机器学习装置、激光装置以及机器学习方法制造方法及图纸

提供机器学习装置、激光装置以及机器学习方法。用于学习LD单元驱动条件数据的机器学习装置包括：状态量观测部，观测包括来自激光的光输出检测部、光输出特性记录部和驱动条件/状态量记录部的输出数据的激光装置的状态量，光输出特性记录部记录驱动电流和光输出特性的测定结果的历史，驱动条件/状态量记录部记录LD单元驱动条件数据的历史和激光装置的状态量的历史；动作结果获取部，获取LD单元的特性的预测结果和各LD单元的光输出特性的测定结果；学习部，将LD单元驱动条件数据与激光装置的状态量及LD单元驱动条件数据的结果相关联地学习；以及意思决定部，参照学习部的学习结果决定包括剩余寿命的预测结果的LD单元驱动条件数据。

Machine learning device, laser device, and machine learning method

A machine learning device, a laser device, and a machine learning method are provided. For the LD learning unit to drive the condition data of machine learning device includes: state observation, observation including the light output detection part, the light from the laser output characteristics and the state record amounts of output data of the recording laser device of the driving condition, the determination results of optical output characteristics the recording section records the driving current and output light the characteristics of the history of the driving condition / state recording section records the LD unit to drive the history and state of the laser device condition data amount of history; the result of the action of acquisition, the determination results of optical output characteristics prediction results of the characteristics of obtaining LD unit and the LD unit; learning department, will drive the state and the amount of LD unit LD unit condition data and laser device driving conditions of the data associated with learning; and decision, according to Ministry of learning learning results including residual Lifetime prediction results of LD cell drive condition data are presented.

【技术实现步骤摘要】
机器学习装置、激光装置以及机器学习方法
本专利技术涉及一种将大量的激光二极管(LD)作为激光光源或者用于激光振荡的激励光源的激光装置、学习这种激光装置的LD驱动条件的数据的机器学习装置以及机器学习方法。
技术介绍
在使用LD的高输出激光装置中，需要大量的LD。因此，准备多个包括一个以上的LD的激光二极管模块(LDM)。而且，通常来说激光装置具备包括多个LDM、能够独立驱动的多个激光二极管单元(LDU、LD单元)。在使用LD的激光装置中，掌握LD的剩余寿命的意义大，存在多个现有技术的文献。此外，剩余寿命表示寿命耗尽之前剩余的寿命。但是，剩余寿命有时根据LD的随后的驱动条件而发生变化。设本申请说明书中的剩余寿命表示在标准驱动条件下驱动激光装置的情况下的剩余寿命。例如，日本特开平8-279642号公报中公开了：“将用于发出特定的光输出的驱动电流值作为基准值，相对于该基准值将其n倍的驱动电流作为用于更换发光元件的劣化阈值电流，来预测上述发光元件的寿命”。并且，日本特开2005-294493号公报中公开了：“以使各激光振荡器的输出变为固定、且所述加工点的功率变为预先决定的规定功率的方式进行控制本文档来自技高网...

【技术保护点】
一种机器学习装置，用于学习激光装置的激光二极管单元驱动条件数据，所述激光装置具备多个包括一个以上的激光二极管模块的激光二极管单元、个别地向各激光二极管单元提供驱动电流的电源部、以及按每个所述激光二极管单元来独立地控制从所述电源部注入到各所述激光二极管单元的驱动电流的控制部，所述激光装置将来自多个所述激光二极管单元的激光作为激光光源或用于激光振荡的激励光源，经由激光光学系统来射出激光，所述激光二极管单元驱动条件数据包括向所述电源部指示的输出指令数据，所述机器学习装置的特征在于，具备：状态量观测部，其观测包括来自所述电源部、一个以上的光输出检测部、光输出特性记录部以及驱动条件/状态量记录部的输出数...

