[发明专利]机器学习装置、AM装置、机器学习方法及学习模型的生成方法

权利要求书

1.一种机器学习装置，用于对决定AM装置中的造型条件的情况进行机器学习，其特征在于，

所述机器学习装置取得状态变量，该状态变量包括与造型中的造型相关的物理量和所述造型条件，

所述造型条件包括射束的强度、材料上的射束的尺寸、射束的扫描速度、射束的照射角度、射束的焦点偏移量、射束的焦距、材料的特性、材料的铺设条件、保护气体量以及射束的重叠量中的至少一个，

所述物理量包括由拍摄部拍摄到的造型部位的拍摄数据、通过对该拍摄数据进行处理而得到的造型部外观、射束源的电流波形、射束源的电压波形、射束的能量、造型腔室内的壁面温度、凝固部的厚度、造型焊道宽度、氧浓度以及溅射产生量中的至少一个，

所述机器学习装置基于所述状态变量，进行用于决定所述造型条件的学习模型的学习及所述造型条件的决定。

2.根据权利要求1所述的机器学习装置，其特征在于，

所述机器学习装置具有基于所述状态变量来计算评价值的评价值计算部和基于所述评价值来进行所述学习模型的学习的学习部。

3.根据权利要求2所述的机器学习装置，其特征在于，

所述机器学习装置基于所述状态变量来算出造型结果对于形状指令的追随度和造型所花费的时间，

所述追随度越高及所述时间越短，所述评价值计算部赋予越高的评价值。

4.根据权利要求2或3所述的机器学习装置，其特征在于，

所述评价值计算部满足如下情况中的至少一个：

所述物理量的稳定度越高则赋予越高的评价值；

所述AM装置的控制指令和与该控制指令对应的所述物理量的偏差越小则赋予越高的评价值；

针对所述AM装置的控制指令的响应时间越短则赋予越高的评价值；

所述溅射产生量越小则赋予越高的评价值；

所述AM装置中的能量消耗量越小则赋予越高的评价值。

5.根据权利要求1至4中任一项所述的机器学习装置，其特征在于，

所述材料的铺设条件包括材料的铺设厚度和在材料的铺设时作用的压力中的至少一个。

6.根据权利要求1至5中任一项所述的机器学习装置，其特征在于，

所述射束的强度包括射束源的电流、射束源的电压以及射束的能量中的至少一个。

7.根据权利要求1至6中任一项所述的机器学习装置，其特征在于，

所述材料上的射束的尺寸包括射束的沿着扫描方向的尺寸和射束的与扫描方向垂直的尺寸中的至少一个。

8.根据权利要求1至7中任一项所述的机器学习装置，其特征在于，

所述材料的特性包括密度、比热以及热传导率中的至少一个。

9.根据权利要求1至8中任一项所述的机器学习装置，其特征在于，

进行所述学习模型的学习，由此以使材料的表面温度成为熔点+2％～10％的温度的方式决定所述造型条件。

10.根据权利要求1至9中任一项所述的机器学习装置，其特征在于，

所述机器学习装置构成为能够输出所述AM装置的维护时刻，

基于所述状态变量，进行用于算出所述维护时刻的学习模型的学习及所述维护时刻的算出。

11.根据权利要求10所述的机器学习装置，其特征在于，

所述物理量包括造型腔室内的壁面温度和所述AM装置的机构系统的驱动转矩中的至少一个。

12.一种AM装置，其特征在于，

所述AM装置具备权利要求1至11中任一项所述的机器学习装置，

基于从所述机器学习装置输出的造型条件对造型物进行造型。