JP2017131937A - レーザ加工開始条件を学習する機械学習装置、レーザ装置および機械学習方法 - Google Patents
レーザ加工開始条件を学習する機械学習装置、レーザ装置および機械学習方法 Download PDFInfo
- Publication number
- JP2017131937A JP2017131937A JP2016014430A JP2016014430A JP2017131937A JP 2017131937 A JP2017131937 A JP 2017131937A JP 2016014430 A JP2016014430 A JP 2016014430A JP 2016014430 A JP2016014430 A JP 2016014430A JP 2017131937 A JP2017131937 A JP 2017131937A
- Authority
- JP
- Japan
- Prior art keywords
- laser
- light
- output
- output command
- reflected light
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
- B23K26/03—Observing, e.g. monitoring, the workpiece
- B23K26/032—Observing, e.g. monitoring, the workpiece using optical means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/20—Bonding
- B23K26/21—Bonding by welding
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/36—Removing material
- B23K26/38—Removing material by boring or cutting
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/70—Auxiliary operations or equipment
- B23K26/702—Auxiliary equipment
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/70—Auxiliary operations or equipment
- B23K26/702—Auxiliary equipment
- B23K26/705—Beam measuring device
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/70—Auxiliary operations or equipment
- B23K26/702—Auxiliary equipment
- B23K26/707—Auxiliary equipment for monitoring laser beam transmission optics
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K37/00—Auxiliary devices or processes, not specially adapted to a procedure covered by only one of the preceding main groups
- B23K37/006—Safety devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01S—DEVICES USING THE PROCESS OF LIGHT AMPLIFICATION BY STIMULATED EMISSION OF RADIATION [LASER] TO AMPLIFY OR GENERATE LIGHT; DEVICES USING STIMULATED EMISSION OF ELECTROMAGNETIC RADIATION IN WAVE RANGES OTHER THAN OPTICAL
- H01S5/00—Semiconductor lasers
- H01S5/0014—Measuring characteristics or properties thereof
- H01S5/0021—Degradation or life time measurements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01S—DEVICES USING THE PROCESS OF LIGHT AMPLIFICATION BY STIMULATED EMISSION OF RADIATION [LASER] TO AMPLIFY OR GENERATE LIGHT; DEVICES USING STIMULATED EMISSION OF ELECTROMAGNETIC RADIATION IN WAVE RANGES OTHER THAN OPTICAL
- H01S3/00—Lasers, i.e. devices using stimulated emission of electromagnetic radiation in the infrared, visible or ultraviolet wave range
- H01S3/10—Controlling the intensity, frequency, phase, polarisation or direction of the emitted radiation, e.g. switching, gating, modulating or demodulating
- H01S3/10069—Memorized or pre-programmed characteristics, e.g. look-up table [LUT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Mechanical Engineering (AREA)
- Plasma & Fusion (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Laser Beam Processing (AREA)
- Lasers (AREA)
Abstract
【解決手段】機械学習装置は、反射光量を測定するための反射光検出部の出力データを含む前記レーザ装置の状態量を観測する状態量観測部と、レーザ発振器から出力されたレーザ光による加工開始の成否の結果を取得する動作結果取得部と、状態量観測部および動作結果取得部からの出力を受取り、光出力指令データを、レーザ装置の状態量および加工開始の成否の結果に関連付けて学習する学習部と、学習部が学習した光出力指令データを参照して、光出力指令データを決定する意思決定部とを含む。反射光量が第1所定レベルより高く設定された第2所定レベルを上回らない条件を充たしながら、所定時間内に、加工対象物に対して前記加工を開始するための光出力指令データを学習する。
【選択図】図1
Description
例えば、特許文献1では、レーザ光測定部と反射光測定部を備え、加工物の表面状態が正常であるか否かをモニタする技術を開示している。また、特許文献2では、戻り光の光強度が所定値を超えた場合に励起光源の出力を減じて戻り光の増幅を防止する励起光源制御手段が設けられた光ファイバレーザを開示している。
2番目の発明によれば、1番目の発明において、前記反射光検出部の出力データから求められる反射光量が前記第1所定レベルに達すると、前記レーザ電源部が前記光出力指令の実行中であっても、前記レーザ電源部に対して直ちにレーザ光出力を一時遮断あるいは低減する指令を出して、前記意思決定部は次の新たな光出力指令データを出力し直す。
3番目の発明によれば、1番目または2番目の発明において、前記反射光量の前記第2所定レベルが、前記反射光量が前記レーザ発振器および/または前記レーザ光学系に損傷を与える可能性の高い光量に相当する警報レベルよりも低く設定されている。
4番目の発明によれば、1番目から3番目のいずれかの発明において、前記意思決定部は、少なくとも前記所定時間内は、前記加工開始に成功するまでの間、時系列的に略連続して前記光出力指令データを決定して、前記光出力指令データを出力する。
5番目の発明によれば、1番目から4番目のいずれかの発明において、前記光出力指令データの決定に、その光出力指令データの前に出力された前記光出力指令データがある場合には、前記光出力指令データに基づいて出力されたレーザ光に対する前記反射光検出部の出力データを利用する。
6番目の発明によれば、1番目から5番目のいずれかの発明において、前記動作結果取得部は、前記反射光検出部の出力データを利用する。
7番目の発明によれば、1番目から6番目のいずれかの発明において、前記動作結果取得部が取得する前記加工開始の成否の結果は、前記光出力指令データを前記加工対象物の前記加工に必要あるいは適した光出力指令データに略一致させることが前記所定時間内に成功したか否かの結果で与えられる。
8番目の発明によれば、1番目から7番目のいずれかの発明において、前記動作結果取得部は、前記加工開始の成否、前記加工開始に要した時間、前記反射光量が前記第1所定レベルに達した回数あるいは頻度、および、前記反射光量が前記第1所定レベルを超過した場合の超過光量の時間積分値に相当する量の内少なくとも一つを取得する。
9番目の発明によれば、1番目から8番目のいずれかの発明において、前記学習部は、前記動作結果取得部の出力に基づいて報酬を計算する報酬計算部と前記光出力指令データの価値を定める価値関数を有し、前記報酬に応じて前記価値関数を更新する価値関数更新部を備える。
10番目の発明によれば、1番目から8番目のいずれかの発明において、前記学習部は、前記光出力指令を学習する学習モデルを有し、前記動作結果取得部の出力および前記学習モデルに基づいて誤差を計算する誤差計算部と前記誤差に応じて前記学習モデルを更新する学習モデル更新部を備える。
11番目の発明によれば、1番目から10番目のいずれかの発明において、前記機械学習装置は、ニューラルネットワークを有する。
12番目の発明によれば、1番目から11番目のいずれかの発明において、前記状態量観測部に入力される状態量および/または前記意思決定部から出力される光出力指令データには、レーザ光の出力、ピーク出力、パルス幅、パルス間隔、繰り返し周期、繰り返しパルス数、アシストガスの吹出し条件、前記レーザ光学系の透過率、焦点距離、F値、レーザ光の前記加工対象物表面上のスポットサイズ、前記加工対象物表面とレーザ光焦点の相対的位置関係、前記加工対象物表面に対するレーザ光の照射角度、加工対象物の温度、環境温度、環境湿度の内の少なくとも一つ以上が含まれている。
13番目の発明によれば、1番目から12番目のいずれかの機械学習装置を備えたレーザ装置であって、前記レーザ発振器、前記レーザ電源、前記レーザ光学系、前記出力光検出部、前記反射光検出部と、前記レーザ発振器、前記レーザ電源、前記レーザ光学系、前記出力光検出部、前記反射光検出部をそれぞれ制御する制御装置を備えることを特徴とするレーザ装置が提供される。
14番目の発明によれば、13番目の発明において、前記レーザ装置は、前記反射光検出部を少なくとも2個以上備え、前記反射光が経由する光路が異なる複数の反射光に対して、それぞれの反射光を検出する少なくとも1個の前記反射光検出部を備えている。
15番目の発明によれば、13番目または14番目の発明において、前記レーザ装置は、前記レーザ発振器とは異なる光源と、前記光源の光を検出する光検出器と、前記光源の光を前記加工対象物に照射し、前記加工対象物の表面で反射した光が前記光検出器に入射する光学系とを備え、前記レーザ発振器によるレーザ光が出力されていない状態でも、前記加工対象物の光の反射状態を観察でき、観察結果を前記状態量観測部に入力される状態量の一つとする。
16番目の発明によれば、13番目から15番目のいずれかの発明において、前記レーザ装置は、前記加工対象物のレーザ光照射場所あるいはレーザ光照射予定場所近傍から放射される赤外線および/またはプラズマ光を計測するための赤外線検出部および/またはプラズマ光検出部を備え、前記赤外線検出部および/またはプラズマ光検出部によって取得したデータを前記状態量観測部に入力する状態量の一つとする。
17番目の発明によれば、13番目から16番目のいずれかの発明において、前記レーザ装置が複数台存在し、前記レーザ装置毎にそれぞれ設けられた複数の前記機械学習装置が、通信媒体を介して相互にデータを共有または交換するようになっている。
18番目の発明によれば、17番目の発明において、前記機械学習装置は、クラウドサーバ上に存在する。
19番目の発明によれば、前記加工対象物に対して、前記加工対象物からの反射光量が前記第2所定レベルを上回らない条件を充たしながら、前記所定時間内に、前記レーザ光による加工を開始するための前記レーザ電源部に指令する光出力指令を含む光出力指令データを学習する機械学習方法であって、前記出力光量を測定するための前記出力光検出部の出力データと前記反射光量を測定するための前記反射光検出部の出力データを含む前記レーザ装置の状態量を観測し、前記レーザ光による加工の開始の成否の結果を取得し、観測された前記レーザ装置の状態量および取得された前記レーザ光による前記加工開始の成否の結果を受け取り、前記レーザ電源に指令する光出力指令を含む光出力指令データを、前記レーザ装置の前記状態量および前記加工開始の成否の結果に関連付けて学習することを特徴とする機械学習方法が提供される。
20番目の発明によれば、前記加工対象物に対して、前記加工対象物からの反射光量が前記第2所定レベルを上回らない条件を充たしながら、前記所定時間内に、前記レーザ光による加工を開始するための前記レーザ電源に指令する光出力指令を含む光出力指令データを学習する機械学習方法であって、前記出力光量を測定するための前記出力光検出部の出力データと前記反射光量を測定するための前記反射光検出部の出力データを含む前記レーザ装置の状態量を観測し、前記加工対象物からの反射光量を含む前記光出力指令データに対する結果を取得し、前記レーザ電源に指令する光出力指令を含む光出力指令データを、前記レーザ装置の前記状態量および前記反射光量を含む光出力指令データの結果に関連付けて学習することを特徴とする機械学習方法が提供される。
2番目の発明においては、反射光量が第2所定レベルより低い第1所定レベルに達すると、直ちにレーザ光出力を一時遮断あるいは低減する指令を出すことにより、反射光量が第2所定レベルを上回らない条件を充たすことができ、続いて次の新たな光出力指令データが出力されることでレーザ発振が停止せず、加工が開始できるようにレーザ光出力が継続される。
3番目の発明においては、反射光量の第2所定レベルは、光学系を含むレーザ発振器が損傷する可能性の高い警報レベルより低く設定されており、反射光量が第2所定レベルを上回らない条件を充たすことによって、反射光によるレーザ発振器やレーザ光学系の損傷が確実に回避できる。
4番目の発明においては、試射に相当する単一の光出力指令データでは加工を開始することができなかった場合も連続して光出力指令データを出力することにより、加工開始に成功する確率が向上し、時間的ロスも少ない。
5番目の発明においては、前の光出力指令データでは加工を開始することができなかった場合、前の光出力指令データに対する反射光検出部の出力データも利用することにより、より適確な光出力指令データが出力できる。前の光出力指令データで反射光量が前記第1所定レベルを越えて前記第2所定レベルに近いレベルまで達した場合は、その結果もフィードバックして次の光出力指令データを出力することができる。
6番目の発明においては、本発明が目的とする、反射光量が所定レベルに達しない条件下で加工を開始できる光出力指令データが学習できる。
7番目の発明においては、所定時間内に、加工に必要あるいは適した光出力指令データまでレーザ出力を高めることができたか否かを動作結果として取得することにより、本発明の目的に沿った学習ができる。