【技术特征摘要】
2016.03.10 JP 2016-0473241.一种机器学习装置，用于学习激光装置的激光二极管单元驱动条件数据，所述激光装置具备多个包括一个以上的激光二极管模块的激光二极管单元、个别地向各激光二极管单元提供驱动电流的电源部、以及按每个所述激光二极管单元来独立地控制从所述电源部注入到各所述激光二极管单元的驱动电流的控制部，所述激光装置将来自多个所述激光二极管单元的激光作为激光光源或用于激光振荡的激励光源，经由激光光学系统来射出激光，所述激光二极管单元驱动条件数据包括向所述电源部指示的输出指令数据，所述机器学习装置的特征在于，具备：状态量观测部，其观测包括来自所述电源部、一个以上的光输出检测部、光输出特性记录部以及驱动条件/状态量记录部的输出数据的所述激光装置的状态量，该一个以上的光输出检测部用于测定激光的光输出，该光输出特性记录部记录根据从所述电源部输出的驱动电流和所述光输出求出的各所述激光二极管单元的光输出特性的测定结果的历史，该驱动条件/状态量记录部记录所述激光装置的所述状态量的历史以及从所述机器学习装置输出的所述激光二极管单元驱动条件数据的历史，所述激光二极管单元驱动条件数据至少包括各激光二极管单元的剩余寿命的预测结果作为各所述激光二极管单元的特性的预测结果；动作结果获取部，其获取所述驱动条件/状态量记录部中记录的各所述激光二极管单元的特性的预测结果以及各所述激光二极管单元的光输出特性的测定结果，来作为所述激光二极管单元驱动条件数据的结果，各所述激光二极管单元的特性的预测结果至少包括各所述激光二极管单元的剩余寿命的预测结果；学习部，其接收来自所述状态量观测部的输出和来自所述动作结果获取部的输出，将至少包括剩余寿命的预测结果作为各所述激光二极管单元的特性的预测结果的所述激光二极管单元驱动条件数据与所述激光装置的所述状态量及所述激光二极管单元驱动条件数据的结果相关联地进行学习；以及意思决定部，其参照所述学习部的学习结果，来决定至少包括剩余寿命的所述预测结果作为各所述激光二极管单元的特性的预测结果的所述激光二极管单元驱动条件数据。2.根据权利要求1所述的机器学习装置，其特征在于，从所述机器学习装置输出并记录在所述驱动条件/状态量记录部中的所述激光二极管单元驱动条件数据还包括各所述激光二极管单元的光输出特性的预测结果作为各所述激光二极管单元的特性的预测结果，作为所述激光二极管单元驱动条件数据的结果由所述动作结果获取部获取的数据包括各所述激光二极管单元的光输出特性的预测结果，所述学习部将至少包括剩余寿命的预测结果和光输出特性的预测结果作为各所述激光二极管单元的特性的预测结果的所述激光二极管单元驱动条件数据与所述激光装置的所述状态量及所述激光二极管单元驱动条件数据的结果相关联地进行学习。3.根据权利要求1或2所述的机器学习装置，其特征在于，所述学习部具有如下功能：基于某个时间点下的各所述激光二极管单元的光输出特性、所述光输出特性记录部中记录的到所述某个时间点为止的各所述激光二极管单元的光输出特性的历史、以及所述驱动条件/状态量记录部中记录的到所述某个时间点为止的所述激光二极管单元驱动条件数据的历史和所述激光装置的所述状态量的历史，参照至少包括剩余寿命的预测结果作为各激光二极管单元的特性的预测结果的激光二极管单元驱动条件数据的学习结果，来估计所述某个时间点下的各所述激光二极管单元的剩余寿命。4.根据权利要求1～3中的任一项所述的机器学习装置，其特征在于，在输入到所述状态量观测部的所述激光装置的所述状态量中，包括如下输出数据中的至少一个输出数据：来自对各所述激光二极管单元以及与各所述激光二极管单元热连接的构件中的至少一方的温度进行检测的一个以上的温度检测部的输出数据；来自对用于冷却各所述激光二极管单元的制冷剂的温度进行检测的制冷剂温度检测部的输出数据；来自对各所述激光二极管单元的环境温度进行检测的环境温度检测部的输出数据；来自对所述制冷剂的流量进行检测的流量检测部的输出数据；以及来自对各所述激光二极管单元的环境湿度进行检测的湿度检测器的输出数据。5.根据权利要求1～4中的任一项所述的机器学习装置，其特征在于，所述学习部具有价值函数，该价值函数决定至少包括剩余寿命的预测结果作为各所述激光二极管单元的特性的预测结果的所述激光二极管单元驱动条件数据的价值，所述机器学习装置还具备报酬计算部，在从第一时间点到晚于第一时间点的第二时间点为止的期间作为向各激光二极管单元指示的所述激光二极管单元驱动条件数据的结果而预测或估计出的各所述激光二极管单元的剩余寿命中的、对所述第二时间点的预测结果与所述第二时间点的估计结果之间的差异小于规定的值或规定的比率的情况下，该报酬计算部根据差异或比率给予正的报酬，其中，对所述第二时间点的预测结果是以所述第一时间点下的估计结果为起点进行预测得到的，被记录在所述驱动条件/状态量记录部中，在所述剩余寿命的预测结果与估计结果之间的差异大于规定的值或规定的比率的情况下，该报酬计算部根据差异或比率的大小给予负的报酬，在所述激光二极管单元驱动条件数据包括光输出特性的预测结果作为各所述激光二极管单元的特性的预测结果的情况下，在从所述第一时间点到所述第二时间点为止的期间作为向各激光二极管单元指示的所述激光二极管单元驱动条件数据的结果而获取到的各所述激光二极管单元的光输出特性中的、对所述第二时间点下的预测结果与所述第二时间点下的测定结果之间的差异小于规定的值或规定的比率的情况下，该报酬计算部根据差异或比率给予正的报酬，其中，对所述第二时间点的预测结果是以所述第一时间点下的测定结果为起点进行预测得到的，被记录在所述驱动条件/状态量记录部中，在所述光输出特性的预测结果与测定结果之间的差异大于规定的值或规定的比率的情况下，该报酬计算部根据差异或比率给予负的报酬，所述机器学习装置还具备根据所述报酬来更新所述价值函数的价值函数更新部。6.根据权利要求1～4中的任一项所述的机器学习装置，其特征在于，所述学习部具有学习模型，该学习模型学习至少包括剩余寿命的预测结果作为各所述激光二极管单元的特性的预测结果的所述激光二极管单元驱动条件数据，所述机器学习装置还具备误差计算部，该误差计算部计算在从第一时间点到第二时间点为止的期间作为向各激光二极管单元指示的所述激光二极管单元驱动条件数据的结果而预测或估计出的各所述激光二极管单元的剩余寿命中的、对所述第二时间点的预测结果与所述第二时间点下的估计结果之间...

【专利技术属性】
技术研发人员：泷川宏，前田道德，
申请(专利权)人：发那科株式会社，
类型：发明
国别省市：日本,JP