JP6833126B1 - レーザ加工装置 - Google Patents

Abstract

レーザ光（１２）と、伝播特性が異なるレーザ光（２２）と出力比を変化させる出力比制御部（３１）と、レーザ光（１２）とレーザ光（２２）とを合波する重畳光学系（４１）と、出射口におけるレーザ光（１２）とレーザ光（２２）とが合成されたレーザ光である合成レーザ光のビーム伝播特性が出力比に依存して変化する光ファイバ（５１）と、光ファイバ（５１）からの出射光を被加工物（Ｗ）上に集光して加工を行う集光光学系（６１）とを備える。

Description

本開示は、ビーム品質を変調する機構を備えたレーザ加工装置に関するものである。

従来のレーザ加工装置では、光ファイバへのレーザ光の入射位置または入射角度の変更によって、光ファイバから出射されるレーザ光のビーム品質、ビームプロファイル等を変調している（例えば特許文献１）。

特表２０１５−５００５７１号公報

このようなレーザ加工装置にあっては、ファイバからの出射光のビーム品質変調のために光学素子、光源等を移動させる必要があり、駆動系による装置の複雑化、各部品の設置位置安定性の低下などの課題があった。

本開示は、上記に鑑みてなされたものであり、光学素子、および機械部品の駆動を伴うことなくレーザ光のビーム品質を制御し、比較的安価でかつ安定的に、ビーム品質の変調が実現可能であるレーザ加工装置を得ることを目的とする。

上述した課題を解決し、目的を達成するために、この開示に係るレーザ加工装置は、第１のレーザ光を発生する第１のレーザ光源と、第１のレーザ光と異なる伝播特性を有する第２のレーザ光を発生する第２のレーザ光源と、第１のレーザ光の出力と第２のレーザ光の出力との比率である出力比を変化させる出力比制御部と、第１のレーザ光と第２のレーザ光とを合波する合波光学系と、コア及びクラッドを有し合波光学系を通過した第１のレーザ光及び第２のレーザ光が入射される入射口と、第１のレーザ光及び第２のレーザ光が出射される出射口とを有し、出射口における第１のレーザ光と第２のレーザ光とが合成されたレーザ光である合成レーザ光のビーム伝播特性が出力比に依存して変化する光ファイバと、光ファイバからの出射光を被加工物上に集光して加工を行う集光光学系とを備えることを特徴とする。

本開示によれば光学素子、および機械部品の駆動を伴うことなくレーザ光のビーム品質を制御することが可能であり、比較的安価でかつ安定的に、ビーム品質の変調が実現可能であるという効果を奏するものである。

実施の形態１のレーザ加工装置を示す構成図 実施の形態１における光ファイバへの入射レーザ光の強度分布を示す図 実施の形態１における光ファイバからの出射レーザ光の強度分布を示す図 実施の形態１における重畳光学系の一例を示す構成図 実施の形態１における重畳光学系の一例を示す構成図 実施の形態２のレーザ加工装置を示す構成図 実施の形態２の学習装置を示す構成図 実施の形態２における学習方法を示す概念図 実施の形態２における学習手順を示す工程図 実施の形態２の推論装置を示す構成図 実施の形態２における処理手順を示す工程図

以下に、本開示の実施の形態にかかるレーザ加工装置を図面に基づいて詳細に説明する。

実施の形態１．
図１は、実施の形態１のレーザ加工装置１００１の構成を示す模式図である。レーザ加工装置１００１は、第１のレーザ光としてのレーザ光１２を生成する第１のレーザ光源１１と、第２のレーザ光としてのレーザ光２２を生成する第２のレーザ光源２１と、レーザ光１２とレーザ光２２との出力の比率である出力比を制御する出力比制御部３１と、レーザ光１２とレーザ光２２とを重畳するための重畳光学系４１と、重畳された光を受ける光ファイバ５１と、光ファイバ５１からの出射レーザ光３２を被加工物Ｗ上に集光する集光光学系６１とを備える。重畳光学系４１は、レーザ光１２とレーザ光２２とを合波する合波光学系であるとも言える。

本実施の形態１において、光ファイバ５１は入射された光を伝送する単一のコア５２と、コア５２に光を閉じ込める役割を有する単一のクラッド５３とを備える。

レーザ光の光ファイバ伝送においては、光ファイバへの入射時と出射時とを比較した場合、出射光の発散角は入射光の集光角と概略一致し、出射端面上におけるビーム半径である出射端面上ビーム半径は光ファイバのコアの半径と概略一致することが知られている。

本実施の形態１においては、レーザ光１２とレーザ光２２とはそれぞれ異なる伝播特性を有している。図２は、光ファイバ５１に入射されるレーザ光１２とレーザ光２２のビーム強度分布を示している。図３は、光ファイバ５１から出射される合成レーザ光としてのレーザ光３２の強度分布を示している。ｘ方向は、レーザ光軸に垂直な面上の任意の方向を示している。レーザ光１２とレーザ光２２とは、光ファイバ５１への入射光の集光角および光ファイバ５１の入射端面上ビーム半径のうちの少なくともいずれか一方が異なる状態で入射される。図１に示す例では、レーザ光２２の入射光の集光角がレーザ光１２の入射光の集光角以上であり、レーザ光２２の入射端面上ビーム半径がレーザ光１２の入射端面上ビーム半径以下であるとする。

光ファイバから出射されるレーザ光のビーム品質は、ビームパラメータプロダクト（Ｂｅａｍ Ｐａｒａｍｅｔｅｒ Ｐｒｏｄｕｃｔ）によって表される。以下では、ビームパラメータプロダクトをＢＰＰと記載する。ＢＰＰ＝出射端面上ビーム半径×出射光の発散半角（ｍｍ・ｍｒａｄ）で表される。すなわち、ＢＰＰは光ファイバの出射端面上ビーム半径と出射光の発散半角との積である。

ＢＰＰの値が小さいほどビーム品質が良い、すなわち集光性が高い状態を表す。レーザ光の光ファイバへの入射においては、ファイバ導光によるビーム品質の劣化を最小限に抑えるために、ファイバへの入射時にはできるだけ小さい集光角で、かつ光ファイバのコア半径と、入射端面におけるビーム半径である入射端面上ビーム半径とが一致するように入射されるのが一般的である。また複数のレーザ光を同時に結合する場合には、各レーザ光同士で、入射光の集光角と入射端面上ビーム半径の両方をできるだけ一致させて入射するのが一般的であり、このときにファイバ出射光のビーム品質が最も良好となる。

これに対して本実施の形態においては、上述の通り、異なる集光角又はビーム半径を有する２つのレーザ光１２，２２を光ファイバ５１に入射することで、ビーム品質の変調を行う。上述の入射条件の場合には、光ファイバ５１から出射されるレーザ光のうち、レーザ光１２に起因する成分とレーザ光２２に起因する成分とを比較すると、レーザ光２２に起因する成分のＢＰＰが、レーザ光１２に起因する成分のＢＰＰに対して同一又は大きくなる。実際には、レーザ光１２に起因する成分とレーザ光２２に起因する成分は単一出射レーザ光３２として光ファイバ５１から出射され、光ファイバ５１からの出射レーザ光３２のビーム品質はレーザ光１２とレーザ光２２との強度比によって変調される。

本実施の形態においては、出力比制御部３１が２つのレーザ光１２，２２の出力比を制御することによって、光ファイバ５１からの出射光のビーム品質を変調する。出力比の制御方法としては、第１のレーザ光源１１および第２のレーザ光源２１への投入エネルギーを異ならせる方法、またはレーザ伝播光路中にエネルギーを減衰させる又は増幅させる素子を設置する方法等がある。

本実施の形態のレーザ加工装置１００１によれば、被加工物Ｗに入射されるレーザ光の集光スポット径を被加工物Ｗに応じて変調することができる。そのため、被加工物Ｗの厚さまたは材質に応じて適切な条件を選択してレーザ光を照射することが可能となる。

例えば、金属の板材を切断するレーザ加工においては、厚さ２ｍｍ以下の比較的薄い鉄板を切断する場合には、被加工物Ｗにレーザ光をスポット直径１００マイクロメートル程度で照射し、厚さ２０ｍｍ以上の比較的厚い板を切断する場合には、被加工物Ｗにレーザ光をスポット直径１２００マイクロメートル以上で照射することにより、それぞれ良好な加工品質が得られると仮定する。このような場合、レーザ加工装置において上述のようなビームスポット径変化を生じさせるためには、加工対象に向けてレーザ光を集光する加工ヘッドに可変倍率光学系を採用する方法がとられることがある。ただし、実際の製品においてはスポット径の可変倍率は１倍から４倍程度までとなっている場合が多く、４倍以上までの可変倍率を実現することは光学系設計の難易度、重量、サイズ、コスト等が過大となるため困難であるという課題があった。

一方で、レーザ加工性能の向上の観点からは、被加工物Ｗ上での集光スポット径を１００マイクロメートルから１２００マイクロメートル、すなわち１倍から１２倍程度まで変調できることが望ましい。このことから、倍率を１倍から４倍まで変調可能な可変倍率光学系と組み合わせる場合であっても、レーザ光のＢＰＰは３倍程度まで変調可能であることが望ましい。

ＢＰＰを３倍にするためには、光ファイバ５１への入射光の入射端面上ビーム半径を変化させずに入射光の集光角を３倍にする、又は光ファイバ５１への入射光の集光角を変化させずに入射端面上ビーム半径をコア５２の半径の１／３倍にする、又は入射光の集光角をＸ倍（１＜Ｘ＜３）に大きくしつつ入射端面上ビーム半径をコア５２の半径のＸ／３倍にする方法が考えられる。

また、レーザ加工における加工品質を制御するため、レーザ光のＢＰＰは、最低でも１０％程度ずつ変調されることが望ましい。このことから、レーザ光２２は、レーザ光１２に比べて１０％以上大きい入射角または１０％以上小さい入射端面上ビーム半径で、光ファイバ５１に入射されることが望ましい。

本実施の形態において、レーザ光１２とレーザ光２２とが同一波長である場合にはそれぞれが異なる偏光状態を有することが望ましく、レーザ光１２とレーザ光２２とが異なる波長である場合には偏光状態は異なっていても同一であっても良い。

また、重畳されるレーザ光は、３つ以上であってもよい。

重畳光学系４１は例えば、それぞれのレーザ光の偏光状態が異なる場合には、図４に例示したように、偏光ビームスプリッタ４２を備え、異なる偏光を有する２つのレーザ光を同軸重畳するように構成され得る。またそれぞれのレーザ光の波長が異なる場合には、図５に例示したように、回折格子４３を備え、又はダイクロイックフィルターなどの波長選択素子を備え、異なる波長を有する複数のレーザ光を同軸重畳するように構成され得る。これらのほかにも、本実施の形態には、複数のレーザ光を重畳する様々な方法が適用され得る。

本実施の形態と同様のビーム品質変調効果を得る技術としては、例えば特許文献１に示されるように、光ファイバの軸に対してレーザ光を傾斜させて入射する手法がある。この場合、ビーム品質変調のためには、ファイバの軸に対してレーザ光の伝播光路を変調する必要があり、そのためには光学素子または機械部品の位置調整が必要となる。光ファイバへのレーザ光入射においては、直径１００マイクロメートル程度のファイバコア部分に同じく直径１００マイクロメートル程度のレーザ光を精度よく照射することが必要とされるため、光学素子または機械部品の位置調整を行う手法を用いる場合には、位置決めを行う駆動部、調整後の位置安定性を担保する制御部等に、高精度な制御技術が必要となり、装置が高価となる傾向がある。一方で、本実施の形態で示した手法を用いる場合には、駆動部が存在しないために、比較的安価でかつ安定的に、ビーム品質の変調が実現可能である。

このように実施の形態１によれば、伝播特性が異なる複数のレーザ光の出力比を制御し、合波された複数のレーザ光を光ファイバに入射しているので、機械部品等の駆動を伴うことなくレーザ光のビーム品質を制御することが可能であり、比較的安価でかつ安定的に、ビーム品質の変調が実現可能である。

実施の形態２．
図６は、本発明の実施の形態２にかかるレーザ加工装置２００１の構成を示す模式図である。レーザ加工装置２００１は、実施の形態１に示したレーザ加工装置の構成要素に対し、ビームプロファイル検出部７１と、レーザ光８２を生成する第３のレーザ光源８１と、レーザ光９２を生成する第４のレーザ光源９１と、学習装置１００と、推論装置２００と、加工良否判定部３００とを追加している。本実施の形態においては、出力比制御部３１は、４つのレーザ光源１１，２１，８１，９１の出力の比率を制御する。

レーザ光１２，２２，８２，９２はそれぞれ異なる伝播特性を有し、重畳光学系４１はこれら４つのレーザ光を同軸重畳するように作用する。４つのレーザ光を同軸重畳するためには、偏光を用いた２ビーム結合と異なる波長での２波長結合を組み合わせても良いし、異なる４つの波長の光を波長結合しても良いし、その他の同軸重畳手法と組み合わせても良い。また、ここでいう伝播特性とは、共通の光学系で集光した時の集光角、またはスポット径、またはビームプロファイル、またはＢＰＰ、または波長のことを指す。

図７は、学習装置１００の内部構成図である。学習装置１００は、データ取得部１０１、モデル生成部１０２、及び学習済モデル記憶部１０３を備える。

データ取得部１０１は、レーザ加工装置２００１の出力比制御部３１から出力される出力比制御値と、ビームプロファイル検出部７１から出力されるビームプロファイルと、加工良否判定部３００から出力される加工良否情報を学習用データとして取得する。ここでいうビームプロファイルとは、被加工物Ｗに照射されるレーザ光のビームスポット径、強度分布、角度分布のいずれか１つ以上を含むデータを指す。

モデル生成部１０２は、データ取得部１０１から出力される出力比制御値、ビームプロファイル、及び加工良否情報の組み合わせに基づいて作成される学習用データに基づいて、良好な加工品質が得られる出力比制御値を学習する。すなわち、モデル生成部１０２は、レーザ加工装置２００１の出力比制御値、ビームプロファイル、及び加工良否情報から、良好な加工品質が得られる出力比制御値を推測する学習済モデルを生成する。ここで、学習用データは、出力比制御値、ビームプロファイル、及び加工良否情報を互いに関連付けたデータである。

なお、学習装置１００及び推論装置２００は、レーザ加工装置２００１において良好な加工品質が得られる出力比制御値を学習するために使用されるが、例えば、ネットワークを介してレーザ加工装置に接続され、このレーザ加工装置とは別個の装置であってもよい。また、学習装置及び推論装置は、レーザ加工装置に内蔵されていてもよい。さらに、学習装置及び推論装置は、クラウドサーバ上に存在していてもよい。

モデル生成部１０２が用いる学習アルゴリズムは教師あり学習、強化学習等の公知のアルゴリズムを用いることができる。一例として、ニューラルネットワークを適用した場合について説明する。モデル生成部１０２は、例えば、ニューラルネットワークモデルに従って、いわゆる教師あり学習により、良好な加工品質が得られる出力比制御値を学習する。ここで、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学習装置に与えることで、それらの学習用データにある特徴を学習し、入力から結果を推定するモデルをいう。

ニューラルネットワークは、複数のニューロンからなる入力層、複数のニューロンからなる中間層（隠れ層）、及び複数のニューロンからなる出力層で構成される。中間層は、１層、又は２層以上でもよい。

例えば、図８に示すような３層のニューラルネットワークであれば、ニューラルネットワークは、３個のニューロンを有する入力層Ｘ１，Ｘ２，Ｘ３と、２個のニューロンを有する中間層Ｙ１，Ｙ２と、３個のニューロンを有する出力層Ｚ１，Ｚ２，Ｚ３とから構成される。入力層Ｘ１，Ｘ２，Ｘ３は、中間層Ｙ１，Ｙ２と接続されており、中間層Ｙ１，Ｙ２は、出力層Ｚ１，Ｚ２，Ｚ３と接続されている。なお、図８では、中間層が１層である例を示したが、２層以上の中間層を設けてもよい。

複数の入力が入力層Ｘ１，Ｘ２，Ｘ３に入力されると、その値に重みｗ１１〜ｗ１６が掛けられて中間層（Ｙ１‐Ｙ２）に入力され、その結果にさらに重みｗ２１〜ｗ２６が掛けられて出力層（Ｚ１‐Ｚ３）から出力される。この出力結果は、重みｗ１１〜ｗ１６，ｗ２１〜ｗ２６の値によって変わる。

本願において、ニューラルネットワークは、データ取得部１０１によって取得される出力比制御値、ビームプロファイル、及び加工良否情報の組合せに基づいて作成される学習用データに従って、いわゆる教師あり学習により、良好な加工品質が得られる出力比制御値を学習する。

すなわち、ニューラルネットワークは、入力層に出力比制御値及びビームプロファイルを入力して出力層から出力された結果が、良好な加工品質に近づくように重みｗ１１〜ｗ１６およびｗ２１〜ｗ２６を調整することで学習する。

モデル生成部１０２は、以上のような学習を実行することで学習済モデルを生成し、出力する。

学習済モデル記憶部１０３は、モデル生成部１０２から出力された学習済モデルを記憶する。

次に、図９を用いて、学習装置１００の学習処理について説明する。図９は学習装置１００の学習処理に関する工程図である。

ステップｂ１において、データ取得部１０１は出力比制御値、ビームプロファイル、及び加工良否情報を取得する。なお、出力比制御値、ビームプロファイル、及び加工良否情報を同時に取得するものとしたが、出力比制御値、ビームプロファイル、加工良否情報を関連づけて入力できれば良く、出力比制御値、ビームプロファイル、及び加工良否情報のデータをそれぞれ別のタイミングで取得しても良い。

ステップｂ２において、モデル生成部１０２は、データ取得部１０１によって取得される出力比制御値、ビームプロファイル、及び加工良否情報の組合せに基づいて作成される学習用データに従って、いわゆる教師あり学習により、良好な加工品質が得られる出力比制御値を学習し、学習済モデルを生成する。

ステップｂ３において、学習済モデル記憶部１０３は、モデル生成部１０２が生成した学習済モデルを記憶する。

図１０は推論装置２００の内部構成を示す図である。推論装置２００は、データ取得部２０１、推論部２０２を備える。

データ取得部２０１は、出力比制御値及びビームプロファイルを取得する。

推論部２０２は、学習済モデルを利用して得られる良好な加工品質が得られる出力比制御値を推論する。すなわち、この学習済モデルにデータ取得部２０１で取得した出力比制御値及びビームプロファイルを入力することで、出力比制御値及びビームプロファイルから推論される良好な加工品質が得られる出力比制御値を出力することができる。

なお、本実施の形態では、レーザ加工装置２００１のモデル生成部１０２で学習した学習済モデルを用いて良好な加工品質が得られる出力比制御値を出力するものとして説明したが、他のレーザ加工装置等の外部から学習済モデルを取得し、この学習済モデルに基づいて良好な加工品質が得られる出力比制御値を出力するようにしてもよい。

次に、図１１を用いて、推論装置２００を使って良好な加工品質が得られる出力比制御値を得るための処理を説明する。

ステップｃ１において、データ取得部２０１は、出力比制御値及びビームプロファイルを取得する。

ステップｃ２において、推論部２０２は、学習済モデル記憶部１０３に記憶された学習済モデルに出力比制御値及びビームプロファイルを入力し、良好な加工品質が得られる出力比制御値を得る。

ステップｃ３において、推論部２０２は、学習済モデルにより得られた良好な加工品質が得られる出力比制御値をレーザ加工装置に出力する。

ステップｃ４において、レーザ加工装置２００１は、出力された良好な加工品質が得られる出力比制御値を用いて、レーザ光１２，２２，８２，９２の出力比を調整し、加工を行う。これにより、良好な加工品質を得ることができる。

なお、本実施の形態では、モデル生成部１０２が用いる学習アルゴリズムに教師あり学習を適用した場合について説明したが、これに限られるものではない。学習アルゴリズムについては、教師あり学習以外にも、強化学習、又は半教師あり学習等を適用することも可能である。

また、モデル生成部１０２は、複数のレーザ加工装置に対して作成される学習用データに従って、良好な加工品質が得られる出力比制御値を学習するようにしてもよい。なお、モデル生成部１０２は、同一のエリアで使用される複数のレーザ加工装置から学習用データを取得してもよいし、異なるエリアで独立して動作する複数のレーザ加工装置から収集される学習用データを利用して良好な加工品質が得られる出力比制御値を学習してもよい。また、学習用データを収集するレーザ加工装置を途中で対象に追加したり、対象から除去したりすることも可能である。さらに、あるレーザ加工装置に関して良好な加工品質が得られる出力比制御値を学習した学習装置を、これとは別のレーザ加工装置に適用し、当該別のレーザ加工装置に関して良好な加工品質が得られる出力比制御値を再学習して更新するようにしてもよい。

また、モデル生成部１０２に用いられる学習アルゴリズムとしては、特徴量そのものの抽出を学習する、深層学習（Ｄｅｅｐ Ｌｅａｒｎｉｎｇ）を用いることもでき、他の公知の方法、例えば遺伝的プログラミング、機能論理プログラミング、サポートベクターマシンなどに従って機械学習を実行してもよい。

また、本実施の形態においては、４つのレーザ光の出力比を調整する例を示したが、実際には２つ以上の任意の数の、それぞれ伝播特性の異なるレーザ光を用いる場合に適用可能である。

また、本実施の形態においては、取得データの一つとしてビームプロファイルを例示したが、ビームプロファイルの代わりに被加工物の加工後形状、加工中に生じる音信号、または光信号などを取得して用いてもよい。

また、上で例示した取得データに加えて被加工物の材質または厚さのデータを取得して学習することにより、推論の精度を向上することも可能である。

実施の形態２によれば、良好な加工品質が得られる出力比を学習し、学習された出力比に基づいて出力比を制御しているので、良好な加工品質での加工を実現することが可能となる。

以上の実施の形態に示した構成は、本開示の内容の一例を示すものであり、別の公知の技術と組み合わせることも可能である。また、本開示の要旨を逸脱しない範囲で、構成の一部を省略又は変更することも可能である。

１１ 第１のレーザ光源、１２ 第１のレーザ光、２１ 第２のレーザ光源、２２ 第２のレーザ光、３１ 出力比制御部、３２ 出射レーザ光、４１ 重畳光学系、４２ 偏光ビームスプリッタ、４３ 回折格子、５１ 光ファイバ、５２ コア、５３ クラッド、６１ 集光光学系、７１ ビームプロファイル検出部、８１ 第３のレーザ光源、８２，９２ レーザ光、９１ 第４のレーザ光源、１００ 学習装置、１０１ データ取得部、１０２ モデル生成部、１０３ 学習済モデル記憶部、２００ 推論装置、２０１ データ取得部、２０２ 推論部、３００ 加工良否判定部、１００１，２００１ レーザ加工装置、Ｗ 被加工物。

Claims (12)

1. 第１のレーザ光を発生する第１のレーザ光源と、
   前記第１のレーザ光と異なる伝播特性を有する第２のレーザ光を発生する第２のレーザ光源と、
   前記第１のレーザ光の出力と前記第２のレーザ光の出力との比率である出力比を変化させる出力比制御部と、
   前記第１のレーザ光と前記第２のレーザ光とを合波する合波光学系と、
   コア及びクラッドを有し前記合波光学系を通過した前記第１のレーザ光及び前記第２のレーザ光が入射される入射口と、前記第１のレーザ光及び前記第２のレーザ光が出射される出射口とを有し、前記出射口における前記第１のレーザ光と前記第２のレーザ光とが合成されたレーザ光である合成レーザ光のビーム伝播特性が前記出力比に依存して変化する光ファイバと、
   前記光ファイバからの出射光を被加工物上に集光して加工を行う集光光学系と、
   を備え、
   前記伝播特性は、前記光ファイバへの入射光の集光角およびビーム半径である
   ことを特徴とするレーザ加工装置。
2. 前記合成レーザ光の変調可能なビームパラメータプロダクトの値の上限値は少なくとも下限値の３倍である
   ことを特徴とする請求項１に記載のレーザ加工装置。
3. 前記光ファイバからの出射光が前記被加工物上に集光されるスポット直径が少なくとも１００マイクロメートルから１２００マイクロメートルまでの範囲で調整可能である
   ことを特徴とする請求項１または２に記載のレーザ加工装置。
4. 前記合波光学系は、
   前記第１のレーザ光と前記第２のレーザ光とを同軸重畳する
   ことを特徴とする請求項１から請求項３のいずれか一項に記載のレーザ加工装置。
5. 前記第１のレーザ光と前記第２のレーザ光とは、前記光ファイバに対して異なる入射角で入射し、
   第２のレーザ光の入射角が第１のレーザ光の入射角に比べて１０パーセント以上大きい
   ことを特徴とする請求項１から請求項４のいずれか一項に記載のレーザ加工装置。
6. 前記第１のレーザ光と前記第２のレーザ光とは、
   前記光ファイバに対して異なるビーム径で入射し、
   第２のレーザ光の入射ビーム径が第１のレーザ光の入射ビーム径に比べて１０パーセント以上小さい
   ことを特徴とする請求項１から５のいずれか一項に記載のレーザ加工装置。
7. 前記光ファイバは、
   単一のコアと単一のクラッドを有する
   ことを特徴とする請求項１から６のいずれか一項に記載のレーザ加工装置。
8. 前記合波光学系は、
   前記第１のレーザ光と前記第２のレーザ光とを偏光選択素子により偏光結合する
   ことを特徴とする請求項１から７のいずれか一項に記載のレーザ加工装置。
9. 前記第１のレーザ光と前記第２のレーザ光とが同一波長を有する
   ことを特徴とする請求項１から８のいずれか一項に記載のレーザ加工装置。
10. 前記合波光学系は、
    前記第１のレーザ光と前記第２のレーザ光とを波長選択素子により重畳する
    ことを特徴とする請求項１から７のいずれか一項に記載のレーザ加工装置。
11. 前記出力比制御部から出力される出力比制御値と、前記集光光学系を通過後のレーザ光のビームプロファイルと、加工結果の良否情報とを含む学習用データを取得するデータ取得部と、
    前記学習用データを用いて前記良否情報が良となる出力比制御値を推測するための学習済モデルを生成するモデル生成部と、
    を有する学習装置を備える
    ことを特徴とする請求項１から１０のいずれか一項に記載のレーザ加工装置。
12. 前記出力比制御部から出力される出力比制御値と、前記集光光学系を通過後のレーザ光のビームプロファイルを取得するデータ取得部と、
    加工良否情報を取得する加工良否判定部と、
    前記出力比制御値、前記ビームプロファイル、及び前記加工良否情報から、前記加工良否情報が良となる出力比制御値を推定するための機械学習により作成された学習済モデルを用いて、前記データ取得部から入力された前記出力比制御値、前記ビームプロファイルから前記加工良否情報が良となる出力比制御値を出力する推論部と、
    を有する推論装置を備える
    ことを特徴とする請求項１から１１のいずれか一項に記載のレーザ加工装置。

Images