在维持高的加工精度的状态下，使待机时间最小化来缩短加工时间。机器学习装置在激光加工机中进行用于对加工对象物的加工进行控制的至少包含激光扫描的待机时间的加工条件的机器学习，机器学习装置具备：行为输出部，其从多个加工条件中选择加工条件来作为行为，并向激光加工机输出行为；状态取得部，其取得对通过所述行为加工后的加工对象物的加工状态进行拍摄而得到的图像数据来作为状态信息；回报计算部，其至少根据所述激光扫描的待机时间以及基于所述状态取得部取得的状态信息而计算出的所述加工状态的加工精度来计算回报；学习部，其根据所述状态取得部取得的所述状态信息以及所述回报计算部计算出的所述回报来进行所述加工条件的机器学习。所述加工条件的机器学习。所述加工条件的机器学习。
【技术实现步骤摘要】
【国外来华专利技术】机器学习装置、控制装置以及机器学习方法
[0001]本专利技术涉及机器学习装置、控制装置以及机器学习方法。
技术介绍
[0002]由于制定近年来的可持续的开发目标(Sustainable Development Goals：SDGs)，在汽车、运输设备产业等中节能成为重要课题。因此，在汽车、运输设备产业等中，面向电动化、轻量化的对策正在加速。
[0003]例如，在实现轻量化的方面，CFRP(Carbon Fiber Reinforced Plastics：碳纤维增强塑料)由于轻量且强度高，因此研究作为适合轻量化的材料来使用。但是，CFRP在其特性上难以通过接触工具进行切断(热影响、原材料结构的破坏或剥离、工具磨损等)。因此，期待利用激光进行高速且高品质的加工。
[0004]已知使用超短脉冲激光(例如，脉冲宽度为飞秒(10
‑
15
)单位的飞秒脉冲激光等)的高品质加工、微细加工、烧蚀加工等抑制了热影响的CFRP切断技术(与远程切割相比热影响更小)。例如，参照专利文献1。
[0005]现有技术文献
[0006]专利文献
[0007]专利文献1：日本特开2017
‑
131956号公报
技术实现思路
[0008]专利技术所要解决的课题
[0009]然而，通过超短脉冲激光而抑制了热影响的切断加工在一次扫描中无法切断，因此反复进行多次扫描。此时，反复扫描同一部位，但为了避免由于对CFRP的热影响的增加而导致的加工精度降低，需要从上次的激光扫描开始隔开时间(待机)来进行扫描。由此，需要(扫描时间+待机时间)
×
重复次数的加工时间，生产效率降低。
[0010]因此，提出了通过选定最优的加工条件来间接地缩短扫描时间的技术，但尚未提出使待机时间最小化来缩短加工时间的技术。
[0011]另外，关于成为加工对象的CFRP，根据用途而开发出各种(纤维形态、树脂原材料)的CFRP，针对每个材料选定最优化的加工条件。因此，需要针对无数的加工条件求出最小的待机时间。
[0012]因此，期望在维持高加工精度的状态下使待机时间最小化来缩短加工时间。
[0013]用于解决课题的手段
[0014](1)本公开的机器学习装置的一方式是在激光加工机中进行用于对加工对象物的加工进行控制的至少包含激光扫描的待机时间的加工条件的机器学习，所述机器学习装置具备：行为输出部，其从多个加工条件中选择加工条件作为行为，并向所述激光加工机输出行为；状态取得部，其取得对通过所述行为加工后的加工对象物的加工状态进行拍摄而得到的图像数据来作为状态信息；回报计算部，其至少根据基于由所述状态取得部取得的所
述状态信息计算出的所述加工状态的加工精度以及所述激光扫描的待机时间来计算回报；以及学习部，其根据由所述状态取得部取得的所述状态信息以及由所述回报计算部计算出的所述回报来进行所述加工条件的机器学习。
[0015](2)本公开的控制装置的一方式具备：(1)的机器学习装置；以及控制部，其根据所述加工条件来控制激光加工机。
[0016](3)本公开的机器学习方法的一方式由计算机实现，在激光加工机中进行用于对加工对象物的加工进行控制的至少包含激光扫描的待机时间的加工条件的机器学习，在机器学习方法中，从多个加工条件中选择加工条件来作为行为，向所述激光加工机输出行为，取得对通过所述行为加工后的加工对象物的加工状态进行拍摄而得到的图像数据来作为状态信息，至少根据基于所取得的所述状态信息计算出的所述加工状态的加工精度以及所述激光扫描的待机时间来计算回报，根据所取得的所述状态信息以及计算出的所述回报来进行所述加工条件的机器学习。
[0017]专利技术效果
[0018]根据一方式，能够在维持高加工精度的状态下使待机时间最小化来缩短加工时间。
附图说明
[0019]图1是表示一实施方式的数值控制系统的功能结构例的功能框图。
[0020]图2说明基于演员
‑
评论家(actor
‑
