[发明专利]使用于激光加工系统的机器学习方法、模拟装置、激光加工系统以及程序

说明书

对激光加工途中的激光照射前后的加工部的加工程度、加工对象物的材质以及所照射的激光的参数进行学习。使用加工对象物的材质、表示对加工对象物进行了照射的激光的特性的激光参数、反映对加工对象物照射激光前后的加工部的与激光加工相伴的三维形状的前加工部数据以及后加工部数据，进行深度学习，得到第1关系来作为学习结果之一，该第1关系在将加工对象物的材质、前加工部数据、激光参数作为了输入数据时，将照射了输入数据涉及的激光之后的后加工部数据作为输出数据。

技术领域

本发明涉及使用于激光加工系统的机器学习方法、模拟(simulation)装置、激光加工系统以及程序。

背景技术

以往，作为这种与使用于激光加工系统的机器学习有关的技术，提出了一种机器学习装置，具备：状态量观测部，其对激光加工系统的状态量进行观测；动作结果取得部，其取得激光加工系统的加工结果；学习部，其接受来自状态量观测部的输出和来自动作结果取得部的输出，与激光加工系统的状态量和加工结果相关联地对激光加工条件数据进行学习；以及意思决定部，其参照学习部进行了学习后的激光加工条件数据来输出激光加工条件数据(例如参照专利文献1)。在该装置中，通过这样的机器学习，使得能够决定能获得最佳的加工结果的激光加工条件数据。

现有技术文献

专利文献1:日本特开2017－164801号公报

发明内容

发明要解决的技术问题

已知在激光加工中，如图13所示，从加工对象物除去的除去体积(烧蚀体积)相对于照射脉冲数非线性地增大，烧蚀体积相对于所照射的激光的能量密度(fluence，每单位面积的脉冲能量)也非线性地增大。因此，即使设定参数来对加工对象物照射激光，推测通过该激光的照射进行的烧蚀加工成为何种程度、为了对加工对象物实施特定的加工而如何设定激光的参数也是极为困难的。在上述的机器学习装置中，使得能够决定能获得最佳的加工结果的激光加工条件数据，但不过是与激光加工的结果的关系下的学习，没有进行与激光加工途中的激光照射前后的加工部的加工程度的关系下的学习。

本发明的使用于激光加工系统的机器学习方法的主要目的在于对激光加工途中的激光照射前后的加工部的加工程度、加工对象物的材质以及所照射的激光的参数进行学习。

本发明的使用于激光加工系统的模拟装置的主要目的在于进行使用了激光加工途中的激光照射前后的加工部的加工程度、加工对象物的材质以及所照射的激光的参数的学习结果的模拟。

本发明的激光加工系统的主要目的在于使激光加工的精度提高。

本发明的程序的主要目的在于使计算机作为如下的机器学习装置发挥功能，该机器学习装置对激光加工途中的激光照射前后的加工部的加工程度、加工对象物的材质以及所照射的激光的参数进行学习。

用于解决问题的技术方案

本发明的激光加工系统所使用的机器学习方法、模拟装置、激光加工系统以及程序为了达成上述主要目的而采用了以下的技术方案。

本发明的机器学习方法是使用于激光加工系统的机器学习方法，所述激光加工系统对加工对象物照射激光来进行烧蚀加工，所述机器学习方法的特征在于，

使用所述加工对象物的材质、表示对所述加工对象物进行了照射的激光的特性的激光参数、反映对所述加工对象物照射所述激光前后的加工部的与激光加工相伴的三维形状的前加工部数据以及后加工部数据来进行深度学习，得到第1关系来作为学习结果之一，所述第1关系在将加工对象物的材质、前加工部数据、激光参数作为了输入数据时，将照射了所述输入数据涉及的激光之后的后加工部数据作为输出数据。