用于监控激光加工过程的方法和系统、激光加工方法和激光加工系统技术方案

用于监控激光加工过程的方法和系统，所述方法包括下述步骤：将所述激光加工过程的至少一个过程信号数据组(31)输入到自动编码器(400)中，所述自动编码器通过深度神经网络形成；通过所述自动编码器产生经重建的过程信号数据组(51)；基于所述至少一个过程信号数据组(31)和所述至少一个经重建的过程信号数据组(51)确定重建误差；和基于所确定的重建误差探测所述激光加工过程的异常；以及包括所述方法的激光加工方法；和包括该系统的激光加工系统。统。统。

【技术实现步骤摘要】
用于监控激光加工过程的方法和系统、激光加工方法和激光加工系统


[0001]本专利技术涉及一种用于监控工件、尤其是金属工件上的激光加工过程的方法、一种激光加工方法、一种用于监控激光加工过程的系统和一种具有这种类型的系统的用于借助激光射束加工工件的激光加工系统。

技术介绍

[0002]在激光加工过程中，借助加工激光来加工工件、尤其是金属工件。所述加工可以包括例如激光切割、激光钎焊、激光熔焊和/或激光剥蚀。激光加工系统可以包括例如激光加工头。
[0003]通常，对激光加工过程进行质量控制。尤其是，在对工件进行激光熔焊或者激光钎焊时，检查加工结果、即所产生的连接的质量。用于在激光熔焊的情况下的过程监控和质量判断的当前解决方案通常包括“过程前监控系统(Pre
‑
Prozess
‑
)”、“过程中监控系统(In
‑
Prozess
‑
)”和“过程后监控系统(Post
‑
Prozess
‑
)”。过程前系统的任务是，探测接合间隙，以便将激光射束引导到适当的位置上并且求取接合配对件的错位。在大多数情况下，为此使用三角测量系统。过程中系统和过程后系统用于监控该过程并且保证所产生的连接的质量。过程中系统还用于控制或调节激光过程。
[0004]过程后监控通常用于质量监控，因为在此可以对由该激光加工过程产生的加工成果、例如成品的且经冷却的焊缝进行检验，并且可以根据适用的标准(例如SEL100)进行测量。过程后监控或过程后勘察需要大量的设备技术方面的花费。通常需要为过程后监控构建单独的测量单元(Messzelle)。过程中监控系统(也称为线上过程监控系统或者在线过程监控系统)通常设计用于检测由激光加工过程发射的辐射的至少一部分。
[0005]过程中处理理解为对直接在激光入射到待加工的工件上时产生的信号的处理。所述信号可以借助光电二极管、线型传感器、图像传感器或者多光谱传感器或高光谱传感器来记录。在每种情况下，从激光过程区中发射的电磁辐射用作数据处理的基础。数据可以在确定的波长范围内在时间上借助图像传感器以空间分辨的方式和/或借助二极管以非空间分辨的方式进行积分，和/或借助光谱仪在时间上以频率分辨的方式进行检测。其他数据，例如加工头中的激光功率，同样可以用于数据处理。通常，这种处理以过程的判断为目标。
[0006]典型的基于辐射强度曲线的异常探测方法由许多记录的信号曲线形成参考曲线。包络曲线围绕所述参考曲线。如果该过程期间的信号高于或低于包络曲线，则借助先前确定的误差标准触发误差。标准可以是例如该包络曲线上的信号的积分或者信号高于该包络曲线的频率。该方法的基础是，该过程始终保持相同。在交替的条件下的激光材料加工过程是难以监控的。此外，将不为质量负责的信号改变进行参数化是昂贵的。
[0007]在下游步骤中，可以由工人通过视觉检查或者借助另外的测量方法随机地求取质
量。由于以测量值的形式对焊缝提出材料科学家的要求，因此工人对工件上的焊缝进行检查，其方式是，工人求取所要求的物理参量，例如强度。在此，例如通过拉伸试验对所焊接的工件进行检查，并且在此求取以在焊缝撕裂时的、以牛顿为单位的拉力。在焊接接触部时，例如求取以西门子为单位的导电性，因为需要焊接接合部的确定的导电性。该下游的步骤增加周期时间，并且通常比自动化的过程中监控更贵且更费事，因此应尽可能避免。由工人通过视觉检查或者借助另外的测量方法随机地求取的质量特征可以借助离散化的或者连续的值来记载。
[0008]为了进行过程中质量监控，进一步提出一种方法，该方法基于所述经记载的值以及基于借助深度神经网络的学习方法。所述方法学会进入的信号曲线、图像和/或控制信号与预给定的值(可良好解读的质量特征)之间的尽可能一般化的关联。在连续的值的情况下使用回归器，在离散化的值的情况下使用分类器。然后，由过程中监控预测所学会的关联。在此，也可以对具有交替的条件的过程进行监控，因为质量特征已分配有一般化的信号曲线。此外，更容易对不为质量负责的信号改变进行过滤。
[0009]EP 3 736 645 A1描述一种用于材料加工过程或者激光加工过程的自动化控制的方法。该方法在闭合的调节回路中通过控制单元来控制，该控制单元计算校正输出信号并且控制能量产生单元、能量释放单元、能量释放输出测量和用于测量实际加工结果的材料
‑
能量相互作用测量单元。将实际加工结果提供给该控制单元。所产生的导致期望加工结果的校正输出信号通过控制单元输出端提供给能量产生单元和能量释放单元。通过机器学习方法实施校正输出信号的计算。该方法包括：在控制单元的存储器中存储测量的时间序列、期望的处理结果和校正输出信号，通过在观察子单元中比较校正输出信号的时间序列和测量的时间序列基于机器学习技术进行分析，并且将校正输出信号以生产条件的形式发送给能量释放控制子单元和/或第二能量释放控制子单元。
[0010]DE 10 2018 129 441 A1涉及借助深度卷积神经网络对激光加工过程的监控，并且描述一种用于监控用于加工工件的激光加工过程的系统，所述系统包括：计算单元，该计算单元设置用于基于激光加工过程的当前数据确定输入张量并且基于该输入张量借助传递函数确定包含关于当前加工结果的信息的输出张量，其中，输入张量与输出张量之间的传递函数由学习神经网络形成。

技术实现思路

[0011]在基于借助深度神经网络的学习方法的质量监控中，通常不可能熟练掌握一个过程的所有可能的误差类型。此外，应用者通常想要借助尽可能少量的误差示例来监控质量。在未知的误差类型或者外插法的情况下分类器或者回归器的行为通常是不可预测的。结果可能强烈偏离于预期的预测，并且导致错误解读。大型外插法可能例如在回归时导致，用与实际的良好焊接(过程/制品“合格”)相似的值来评价明显的异常值(过程/制品，其其实是“不合格”的)。此外，借助深度神经网络进行的回归或者分类的结果只能够借助附加的方法来解释，所述方法通常在分析处理方面是复杂的。用户在不使用附加的方法的情况下不能够识别到算法的决策是如何产生的。
[0012]本专利技术的任务在于，提供一种用于借助神经网络监控激光加工过程的方法，该方法允许在出现激光加工过程的异常时进行探测，并且在该方法中，需要有误差的加工的尽
可能少量的示例来训练该神经网络。
[0013]本专利技术的另一任务在于，提供一种借助神经网络监控激光加工过程的方法，该方法允许确定激光加工过程的质量特征并且附加地检查所确定的质量特征的可信度。在此，值得期望的是，通过可信度检查实现对质量特征的确定的正确性的附加的保障，即使出现在训练神经网络时没有考虑到的有误差的加工或者误差类型。尤其值得期望的是，需要有误差的加工的尽可能少量的示例来训练该神经网络。
[0014]所述任务中的一个或者多个通过根据本专利技术的用于监控激光加工过程的方法和用于监控激光加工过程的系统、激光加工方法和激光加工系统来解决。
[0015]根据本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于监控激光加工过程的方法，所述方法包括下述步骤：
‑
将所述激光加工过程的至少一个过程信号数据组(31)输入(S20)到自动编码器(400)中，所述自动编码器通过深度神经网络形成；
‑
通过所述自动编码器(400)产生(S40)经重建的过程信号数据组(51)；
‑
基于所述至少一个过程信号数据组(31)和所述至少一个经重建的过程信号数据组(51)确定(S50)重建误差；和
‑
基于所确定的重建误差探测(S60)所述激光加工过程的异常。2.根据权利要求1所述的方法，所述方法还包括：测量(S10)所述过程信号数据组(31)的过程信号的至少一部分，和/或由控制装置(140)传送所述过程信号数据组(31)的过程信号的至少一部分。3.根据上述权利要求中任一项所述的方法，所述方法进一步包括下述步骤：
‑
确定(S70)所述激光加工过程的质量特征(x)；和
‑
如果在探测(S60)所述激光加工过程的异常的步骤中没有探测到异常，则将所述质量特征(x)评价(S80)为有效；和
‑
如果在探测(S60)所述激光加工过程的异常的步骤中探测到异常，则将所确定的质量特征(x)评价(S90)为无效。4.根据权利要求3所述的方法，其中，在确定(S70)所述激光加工过程的质量特征(x)的步骤中，通过由神经网络形成的回归器(600)确定用于所述质量特征(x)的值，和/或其中，在确定(S70)所述激光加工过程的质量特征(x)的步骤中，通过由神经网络形成的分类器(600)确定用于所述质量特征(x)的分类值。5.根据权利要求4所述的方法，其中，所述回归器(600)和所述分类器(600)中的至少一个与所述自动编码器(400)具有共同的编码器(2)，和/或其中，所述回归器(600)和/或所述分类器(600)基于所述自动编码器(400)的编码器(2)的数据确定(S70)所述质量特征(x)。6.根据权利要求4所述的方法，其中，所述回归器(600)和所述分类器(600)中的至少一个与所述自动编码器(400)彼此并联，和/或其中，所述回归器(600)和/或所述分类器(600)基于所述至少一个过程信号数据组(31)确定(S70)所述质量特征(x)，和/或其中，所述回归器(600)和所述分类器(600)中的至少一个与所述自动编码器(400)具有共同的输入层(1)。7.根据权利要求4至6中任一项所述的方法，其中，借助相同的数据来训练所述回归器(600)和所述分类器(600)中的至少一个与所述自动编码器(400)。8.根据上述权利要求中任一项所述的方法，其中，确定(S50)重建误差的步骤包括：
‑
求取所述至少一个过程信号数据组(31)与所述至少一个经重建的过程信号数据组(5...

【专利技术属性】
技术研发人员：M，
申请(专利权)人：普雷茨特两合公司，
类型：发明
国别省市：