8番目の発明においては、学習部が、反射光量が前記第2所定レベルを越えることなく、できるだけ短時間で加工を開始するための光出力指令が指令できるように学習する上で、いずれも重要な指標であり、目標達成に適合した適確な光出力指令データが出力できるようになる。
9番目の発明においては、単一の光出力指令では加工を開始できない場合も多く、入力と結果を簡単に関連付けて学習させることは容易でないが、報酬の合計を最大化するために試行錯誤を繰り返す強化学習を行うことによって最適行動パターンを学習して、入力に対して最適な一連の前記光出力指令を出力できるようになる。
10番目の発明においては、光出力指令データに対する反射光量を含む結果、例えば前記反射光量/出力光量の減少率や反射光量/出力光量の減少速度の逆数を誤差と定義し、かつ、反射光量/出力光量の減少率や反射光量/出力光量の減少速度が所定の値より小さい場合(減少率や減少速度が負の場合、即ち、通常は余りないと思われるが反射光量/出力光量が増加する場合を含む)や、前記反射光量が前記第1所定レベルを越えた場合は、ある程度大きな一定の誤差が生じたと定義して、この誤差を0に近付けるように教師あり学習を行うことによって、最終的な目標である、反射光量が前記第2所定レベルを上回らない条件を充たしながら、加工開始が可能なレベルまで短時間で光出力をアップするために適した光出力指令データを指令できるように学習できる。
11番目の発明においては、ニューラルネットワークは、強化学習における価値関数の近似アルゴリズム、教師あり学習の近似アルゴリズムのいずれにも用いることができる。
12番目の発明においては、多くの状態量を入力し、光出力指令データにレーザ光学系のパラメータを多く含むことで加工開始が困難な条件下においても加工開始に成功することが可能になる。
13番目の発明においては、機械学習装置を備えたレーザ装置により、反射光量が前記第2所定レベルを越えない条件で短時間の内に確実に加工を開始できるようになる。
14番目の発明においては、反射光が経由する光路が異なる反射光は、異なる情報を含んでおり、それらの情報をできるだけ多く利用することによって、より適確なレーザ出力指令データが出力できるようになる。
15番目の発明においては、加工を目的としたレーザ光を出力していない状態でも加工対象物表面の反射率などの加工対象物の表面状態に対する情報が得られ、最初から加工を開始に成功する確率の高いレーザ出力指令を出力することができる確率が上昇する。ガイド光を利用すれば新たな光学系は必要としない。
16番目の発明においては、赤外線検出部では加工対象物の表面温度を計測することができるので、レーザ光照射前後の温度分布と温度変化速度を観察することにより、加工対象物の比熱、熱伝導率、厚さ等が影響する熱容量等の情報が得られる。また、プラズマ光検出部ではレーザ光の照射によって加工対象物の加工部分から発生するプラズマ光を計測することができるので、レーザ光の照射効果や加工対象物の材質等に関する情報が得られる。その結果、より適確なレーザ出力指令条件が出力できるようになる。
17番目の発明においては、学習結果を共有することによって、より短時間により精度の高い学習結果が得られ、より適確なレーザ出力指令条件が出力できるようになる。
18番目の発明においては、学習結果を共有できるだけでなく、高価な高性能プロセッサを利用して学習することが可能になり、学習速度、学習の精度が向上する。その結果、より適確なレーザ出力指令条件が出力できるようになる。
19番目の発明においては、単一の光出力指令データでは加工を開始できない場合も多く、入力と結果を簡単に関連付けて学習させることは容易でないが、報酬の合計を最大化するために試行錯誤を繰り返す強化学習を行うことによって最適行動パターンを学習して、入力に対して最適な一連の前記光出力指令データを出力できるようになる。
20番目の発明においては、光出力指令データに対する反射光量を含む結果、例えば反射光量/出力光量の減少率および/または反射光量/出力光量の減少速度の逆数を誤差と定義して、この誤差を0に近付けるように教師あり学習を行うことによって、基礎的だが最も重要な反射光量/出力光量の減少率および/または反射光量/出力光量の減少速度が最大になる光出力指令データを学習することができる。なお、反射光量/出力光量の減少率や反射光量/出力光量の減少速度が所定の値より小さい場合(減少率や減少速度が負の場合、即ち、通常は余りないと思われるが反射光量/出力光量が増加する場合を含む)や、前記反射光量が前記第1所定レベルを越えた場合は、ある程度大きな一定の誤差が生じたと定義することが好ましい。教師あり学習で誤差をこのように定義することによって、反射光量が前記第1所定レベルを上回らない条件を充たしながら、反射率∝反射光量/出力光量を急速に減少させる光出力指令データを学習することができる。その結果、その学習結果を利用して最終的な目標である、反射光量が前記第2所定レベルを上回らない条件を充たしながら、光出力を短時間の内に加工開始が可能なレベルまでアップするために適した光出力指令データを指令できるように更に高度な学習を行うことができるようになる。
以上に記述してきた強化学習は、行動が引き起こす結果を全く知らない、または、不完全にしか知らない状態から学習はスタートするのが通常であるが、教師あり学習等による事前学習を行った状態を初期状態として、ある程度学習した知識を蓄積した状態から学習をスタートさせることもできる。教師あり学習とは、ある入力と結果(ラベル)のデータの組を大量に機械学習装置に与えることで、それらのデータセットにある特徴を学習し、入力から結果を推定するモデル、すなわちその関係性を帰納的に獲得するものである。
なお、前述のように、強化学習においても教師あり学習においても、ニューラルネットワークは有効な学習方法であり、前記機械学習装置は、ニューラルネットワークを有することが望ましい。
更に、加工対象物の所定の場所等に加工対象物の材質や厚さ等の情報を記録したバーコード等を貼り付けておき、バーコードリーダ等で自動的に加工対象物の情報を読み出して前記状態量観測部に入力する状態量の一つにすることも考えられる。もちろん人間が加工対象物の情報を入力することも可能だが、人間が介在せずに自動的に学習できるようにするために、加工対象物の情報も自動的に読み取れるようにすることが望ましい。
2 加工対象物
3 レーザ発振器
4 レーザ電源部
5 レーザ光学系
6 出力光検出部
7 反射光検出部
8 機械学習装置
9 状態観測部
10 動作結果取得部
11 学習部
12 意志決定部
13 制御装置
14 レーザ光
15 反射光
16 報酬計算部
17 価値関数更新部
18 結果(ラベル)付きデータ記録部
19 誤差計算部
20 学習モデル更新部
31 赤外線検出部
32 プラズマ光検出部
Claims (20)
- 加工対象物に対してレーザ光を照射して切断や溶接等の加工を行う少なくとも一つのレーザ発振器(3)と前記レーザ発振器に電力を供給する少なくとも一つ以上のレーザ電源部(4)を備えるレーザ装置(1)の、加工開始時の前記レーザ電源部に指令する光出力指令を含む光出力指令データを学習する機械学習装置(8)であって、
前記レーザ発振器からレーザ光学系(5)を経由して出力された前記レーザ光の光量である出力光量を測定するための出力光検出部(6)の出力データと前記レーザ光が前記加工対象物の表面で反射して前記レーザ発振器および/またはレーザ光学系に再入射した反射光の光量である反射光量を測定するための反射光検出部(7)の出力データを含む前記レーザ装置の状態量を観測する状態量観測部(9)と、
前記光出力指令データに基づいて前記レーザ発振器から出力されたレーザ光による加工開始の成否の結果を取得する動作結果取得部(10)と、
前記状態量観測部からの出力および前記動作結果取得部からの出力を受取り、前記レーザ電源部に指令する光出力指令を含む前記光出力指令データを、前記レーザ装置の状態量および前記加工開始の成否の結果に関連付けて学習する学習部(11)と、
前記学習部が学習した前記光出力指令データを参照して、前記レーザ電源部に指令する光出力指令を含む光出力指令データを決定する意思決定部(12)とを備え、
