JP7141289B2 - 溶接電流波形調整量算出装置及び学習方法 - Google Patents

Description

本発明は、パルス溶接における溶接電流波形を調整する溶接電流波形調整量算出装置及び学習方法に関する。

ＭＩＧ溶接又はＭＡＧ溶接においてパルスアーク溶接法が用いられている。特許文献１には、溶滴移行形態を操作することによって、溶け込み部分の形状を制御するパルスアーク溶接装置が開示されている。当該パルスアーク溶接装置は、パルス電流のピーク電流、ピーク電流時間を調整することによって、溶滴移行形態を制御している。溶滴移行形態には、１パルス１ドロップ、１パルス複数ドロップ、複数パルス１ドロップ等の形態がある。溶滴移行形態は電磁ピンチ力の仕事量に依存しており、パルス電流のピーク電流及びピーク電流時間を調整することによって、溶滴移行形態を変化させることができる。一般的には、１パルス１ドロップの溶滴移行形態が望ましいとされている。

特開２０１５－１６４９１号公報

しかしながら、１パルス１ドロップの溶滴移行形態を実現するピーク電流、ピーク電流時間は溶接ワイヤの材質、ワイヤ径などにも依存し、種々の溶接条件毎に最適な溶接電流波形を決定する必要がある。また、最適な溶接電流波形は、必ずしも矩形波状とは限らない。
このような溶接電流波形の調整は手作業であるため、熟練を要し、調整に時間を要するという問題があった。また、チューニング作業者は、データロガーに表示される溶接電流波形、溶接音、溶接感覚等の官能評価によって、溶接電流波形の調整を行っていたため、チューニング作業者の感覚によって調整結果にバラツキが生ずるという問題があった。

本発明の目的は、１パルス１ドロップの溶滴移行形態が実現されるように、パルス溶接の溶接電流波形を自動で調整するための調整量データを算出することができる溶接電流波形調整量算出装置及び学習方法を提供することにある。

本態様に係る溶接電流波形調整量算出装置は、溶接ワイヤを用いたパルス溶接の溶接電流波形を調整するための調整量データを算出する溶接電流波形調整量算出装置であって、溶接ワイヤの溶滴移行形態が１パルス１ドロップで無い溶接工程中に溶接箇所を撮像して得られた動画データが入力された場合、溶接ワイヤの溶滴移行形態が１パルス１ドロップとなるように溶接電流波形を調整するための調整量データを算出して出力するように学習させた学習済みニューラルネットワークと、溶接工程中に溶接箇所を撮像して得られた動画データを取得する動画データ取得部とを備え、前記学習済みニューラルネットワークは、前記動画データ取得部にて取得した動画データが入力され、入力された該動画データに応じた調整量データを出力する。

本態様によれば、動画データ取得部は、パルス溶接中の溶接箇所を撮像して得た動画データを取得する。動画データは、溶接ワイヤの溶滴移行形態が１パルス１ドロップになっているか否か、溶滴移行形態を認識するための情報である。溶接電流波形が適切で無いと、溶滴移行形態は１パルス１ドロップとならず、溶接の品質が悪化する。例えば、１パルスに対して複数回の溶滴移行が発生した場合、短絡してスパッタが発生するおそれがある。逆に溶接電流波形を適切な形状に調整できれば、溶滴移行形態は１パルス１ドロップの状態となり、良好な溶接結果が得られる。
動画データ取得部にて取得された動画データが学習済みニューラルネットワークに入力されると、溶接電流波形を調整するための調整量データが出力される。溶接電流波形調整部から出力される調整量データは、溶接電流波形を変化させる情報であり、溶接電流波形の調整により、１パルス１ドロップとなっていない溶滴移行形態を、１パルス１ドロップの溶滴移行形態に修正することができる。動画データを用いて溶滴移行形態を認識して溶接電流波形を調整する構成であるため、溶接電流、溶接電圧、その他の溶接条件に基づく仕事量を演算して溶滴移行形態を制御する構成に比べて、より適切に溶接電流波形を調整することができる。

本態様に係る溶接電流波形調整量算出装置は、前記動画データ取得部は、複数パルス期間の動画データを取得する。

本態様によれば、動画データ取得部にて取得され、電流波形調整部に入力される動画データは、少なくとも複数パルス期間の動画データである。パルス溶接の溶接電流は、ベース電流から高い電流（ピーク電流）へ変化し、再びベース電流に戻る変化が繰り返される複数のパルス電流を有する。複数パルス期間は少なくともパルス電流が複数回表れる期間である。溶滴移行形態には、１パルス１ドロップ、１パルス複数ドロップ、複数パルス１ドロップ等の形態があるが、複数パルス期間は、少なくとも複数パルス１ドロップを識別可能な時間である。パルス電流が周期的である場合、複数パルス期間はパルス電流が表れる周期（パルス周期）の２倍以上の期間である。例えば、複数パルス期間は、パルス周期１０周期分の期間である。
本態様に係る動画データ取得部によって取得された動画データによれば、複数パルス期間の動画データにより、継続的な１パルス１ドロップの溶滴移行形態を認識することが可能となる。

本態様に係る溶接電流波形調整量算出装置は、溶接電流波形は指数関数的に溶接電流が増加及び減少するパルス波形であり、前記調整量データは、溶接電流の立ち上がり態様を定める時定数の増減量と、溶接電流のピーク電流値の増減量と、ピーク電流時間の増減量と、溶接電流の立ち下がり態様を定める時定数の増減量とを含む。

本態様によれば、溶接電流波形は指数関数的に立ち上がり、また立ち下がるパルス波形であり、電流波形調整部は溶接電流の立ち上がり態様を定める時定数、ピーク電流値、ピーク電流時間、溶接電流の立ち下がり態様を定める時定数等を増減させる調整量データを出力することによって、１パルス１ドロップの溶滴移行形態を実現する。本態様に係る溶接電流波形によれば、種々の溶接条件に対して汎用的に１パルス１ドロップの溶滴移行形態を実現することができる。

本態様に係る溶接電流波形調整量算出装置は、溶接工程中に検出して得られた溶接電流データを取得する溶接電流データ取得部を備え、前記学習済みニューラルネットワークは、前記動画データ取得部にて取得した動画データと、前記溶接電流データ取得部にて取得した溶接電流データとに基づいて、溶接ワイヤの溶滴移行形態が１パルス１ドロップとなるように溶接電流波形を調整するための前記調整量データを算出して出力する。

本態様によれば、溶接工程中に撮像して得た動画データと、溶接工程中に検出して得られた溶接電流データとが学習済みニューラルネットワークに入力される。電流波形調整部は、動画データ及び溶接電流データの双方が入力されるため、溶接電流の時間的変化と、溶滴移行の時間的変化の関係を認識し、溶接電流波形を調整するための調整量データを出力することができる。従って、動画データのみが電流波形調整部に入力される場合に比べて、より適切に溶接電流波形を調整し、１パルス１ドロップの溶滴移行形態を実現することができる。

本態様に係る溶接電流波形調整量算出装置は、溶接ワイヤの種類毎に前記調整量データの出力を学習させた複数の学習済みニューラルネットワークを備え、溶接ワイヤの種類を示す情報を含む溶接条件を取得する溶接条件取得部と、該溶接条件取得部にて取得した溶接ワイヤの種類を示す情報に基づいて、溶接電流の調整に用いる一の前記学習済みニューラルネットワークを選択する選択部とを備える。

本態様によれば、溶接条件取得部は、溶接ワイヤの種類を含む溶接条件を取得する。溶接電流波形の調整方法は、溶接ワイヤの種類毎に異なる傾向がある。そこで、選択部は、溶接ワイヤの種類毎に用意された複数の学習済みニューラルネットワークの中から、溶接条件取得部が取得した溶接条件に合致する学習済みニューラルネットワークを選択する。そして、電流波形調整部は、選択された一の学習済みニューラルネットワークを用いて溶接電流波形の調整を行う。溶接ワイヤの種類毎に溶接電流波形調整用の学習済みニューラルネットワークを備えることにより、より適切に１パルス１ドロップの溶滴移行形態を実現することができる。

本態様に係る学習方法は、溶接ワイヤを用いたパルス溶接の溶接電流波形を調整するための調整量データを算出するニューラルネットワークの学習方法であって、溶接ワイヤの溶滴移行形態が１パルス１ドロップで無い溶接工程中に溶接箇所を撮像して得られた動画データと、溶接ワイヤの溶滴移行形態が１パルス１ドロップとなるように溶接電流波形を調整するための調整量データとを収集し、収集された前記動画データ及び前記調整量データに基づいて、収集された前記動画データが前記ニューラルネットワークに入力された場合、該動画データに対応する前記調整量データが出力されるように前記ニューラルネットワークを学習させる。

本態様によれば、溶接ワイヤの溶滴移行形態が１パルス１ドロップで無い溶接工程中に溶接箇所を撮像して得られた動画データが入力された場合、溶接ワイヤの溶滴移行形態が１パルス１ドロップとなるように溶接電流波形を調整するための調整量データが出力されるようにニューラルネットワークを学習させることができる。

本態様に係る学習方法は、溶接ワイヤの溶滴移行形態が１パルス１ドロップである溶接工程中に溶接箇所を撮像して得られた動画データを収集し、溶滴移行形態が１パルス１ドロップである溶接工程中の動画データに基づいて、該動画データが前記ニューラルネットワークに入力された場合、溶接電流波形の調整が不要であることを示すデータが出力されるように前記ニューラルネットワークを学習させる。

本態様によれば、溶接ワイヤの溶滴移行形態が１パルス１ドロップである溶接工程中に溶接箇所を撮像して得られた動画データが入力された場合、溶接電流波形の調整が不要であることを示すデータが出力されるようにニューラルネットワークを学習させることができる。溶接電流波形の調整が不要であることを示すデータの内容及び形式は特に限定されるものでは無く、溶接電流波形の変更量がゼロであることを示す調整量データであっても良いし、溶接電流波形の調整の要否を示すデータであっても良い。

本発明によれば、１パルス１ドロップの溶滴移行形態が実現されるように、パルス溶接の溶接電流波形を自動で調整するための調整量データを算出することができる。

実施形態１に係るアーク溶接システムを示す模式図である。 実施形態１に係る溶接電流波形調整量算出装置を示すブロック図である。 実施形態１に係る溶接電流波形調整量算出装置を示す機能ブロック図である。 溶接電流波形及び調整量の一例を示す説明図である。 溶接電流波形及び調整量の一例を示す説明図である。 溶接電流波形及び調整量の一例を示す説明図である。 溶接電流波形及び調整量の一例を示す説明図である。 実施形態２に係る溶接電流波形調整量算出装置を示す模式図である。 電流波形調整部の機械学習方法を示すフローチャートである。 実施形態３に係る溶接電流波形調整量算出装置を示す模式図である。

以下、本発明をその実施形態を示す図面に基づいて詳述する。また、以下に記載する実施形態の少なくとも一部を任意に組み合わせてもよい。
（実施形態１）
図１は実施形態１に係るアーク溶接システムを示す模式図である。本実施形態に係るアーク溶接システムは、パルスアーク溶接機であり、溶接ロボット１、溶接電源２、溶接条件設定部３、撮像装置４及び溶接電流波形調整量算出装置５とを備える。

溶接ロボット１は、母材Ａのアーク溶接を自動で行うものである。溶接ロボット１は、床面の適宜箇所に固定される基部を備える。基部には、複数のアームが軸部を介して回動可能に連結しており、アームの先端部には溶接トーチ１１が保持されている。また、アームの適宜箇所にワイヤ送給装置１２が設けられている。各アームの連結部分にはモータが設けられており、モータの回転駆動力によって軸部を中心に各アームが回動する。モータの回転は図示しない制御装置によって制御されている。制御装置は、各アームを回動させることによって、母材Ａに対して溶接トーチ１１を上下前後左右に移動させることができる。また、各アームの連結部分には、アームの回動位置を示す信号を制御装置へ出力するエンコーダが設けられており、制御装置は、エンコーダから出力された信号に基づいて、溶接トーチ１１の位置を認識する。

溶接トーチ１１は、銅合金等の導電性材料からなり、溶接対象の母材Ａへ溶接ワイヤＷを案内すると共に、アークの発生に必要な溶接電流を供給する円筒形状のコンタクトチップを有する。溶接電流は溶接電源２から供給される。溶接ワイヤＷは、図示しないワイヤ供給源からワイヤ送給装置１２によって溶接トーチ１１に供給される。溶接ワイヤＷは、例えばソリッドワイヤであり、消耗電極として機能する。
コンタクトチップは、その内部を挿通する溶接ワイヤＷに接触し、溶接電流を溶接ワイヤＷに供給する。また、溶接トーチ１１は、コンタクトチップを囲繞する中空円筒形状をなし、先端の開口から母材Ａへシールドガスを噴射するノズルを有する。シールドガスは、アークによって溶融した母材Ａ及び溶接ワイヤＷの酸化を防止するためのものである。シールドガスは、例えば炭酸ガス、炭酸ガス及びアルゴンガスの混合ガス、アルゴン等の不活性ガス等である。シールドガスは溶接電源２から供給される。

溶接電源２は、電源部２１、ワイヤ送給制御部２２、シールドガス供給部２３及び検出部２４を備える。電源部２１は、給電ケーブルを介して、溶接トーチ１１のコンタクトチップ及び母材Ａに接続され、溶接電流としてパルス電流を供給する。ワイヤ送給制御部２２は、ワイヤ送給装置１２による溶接ワイヤＷの送給速度を制御する。溶接ワイヤＷの送給速度は溶接電流の値に対応している。シールドガス供給部２３は、シールドガスを溶接トーチ１１に供給する。検出部２４は、溶接工程中、アークを流れる溶接電流を検出する電流検出部、溶接トーチ１１及び母材Ａに印加される電圧を検出する電圧検出部を含む。電源部２１は、検出部２４にて検出された溶接電流及び溶接電圧に基づいて所要の電流波形を有する直流パルス電流を出力する電源回路、信号処理回路等を含む。また、溶接電源２は、溶接工程中の溶接状態を示す溶接モニタデータを溶接電流波形調整量算出装置５へ出力する。溶接モニタデータは、例えば、溶接工程中に検出された溶接電流又は溶接電圧を示す溶接電流データ又は溶接電圧データである。また溶接モニタデータとして、図示しないマイクで集音して得られる溶接音データを溶接電流波形調整量算出装置５へ出力しても良い。

撮像装置４は、溶接工程中、母材Ａの溶接箇所及び溶接ワイヤＷの先端部を撮像し、撮像して得た動画データを溶接電流波形調整量算出装置５へ出力する。当該動画データは少なくとも複数パルス期間の動画を含む。動画データは、溶滴移行形態を認識するための情報である。複数パルス期間は少なくともパルス電流が複数回表れる期間であり、複数パルス１ドロップを識別可能な時間である。例えば、複数パルス周期は、パルス周期１０周期分の期間である。

溶接条件設定部３は、ユーザによって選択又は入力された溶接条件及び溶接設定を溶接電源２へ出力する。溶接条件は、溶接ワイヤＷの種類、ワイヤ径、シールドガスの種類等の情報である。溶接設定は、溶接電圧及び溶接電流、溶接速度等の情報である。

溶接条件設定部３にて設置される溶接条件及び溶接設定は必ずしも最適なものでは無く、溶接電流波形については、溶滴移行形態が１パルス１ドロップとなるように、溶接電流波形調整量算出装置５によって調整される。

図２は実施形態１に係る溶接電流波形調整量算出装置５を示すブロック図である。溶接電流波形調整量算出装置５は、当該溶接電流波形調整量算出装置５の各構成部の動作を制御する制御部５０を備える。制御部５０には、入力部５０ａ、出力部５０ｂ及び記憶部５０ｃが接続されている。

記憶部５０ｃは、ハードディスク、ＥＥＰＲＯＭ（Electrically Erasable Programmable ROM）、フラッシュメモリ等の不揮発性メモリである。記憶部５０ｃは、１パルス１ドロップの溶滴移行形態が実現されるように、溶接電流波形を調整する処理を制御部５０に実行させるためのコンピュータプログラム５０ｄを記憶している。

制御部５０は、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）又はマルチコアＣＰＵ等のプロセッサ、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、入出力インタフェース等を有するコンピュータであり、インタフェースには、入力部５０ａ、出力部５０ｂ及び記憶部５０ｃが接続されている。制御部５０は、記憶部５０ｃが記憶するコンピュータプログラム５０ｄを実行することにより、１パルス１ドロップの溶滴移行形態を実現するための電流波形データを溶接電源２に出力する。具体的には、制御部５０は、１パルス１ドロップの溶滴移行形態となるように、溶接電流波形を調整するための調整量を示した調整量データを演算する。そして、制御部５０は、１パルス１ドロップの溶滴移行形態を実現するための電流波形データを出力部５０ｂから出力させる。

入力部５０ａは、溶接電源２及び撮像装置４に接続されている。入力部５０ａには、溶接電源２から出力された溶接モニタデータと、撮像装置４から出力された動画データが入力される。溶接モニタデータは、例えば溶接電流、溶接電圧、溶接音等を示す時系列データである。動画データは、溶接工程中、溶接箇所を撮像して得た時系列データである。

出力部５０ｂは、溶接電源２に接続されている。制御部５０は、１パルス１ドロップの溶滴移行形態を実現するために必要な、溶接電流波形の調整量を示した調整量データを溶接電源２へ出力する。

図３は実施形態１に係る溶接電流波形調整量算出装置５を示す機能ブロック図である。溶接電流波形調整量算出装置５は、機能ブロックとして、動画データ取得部５１ａと、溶接電流データ取得部５１ｂと、溶接条件取得部５１ｃと、電流波形調整部５２と、電流波形データ出力部５３とを備える。

動画データ取得部５１ａは、撮像装置４から出力される動画データを取得し、取得した動画データを電流波形調整部５２へ出力する。動画データ取得部５１ａは、少なくとも複数パルス期間以上の動画データを取得し、電流波形調整部５２へ出力すると良い。
なお、電流波形調整部５２に入力させる動画データは、時系列の画像データであるが、全ての画像データを入力しても良いし、一部を間引いて入力しても良い。また、実質的に動画データの情報を有していれば良く、時系列の画像データを１枚の静止画としてまとめたものを生成し、当該静止画データを電流波形調整部５２に入力させても良い。

溶接電流データ取得部５１ｂは、溶接電源２から出力される溶接電流データを取得し、取得した溶接電流データを電流波形調整部５２へ出力する。溶接電流データ取得部５１ｂは、動画データと同様の期間の溶接電流データを取得する。

電流波形調整部５２は、動画データ及び溶接電流データに基づいて、溶滴移行形態を認識し、１パルス１ドロップの溶滴移行形態となるように溶接電流波形を調整するための調整量データを出力する。電流波形調整部５２には、少なくとも複数パルス期間の動画データ及び溶接電流データが入力される。電流波形調整部５２は、例えば、動画データ及び溶接電流データが入力された場合、１パルス１ドロップの溶滴移行形態となるように溶接電流波形を調整するための調整量データを出力する学習済みニューラルネットワーク５２ａを備える。学習済みニューラルネットワーク５２ａは、動画データ及び溶接電流データが入力される入力層と、中間層と、調整量データを出力する出力層とを有する。また、学習済みニューラルネットワーク５２ａは、動画データを構成する時系列の画像データを処理するための図示しない畳み込み層及びプーリング層を入力層側に有する。なお、溶接電流データは、畳み込み層及びプーリング層を介さず、入力層に直接入力させると良い。また、学習済みニューラルネットワーク５２ａは、時系列の画像データ及び溶接電流データを処理すべく、再帰型ニューラルネットワークを中間層に有する。
電流波形調整部５２の学習済みニューラルネットワーク５２ａは、溶接ワイヤＷの溶滴移行形態が１パルス１ドロップで無い溶接工程中に溶接箇所を撮像して得られた動画データ及び溶接電流データ（入力データ）と、溶接ワイヤＷの溶滴移行形態が１パルス１ドロップとなるように溶接電流波形を調整するための調整量データ（教師データ）とを学習データとしてニューラルネットワークを学習させると良い。つまり、１パルス１ドロップで無い溶接工程中に撮像された動画データ及び電流データが入力された場合、当該溶接における溶滴移行形態を１パルス１ドロップにするための調整量データが出力されるようにニューラルネットワークを学習させると良い。学習用の動画データ、溶接電流データ及び調整量データは、熟練者が溶接電流波形を調整する作業をモニタリングすることによって取得すれば良い。
なお、学習済みニューラルネットワーク５２ａの中間層の層数、各層のニューロン数等、その構造は特に限定されるものでは無い。また、学習済みニューラルネットワーク５２ａの種類も特に限定されるものでは無い。

図４～図７は溶接電流波形及び調整量を示す説明図である。横軸は時間、縦軸は電流を示す。
図４は矩形状ないし台形状の溶接電流を示している。溶接電流波形が図４に示すような台形状である場合、電流波形調整部５２の学習済みニューラルネットワーク５２ａは、調整量データとして、パルス電流のピーク電流の増減量と、ピーク電流時間の増減量とを出力するように構成すると良い。ピーク電流時間は、溶接電流の立ち上がり完了後、立ち下がり開始までの時間、つまり電流値が最大となっている時間である。
なお、上記増減量に加え、又は上記増減量の全部若しくは一部に代えて、ベース電流からピーク電流への立ち上がり時間若しくは電流増加速度の増減量、ピーク電流からベース電流への立ち下がり時定数の増減量を出力するように、学習済みニューラルネットワーク５２ａを構成しても良い。
図５は、指数関数的に立ち上がり、一定時間ピーク電流を維持し、その後指数関数的に立ち下がるパルス状の溶接電流を示している。溶接電流波形が図５に示すようなパルス波形である場合、電流波形調整部５２の学習済みニューラルネットワーク５２ａは、調整量データとして、溶接電流の立ち上がり態様を定める時定数の増減量と、溶接電流のピーク電流値の増減量と、ピーク電流時間の増減量と、溶接電流の立ち下がり態様を定める時定数の増減量とを出力するように構成すると良い。
図６は、ピーク電流が２段階で変化するパルス状の溶接電流を示している。溶接電流波形が図６に示すようなパルス波形である場合、電流波形調整部５２の学習済みニューラルネットワーク５２ａは、調整量データとして、パルス電流の第１ピーク電流の増減量と、第２ピーク電流の増減量と、第１ピーク電流のピーク電流時間の増減量、第２ピーク電流の電流時間の増減量とを出力するように構成すると良い。第１ピーク電流時間は、溶接電流の立ち上がり完了後、第２ピーク電流への切り替え開始までの時間、つまり電流値が最大となっている時間である。第２ピーク電流は、第１ピーク電流から第２ピーク電流への切り替え完了後、立ち下がり開始までの時間、つまり第１ピーク電流に次いで電流値が最大となっている時間である。
なお、上記増減量に加え、又は上記増減量の全部若しくは一部に代えて、ベース電流から第１ピーク電流への立ち上がり時間若しくは電流増加速度の増減量、第１ピーク電流から第２ピーク電流への切替時間の増減量、又は第２ピーク電流からベース電流への立ち下がり時定数の増減量を出力するように、学習済みニューラルネットワーク５２ａを構成しても良い。
図７は、２段階の増加速度で電流が立ち上がり、その後指数関数的に立ち下がるパルス状の溶接電流を示している。溶接電流波形が図７に示すようなパルス波形である場合、電流波形調整部５２の学習済みニューラルネットワーク５２ａは、調整量データとして、前段の電流増加速度の増減量と、後段の電流増加速度の増減量と、立ち下がり時定数の増減量とを出力するように構成すると良い。後段の電流増加速度は、前段の電流増加速度に比べて小さい。
なお、上記増減量に加え、又は上記増減量の全部若しくは一部に代えて、前段の電流増加完了時の第１ピーク電流の増減量、後段の電流増加完了後の第２ピーク電流の増減量を出力するように、学習済みニューラルネットワーク５２ａを構成しても良い。

電流波形調整部５２は、図４～図７に示す溶接電流波形のいずれか一つを調整できるように構成しても良いし、複数種類の溶接電流波形を調整できるように構成しても良い。複数種類の溶接電流波形を調整する構成の場合、電流波形調整部５２は、溶接電流波形の種類毎に異なる学習済みニューラルネットワーク５２ａを備えても良いし、単一の学習済みニューラルネットワーク５２ａが溶接電流波形の種類を認識して、調整量データを算出して出力するように構成しても良い。なお、電流波形調整部５２は、溶接電流波形の種類を、溶接電流データに基づいて認識又は判定しても良いし、溶接条件取得部５１ｃが取得した溶接条件に基づいて認識又は判定しても良い。

溶接条件取得部５１ｃは、溶接条件設定部３から出力される溶接条件及び溶接設定を取得し、取得した溶接条件及び溶接設定を電流波形調整部５２へ出力する。

電流波形データ出力部５３は、電流波形調整部５２から出力された調整量データに基づいて、溶接電流波形を調整し、調整後の溶接電流波形を示す電流波形データを溶接電源２へ出力する。なお、電流波形データ出力部５３は、溶接電流波形を調整する際、溶接条件又は溶接設定、例えば溶接電流の平均値を考慮して溶接電流波形を調整すると良い。

溶接電源２は、溶接電流波形調整量算出装置５から出力された電流波形データを受信し、受信した電流波形データに基づいて、調整後の溶接電流波形となるように溶接電流を供給する。

以上のように構成された溶接電流波形調整量算出装置５を用意し、コンピュータプログラム５０ｄを実行させることによって、本実施形態１に係る溶接電流波形調整量算出方法を実行することができる。まず、溶接電流波形調整量算出装置５を溶接電源２に接続することによって、溶滴移行形態が１パルス１ドロップとなるように溶接電流波形を調整するための学習済みニューラルネットワーク５２ａを用意する。
そして、溶接電流波形調整量算出装置５は、動画データ取得部５１ａ及び溶接電流データ取得部５１ｂにて、溶接工程中に溶接箇所を撮像して得られた動画データと、溶接工程中に検出された溶接電流データを取得する。
次いで、溶接電流波形調整量算出装置５は、取得した動画データ及び溶接電流データを学習済みニューラルネットワーク５２ａに入力させることにより、溶接ワイヤＷの溶滴移行形態が１パルス１ドロップとなるように溶接電流波形を調整するための調整量データを出力させる。
次いで、溶接電流波形調整量算出装置５は、電流波形データ出力部５３にて、調整量データによって調整された電流波形データを溶接電源２に出力する。
以下、同様の処理が繰り返し実行され、溶滴移行形態が１パルス１ドロップになるまで溶接電流波形の調整が行われる。溶滴移行形態が１パルス１ドロップになった場合、電流波形調整部５２から出力される調整量データが示す調整量はゼロになり、溶接電流波形の調整が終了する。

このように構成された溶接電流波形調整量算出装置５によれば、１パルス１ドロップの溶滴移行形態が実現されるように、パルス溶接の溶接電流波形を自動で調整することができる。

また、少なくとも複数パルス期間の動画データ及び溶接電流データが電流波形調整部５２に入力されるため、学習済みニューラルネットワーク５２ａは、複数パルス期間の動画データにより、継続的な１パルス１ドロップの溶滴移行形態を認識することができる。もちろん、１パルス複数ドロップの溶滴移行形態も認識することができる。従って、電流波形調整部５２は、より確実に溶滴移行形態を認識し、溶接電流波形を調整するための調整量データを出力することができる。

更に、図４に示すような溶接電流はパルス波形のピーク電流値及びピーク電流時間を増減させる調整量データを出力することによって、１パルス１ドロップの溶滴移行形態を実現することができる。

更にまた、図５に示すような溶接電流波形の立ち上がり態様を定める時定数、ピーク電流値、ピーク電流時間、溶接電流の立ち下がり態様を定める時定数等を増減させる調整量データを出力することによって、１パルス１ドロップの溶滴移行形態を実現することができる。図５に示す溶接電流波形によれば、種々の溶接条件に対して汎用的に１パルス１ドロップの溶滴移行形態を実現することができる。
同様にして、図６又は図７に示すような溶接電流波形を適宜調整することによって、１パルス１ドロップの溶滴移行形態を実現することができる。

更にまた、本実施形態１では、動画データ及び溶接電流データの双方が学習済み電流波形調整部５２に入力されるため、学習済みニューラルネットワーク５２ａは、溶接電流の時間的変化と、溶滴移行の時間的変化の関係を認識し、溶接電流波形を調整するための調整量データを出力することができる。従って、動画データのみが電流波形調整部５２に入力される場合に比べて、より適切に溶接電流波形を調整し、１パルス１ドロップの溶滴移行形態を実現することができる。

更にまた、学習済みニューラルネットワーク５２ａを用いることにより、動画データから溶滴移行形態を認識し、調整量データを出力する構成であるため、溶滴移行形態を認識するための特徴量を具体的に定める必要は無く、動画データに基づく溶滴移行形態に応じた調整量データを出力することができる。

なお、本実施形態１では溶接電流波形調整量算出装置５が学習済みニューラルネットワーク５２ａを備える例を説明したが、電流波形調整部５２の学習済みニューラルネットワーク５２ａを規定する各種パラメータを、外部サーバからダウンロードし、更新するように構成しても良い。パラメータは、例えば、中間層の階層数、各層のニューロンの数、各ニューロンの重み係数、活性化関数の種類等を含む情報である。また、溶接電流波形調整量算出装置５は、ダウンロードした各種パラメータを、学習済みニューラルネットワーク５２ａに反映させることを許可するか否かを示すフラグを記憶し、フラグが許可を示した場合にダウンロードされたパラメータを用いて学習済みニューラルネットワーク５２ａを更新するように構成しても良い。
また、工場内に、溶接電流波形調整量算出装置５を備える溶接システムが複数設置されている場合、必要に応じて各溶接システムの溶接電流波形調整量算出装置５が上記パラメータを交換しても良い。
更に、溶接電流波形調整量算出装置５をクラウドサーバとして構成しても良い。溶接電源２又は制御装置は、当該サーバに溶接電流波形の調整を要求し、要求に応じてサーバから送信された調整量データを受信し、溶接電流波形を調整しても良い。
更にまた、溶接電流波形調整量算出装置５は溶接電源２に備えても良い。また、溶接電流波形調整量算出装置５は、溶接電流波形調整用の専用装置として実施しても良い。作業者は、溶接システムに当該専用装置を接続し、溶接電流波形を自動で調整することができる。
更にまた、本実施形態１では、動画データ及び溶接電流データを用いて、溶接電流波形を調整する例を説明したが、更に溶接音データ、その他の溶接モニタデータを用いて、溶接電流波形を調整するように構成しても良い。

更にまた、本実施形態１では、１個の学習済みニューラルネットワーク５２ａが溶滴移行形態の認識と、溶接電流波形の最適な調整量データを決定する処理を実行しているが、機能毎に異なるニューラルネットワークを備えても良い。例えば、溶滴移行形態を判定するニューラルネットワークと、溶滴移行形態に応じて調整量データを出力するニューラルネットワークとを備えるように構成しても良い。

（実施形態２）
図８は、実施形態２に係る溶接電流波形調整量算出装置２０５を示す模式図である。実施形態２に係る溶接電流波形調整量算出装置２０５は、更に調整量データ取得部５１ｄ、学習用データ蓄積部５５及び学習処理部５４を備える。

調整量データ取得部５１ｄは、動画データ取得部５１ａが取得した動画データに係る溶接が行われた際に熟練者が溶接電流波形の調整を行ったときの当該調整量を示す調整量データを取得し、取得した調整量データを学習用データ蓄積部５５に出力する。調整量データは、ある溶滴移行形態にあるときに熟練者が溶接電流波形をどのように調整するかを示した情報である。
動画データには、溶滴移行形態が１パルス１ドロップで無い溶接工程中に溶接箇所を撮像して得られたものと、溶滴移行形態が１パルス１ドロップである溶接工程中に溶接箇所を撮像して得られたものとがある。前者の場合、調整量データ取得部５１ｄは、溶接ワイヤＷの溶滴移行形態が１パルス１ドロップとなるように溶接電流波形を調整するための調整量を示した調整量データを取得することになる。後者の場合、調整量データ取得部５１ｄは、溶接電流波形の調整が不要であることを示す調整量データを取得することになる。

学習用データ蓄積部５５は、ハードディスク等の不揮発性記憶装置である。学習用データ蓄積部５５は、動画データ取得部５１ａ、溶接電流データ取得部５１ｂ、及び調整量データ取得部５１ｄにて取得ないし収集された動画データ、溶接電流データ及び調整量データを蓄積する。

学習処理部５４は、学習用データ蓄積部５５に蓄積された動画データ、溶接電流データ、調整量データに基づいて電流波形調整部５２のニューラルネットワークを学習させる。具体的には、学習処理部５４は、学習用データ蓄積部５５に蓄積された動画データ及び溶接電流データを未学習のニューラルネットワークに入力させる。そして、学習処理部５４は、当該ニューラルネットワークから出力される調整量と、当該動画データ及び溶接電流データに対応付けて学習用データ蓄積部５５に蓄積されていた調整量データとの差分を算出する。次いで、学習処理部５４は、当該差分が小さくなるように誤差拡散伝播法等のアルゴリズムを用いて、ニューラルネットワークの重み係数を変更する。学習処理部５４は、学習用データ蓄積部５５に蓄積された多量のデータを用いて上記学習処理を繰り返し実行することによって、ニューラルネットワークは収集された動画データが入力された場合に、該動画データに対応する調整量が出力されるようになる。

図９は、電流波形調整部５２の機械学習方法を示すフローチャートである。１パルス複数ドロップの動画データ、溶接電流データ及び溶接電流波形の調整方法を収集する（ステップＳ１１）。

また、複数パルス１ドロップの動画データ、溶接電流データ及び溶接電流波形の調整方法を収集する（ステップＳ１２）。

更に、１パルス１ドロップの動画データを収集する（ステップＳ１３）。当該動画データは、溶接電流波形の調整が不要な状態、つまり理想的な溶滴移行形態を示す情報である。なお説明の便宜上、上記収集処理をステップＳ１１～ステップＳ１３の流れで説明したが、各収集処理の順序は特に限定されるものでは無く、適宜のタイミングで実行させる。

そして、１パルス１ドロップの溶滴移行形態にないときの動画データ及び調整量と、１パルス１ドロップの溶滴移行形態にあるときの動画データ及び調整量＝０とを用いて、ニューラルネットワークを学習させる（ステップＳ１４）。動画データはニューラルネットワークに入力されるデータであり、調整量は教師データである。当該ニューラルネットワークは、ある動画データが入力された場合、当該動画データに対応する調整量が出力されるように学習を行う。

本実施形態２に係る学習方法によれば、溶接ワイヤＷの溶滴移行形態が１パルス１ドロップで無い溶接工程中に溶接箇所を撮像して得られた動画データが入力された場合、溶接ワイヤＷの溶滴移行形態が１パルス１ドロップとなるように溶接電流波形を調整するための調整量データが出力されるようにニューラルネットワークを学習させることができる。

また、溶接ワイヤＷの溶滴移行形態が１パルス１ドロップである溶接工程中に溶接箇所を撮像して得られた動画データが入力された場合、溶接電流波形の調整が不要であることを示すデータが出力されるようにニューラルネットワークを学習させることができる。

なお、本実施形態１では、溶接電流波形調整量算出装置２０５において電流波形調整部５２の機械学習を行う例を説明したが、溶接電流波形調整量算出装置２０５外のサーバでニューラルを学習させるように構成しても良い。当該サーバは、複数の溶接システムから動画データ、溶接電流データ及び調整量データを収集し、ニューラルネットワークを学習させ、各溶接システムの溶接電流波形調整量算出装置２０５へ学習済みニューラルネットワーク５２ａを規定する各種パラメータを配信するように構成しても良い。

（実施形態３）
図１０は、実施形態３に係る溶接電流波形調整量算出装置３０５を示す模式図である。実施形態３に係る溶接電流波形調整量算出装置３０５は、実施形態１と同様の構成である。電流波形調整部３５２の構成が異なる。

実施形態３に係る電流波形調整部３５２は、溶接ワイヤＷ毎に、溶接電流波形に応じた調整量データを算出して出力するように学習させた複数の学習済みニューラルネットワーク５２ａを備える。例えば、第１の種類の溶接ワイヤＷについて調整量データ出力の学習を行った第１ＮＮ（Neural Network）３５２ａ、第２の種類の溶接ワイヤＷについて調整量データ出力の学習を行った第２ＮＮ３５２ｂ、第３の種類の溶接ワイヤＷについて調整量データ出力の学習を行った第３ＮＮ３５２ｃ、第４の種類の溶接ワイヤＷについて調整量データ出力の学習を行った第４ＮＮ３５２ｄを備える。
また、電流波形調整部３５２は選択部３５２ｅを備える。電流波形調整部３５２は、溶接条件取得部５１ｃにて取得した溶接条件、特に溶接ワイヤＷの種類を示す情報を選択部３５２ｅに出力する。選択部３５２ｅは、当該情報に基づいて、溶接電流波形の調整に使用する学習済みニューラルネットワーク５２ａを選択する。電流波形調整部３５２は、選択部３５２ｅによって選択された学習済みニューラルネットワーク５２ａに動画データ及び溶接電流データを入力させ、調整量データを出力される。

実施形態３に係る溶接電流波形調整量算出装置３０５によれば、溶接ワイヤＷの種類毎に溶接電流波形調整用の学習済みニューラルネットワークである第１ＮＮ３５２ａ、第２ＮＮ３５２ｂ、第３ＮＮ３５２ｃ、第４ＮＮ３５２ｄ等を備えることにより、より適切に１パルス１ドロップの溶滴移行形態を実現することができる。

今回開示された実施形態はすべての点で例示であって、制限的なものではないと考えられるべきである。本発明の範囲は、上記した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。

１ 溶接ロボット
２ 溶接電源
３ 溶接条件設定部
４ 撮像装置
５ 溶接電流波形調整量算出装置
１１ 溶接トーチ
１２ ワイヤ送給装置
２１ 電源部
２２ ワイヤ送給制御部
２３ シールドガス供給部
２４ 検出部
５０ 制御部
５０ａ 入力部
５０ｂ 出力部
５０ｃ 記憶部
５０ｄ コンピュータプログラム
５１ａ 動画データ取得部
５１ｂ 溶接電流データ取得部
５１ｃ 溶接条件取得部
５１ｄ 調整量データ取得部
５２ 電流波形調整部
５２ａ 学習済みニューラルネットワーク
５３ 電流波形データ出力部
５４ 学習処理部
５５ 学習用データ蓄積部
３５２ａ 第１ＮＮ
３５２ｂ 第２ＮＮ
３５２ｃ 第３ＮＮ
３５２ｄ 第４ＮＮ
３５２ｅ 選択部
Ａ 母材
Ｗ 溶接ワイヤ

Claims (6)

1. 溶接ワイヤを用いたパルス溶接の溶接電流波形を調整するための調整量データを算出する溶接電流波形調整量算出装置であって、
   溶接ワイヤの溶滴移行形態が１パルス１ドロップで無い溶接工程中に溶接箇所を撮像して得られた動画データが入力された場合、溶接ワイヤの溶滴移行形態が１パルス１ドロップとなるように溶接電流波形を調整するための調整量データを算出して出力するように学習させた学習済みニューラルネットワークと、
   溶接工程中に溶接箇所を撮像して得られた動画データを取得する動画データ取得部と
   を備え、
   溶接電流波形はピーク電流が２段階で変化するパルス波形であり、
   前記調整量データは、
   パルス電流の第１ピーク電流の増減量と、第２ピーク電流の増減量と、第１ピーク電流のピーク電流時間の増減量と、第２ピーク電流の電流時間の増減量と、ベース電流から第１ピーク電流への立ち上がり時間又は電流増加速度の増減量と、第２ピーク電流からベース電流への立ち下がり時定数の増減量とを含み、
   前記学習済みニューラルネットワークは、
   前記動画データ取得部にて取得した動画データが入力され、入力された該動画データに応じた調整量データを出力する
   溶接電流波形調整量算出装置。
2. 前記動画データ取得部は、
   複数パルス期間の動画データを取得する
   請求項１に記載の溶接電流波形調整量算出装置。
3. 溶接工程中に検出して得られた溶接電流データを取得する溶接電流データ取得部を備え、
   前記学習済みニューラルネットワークは、
   前記動画データ取得部にて取得した動画データと、前記溶接電流データ取得部にて取得した溶接電流データとに基づいて、溶接ワイヤの溶滴移行形態が１パルス１ドロップとなるように溶接電流波形を調整するための前記調整量データを算出して出力する
   請求項１又は請求項２に記載の溶接電流波形調整量算出装置。
4. 溶接ワイヤの種類毎に前記調整量データの出力を学習させた複数の学習済みニューラルネットワークを備え、
   溶接ワイヤの種類を示す情報を含む溶接条件を取得する溶接条件取得部と、
   該溶接条件取得部にて取得した溶接ワイヤの種類を示す情報に基づいて、溶接電流の調整に用いる一の前記学習済みニューラルネットワークを選択する選択部と
   を備える請求項１～請求項３までのいずれか一項に記載の溶接電流波形調整量算出装置。
5. 溶接ワイヤを用いたパルス溶接の溶接電流波形を調整するための調整量データを算出するニューラルネットワークの学習方法であって、
   溶接電流波形はピーク電流が２段階で変化するパルス波形であり、前記調整量データは、パルス電流の第１ピーク電流の増減量と、第２ピーク電流の増減量と、第１ピーク電流のピーク電流時間の増減量、第２ピーク電流の電流時間の増減量と、ベース電流から第１ピーク電流への立ち上がり時間又は電流増加速度の増減量と、第２ピーク電流からベース電流への立ち下がり時定数の増減量とを含み、
   溶接ワイヤの溶滴移行形態が１パルス１ドロップで無い溶接工程中に溶接箇所を撮像して得られた動画データと、溶接ワイヤの溶滴移行形態が１パルス１ドロップとなるように溶接電流波形を調整するための調整量データとを収集し、
   収集された前記動画データ及び前記調整量データに基づいて、収集された前記動画データが前記ニューラルネットワークに入力された場合、該動画データに対応する前記調整量データが出力されるように前記ニューラルネットワークを学習させる学習方法。
6. 溶接ワイヤの溶滴移行形態が１パルス１ドロップである溶接工程中に溶接箇所を撮像して得られた動画データを収集し、
   溶滴移行形態が１パルス１ドロップである溶接工程中の動画データに基づいて、
   該動画データが前記ニューラルネットワークに入力された場合、溶接電流波形の調整が不要であることを示すデータが出力されるように前記ニューラルネットワークを学習させる
   請求項５に記載の学習方法。

Images