critic)算法的强化学习算法的基本概念。
[0021]图3是表示机器学习装置的功能性结构例的功能框图。
[0022]图4表示更新后的待机时间的行为策略的概率分布的一例。
[0023]图5是表示一实施方式中的机器学习时的机器学习装置20的动作的流程图。
[0024]图6是表示最优化行为输出部生成最优化行为信息时的动作的流程图。
[0025]图7表示基于演员
‑
评论家的深度强化学习器的一例。
[0026]图8表示数值控制系统的结构的一例。
具体实施方式
[0027]以下，使用附图对本公开的一实施方式进行说明。在此，例示了具有飞秒脉冲激光器的激光加工机。
[0028]另外，例示了如下情况：在使用激光加工机(飞秒脉冲激光)对CFRP等加工对象物进行多次激光扫描从而通过高品质加工、微细加工、烧蚀加工等进行抑制了热影响的孔加工、槽加工、切割等(以下，为了简单也称为“精度加工”)时，对于多次的激光扫描中的预先设定的每个预定的激光扫描(例如，第1次、第5次、第10次等的激光扫描)进行学习。另外，本专利技术也能够应用于多次的激光扫描中的最后的激光扫描中的1次学习、多次的激光扫描各自的学习。
[0029]此外，在以下的本实施方式的说明中，只要没有特别说明，则机器学习装置针对相同的材料以及相同的加工形状的加工对象物的每次加工进行机器学习。
[0030]＜一实施方式＞
[0031]图1是表示一实施方式的数值控制系统的功能结构例的功能框图。
[0032]如图1所示，数值控制系统1具有激光加工机10以及机器学习装置20。
[0033]激光加工机10以及机器学习装置20可以经由未图示的连接接口相互直接连接。另外，激光加工机10以及机器学习装置20也可以经由LAN(Local Area Network：局域网)、因特网等未图示的网络相互连接。在该情况下，激光加工机10以及机器学习装置20具备用于通过该连接来相互进行通信的未图示的通信部。另外，如后所述，数值控制装置101包含在机床10中，但也可以是与机床10不同的装置。另外，数值控制装置101也可以包含机器学习装置20。
[0034]激光加工机10是本领域技术人员公知的激光加工机，如上所述，包含飞秒脉冲激光器100。另外，在本实施例中，例示了激光加工机10包含数值控制装置101，根据来自数值控制装置101的动作指令进行动作的结构。另外，例示了如下结构：激光加工机10包含照相机102，基于后述的数值控制装置101的控制指示使照相机102拍摄通过飞秒脉冲激光器100进行了精度加工的加工对象物的加工状态，并将拍摄到的图像数据输出到数值控制装置101。也可以使数值控制装置101和照相机102独立于激光加工机10。
[0035]数值控制装置101是本领域技术人员公知本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种机器学习装置，其在激光加工机中进行用于对加工对象物的加工进行控制的至少包含激光扫描的待机时间的加工条件的机器学习，其特征在于，所述机器学习装置具备：行为输出部，其从多个加工条件中选择加工条件来作为行为，并向所述激光加工机输出行为；状态取得部，其取得对通过所述行为加工后的加工对象物的加工状态进行拍摄而得到的图像数据来作为状态信息；回报计算部，其至少根据所述激光扫描的待机时间以及基于由所述状态取得部取得的所述状态信息而计算出的所述加工状态的加工精度来计算回报；以及学习部，其根据由所述状态取得部取得的所述状态信息以及由所述回报计算部计算出的所述回报来进行所述加工条件的机器学习。2.根据权利要求1所述的机器学习装置，其特征在于，所述加工状态包含从加工开始到加工结束之间的加工途中的1个以上的加工状态，所述加工条件包含分别与所述加工途中的加工状态对应的加工条件。3.根据权利要求1或2所述的机器学习装置，其特征在于，所述机器学习装置具备：状态回报计算部，其根据基于所述状态取得部取得的所述状态信息计算出的所述加工状态的加工精度来计算所述行为的状态回报；以及行为回报计算部，其计算至少基于所述行为中包含的激光扫描的待机时间来计算的所述行为的行为回报，所述回报计算部基于所述状态回报和所述行为回报来计算所述行为的回报。4.根据权利要求3所述的机器学习装置，其特征在于，所述状态回报计算部根据将所述状态取得部取得的所述状态信息输入给自动编码器而输出的重构图像数据，来计算所述加工状态的加工精度，其中，所述自动编码器是仅根据拍摄加工精度高的加工对象物的加工状态而得到的图像...
【专利技术属性】
技术研发人员：八木顺，
申请(专利权)人：发那科株式会社，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。