JP2022018467A - 機械学習装置、積層造形システム、溶接条件の機械学習方法、溶接条件の調整方法、およびプログラム - Google Patents
機械学習装置、積層造形システム、溶接条件の機械学習方法、溶接条件の調整方法、およびプログラム Download PDFInfo
- Publication number
- JP2022018467A JP2022018467A JP2020121581A JP2020121581A JP2022018467A JP 2022018467 A JP2022018467 A JP 2022018467A JP 2020121581 A JP2020121581 A JP 2020121581A JP 2020121581 A JP2020121581 A JP 2020121581A JP 2022018467 A JP2022018467 A JP 2022018467A
- Authority
- JP
- Japan
- Prior art keywords
- shape data
- difference
- welding
- data
- welding conditions
- 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
- 238000003466 welding Methods 0.000 title claims abstract description 212
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000010801 machine learning Methods 0.000 title claims abstract description 38
- 238000000465 moulding Methods 0.000 title claims abstract description 10
- 239000011324 bead Substances 0.000 claims abstract description 136
- 238000012545 processing Methods 0.000 claims abstract description 43
- 239000002184 metal Substances 0.000 claims abstract description 33
- 238000010030 laminating Methods 0.000 claims abstract description 19
- 239000000945 filler Substances 0.000 claims description 43
- 230000008569 process Effects 0.000 claims description 42
- 238000013461 design Methods 0.000 claims description 28
- 238000009795 derivation Methods 0.000 claims description 19
- 239000000463 material Substances 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 239000010953 base metal Substances 0.000 claims description 4
- 238000009941 weaving Methods 0.000 claims description 4
- 230000010365 information processing Effects 0.000 description 35
- 230000015572 biosynthetic process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000010438 heat treatment Methods 0.000 description 5
- 238000013523 data management Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000002844 melting Methods 0.000 description 3
- 230000008018 melting Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010894 electron beam technology Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000155 melt Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005121 nitriding Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000007665 sagging Methods 0.000 description 1
- 238000007778 shielded metal arc welding Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
-
- 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
- B23K31/00—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups
- B23K31/006—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups relating to using of neural networks
-
- 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
- B23K9/00—Arc welding or cutting
- B23K9/04—Welding for other purposes than joining, e.g. built-up 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
- B23K9/00—Arc welding or cutting
- B23K9/095—Monitoring or automatic control of welding parameters
- B23K9/0953—Monitoring or automatic control of welding parameters using computing 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
- B23K9/00—Arc welding or cutting
- B23K9/16—Arc welding or cutting making use of shielding gas
- B23K9/173—Arc welding or cutting making use of shielding gas and of a consumable electrode
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y30/00—Apparatus for additive manufacturing; Details thereof or accessories therefor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
- B33Y50/02—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
- G06N3/09—Supervised learning
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/45—Nc applications
- G05B2219/45135—Welding
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/25—Process efficiency
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Mechanical Engineering (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Materials Engineering (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Plasma & Fusion (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Butt Welding And Welding Of Specific Article (AREA)
- Numerical Control (AREA)
Abstract
Description
(1) 溶加材を溶着して溶接ビードを積層することで積層造形物を造形する際の溶接条件の機械学習を行う機械学習装置であって、
溶接ビードの形状データ間の差分を入力データとし、前記形状データ間の差分に対応する溶接条件間の差分を出力データとする学習済みモデルを生成するための学習処理を行う学習処理手段
を有することを特徴とする機械学習装置。
(2) 溶加材を溶着して溶接ビードを積層することで積層造形物を造形する積層造形システムであって、
前記積層造形物の設計データに基づいて、溶接ビードの形状データを第1の形状データとして作成する作成手段と、
前記第1の形状データを形成する際の溶接条件を決定する決定手段と、
前記決定手段にて決定された溶接条件を用いて形成された溶接ビードの形状データを第2の形状データとして取得する取得手段と、
溶接ビードの形状データ間の差分を入力データとし、当該形状データ間の差分に対応する溶接条件間の差分を出力データとして学習処理が行われることで生成された学習済みモデルに、前記第1の形状データと前記第2の形状データの差分を入力することで、前記第1の形状データに対応する溶接条件と前記第2の形状データに対応する溶接条件との差分を導出する導出手段と、
前記導出手段にて導出された差分を用いて、前記決定手段にて決定された溶接条件を調整する調整手段と
を有することを特徴とする積層造形システム。
(3) 溶加材を溶着して溶接ビードを積層することで積層造形物を造形する際の溶接条件の機械学習方法であって、
溶接ビードの形状データ間の差分を入力データとし、前記形状データ間の差分に対応する溶接条件間の差分を出力データとする学習済みモデルを生成するための学習処理を行う学習処理工程
を有することを特徴とする機械学習方法。
(4) 溶加材を溶着して溶接ビードを積層することで積層造形物を造形する積層造形システムにおける溶接条件の調整方法であって、
前記積層造形物の設計データに基づいて、溶接ビードの形状データを第1の形状データとして作成する作成工程と、
前記第1の形状データを形成する際の溶接条件を決定する決定工程と、
前記決定工程にて決定された溶接条件を用いて形成された溶接ビードの形状データを第2の形状データとして取得する取得工程と、
溶接ビードの形状データ間の差分を入力データとし、当該形状データ間の差分に対応する溶接条件間の差分を出力データとして学習処理が行われることで生成された学習済みモデルに、前記第1の形状データと前記第2の形状データの差分を入力することで、前記第1の形状データに対応する溶接条件と前記第2の形状データに対応する溶接条件との差分を導出する導出工程と、
前記導出工程にて導出された差分を用いて、前記決定工程にて決定された溶接条件を調整する調整工程と
を有することを特徴とする溶接条件の調整方法。
(5) コンピュータに、
積層造形物を造形する際の溶接ビードの形状データ間の差分を入力データとし、前記形状データ間の差分に対応する溶接条件間の差分を出力データとする学習済みモデルを生成するための学習処理を行う学習処理工程
を実行させるためのプログラム。
(6) コンピュータに、
溶加材を溶着して溶接ビードを積層することで造形される積層造形物の設計データに基づいて、溶接ビードの形状データを第1の形状データとして作成する作成工程と、
前記第1の形状データを形成する際の溶接条件を決定する決定工程と、
前記決定工程にて決定された溶接条件を用いて形成された溶接ビードの形状データを第2の形状データとして取得する取得工程と、
溶接ビードの形状データ間の差分を入力データとし、当該形状データ間の差分に対応する溶接条件間の差分を出力データとして学習処理が行われることで生成された学習済みモデルに、前記第1の形状データと前記第2の形状データの差分を入力することで、前記第1の形状データに対応する溶接条件と前記第2の形状データに対応する溶接条件との差分を導出する導出工程と、
前記導出工程にて導出された差分を用いて、前記決定工程にて決定された溶接条件を調整する調整工程と
を実行させるためのプログラム。
以下、本願発明の第1の実施形態について説明を行う。
以下、本願発明の一実施形態について、図面を参照して詳細に説明する。図1は、本願発明を適用可能な積層造形システムの概略構成図である。
積層造形物Wを造形する際には、電源107の動作状態や、装置固有の特性、積層造形物Wの構成などに起因して、造形時の制御パラメータを調整する必要がある。より具体的には、溶接時の様々な制御パラメータに応じて、ビードの形状が変化し得る。以下に、ビードの形状に影響する制御パラメータの例について説明する。
本実施形態においては、溶接条件とその溶接条件にて形成されるビードの形状情報との関係性を示すデータベースを用いる。このデータベースは、DB管理部204にて管理されており、予め規定されているものとする。上述したように、本実施形態に係る電源107は複数の制御モードにて動作可能である。これに伴い、複数の制御モードそれぞれに対応した複数のデータベースが規定され、管理されているものとする。
本実施形態においては、学習手法として機械学習のうちのニューラルネットワークによるディープラーニング(深層学習)の手法を用い、教師あり学習を例に挙げて説明する。なお、ディープラーニングのより具体的な手法(アルゴリズム)は特に限定するものではなく、例えば、畳み込みニューラルネットワーク(CNN:Convolutional Neural Network)など公知の方法が用いられてよい。
図5は、本実施形態に係る溶接条件の調整処理のフローチャートである。本処理は、情報処理装置200により実行、制御され、例えば、情報処理装置200が備えるCPUやGPUなどの処理部が図1に示した各部位を実現するためのプログラムを記憶部(不図示)から読み出して実行することにより実現されてよい。また、本処理フローが開始される前に、上述した学習処理が行われ、学習済みモデルが生成されているものとする。また、本処理フローによるパラメータの調整のための処理は、実際の積層造形物Wの造形が開始される直前に行われてもよい。または、積層造形物Wの造形を行っている最中において、電源の制御モードが切り替わった場合や、形成するビードの層が次の層に移行した場合に行われてもよい。ここでは、積層造形物Wが造形される直前に、ベース103上において積層造形物Wが造形される位置とは異なる位置を利用して調整が行われるものとして説明する。
また、学習処理に用いる学習用データの生成を積層造形システム1が行うような構成を有してもよい。例えば、積層造形物Wの造形時に、ビードを形成するごとにビードの形状を形状センサ101にて検出し、当該ビードを形成した際の溶接条件、形状データ、および電源の制御モードを対応付けて記憶する。さらに、記憶されたデータを用いて、図4を用いて説明したように各差分を求めることで学習用データを生成してよい。このとき、学習用データを生成するためのデータは、積層造形システム1の利用者が指定可能であってもよいし、蓄積したデータの中から任意の条件にてフィルタリングしてデータを抽出してもよい。
(1) 溶加材を溶着して溶接ビードを積層することで積層造形物を造形する際の溶接条件の機械学習を行う機械学習装置であって、
溶接ビードの形状データ間の差分を入力データとし、前記形状データ間の差分に対応する溶接条件間の差分を出力データとする学習済みモデルを生成するための学習処理を行う学習処理手段
を有することを特徴とする機械学習装置。
この構成によれば、積層造形物の造形時における溶接条件の調整の精度を向上させることが可能となる。特に、溶接条件を調整する際に用いられる、形状データの変化傾向に対応した、溶接条件の調整量を導出するための学習済みモデルを生成することが可能となる。
この構成によれば、形状データとして、ビードの高さ、幅、角度、表面形状を考慮して、溶接条件の調整が可能となる。
この構成によれば、溶接条件として、溶加材の送給速度、ベース上での狙い位置、造形時の入熱量、およびウィービングの制御条件を対象として調整が可能となる。
この構成によれば、溶接条件として更に、積層パス数、母材温度を対象として調整が可能となる。例えば、積層パス数が増加すること伴う、電極の摩擦やノズルへのスパッタの付着などの負荷蓄積を考慮した学習処理が可能となる。また、ベースへの蓄熱を考慮した学習処理が可能となる。
この構成によれば、電源の制御モードに応じた学習済みモデルを生成し、溶接条件の調整がより精度よく行うことが可能となる。
この構成によれば、電源の制御モードに異なる電圧値、電流値、パルスを考慮した学習済みモデルを生成することが可能となる。
この構成によれば、ニューラルネットワークを用いた教師あり学習に対応した機械学習が可能となる。
前記積層造形物の設計データに基づいて、溶接ビードの形状データを第1の形状データとして作成する作成手段と、
前記第1の形状データを形成する際の溶接条件を決定する決定手段と、
前記決定手段にて決定された溶接条件を用いて形成された溶接ビードの形状データを第2の形状データとして取得する取得手段と、
溶接ビードの形状データ間の差分を入力データとし、当該形状データ間の差分に対応する溶接条件間の差分を出力データとして学習処理が行われることで生成された学習済みモデルに、前記第1の形状データと前記第2の形状データの差分を入力することで、前記第1の形状データに対応する溶接条件と前記第2の形状データに対応する溶接条件との差分を導出する導出手段と、
前記導出手段にて導出された差分を用いて、前記決定手段にて決定された溶接条件を調整する調整手段と
を有することを特徴とする積層造形システム。
この構成によれば、積層造形物の造形時における溶接条件の調整の精度を向上させることが可能となる。また、溶接条件の変化傾向と、ビード形状の変化傾向との関係性を、学習済みモデルを用いて導出することで、システムに依存しない溶接条件の調整が可能となる。また、システムの機差を考慮した個別のデータベースの作成も不要となり、汎用的なデータベースのみの利用により様々な積層造形システムへの適用が可能となる。
この構成によれば、溶接条件の調整を繰り返し実行することで、所定の精度が得られるように制御することが可能となる。
この構成によれば、汎用的なデータベースを用いて、基準となる溶接条件を決定し、この基準からの調整を行うことができる。そのため、装置個別の溶接条件のデータベースを作成する手間を削減することができる。
この構成によれば、センサにより、実際のビード形状の測定値を取得して、設計値との比較に用いることが可能となる。
溶接ビードの形状データ間の差分を入力データとし、前記形状データ間の差分に対応する溶接条件間の差分を出力データとする学習済みモデルを生成するための学習処理を行う学習処理工程
を有することを特徴とする機械学習方法。
この構成によれば、積層造形物の造形時における溶接条件の調整の精度を向上させることが可能となる。特に、溶接条件を調整する際に用いられる、形状データの変化傾向に対応した、溶接条件の調整量を導出するための学習済みモデルを生成することが可能となる。
前記積層造形物の設計データに基づいて、溶接ビードの形状データを第1の形状データとして作成する作成工程と、
前記第1の形状データを形成する際の溶接条件を決定する決定工程と、
前記決定工程にて決定された溶接条件を用いて形成された溶接ビードの形状データを第2の形状データとして取得する取得工程と、
溶接ビードの形状データ間の差分を入力データとし、当該形状データ間の差分に対応する溶接条件間の差分を出力データとして学習処理が行われることで生成された学習済みモデルに、前記第1の形状データと前記第2の形状データの差分を入力することで、前記第1の形状データに対応する溶接条件と前記第2の形状データに対応する溶接条件との差分を導出する導出工程と、
前記導出工程にて導出された差分を用いて、前記決定工程にて決定された溶接条件を調整する調整工程と
を有することを特徴とする溶接条件の調整方法。
この構成によれば、積層造形物の造形時における溶接条件の調整の精度を向上させることが可能となる。また、溶接条件の変化傾向と、ビード形状の変化傾向との関係性を、学習済みモデルを用いて導出することで、システムに依存しない溶接条件の調整が可能となる。また、システムの機差を考慮した個別のデータベースの作成も不要となり、汎用的なデータベースのみの利用により様々な積層造形システムへの適用が可能となる。
積層造形物を造形する際の溶接ビードの形状データ間の差分を入力データとし、前記形状データ間の差分に対応する溶接条件間の差分を出力データとする学習済みモデルを生成するための学習処理を行う学習処理工程
を実行させるためのプログラム。
この構成によれば、積層造形物の造形時における溶接条件の調整の精度を向上させることが可能となる。特に、溶接条件を調整する際に用いられる、形状データの変化傾向に対応した、溶接条件の調整量を導出するための学習済みモデルを生成することが可能となる。
溶加材を溶着して溶接ビードを積層することで造形される積層造形物の設計データに基づいて、溶接ビードの形状データを第1の形状データとして作成する作成工程と、
前記第1の形状データを形成する際の溶接条件を決定する決定工程と、
前記決定工程にて決定された溶接条件を用いて形成された溶接ビードの形状データを第2の形状データとして取得する取得工程と、
溶接ビードの形状データ間の差分を入力データとし、当該形状データ間の差分に対応する溶接条件間の差分を出力データとして学習処理が行われることで生成された学習済みモデルに、前記第1の形状データと前記第2の形状データの差分を入力することで、前記第1の形状データに対応する溶接条件と前記第2の形状データに対応する溶接条件との差分を導出する導出工程と、
前記導出工程にて導出された差分を用いて、前記決定工程にて決定された溶接条件を調整する調整工程と
を実行させるためのプログラム。
この構成によれば、積層造形物の造形時における溶接条件の調整の精度を向上させることが可能となる。また、溶接条件の変化傾向と、ビード形状の変化傾向との関係性を、学習済みモデルを用いて導出することで、システムに依存しない溶接条件の調整が可能となる。また、システムの機差を考慮した個別のデータベースの作成も不要となり、汎用的なデータベースのみの利用により様々な積層造形システムへの適用が可能となる。
100…積層造形装置
101…形状センサ
102…トーチ
103…ベース
104…溶接ロボット
106…ロボットコントローラ
107…電源
108…溶接ビード
200…情報処理装置
201…造形制御部
202…電源制御部
203…送給制御部
204…DB(データベース)管理部
205…形状データ取得部
206…学習用データ管理部
207…学習処理部
208…溶接条件導出部
W…積層造形物
M…溶加材
Claims (15)
- 溶加材を溶着して溶接ビードを積層することで積層造形物を造形する際の溶接条件の機械学習を行う機械学習装置であって、
溶接ビードの形状データ間の差分を入力データとし、前記形状データ間の差分に対応する溶接条件間の差分を出力データとする学習済みモデルを生成するための学習処理を行う学習処理手段
を有することを特徴とする機械学習装置。 - 前記形状データは、前記溶接ビードの高さ、幅、根元部の角度、および表面の凹凸の少なくともいずれかを含むことを特徴とする請求項1に記載の機械学習装置。
- 前記溶接条件は、前記溶加材の送給速度、前記積層造形物が造形されるベース上での狙い位置、造形時の入熱量、およびウィービングの制御条件の少なくともいずれかを含む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。
- 前記溶接条件は、積層パス数、または母材温度をさらに含むことを特徴とする請求項3に記載の機械学習装置。
- 前記学習処理手段は、前記積層造形物を造形する際に用いられる電源の制御モードごとに学習済みモデルを生成することを特徴とする請求項1~4のいずれか一項に記載の機械学習装置。
- 前記電源の制御モードごとに、前記溶接条件に対応して供給される電圧値、電流値、または電流のパルスの少なくともいずれかが異なることを特徴とする請求項5に記載の機械学習装置。
- 前記学習処理手段は、ニューラルネットワークを用いた教師あり学習の手法を用いて前記学習処理を行うことを特徴とする請求項1~6のいずれか一項に記載の機械学習装置。
- 溶加材を溶着して溶接ビードを積層することで積層造形物を造形する積層造形システムであって、
前記積層造形物の設計データに基づいて、溶接ビードの形状データを第1の形状データとして作成する作成手段と、
前記第1の形状データを形成する際の溶接条件を決定する決定手段と、
前記決定手段にて決定された溶接条件を用いて形成された溶接ビードの形状データを第2の形状データとして取得する取得手段と、
溶接ビードの形状データ間の差分を入力データとし、当該形状データ間の差分に対応する溶接条件間の差分を出力データとして学習処理が行われることで生成された学習済みモデルに、前記第1の形状データと前記第2の形状データの差分を入力することで、前記第1の形状データに対応する溶接条件と前記第2の形状データに対応する溶接条件との差分を導出する導出手段と、
前記導出手段にて導出された差分を用いて、前記決定手段にて決定された溶接条件を調整する調整手段と
を有することを特徴とする積層造形システム。 - 前記導出手段は、前記第1の形状データと前記第2の形状データの差分が、所定の閾値以上である場合に、前記決定手段にて決定された溶接条件を調整するための差分を導出することを特徴とする請求項8に記載の積層造形システム。
- 前記決定手段は、溶接ビードの形状と溶接条件とが予め対応付けられたデータベースを用いて、前記第1の形状データを形成する際の溶接条件を決定することを特徴とする請求項8または9に記載の積層造形システム。
- 前記取得手段は、センサにより前記溶接ビードを測定することにより当該溶接ビードの形状データを取得することを特徴とする請求項8~10のいずれか一項に記載の積層造形システム。
- 溶加材を溶着して溶接ビードを積層することで積層造形物を造形する際の溶接条件の機械学習方法であって、
溶接ビードの形状データ間の差分を入力データとし、前記形状データ間の差分に対応する溶接条件間の差分を出力データとする学習済みモデルを生成するための学習処理を行う学習処理工程
を有することを特徴とする機械学習方法。 - 溶加材を溶着して溶接ビードを積層することで積層造形物を造形する積層造形システムにおける溶接条件の調整方法であって、
前記積層造形物の設計データに基づいて、溶接ビードの形状データを第1の形状データとして作成する作成工程と、
前記第1の形状データを形成する際の溶接条件を決定する決定工程と、
前記決定工程にて決定された溶接条件を用いて形成された溶接ビードの形状データを第2の形状データとして取得する取得工程と、
溶接ビードの形状データ間の差分を入力データとし、当該形状データ間の差分に対応する溶接条件間の差分を出力データとして学習処理が行われることで生成された学習済みモデルに、前記第1の形状データと前記第2の形状データの差分を入力することで、前記第1の形状データに対応する溶接条件と前記第2の形状データに対応する溶接条件との差分を導出する導出工程と、
前記導出工程にて導出された差分を用いて、前記決定工程にて決定された溶接条件を調整する調整工程と
を有することを特徴とする溶接条件の調整方法。 - コンピュータに、
積層造形物を造形する際の溶接ビードの形状データ間の差分を入力データとし、前記形状データ間の差分に対応する溶接条件間の差分を出力データとする学習済みモデルを生成するための学習処理を行う学習処理工程
を実行させるためのプログラム。 - コンピュータに、
溶加材を溶着して溶接ビードを積層することで造形される積層造形物の設計データに基づいて、溶接ビードの形状データを第1の形状データとして作成する作成工程と、
前記第1の形状データを形成する際の溶接条件を決定する決定工程と、
前記決定工程にて決定された溶接条件を用いて形成された溶接ビードの形状データを第2の形状データとして取得する取得工程と、
溶接ビードの形状データ間の差分を入力データとし、当該形状データ間の差分に対応する溶接条件間の差分を出力データとして学習処理が行われることで生成された学習済みモデルに、前記第1の形状データと前記第2の形状データの差分を入力することで、前記第1の形状データに対応する溶接条件と前記第2の形状データに対応する溶接条件との差分を導出する導出工程と、
前記導出工程にて導出された差分を用いて、前記決定工程にて決定された溶接条件を調整する調整工程と
を実行させるためのプログラム。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020121581A JP7384760B2 (ja) | 2020-07-15 | 2020-07-15 | 機械学習装置、積層造形システム、溶接条件の機械学習方法、溶接条件の調整方法、およびプログラム |
CN202180046941.7A CN115867407A (zh) | 2020-07-15 | 2021-06-16 | 机器学习装置、层叠造型系统、焊接条件的机器学习方法、焊接条件的调整方法及程序 |
US18/005,574 US20230273605A1 (en) | 2020-07-15 | 2021-06-16 | Machine learning device, additive manufacturing system, machine learning method for welding condition, method for adjusting welding condition, and a non-transitory computer readable medium storing a program |
PCT/JP2021/022941 WO2022014240A1 (ja) | 2020-07-15 | 2021-06-16 | 機械学習装置、積層造形システム、溶接条件の機械学習方法、溶接条件の調整方法、およびプログラム |
EP21842190.7A EP4166265A4 (en) | 2020-07-15 | 2021-06-16 | AUTOMATIC LEARNING DEVICE, LAMINATE MOLDING SYSTEM, AUTOMATIC LEARNING METHOD FOR WELDING CONDITION, ADJUSTMENT METHOD FOR WELDING CONDITION, AND PROGRAM |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020121581A JP7384760B2 (ja) | 2020-07-15 | 2020-07-15 | 機械学習装置、積層造形システム、溶接条件の機械学習方法、溶接条件の調整方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022018467A true JP2022018467A (ja) | 2022-01-27 |
JP7384760B2 JP7384760B2 (ja) | 2023-11-21 |
Family
ID=79555501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020121581A Active JP7384760B2 (ja) | 2020-07-15 | 2020-07-15 | 機械学習装置、積層造形システム、溶接条件の機械学習方法、溶接条件の調整方法、およびプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230273605A1 (ja) |
EP (1) | EP4166265A4 (ja) |
JP (1) | JP7384760B2 (ja) |
CN (1) | CN115867407A (ja) |
WO (1) | WO2022014240A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023114157A (ja) * | 2022-02-04 | 2023-08-17 | 株式会社神戸製鋼所 | 制御情報生成装置、制御情報生成方法、溶接制御装置及び制御情報生成プログラム |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018027558A (ja) * | 2016-08-18 | 2018-02-22 | 国立大学法人山梨大学 | 三次元造形のためのコンピュータ支援製造装置,方法およびプログラム,三次元造形のための制御プログラム生成装置,ならびに三次元造形システム |
JP2018149570A (ja) * | 2017-03-13 | 2018-09-27 | 株式会社神戸製鋼所 | 積層造形物の製造方法、製造システム、及び製造プログラム |
WO2019198212A1 (ja) * | 2018-04-12 | 2019-10-17 | 三菱電機株式会社 | 付加製造装置、付加製造システムおよび付加製造方法 |
JP2020001059A (ja) * | 2018-06-27 | 2020-01-09 | 株式会社神戸製鋼所 | 積層造形物の積層計画方法、積層造形物の製造方法及び製造装置 |
JP2020006378A (ja) * | 2018-07-03 | 2020-01-16 | 株式会社神戸製鋼所 | 溶接設計支援用データベースの生成方法、溶接設計支援方法、及びプログラム |
JP2020069662A (ja) * | 2018-10-29 | 2020-05-07 | 東芝機械株式会社 | 積層造形装置、積層造形方法、及びプログラム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6126174B2 (ja) | 2015-07-31 | 2017-05-10 | ファナック株式会社 | 機械学習装置、アーク溶接制御装置、アーク溶接ロボットシステムおよび溶接システム |
JP2020121581A (ja) | 2019-01-29 | 2020-08-13 | トヨタ紡織株式会社 | 乗物用照明装置 |
CN110883403B (zh) * | 2019-12-24 | 2020-10-30 | 华中科技大学 | 一种用于电弧增材制造的焊道建模方法、设备及系统 |
-
2020
- 2020-07-15 JP JP2020121581A patent/JP7384760B2/ja active Active
-
2021
- 2021-06-16 WO PCT/JP2021/022941 patent/WO2022014240A1/ja unknown
- 2021-06-16 CN CN202180046941.7A patent/CN115867407A/zh active Pending
- 2021-06-16 EP EP21842190.7A patent/EP4166265A4/en active Pending
- 2021-06-16 US US18/005,574 patent/US20230273605A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018027558A (ja) * | 2016-08-18 | 2018-02-22 | 国立大学法人山梨大学 | 三次元造形のためのコンピュータ支援製造装置,方法およびプログラム,三次元造形のための制御プログラム生成装置,ならびに三次元造形システム |
JP2018149570A (ja) * | 2017-03-13 | 2018-09-27 | 株式会社神戸製鋼所 | 積層造形物の製造方法、製造システム、及び製造プログラム |
WO2019198212A1 (ja) * | 2018-04-12 | 2019-10-17 | 三菱電機株式会社 | 付加製造装置、付加製造システムおよび付加製造方法 |
JP2020001059A (ja) * | 2018-06-27 | 2020-01-09 | 株式会社神戸製鋼所 | 積層造形物の積層計画方法、積層造形物の製造方法及び製造装置 |
JP2020006378A (ja) * | 2018-07-03 | 2020-01-16 | 株式会社神戸製鋼所 | 溶接設計支援用データベースの生成方法、溶接設計支援方法、及びプログラム |
JP2020069662A (ja) * | 2018-10-29 | 2020-05-07 | 東芝機械株式会社 | 積層造形装置、積層造形方法、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
EP4166265A1 (en) | 2023-04-19 |
WO2022014240A1 (ja) | 2022-01-20 |
JP7384760B2 (ja) | 2023-11-21 |
US20230273605A1 (en) | 2023-08-31 |
CN115867407A (zh) | 2023-03-28 |
EP4166265A4 (en) | 2024-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11945031B2 (en) | Laminated molded object production method and production device | |
JP7186512B2 (ja) | ハイブリッド溶着速度のニアネットシェイプ積層造形のための方法及びシステム | |
US11980968B2 (en) | Methods and systems for additive tool manufacturing | |
US20200282497A1 (en) | Method for designing laminate molded article, production method, production device, and program | |
JP6978350B2 (ja) | ワーク姿勢調整方法、造形物の製造方法及び製造装置 | |
JP7068950B2 (ja) | 溶接設計支援方法、及びプログラム | |
WO2022019013A1 (ja) | 機械学習装置、積層造形システム、溶接条件の機械学習方法、溶接条件の決定方法、およびプログラム | |
JP2021181107A (ja) | 積層造形方法 | |
JP2019147171A (ja) | 積層造形物の造形手順設計方法、積層造形物の造形方法及び製造装置、並びにプログラム | |
WO2022014240A1 (ja) | 機械学習装置、積層造形システム、溶接条件の機械学習方法、溶接条件の調整方法、およびプログラム | |
WO2024018736A1 (ja) | ロボットの制御方法、およびロボットの制御装置 | |
JP2014030841A (ja) | アーク倣い溶接方法および溶接装置 | |
EP4169677A1 (en) | System for manufacturing laminate molded product, method for manufacturing laminate molded product, and program for manufacturing laminate molded product | |
JP2024072589A (ja) | ロボットの制御装置、制御方法、およびプログラム | |
JP7436272B2 (ja) | 積層造形方法、積層造形システム、およびプログラム | |
US20040256437A1 (en) | Weld guidance system and method | |
JP7183138B2 (ja) | 造形物の製造方法、造形物の製造装置、及びプログラム | |
JP2024008544A (ja) | 複数のロボットの制御方法、および複数のロボットの制御装置 | |
WO2023008062A1 (ja) | 造形装置の制御方法、造形装置及びプログラム | |
US20240181549A1 (en) | Additive manufacturing method, additive manufacturing apparatus, and program for manufacturing additively manufactured article | |
JP2023114157A (ja) | 制御情報生成装置、制御情報生成方法、溶接制御装置及び制御情報生成プログラム | |
JP2024071271A (ja) | 断面形状データ生成方法、断面形状データ生成装置及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221101 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230822 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230906 |
|
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: 20231031 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231109 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7384760 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |