとなるからである。

次に、もたらされた結果から導かれる結論を示す。

レーザ溶接ヘッドの焦点変位または焦点シフトは、不十分な溶接結果をもたらす恐れがあり、したがって、高いレーザ出力によっても均一な品質基準を実現するために、焦点変位補償機構が必要となる。

鮮明度確認アルゴリズムによるカメラ固有光学系および他の画像加工の継続的制御により、工作物に対する距離が正確であるか否か、およびｚ軸をどのように調節すべきかを判定することが可能となった。テネングラッド鮮明度評価技術は、本発明による最も有用な結果を示した。

３つの異なる加工ヘッドの場合における焦点変位の実験的測定により、４ｋＷ超の印加レーザ出力の場合における補償が、焦点変位が０．６ｍｍまでに限定されるように意図される場合には必要であることが判明した。これらの実験に基づき、人工ニューラルネットワークのための訓練データソースとして役立つ焦点変位の経験モデルを設計した。さらなるシミュレーションにより、本発明によれば、人工ニューラルネットワークを使用して非線形システム関係を調整することが可能であることが確認された。

さらなる研究は、例えば可制御性カメラ光学系および高精度ｚ軸調節装置などのハードウェアの展開を目的とする。さらに、光学収差の影響が、低減されるように意図される。

Claims (16)

1. 加工レーザビーム（１０８）により工作物を加工するためのレーザ加工ヘッド（１００）であって、
   カメラ（１０２）であって、撮像光学ユニット（１１６）がビーム経路内において前記カメラ（１０２）の上流に配置され、前記加工レーザビーム（１０８）により加工される前記工作物の加工領域を監視する役割を果たす、カメラ（１０２）と、
   工作物表面（１０４）の上に、または前記工作物表面（１０４）に対して規定された位置の上に、前記加工レーザビーム（１０８）の焦点を合わせるためのフォーカシング光学ユニット（１１４）と、
   前記集束レンズ（１１４）の焦点の変位が生じた場合にカメラ画像の焦点を再度合わせるために必要な光学軸の方向における前記撮像光学ユニット（１１６）の調節移動量（Δｄ_KL）を用いて、前記工作物表面（１０４）に対するまたは前記工作物表面（１０４）に対して規定された位置に対する前記フォーカシング光学ユニット（１１４）の焦点変位を補償する補正調節移動量（Δｚ_OS、Δｚ_B）を計算するように設計された、評価ユニット（１２２）と
   を備えることを特徴とする、レーザ加工ヘッド（１００）。
2. 請求項１に記載のレーザ加工ヘッド（１００）であって、照明デバイスをさらに備え、前記照明デバイスからの光が、ビームスプリッタにより前記レーザ加工ビーム（１０８）の前記ビーム経路へと同軸方向に結合されて、前記工作物の前記加工領域を照明することを特徴とする、レーザ加工ヘッド（１００）。
3. 請求項１または２に記載のレーザ加工ヘッド（１００）であって、前記カメラ（１０２）は、画像を取得するために高ダイナミックレンジ（ＨＤＲ）方法を利用するように設計されることを特徴とする、レーザ加工ヘッド（１００）。
4. 前記請求項のいずれかに記載のレーザ加工ヘッド（１００）であって、前記評価ユニット（１２２）は、前記カメラ画像の焦点を再度合わせるために必要な前記光学軸の方向における前記撮像光学ユニット（１１６）の前記調節移動量（Δｄ_KL）を決定するために、分散法、加算係数差（ＳＭＤ）法、信号出力（ＳＰ）方法、フーリエ解析方法、ラプラス演算子もしくはラプラスフォーカシング関数方法、または特徴ポイントもしくは対象の追跡方法によるフォーカシングを含む、画像鮮明度を確認するための方法を利用するように設計されていることを特徴とする、レーザ加工ヘッド（１００）。
5. 前記請求項のいずれかに記載のレーザ加工ヘッド（１００）であって、前記評価ユニット（１２２）は、前記撮像光学ユニット（１１６）の前記調節移動量（Δｄ_KL）から前記フォーカシング光学ユニット（１１４）の前記補正調節移動量（Δｚ_OS、Δｚ_B）を計算する際に、監視システムの波長および使用される加工レーザ光の波長が異なることによる前記撮像光学ユニット（１１６）のおよび前記フォーカシング光学ユニット（１１４）のフォーカシング差を前記計算に含むように設計されることを特徴とする、レーザ加工ヘッド（１００）。
6. 前記請求項のいずれかに記載のレーザ加工ヘッド（１００）であって、前記工作物の加工表面（１０４）または前記光学系の可動部分に対する前記レーザ加工ヘッド（１００）の位置を調整して、前記補正調節距離（Δｚ_OS、Δｚ_B）だけ移動させることにより、前記フォーカシング光学ユニット（１１４）の焦点変位を補償する、アクチュエータシステムをさらに備えることを特徴とする、レーザ加工ヘッド（１００）。
7. 請求項６に記載のレーザ加工ヘッド（１００）であって、前記評価ユニット（１２２）は、前記アクチュエータシステムにより、補正調節移動量（Δｚ_OS、Δｚ_B）だけ移動させることによって前記フォーカシング光学ユニット（１１４）の焦点の位置を直接的に制御するように設計されることを特徴とする、レーザ加工ヘッド（１００）。
8. 請求項１から６のいずれかに記載のレーザ加工ヘッド（１００）であって、前記評価ユニット（１２２）は、前記レーザビーム（１０８）の作用焦点が前記工作物表面（１０４）の上にまたは前記工作物表面（１０４）に対して規定された位置に常に位置するように、学習プロセスにより、加工時間または加工状況に応じて前記フォーカシング光学ユニット（１１４）の調節を制御する認知システムをさらに有することを特徴とする、レーザ加工ヘッド（１００）。
9. 請求項８に記載のレーザ加工ヘッド（１００）であって、前記カメラ（１０２）に加えて少なくとも１つのセンサユニット（１２４）をさらに備え、前記評価ユニット（１２２）は、前記カメラ（１０２）の信号および前記少なくとも１つの追加的なセンサユニット（１２４）の信号に基づき、前記工作物の前記加工表面（１０４）に対する前記フォーカシング光学ユニット（１１４）の調節を調整または制御するように設計されることを特徴とする、レーザ加工ヘッド（１００）。
10. 請求項９に記載のレーザ加工ヘッド（１００）であって、少なくとも１つのセンサユニット（１１８、１２０、１２４）が、少なくとも１つのマイクロフォンもしくは固体伝播音響センサ、少なくとも１つの追加のカメラ、少なくとも１つのフォトダイオード、技術評価信号およびモニタリング信号を検出するためのプローブおよびセンサ、ならびにさらにはレーザ出力などのアクチュエータシステムパラメータであることを特徴とする、レーザ加工ヘッド（１００）。
11. 請求項８から１０のいずれかに記載のレーザ加工ヘッド（１００）であって、対応する光学ユニットの温度を検出するために、前記フォーカシング光学ユニット（１１４）に温度センサ（１１８）を、および／またはコリメータ光学ユニット（１０６）に温度センサ（１２０）をさらに備えることを特徴とする、レーザ加工ヘッド（１００）。
12. 請求項１１に記載のレーザ加工ヘッド（１００）であって、前記評価ユニット（１２２）は、前記温度センサ（１２０）により検出された前記コリメータ光学ユニット（１０６）の温度を学習プロセスに入力して、前記加工時間または前記加工状況に応じて前記フォーカシング光学ユニット（１１４）の調節を制御するように設計されていることを特徴とする、レーザ加工ヘッド（１００）。
13. 請求項８から１２のいずれかに記載のレーザ加工ヘッド（１００）であって、前記評価ユニット（１２２）は、前記加工時間または前記加工状況に応じて前記フォーカシング光学ユニット（１１４）を調節するために、学習プロセスに時間間隔（Δｔ）、レーザ出力（Ｐ_L）、漸進モデル（Ｍ）、または認知経験値（Ｃ_OG）を含むようにさらに設計されていることを特徴とする、レーザ加工ヘッド（１００）。
14. 請求項８から１３のいずれかに記載のレーザ加工ヘッド（１００）であって、前記評価ユニット（１２２）は、少なくとも１つのセンサ（１２４）の信号に基づき前記フォーカシング光学ユニット（１１４）の調節移動量（Δｚ_OS、Δｚ_B）を調整または制御するために、サポートベクターマシン、サポートベクター分類、ファジー理論、情報ファジーネットワーク、ファジーＫ−最近傍分類器、Ｋ−最近傍分類器、強化学習、ベイジアンネットワークおよびベイジアン知識データベース、ｎａｉｖｅベイジアン分類器、隠れマルコフ連鎖、人工ニューラルネットワークおよび逆伝播法、回帰分析、遺伝子プログラミング、または決定木などの、分類アルゴリズムまたは自己学習アルゴリズムを使用するように設計されることを特徴とする、レーザ加工ヘッド（１００）。
15. 前記請求項のいずれかに記載のレーザ加工ヘッド（１００）における焦点位置の変化を補償するための方法であって、
    工作物に対する溶接プロセスまたは切削プロセスを実施するために、前記工作物の上に前記加工レーザビーム（１０８）の焦点を合わせるステップと、
    加工表面（１０４）の上の加工ラインに沿って前記加工レーザビーム（１０８）の焦点を移動させるステップであって、前記フォーカシング光学ユニット（１１４）と前記工作物の前記加工表面（１０４）との間の距離が、一定に維持される、ステップと、
    補正調節移動量（Δｚ_OS、Δｚ_B）によりフォーカシング光学ユニット（１１４）と前記工作物の加工表面（１０４）との間の距離を調節することによって、前記フォーカシング光学ユニット（１１４）の焦点変位を補償するステップであって、前記フォーカシング光学ユニット（１１４）の前記補正調節移動量（Δｚ_OS、Δｚ_B）は、前記集束レンズ（１１４）の焦点の変位が生じた場合に前記カメラ（１０２）のカメラ画像の焦点を再度合わせるために必要な、前記光学軸の方向における前記撮像光学ユニット（１１６）の調節移動量（Δｄ_KL）によって計算される、ステップと
    を含むことを特徴とする、方法。
16. 請求項１５に記載の方法であって、前記フォーカシング光学ユニット（１１４）の前記調節移動量（Δｚ_OS、Δｚ_B）を計算するために、前記加工レーザビーム（１０８）の作用焦点が前記工作物表面（１０４）の上にまたは前記工作物表面（１０４）に対して規定された位置に常に位置するように、学習プロセスにより、加工時間または加工状況に応じて前記フォーカシング光学ユニット（１１４）の調節を制御する認知システムをさらに使用することを特徴とする、方法。

Images