前記反射光量が第1所定レベルより高く設定された第2所定レベルを上回らない条件を充たしながら、所定時間内に、前記加工対象物に対して前記加工を開始するための光出力指令データを学習することを特徴とする機械学習装置。 - 前記反射光検出部の出力データから求められる反射光量が前記第1所定レベルに達すると、前記レーザ電源部が前記光出力指令の実行中であっても、前記レーザ電源部に対して直ちにレーザ光出力を一時遮断あるいは低減する指令を出して、前記意思決定部は次の新たな光出力指令データを出力し直すことを特徴とする請求項1に記載の機械学習装置。
- 前記反射光量の前記第2所定レベルが、前記反射光量が前記レーザ発振器および/または前記レーザ光学系に損傷を与える可能性の高い光量に相当する警報レベルよりも低く設定されていることを特徴とする請求項1または2に記載の機械学習装置。
- 前記意思決定部は、少なくとも前記所定時間内は、前記加工開始に成功するまでの間、時系列的に略連続して前記光出力指令データを決定して、前記光出力指令データを出力することを特徴とする請求項1から3のいずれか1項に記載の機械学習装置。
- 前記光出力指令データの決定に、その光出力指令データの前に出力された前記光出力指令データがある場合には、前記光出力指令データに基づいて出力されたレーザ光に対する前記反射光検出部の出力データを利用することを特徴とする請求項1から4のいずれか1項に記載の機械学習装置。
- 前記動作結果取得部は、前記反射光検出部の出力データを利用することを特徴とする請求項1から5のいずれか1項に記載の機械学習装置。
- 前記動作結果取得部が取得する前記加工開始の成否の結果は、前記光出力指令データを前記加工対象物の前記加工に必要あるいは適した光出力指令データに略一致させることが前記所定時間内に成功したか否かの結果で与えられることを特徴とする請求項1から6のいずれか1項に記載の機械学習装置。
- 前記動作結果取得部は、前記加工開始の成否、前記加工開始に要した時間、前記反射光量が前記第1所定レベルに達した回数あるいは頻度、および、前記反射光量が前記第1所定レベルを超過した場合の超過光量の時間積分値に相当する量の内少なくとも一つを取得することを特徴とする請求項1から7のいずれか1項に記載の機械学習装置。
- 前記学習部は、前記動作結果取得部の出力に基づいて報酬を計算する報酬計算部(16)と前記光出力指令データの価値を定める価値関数を有し、前記報酬に応じて前記価値関数を更新する価値関数更新部(17)を備えることを特徴とする請求項1から8のいずれか1項に記載の機械学習装置。
- 前記学習部は、前記光出力指令を学習する学習モデルを有し、前記動作結果取得部の出力および前記学習モデルに基づいて誤差を計算する誤差計算部(19)と前記誤差に応じて前記学習モデルを更新する学習モデル更新部(20)を備えることを特徴とする請求項1から8のいずれか1項に記載の機械学習装置。
- 前記機械学習装置は、ニューラルネットワークを有することを特徴とする請求項1から10のいずれか1項に記載の機械学習装置。
- 前記状態量観測部に入力される状態量および/または前記意思決定部から出力される光出力指令データには、レーザ光の出力、ピーク出力、パルス幅、パルス間隔、繰り返し周期、繰り返しパルス数、アシストガスの吹出し条件、前記レーザ光学系の透過率、焦点距離、F値、レーザ光の前記加工対象物表面上のスポットサイズ、前記加工対象物表面とレーザ光焦点の相対的位置関係、前記加工対象物表面に対するレーザ光の照射角度、加工対象物の温度、環境温度、環境湿度の内の少なくとも一つ以上が含まれていることを特徴とする請求項1から11のいずれか1項に記載の機械学習装置。
- 請求項1から12のいずれか1項に記載の機械学習装置を備えたレーザ装置であって、前記レーザ発振器、前記レーザ電源、前記レーザ光学系、前記出力光検出部、前記反射光検出部と、前記レーザ発振器、前記レーザ電源、前記レーザ光学系、前記出力光検出部、前記反射光検出部をそれぞれ制御する制御装置(13)を備えることを特徴とするレーザ装置。
- 前記レーザ装置は、前記反射光検出部を少なくとも2個以上備え、前記反射光が経由する光路が異なる複数の反射光に対して、それぞれの反射光を検出する少なくとも1個の前記反射光検出部を備えていることを特徴とする請求項13に記載のレーザ装置。
- 前記レーザ装置は、前記レーザ発振器とは異なる光源と、前記光源の光を検出する光検出器と、前記光源の光を前記加工対象物に照射し、前記加工対象物の表面で反射した光が前記光検出器に入射する光学系とを備え、前記レーザ発振器によるレーザ光が出力されていない状態でも、前記加工対象物の光の反射状態を観察でき、観察結果を前記状態量観測部に入力される状態量の一つとすることを特徴とする請求項13または請求項14に記載のレーザ装置。
- 前記レーザ装置は、前記加工対象物のレーザ光照射場所あるいはレーザ光照射予定場所近傍から放射される赤外線および/またはプラズマ光を計測するための赤外線検出部(31)および/またはプラズマ光検出部(32)を備え、前記赤外線検出部および/またはプラズマ光検出部によって取得したデータを前記状態量観測部に入力する状態量の一つとすることを特徴とする請求項13から15のいずれか1項に記載のレーザ装置。
- 前記レーザ装置が複数台存在し、前記レーザ装置毎にそれぞれ設けられた複数の前記機械学習装置が、通信媒体を介して相互にデータを共有または交換するようになっていることを特徴とする請求項13から16のいずれか1項に記載のレーザ装置。
- 前記機械学習装置は、クラウドサーバ上に存在することを特徴とする請求項17に記載のレーザ装置。
- 前記加工対象物に対して、前記加工対象物からの反射光量が前記第2所定レベルを上回らない条件を充たしながら、前記所定時間内に、前記レーザ光による加工を開始するための前記レーザ電源部に指令する光出力指令を含む光出力指令データを学習する機械学習方法であって、
前記出力光量を測定するための前記出力光検出部の出力データと前記反射光量を測定するための前記反射光検出部の出力データを含む前記レーザ装置の状態量を観測し、
前記レーザ光による加工の開始の成否の結果を取得し、
観測された前記レーザ装置の状態量および取得された前記レーザ光による前記加工開始の成否の結果を受け取り、
前記レーザ電源に指令する光出力指令を含む光出力指令データを、前記レーザ装置の前記状態量および前記加工開始の成否の結果に関連付けて学習することを特徴とする機械学習方法。 - 前記加工対象物に対して、前記加工対象物からの反射光量が前記第2所定レベルを上回らない条件を充たしながら、前記所定時間内に、前記レーザ光による加工を開始するための前記レーザ電源に指令する光出力指令を含む光出力指令データを学習する機械学習方法であって、
前記出力光量を測定するための前記出力光検出部の出力データと前記反射光量を測定するための前記反射光検出部の出力データを含む前記レーザ装置の状態量を観測し、
前記加工対象物からの反射光量を含む前記光出力指令データに対する結果を取得し、
前記レーザ電源に指令する光出力指令を含む光出力指令データを、前記レーザ装置の前記状態量および前記反射光量を含む光出力指令データの結果に関連付けて学習することを特徴とする機械学習方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016014430A JP6339603B2 (ja) | 2016-01-28 | 2016-01-28 | レーザ加工開始条件を学習する機械学習装置、レーザ装置および機械学習方法 |
US15/411,232 US10643127B2 (en) | 2016-01-28 | 2017-01-20 | Machine learning apparatus for learning condition for starting laser machining, laser apparatus, and machine learning method |
CN201710058348.XA CN107009031B (zh) | 2016-01-28 | 2017-01-23 | 机器学习装置、激光装置以及机器学习方法 |
DE102017101223.0A DE102017101223B4 (de) | 2016-01-28 | 2017-01-23 | Maschinenlernvorrichtung zum Lernen von Lichtabgabe-Befehlsdaten, die einen an eine Laserstromversorgungseinheit zum Start der Bearbeitung auszugebenden Lichtabgabebefehl enthalten, Laservorrichtung mit einer Maschinenlernvorrichtung sowie dazugehörige Maschinenlernverfahren |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016014430A JP6339603B2 (ja) | 2016-01-28 | 2016-01-28 | レーザ加工開始条件を学習する機械学習装置、レーザ装置および機械学習方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017131937A true JP2017131937A (ja) | 2017-08-03 |
JP6339603B2 JP6339603B2 (ja) | 2018-06-06 |
Family
ID=59327610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016014430A Active JP6339603B2 (ja) | 2016-01-28 | 2016-01-28 | レーザ加工開始条件を学習する機械学習装置、レーザ装置および機械学習方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10643127B2 (ja) |
JP (1) | JP6339603B2 (ja) |
CN (1) | CN107009031B (ja) |
DE (1) | DE102017101223B4 (ja) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017177174A (ja) * | 2016-03-30 | 2017-10-05 | ファナック株式会社 | 前加工制御部を備えるレーザ加工装置及びレーザ加工方法 |
US20190061062A1 (en) | 2017-08-28 | 2019-02-28 | Fanuc Corporation | Machine learning device, machine learning system, and machine learning method |
DE102019000041A1 (de) | 2018-01-09 | 2019-09-12 | Fanuc Corporation | Faserlaservorrichtung und maschinelle Lernvorrichtung |
JP2019166559A (ja) * | 2018-03-26 | 2019-10-03 | ファナック株式会社 | 加工条件調整装置及び機械学習装置 |
KR20190114785A (ko) | 2018-03-29 | 2019-10-10 | 스미도모쥬기가이고교 가부시키가이샤 | 레이저가공장치 |
JP2019198876A (ja) * | 2018-05-15 | 2019-11-21 | ファナック株式会社 | 加工条件調整装置及び機械学習装置 |
JP2019212001A (ja) * | 2018-06-05 | 2019-12-12 | 株式会社日立製作所 | システム及び処理条件の決定方法 |
JP2020003779A (ja) * | 2018-05-09 | 2020-01-09 | エヌピエス カンパニー リミテッド | レーザ装置 |
JP6644201B1 (ja) * | 2019-01-21 | 2020-02-12 | 三菱電機株式会社 | 加工状態検出装置、レーザ加工機および機械学習装置 |
JP2020123704A (ja) * | 2019-01-31 | 2020-08-13 | ファナック株式会社 | レーザ制御装置、レーザ制御システム及びレーザ装置ならびにレーザ制御方法 |
JP2020175425A (ja) * | 2019-04-19 | 2020-10-29 | ファナック株式会社 | レーザ加工機の焦点位置ずれを学習する機械学習装置及び機械学習方法、並びに焦点位置ずれを補正するレーザ加工システム |
JP2020189305A (ja) * | 2019-05-20 | 2020-11-26 | パナソニックIpマネジメント株式会社 | レーザ加工システム、学習装置および学習装置の学習方法 |
CN112462600A (zh) * | 2020-11-20 | 2021-03-09 | 华中光电技术研究所(中国船舶重工集团公司第七一七研究所) | 一种高能激光器控制方法、系统、电子设备及存储介质 |
JP2021142531A (ja) * | 2020-03-10 | 2021-09-24 | 浜松ホトニクス株式会社 | レーザ加工装置、及び、レーザ加工方法 |
JP2022532018A (ja) * | 2019-04-05 | 2022-07-13 | ディッケル マホ ゼーバッハ ゲーエムベーハー | 数値制御された工作機械の熱的に誘発された位置変化を補償するための方法および装置 |
WO2022168531A1 (ja) * | 2021-02-03 | 2022-08-11 | 株式会社アマダ | レーザ加工機 |
WO2023002620A1 (ja) * | 2021-07-21 | 2023-01-26 | ファナック株式会社 | レーザ発振器 |
JP2023524803A (ja) * | 2020-05-05 | 2023-06-13 | プレシテック ゲーエムベーハー ウント ツェーオー カーゲー | レーザ加工プロセスを分析する方法、レーザ加工プロセスを分析するシステム、及びそのようなシステムを備えるレーザ加工システム |
US11951562B2 (en) | 2018-02-23 | 2024-04-09 | The University Of Tokyo | Laser processing system |
WO2024154570A1 (ja) * | 2023-01-19 | 2024-07-25 | 株式会社アマダ | 加工性判定装置、加工性判定方法及び加工性判定プログラム |
JP7523645B1 (ja) | 2023-01-19 | 2024-07-26 | 株式会社アマダ | 加工性判定装置、加工性判定方法及び加工性判定プログラム |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6423812B2 (ja) * | 2016-02-29 | 2018-11-14 | ファナック株式会社 | 反射光を抑制しつつレーザ加工を開始できるレーザ加工装置 |
JP6360090B2 (ja) * | 2016-03-10 | 2018-07-18 | ファナック株式会社 | 機械学習装置、レーザ装置および機械学習方法 |
JP6625914B2 (ja) | 2016-03-17 | 2019-12-25 | ファナック株式会社 | 機械学習装置、レーザ加工システムおよび機械学習方法 |
JP6367858B2 (ja) * | 2016-04-08 | 2018-08-01 | ファナック株式会社 | 反射光を抑制しながらレーザ加工を行うレーザ加工装置及びレーザ加工方法 |
WO2018083667A1 (en) * | 2016-11-04 | 2018-05-11 | Deepmind Technologies Limited | Reinforcement learning systems |
JP6457473B2 (ja) * | 2016-12-16 | 2019-01-23 | ファナック株式会社 | ロボットおよびレーザスキャナの動作を学習する機械学習装置,ロボットシステムおよび機械学習方法 |
JP6490124B2 (ja) * | 2017-03-07 | 2019-03-27 | ファナック株式会社 | レーザ加工装置および機械学習装置 |
CN108181001B (zh) * | 2018-01-17 | 2019-08-06 | 苏州经贸职业技术学院 | 一种基于机器学习的远红外温度预测方法 |
JP6892400B2 (ja) * | 2018-01-30 | 2021-06-23 | ファナック株式会社 | レーザ装置の故障発生メカニズムを学習する機械学習装置 |
JP6781183B2 (ja) * | 2018-03-26 | 2020-11-04 | ファナック株式会社 | 制御装置及び機械学習装置 |
JP6744369B2 (ja) * | 2018-08-08 | 2020-08-19 | ファナック株式会社 | レーザ装置 |
JP6810110B2 (ja) * | 2018-08-24 | 2021-01-06 | ファナック株式会社 | 加工条件調整装置及び機械学習装置 |
DE102018129441B4 (de) * | 2018-11-22 | 2023-11-16 | Precitec Gmbh & Co. Kg | System zur Überwachung eines Laserbearbeitungsprozesses, Laserbearbeitungssystem sowie Verfahren zur Überwachung eines Laserbearbeitungsprozesses |
CN109746570B (zh) * | 2019-02-26 | 2021-08-17 | 苏州创鑫激光科技有限公司 | 一种光功率衰减调节系统、方法和激光焊接系统 |
WO2020185556A1 (en) * | 2019-03-08 | 2020-09-17 | Musara Mubayiwa Cornelious | Adaptive interactive medical training program with virtual patients |
JP7390680B2 (ja) * | 2019-10-09 | 2023-12-04 | パナソニックIpマネジメント株式会社 | レーザ溶接品質検査の方法及びレーザ溶接品質検査装置 |
US11904417B2 (en) | 2019-10-15 | 2024-02-20 | International Business Machines Corporation | Automated material welding |
KR20220100699A (ko) * | 2019-12-18 | 2022-07-15 | 사이머 엘엘씨 | 가스 방전 광원 내의 예측 장치 |
US11305377B2 (en) * | 2019-12-23 | 2022-04-19 | Precitec Gmbh & Co. Kg | Add-on module for interposing between a control device and a laser machining head of a laser machining system |
CN111429423B (zh) * | 2020-03-19 | 2022-04-08 | 南通大学 | 基于四元数多自由度神经元的多光谱焊接图像识别方法 |
CN111504227B (zh) * | 2020-06-17 | 2021-06-01 | 北京理工大学 | 一种基于深度学习的飞秒激光加工参数共焦轴向监测方法 |
CN112213266B (zh) * | 2020-09-29 | 2021-05-14 | 湖北鑫英泰系统技术股份有限公司 | 一种具有激光器调温功能的激光监控装置 |
EP3984688A1 (de) * | 2020-10-16 | 2022-04-20 | Bystronic Laser AG | Verfahren, computerprogramm und laserschneidsystem für intelligentes eckenschneiden |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004025204A (ja) * | 2002-06-21 | 2004-01-29 | Fanuc Ltd | レーザ加工機 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3245846C2 (de) * | 1981-12-28 | 1986-05-28 | Mitsubishi Denki K.K., Tokio/Tokyo | Sicherheitsvorrichtung für ein chirurgisches Laserstrahlgerät |
JP2771569B2 (ja) * | 1988-12-29 | 1998-07-02 | ファナック 株式会社 | レーザ加工装置 |
JP3269440B2 (ja) | 1997-12-12 | 2002-03-25 | 松下電器産業株式会社 | レーザ加工装置およびその制御方法 |
JP3259695B2 (ja) | 1998-10-22 | 2002-02-25 | 松下電器産業株式会社 | レーザ加工装置及びレーザ加工方法 |
US6698394B2 (en) * | 1999-03-23 | 2004-03-02 | Thomas Engine Company | Homogenous charge compression ignition and barrel engines |
JP4646525B2 (ja) * | 2004-02-05 | 2011-03-09 | ヤマザキマザック株式会社 | プラズマ検出装置、及びプラズマ検出装置付きレーザ加工機 |
DE602005010539D1 (de) * | 2004-12-28 | 2008-12-04 | Fanuc Ltd | Bestimmung eines Schwellwertes für ein Gerät zur Schadenserkennung auf einem Werkzeug |
JP4757557B2 (ja) | 2005-07-29 | 2011-08-24 | ミヤチテクノス株式会社 | レーザ加工ヘッド |
JP4699131B2 (ja) | 2005-08-05 | 2011-06-08 | 株式会社フジクラ | 光ファイバレーザ、光ファイバ増幅器、mopa方式光ファイバレーザ |
JP5122773B2 (ja) * | 2006-08-04 | 2013-01-16 | 株式会社ディスコ | レーザー加工機 |
US9056368B2 (en) * | 2008-11-21 | 2015-06-16 | Precitec Kg | Method and device for monitoring a laser processing operation to be performed on a workpiece and laser processing head having such a device |
WO2011007318A1 (en) * | 2009-07-15 | 2011-01-20 | Koninklijke Philips Electronics N.V. | Visualizing surgical trajectories |
WO2011083087A1 (en) * | 2010-01-08 | 2011-07-14 | Precitec Kg | Method for processing workpieces by means of a cognitive processing head and a cognitive processing head using the same |
US8295316B2 (en) * | 2010-03-24 | 2012-10-23 | Cymer, Inc. | Method and system for managing light source operation |
JP5249403B2 (ja) * | 2011-11-17 | 2013-07-31 | ファナック株式会社 | 補助制御装置を備えたレーザ加工システム |
US10096053B2 (en) * | 2012-11-05 | 2018-10-09 | Cox Communications, Inc. | Cloud solutions for organizations |
CN112157336A (zh) * | 2013-03-15 | 2021-01-01 | 伊利诺斯工具制品有限公司 | 具有共形天线的焊接电源 |
DE112015001163T5 (de) * | 2014-03-12 | 2016-11-24 | Mitsubishi Electric Corporation | Laserbearbeitungskopf-Vorrichtung mit Kameramonitor |
US11100420B2 (en) * | 2014-06-30 | 2021-08-24 | Amazon Technologies, Inc. | Input processing for machine learning |
DE102014212682A1 (de) | 2014-07-01 | 2016-01-07 | Trumpf Werkzeugmaschinen Gmbh + Co. Kg | Verfahren und Vorrichtung zum Bestimmen einer Werkstoffart und/oder einer Oberflächenbeschaffenheit eines Werkstücks |
-
2016
- 2016-01-28 JP JP2016014430A patent/JP6339603B2/ja active Active
-
2017
- 2017-01-20 US US15/411,232 patent/US10643127B2/en active Active
- 2017-01-23 CN CN201710058348.XA patent/CN107009031B/zh active Active
- 2017-01-23 DE DE102017101223.0A patent/DE102017101223B4/de active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004025204A (ja) * | 2002-06-21 | 2004-01-29 | Fanuc Ltd | レーザ加工機 |
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017177174A (ja) * | 2016-03-30 | 2017-10-05 | ファナック株式会社 | 前加工制御部を備えるレーザ加工装置及びレーザ加工方法 |
US10456869B2 (en) | 2016-03-30 | 2019-10-29 | Fanuc Corporation | Laser processing device having preprocessing controller and laser processing method |
US20190061062A1 (en) | 2017-08-28 | 2019-02-28 | Fanuc Corporation | Machine learning device, machine learning system, and machine learning method |
US10532432B2 (en) | 2017-08-28 | 2020-01-14 | Fanuc Corporation | Machine learning device, machine learning system, and machine learning method |
JP2019038027A (ja) * | 2017-08-28 | 2019-03-14 | ファナック株式会社 | 機械学習装置、機械学習システム及び機械学習方法 |
DE102019000041A1 (de) | 2018-01-09 | 2019-09-12 | Fanuc Corporation | Faserlaservorrichtung und maschinelle Lernvorrichtung |
US11093828B2 (en) | 2018-01-09 | 2021-08-17 | Fanuc Corporation | Fiber laser device and machine learning device |
US11951562B2 (en) | 2018-02-23 | 2024-04-09 | The University Of Tokyo | Laser processing system |
JP2019166559A (ja) * | 2018-03-26 | 2019-10-03 | ファナック株式会社 | 加工条件調整装置及び機械学習装置 |
KR20190114785A (ko) | 2018-03-29 | 2019-10-10 | 스미도모쥬기가이고교 가부시키가이샤 | 레이저가공장치 |
JP2020003779A (ja) * | 2018-05-09 | 2020-01-09 | エヌピエス カンパニー リミテッド | レーザ装置 |
US11554448B2 (en) | 2018-05-15 | 2023-01-17 | Fanuc Corporation | Machining condition adjustment apparatus and machine learning device |
JP2019198876A (ja) * | 2018-05-15 | 2019-11-21 | ファナック株式会社 | 加工条件調整装置及び機械学習装置 |
JP7017985B2 (ja) | 2018-06-05 | 2022-02-09 | 株式会社日立製作所 | システム及び処理条件の決定方法 |
JP2019212001A (ja) * | 2018-06-05 | 2019-12-12 | 株式会社日立製作所 | システム及び処理条件の決定方法 |
JP6644201B1 (ja) * | 2019-01-21 | 2020-02-12 | 三菱電機株式会社 | 加工状態検出装置、レーザ加工機および機械学習装置 |
WO2020152757A1 (ja) * | 2019-01-21 | 2020-07-30 | 三菱電機株式会社 | 加工状態検出装置、レーザ加工機および機械学習装置 |
US11351630B2 (en) | 2019-01-21 | 2022-06-07 | Mitsubishi Electric Corporation | Processing state detecting device, laser processing machine, and machine learning device |
JP2020123704A (ja) * | 2019-01-31 | 2020-08-13 | ファナック株式会社 | レーザ制御装置、レーザ制御システム及びレーザ装置ならびにレーザ制御方法 |
US11293835B2 (en) | 2019-01-31 | 2022-04-05 | Fanuc Corporation | Laser control device, laser control system, laser device, and laser control method |
JP2022532018A (ja) * | 2019-04-05 | 2022-07-13 | ディッケル マホ ゼーバッハ ゲーエムベーハー | 数値制御された工作機械の熱的に誘発された位置変化を補償するための方法および装置 |
JP2020175425A (ja) * | 2019-04-19 | 2020-10-29 | ファナック株式会社 | レーザ加工機の焦点位置ずれを学習する機械学習装置及び機械学習方法、並びに焦点位置ずれを補正するレーザ加工システム |
US11565344B2 (en) | 2019-04-19 | 2023-01-31 | Fanuc Corporation | Device and method for learning focal position offset of laser processing apparatus, and laser processing system correcting focal position offset |
JP7103991B2 (ja) | 2019-04-19 | 2022-07-20 | ファナック株式会社 | レーザ加工機の焦点位置ずれを学習する機械学習装置及び機械学習方法、並びに焦点位置ずれを補正するレーザ加工システム |
JP2020189305A (ja) * | 2019-05-20 | 2020-11-26 | パナソニックIpマネジメント株式会社 | レーザ加工システム、学習装置および学習装置の学習方法 |
JP2021142531A (ja) * | 2020-03-10 | 2021-09-24 | 浜松ホトニクス株式会社 | レーザ加工装置、及び、レーザ加工方法 |
JP7441684B2 (ja) | 2020-03-10 | 2024-03-01 | 浜松ホトニクス株式会社 | レーザ加工装置、及び、レーザ加工方法 |
JP2023524803A (ja) * | 2020-05-05 | 2023-06-13 | プレシテック ゲーエムベーハー ウント ツェーオー カーゲー | レーザ加工プロセスを分析する方法、レーザ加工プロセスを分析するシステム、及びそのようなシステムを備えるレーザ加工システム |
JP7506182B2 (ja) | 2020-05-05 | 2024-06-25 | プレシテック ゲーエムベーハー ウント ツェーオー カーゲー | レーザ加工プロセスを分析する方法、レーザ加工プロセスを分析するシステム、及びそのようなシステムを備えるレーザ加工システム |
CN112462600B (zh) * | 2020-11-20 | 2022-07-05 | 华中光电技术研究所(中国船舶重工集团公司第七一七研究所) | 一种高能激光器控制方法、系统、电子设备及存储介质 |
CN112462600A (zh) * | 2020-11-20 | 2021-03-09 | 华中光电技术研究所(中国船舶重工集团公司第七一七研究所) | 一种高能激光器控制方法、系统、电子设备及存储介质 |
WO2022168531A1 (ja) * | 2021-02-03 | 2022-08-11 | 株式会社アマダ | レーザ加工機 |
JP7545342B2 (ja) | 2021-02-03 | 2024-09-04 | 株式会社アマダ | レーザ加工機 |
WO2023002620A1 (ja) * | 2021-07-21 | 2023-01-26 | ファナック株式会社 | レーザ発振器 |
WO2024154570A1 (ja) * | 2023-01-19 | 2024-07-25 | 株式会社アマダ | 加工性判定装置、加工性判定方法及び加工性判定プログラム |
JP7523645B1 (ja) | 2023-01-19 | 2024-07-26 | 株式会社アマダ | 加工性判定装置、加工性判定方法及び加工性判定プログラム |
Also Published As
Publication number | Publication date |
---|---|
DE102017101223B4 (de) | 2021-02-11 |
US10643127B2 (en) | 2020-05-05 |
DE102017101223A1 (de) | 2017-08-03 |
CN107009031A (zh) | 2017-08-04 |
US20170220927A1 (en) | 2017-08-03 |
CN107009031B (zh) | 2019-08-09 |
JP6339603B2 (ja) | 2018-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6339603B2 (ja) | レーザ加工開始条件を学習する機械学習装置、レーザ装置および機械学習方法 | |
CN107199397B (zh) | 机器学习装置、激光加工系统以及机器学习方法 | |
US11093828B2 (en) | Fiber laser device and machine learning device | |
CN111198538B (zh) | 加工条件设定装置和三维激光加工系统 | |
JP6360090B2 (ja) | 機械学習装置、レーザ装置および機械学習方法 | |
US10796226B2 (en) | Laser processing apparatus and machine learning device | |
JP6892400B2 (ja) | レーザ装置の故障発生メカニズムを学習する機械学習装置 | |
US10985522B2 (en) | Laser apparatus | |
US11293835B2 (en) | Laser control device, laser control system, laser device, and laser control method | |
US10532432B2 (en) | Machine learning device, machine learning system, and machine learning method | |
US11565344B2 (en) | Device and method for learning focal position offset of laser processing apparatus, and laser processing system correcting focal position offset | |
JP2020151722A (ja) | ワークを切断するレーザ加工機 | |
CN110893515B (zh) | 加工条件调整装置以及机器学习装置 | |
WO2023199409A1 (ja) | レーザ加工装置、制御装置、レーザ加工システム、およびレーザ加工方法 | |
JP7415097B1 (ja) | 制御装置、レーザ加工システム、およびレーザ加工方法 | |
US20240028004A1 (en) | Machine-learning device, control device, and machine-learning method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20171204 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20171222 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20171225 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180109 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180306 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180417 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180510 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6339603 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |