KR101700896B1 - 공작물 레이저 가공 작업 모니터 방법 및 장치와 그 장치를 구비한 레이저 가공 헤드 - Google Patents
공작물 레이저 가공 작업 모니터 방법 및 장치와 그 장치를 구비한 레이저 가공 헤드 Download PDFInfo
- Publication number
- KR101700896B1 KR101700896B1 KR1020117014139A KR20117014139A KR101700896B1 KR 101700896 B1 KR101700896 B1 KR 101700896B1 KR 1020117014139 A KR1020117014139 A KR 1020117014139A KR 20117014139 A KR20117014139 A KR 20117014139A KR 101700896 B1 KR101700896 B1 KR 101700896B1
- Authority
- KR
- South Korea
- Prior art keywords
- machining
- laser
- camera
- feature space
- workpiece
- Prior art date
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
- B23K26/04—Automatically aligning, aiming or focusing the laser beam, e.g. using the back-scattered light
- B23K26/046—Automatically focusing the laser beam
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
- B23K26/03—Observing, e.g. monitoring, the workpiece
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
- B23K26/04—Automatically aligning, aiming or focusing the laser beam, e.g. using the back-scattered light
Landscapes
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Engineering & Computer Science (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Laser Beam Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
공작물에 대해 수행될 레이저 가공 작업을 모니터하는 방법은, 상기 레이저 가공 작업을 모니터하는 적어도 하나의 센서를 이용하여 적어도 2개의 현재 측정값을 검출하는 단계; 상기 적어도 2개의 현재 측정값으로부터, 공동으로 특징 공간의 현재 지문을 나타내는 적어도 2개의 현재 특징을 결정하는 단계; 상기 특징 공간 내의 소정의 점집합을 제공하는 단계; 및 상기 특징 공간 내의 상기 소정 점집합에 상대적인 상기 현재 지문의 위치를 검출함으로써 상기 레이저 가공 작업을 분류하는 단계를 포함한다.
Description
본 발명은 공작물 레이저 가공 작업 모니터 방법 및 장치와 그 장치를 구비한 레이저 가공 헤드에 관한 것이다.
레이저 재료 가공에서 공작물은 레이저 절삭 작업과 레이저 용접 작업에 이용되는 집속 레이저 광선, 가공 모니터링 시스템 및 센서를 이용하여 절삭 또는 접합된다. 예컨대, 가공 초점에 따라 결정된 작업 구역 또는 인터랙션 구역(interaction zone)으로부터 나오는 광선을 검출하는 센서는 용접 또는 절삭 가공을 모니터링하는데 이용된다. 여기서는 인터랙션 구역 위에 형성되는 플라즈마를 관측하기 위한 광선 센서와, 레이저 빔과 피가공 공작물 사이의 인터랙션 구역으로부터 나오는 레이저의 후면 반사 광선을 검출하는 후면 반사 센서가 표준으로서 제공된다. 더욱이 레이저 가공 작업을 모니터하는데는 가공 중에 에지 용융(edge melting)과 온도 프로파일을 모니터하는데 이용될 수 있는 온도 센서나 적외선 센서가 이용된다. 더욱이 각 경우에 특정 파장 범위에 민감한 포토다이오드를 이용하는 것 이외에도 레이저 가공 작업은 마찬가지로 소정의 파장 범위에 민감할 수 있는 카메라를 통해 모니터된다. 마찬가지로, 예컨대 용융된 공작물 면적에 관한 파라미터와 같이 레이저 가공 작업을 모니터링하기 위한 특징은 카메라가 기록한 영상의 영상 처리에 기초하여 얻을 수 있다.
이러한 모니터링 시스템의 첫 번째 목표는 먼저 가공 명세에 따라서 가공 품질을 분류하는 것이다. 두 번째 목표는 가공을 제어하고 또 폐루프 제어하여 가공 품질을 높이는 것이다. 오늘날의 산업 체계에서는 가공 모니터링에 이용되는 센서와 카메라를 적용하여, 검출된 센서 데이터와 영상 처리 및 데이터 분석 방법들을 이용하여 가공 작업의 현 상태를 분류한다. 이 경우에 이용되는 방법들은 가공 작업에 개별적으로 설정된다. 기록된 센서 데이터의 크기 편차를 고려하면 현 가공 작업은 불충분한 것으로 분류되며, 이러한 상태를 제거하기 위해 적당한 폐루프 제어 메커니즘이 이용되고 있다. 그러나 여기서는 기록된 센서 데이터에 관한 가공 파라미터의 제어는 해당 센서의 측정 데이터에만 관계한다.
본 발명의 목적은 레이저 가공 상태의 분류와 공작물에 대해 수행될 레이저 가공 작업의 가공 품질을 개선하기 위해 공작물에 대해 실시될 레이저 가공 작업을 모니터하기 위한 방법과 장치를 제공하는 것이다.
이 목적은 청구항 제1항에 따른 방법, 제14항에 따른 제어 장치, 및 제18항에 따른 레이저 가공 헤드에 의해 달성된다. 본 발명의 바람직한 개선과 개발은 종속 청구항들에 기재되어 있다.
본 발명에 따라서, 공작물에 대해 수행될 레이저 가공 작업을 모니터하고 제어 또는 폐루프 제어하는 방법에 있어서, 상기 레이저 가공 작업을 모니터하는 적어도 하나의 센서를 이용하여 적어도 2개의 측정값을 검출하는 단계; 상기 적어도 2개의 측정값으로부터, 특징 공간의 현재 지문을 나타내는 적어도 2개의 현재 특징을 결정하는 단계; 소정의 학습 프로세스를 통해 미리 학습된 가공 환경의 지문이 상기 특징 공간 내에서 표현되는 점집합을 제공하는 단계; 및 상기 특징 공간 내의 상기 점집합에 상대적인 상기 현재 지문의 위치를 검출함으로써 상기 레이저 가공 작업을 분류하는 단계를 포함하하며, 상기 적어도 하나의 센서는 서로 다른 노출 시간으로 카메라 영상(image)을 기록하며 고명암비의 이미지를 현재 측정 값으로서 제공하기 위해 상기 카메라 영상을 HDR(high dynamic range)방법을 이용하여 처리하는 하나 이상의 카메라 유닛을 포함하는 것을 특징으로 하는 방법이 제공된다.
바람직하게는 상기 HDR 방법은 레이저 가공 작업 중 가공되는 공작 물의 주변 가공 표면과 가공 발광이 동시에 하나의 영상에 보여질 수 있도록 상기 카메라 영상을 처리하도록 설계(design)되어질 수 있다.
이때, 상기 카메라 영상은 상기 카메라 유닛의 이미지 센서에 의한 복수의 스캐닝, 복수의 카메라에 의한 기록, 또는 하나의 카메라에 의한 서로 다른 노출 시간에 의한 연속 기록 중 어느 하나에 의해 얻어질 수 있다.
이때, 상기 하나 이상의 카메라 유닛에 의해 기록된 상기 카메라 영상의 처리는 엔트로피법 내지 카메라 반응 기능을 활용한 가중법에 의해 처리되어질 수 있다.
바람직하게, 상기 카메라 영상은 상기 레이저 가공 작업 이전에 촬영하는 카메라, 상기 레이저 가공 작업 영역을 촬영하는 카메라, 및/또는 상기 레이저 가공 작업 후에 촬영하는 카메라에 의해 기록되어질 수 있다.
공작물을 고품질로 가공하기 위하여 본 발명의 방법에 의해 검출된 "저질(poor)" 지문을 가공 작업 중에 없애는 것이 유리하며, 바람직하게는 본 발명의 방법은 관련된 액츄에이터의 적어도 하나의 가공 파라미터를 폐루프 제어하는 단계를 더 포함하고, 상기 현재 지문이 상기 특징 공간의 상기 소정의 점집합을 떠나는 경우에, 상기 적어도 하나의 액츄에이터는 상기 관련된 가공 파라미터의 변화가 상기 지문에서 출발하여 상기 특징 공간의 상기 소정 점집합의 방향으로 확장하는 상기 특징 공간의 경사에 대응하도록 작동된다.
바람직하게는, 적어도 하나의 현재 측정값으로부터 현재 특징을 결정하는 것은 주성분 분석, 다차원 스케일링, 서포트 벡터 머신 또는 서포트 벡터 분류와 같은 데이터 감축 또는 차원 감축법을 포함한다. 센서 데이터의 차원 감축에 따라 감축된 데이터량에 기초하여 컴퓨터에 의해 분류가 훨씬 더 빠르게 실시될 수 있으며, 이는 예컨대 레이저 가공 작업의 제어를 고속으로 실시하는 것이 가능함을 의미한다.
더 바람직하게는 적어도 하나의 현재 측정값으로부터 현재 특징을 결정하는 것은 인공 신경 회로망을 이용하여 수행된다.
측정 데이터로부터 가공 상황에 관한 간접적인 결론을 이끌어 낼 수 있는 복수의 센서를 이용하는 경우에는 바람직하게는 상기 소정 점집합은 학습 프로세스를 이용하여 상기 특징 공간 내에 정해진다.
이 경우에 가공 작업을 폐루프 제어하기 위해서 바람직하게는 상기 특징 공간의 상기 경사장은 상기 경사에 관한 각자의 영역을 나타내는 특징 공간 내의 포인트들에 있는 서로 다른 영역들에서 상기 가공 파라미터에 따라서 결정되고, 상기 특징 공간의 상기 경사는 상기 특징 공간의 소정 포인트에서 상기 가공 파라미터를 변화시킴으로써 가공 파라미터에 따라서 결정된다.
복수의 유익한 정보를 주는 측정 데이터를 포괄적으로 모니터하고 결정하기 위해서 바람직하게는 상기 적어도 하나의 센서는 특정 파장에 대한 필터를 가진 적어도 하나의 포토다이오드, 고체 매개 음향 센서, 공기 매개 음향 센서, 및 적당한 표면 조명을 가진 적어도 하나의 카메라 유닛으로 이루어진 그룹에서 선택된다.
레이저 가공 작업의 포괄적인 폐루프 제어를 보장하기 위하여 바람직하게는 상기 적어도 하나의 액츄에이터는 레이저 출력의 제어기, 상기 공작물에 대한 가공 헤드의 가공 속도 제어기, 가공 레이저 빔의 초점의 제어기, 상기 공작물로부터의 가공 헤드의 거리의 제어기 및 래터럴 오프셋의 제어기로 이루어진 그룹에서 선택된다.
본 발명에 따라서, 상기 방법을 수행하기 위한 장치에 있어서, 적어도 2개의 측정값을 검출하는데 적합한, 상기 레이저 가공 작업을 모니터하기 위한 적어도 하나의 센서; 특징 공간에서 현재 지문을 생성하기 위하여 적어도 2개의 측정값으로부터 적어도 2개의 특징을 결정하기 위한 데이터 처리 유닛; 소정의 학습 프로세스를 통해 미리 학습된 가공 환경의 지문이 상기 특징 공간 내에서 표현되는 점집합을 저장하기 위한 메모리 유닛; 및 상기 특징 공간 내의 상기 소정 점집합에 상대적인 상기 현재 지문의 위치를 검출함으로써 상기 레이저 가공 작업을 평가하기 위한 분류 유닛을 포함하는 장치가 더 제공된다.
본 발명의 장치를 폐루프 제어된 가공 작업에 이용하기 위하여 이 경우에 바람직하게는 상기 장치는 관련된 액츄에이터의 적어도 하나의 가공 파라미터를 제어하기 위한 제어 유닛을 더 포함하고, 상기 현재 지문이 상기 특징 공간의 상기 소정의 점집합을 떠나는 경우에, 상기 적어도 하나의 액츄에이터는 상기 관련된 가공 파라미터의 변화가 상기 지문에서 출발하여 상기 소정 점집합의 방향으로 확장하는 상기 특징 공간의 경사에 대응하도록 작동된다.
이 경우에 바람직하게는 상기 적어도 하나의 센서는 특정 파장에 대한 필터를 가진 적어도 하나의 포토다이오드, 고체 매개 음향 센서, 공기 매개 음향 센서, 및 적당한 표면 조명을 가진 적어도 하나의 카메라 유닛으로 이루어진 그룹에서 선택된다.
더욱이 바람직하게는 상기 적어도 하나의 액츄에이터는 레이저 출력의 제어기, 상기 공작물에 대한 가공 헤드의 가공 속도 제어기, 가공 레이저 빔의 초점의 제어기, 상기 공작물로부터의 가공 헤드의 거리의 제어기 및 래터럴 오프셋의 제어기로 이루어진 그룹에서 선택된다.
더욱이, 본 발명에 따라서 본 발명의 장치를 구비하여 레이저 빔을 이용하여 공작물을 처리하기 위한 레이저 가공 헤드가 제공된다.
본 발명은 기계 학습 및 자기 학습 알고리즘을 이용하는 인지 능력을 가진 인지 레이저 재료 가공 시스템을 제공한다. 이 시스템에 관련된 본 발명의 방법은 가공 관찰, 가공 제어 및 가공 폐루프 제어를 목적으로 레이저 재료 가공에 이용될 수 있다.
시스템은 2가지 유형의 인지 능력을 가질 수 있다. 첫 째, 시스템은 외부 관찰자에게는 관찰된 시스템이 인지 능력, 예컨대 스스로를 독자적으로 학습하고 개선하는 능력을 가지는 것처럼 보인다. 둘 째, 이 시스템은 자연 생명체, 예컨대 인간의 뇌와 유사한 방식으로 인지 능력을 구현한다.
본 발명의 시스템은 학습은 물론 레이저 재료 가공에 이용되는 고장의 자율적 검출 및 교정과 같은 인지 능력을 갖고 있다. 인지 능력을 이용하는 것은 특히 레이저 재료 가공 분야에 유리하다. 공작물을 분리나 접합과 같은 가공 작업들은 가공의 종류마다 서로 매우 다르다.
종전에는 우선 각 가공을 수동으로 개별적으로 설정하는 것이 알려져 있다. 가공 파라미터를 설정한 후에, 단순히 현장에서 가공이 관찰되고 그에 따라서 적응된다. 다음 번 장전된 공작물이 예컨대 오염되거나 이전에 장전된 공작물과 두께가 다르면 그 가공은 자주 수동으로 재조정되어야 한다. 가공 변동에 대한 자동 적응은 전혀 가능하지 않거나, 가능하더라도 그 정도는 미미하였다. 실제로 특히 생산 라인에서 복수의 차량을 동시 제작하고자 하는 차량 제조업자의 바램은 생산 시스템을 가공 작업에 신속하게 적응시키는 것이다.
가공 작업의 빠른 학습과 가공 중의 고장 검출, 교정 및 회피는 본 발명의 가공 시스템의 인지 능력에 의해 충족되는 요건들이다.
이하 본 발명에 대해 도면을 참조로 예를 통해 더욱 상세히 설명한다.
도 1은 본 발명의 방법에 따른, 공작물의 가공 작업의 필수 구성요소에 대한 플로우차트.
도 2는 레이저 가공 작업을 모니터하고 검출하기 위하여 본 발명의 방법에서 사용된 센서의 개관도.
도 3은 본 발명의 가공 작업에 사용된 구성요소의 간략도.
도 4a는 레이저 빔 용접 가공 중에 본 발명의 방법에서 사용된 액츄에이터 부품의 간략도.
도 4b는 레이저 빔 절삭 가공 중에 본 발명의 방법에서 사용된 액츄에이터 부품의 간략도.
도 5a는 본 발명의 방법에 따른 선형 및 비선형 차원 감축기를 이용한 지문 생성의 플로우차트.
도 5b는 본 발명의 방법에 따른 인공 신경 회로망을 이용한 지문 생성의 플로우차트.
도 6a는 본 발명의 방법에 따른 선형 및 비선형 차원 감축기를 이용한 분류 작업의 플로우차트.
도 6b는 본 발명의 방법에 따른 인공 신경 회로망을 이용한 분류 작업의 플로우차트.
도 7은 고장 검출 방법을 설명하는 개략도.
도 8은 지문 및 특징 또는 특징에 대한 본 발명의 학습을 설명하는 플로우차트.
도 9는 본 발명에 따른 차원 감축 방법의 플로우차트.
도 10은 현 가공 작업에 대한 본 발명의 평가의 플로우차트.
도 11은 본 발명에 따른 새로운 제어 파라미터의 평가의 플로우차트.
도 12는 본 발명에 따른 HDR법에 따라 처리된 카메라 영상의 개략도.
도 13은 본 발명의 HDR 영상 계열 처리의 블록도.
도 14는 본 발명에 따른 레이저 가공 작업 중의 보강 학습법을 이용한 분류 절차의 플로우차트.
도 15는 본 발명에 따른 레이저 가공 작업 중의 판별 분석법을 이용한 분류 절차의 플로우차트.
도 16은 본 발명에 따른 레이저 가공 작업 중에 차원 감축에 따라 얻어진 원하는 값을 이용한 폐루프 제어 작업의 플로우차트.
도면 전체에 걸쳐 상호 대응하는 구성요소에 대해서는 동일한 도면부호를 병기한다.
도 1은 본 발명의 방법에 따른, 공작물의 가공 작업의 필수 구성요소에 대한 플로우차트.
도 2는 레이저 가공 작업을 모니터하고 검출하기 위하여 본 발명의 방법에서 사용된 센서의 개관도.
도 3은 본 발명의 가공 작업에 사용된 구성요소의 간략도.
도 4a는 레이저 빔 용접 가공 중에 본 발명의 방법에서 사용된 액츄에이터 부품의 간략도.
도 4b는 레이저 빔 절삭 가공 중에 본 발명의 방법에서 사용된 액츄에이터 부품의 간략도.
도 5a는 본 발명의 방법에 따른 선형 및 비선형 차원 감축기를 이용한 지문 생성의 플로우차트.
도 5b는 본 발명의 방법에 따른 인공 신경 회로망을 이용한 지문 생성의 플로우차트.
도 6a는 본 발명의 방법에 따른 선형 및 비선형 차원 감축기를 이용한 분류 작업의 플로우차트.
도 6b는 본 발명의 방법에 따른 인공 신경 회로망을 이용한 분류 작업의 플로우차트.
도 7은 고장 검출 방법을 설명하는 개략도.
도 8은 지문 및 특징 또는 특징에 대한 본 발명의 학습을 설명하는 플로우차트.
도 9는 본 발명에 따른 차원 감축 방법의 플로우차트.
도 10은 현 가공 작업에 대한 본 발명의 평가의 플로우차트.
도 11은 본 발명에 따른 새로운 제어 파라미터의 평가의 플로우차트.
도 12는 본 발명에 따른 HDR법에 따라 처리된 카메라 영상의 개략도.
도 13은 본 발명의 HDR 영상 계열 처리의 블록도.
도 14는 본 발명에 따른 레이저 가공 작업 중의 보강 학습법을 이용한 분류 절차의 플로우차트.
도 15는 본 발명에 따른 레이저 가공 작업 중의 판별 분석법을 이용한 분류 절차의 플로우차트.
도 16은 본 발명에 따른 레이저 가공 작업 중에 차원 감축에 따라 얻어진 원하는 값을 이용한 폐루프 제어 작업의 플로우차트.
도면 전체에 걸쳐 상호 대응하는 구성요소에 대해서는 동일한 도면부호를 병기한다.
도 1은 필수 구성요소를 가진 본 발명의 방법의 플로우차트이다. 이하, 이 방법을 단계적으로 설명한다.
본 발명에 따라서, 가공 특징(feature) 수집 중에, 가공 작업에 관련된 모든 정보는 적어도 하나의 센서를 가진 센서 시스템에 의해 검출된다. 사용된 센서들을 이용하여 가공과 관련된 많은 측정값과 정보를 얻고, 이러한 측정 데이터로부터, 이하에서 특징로서 표기되는 가공 맵, 가공 특징 또는 명확한 가공 지문을 정할 수 있다. 이러한 결정은 특히 측정값의 계산 또는 다른 적당한 (바람직하게는) 전자적 처리에 따라 행해진다.
도 2는 본 발명에서 독창적으로 이용된 센서의 개관을 보여주며, 도 3은 적당한 센서를 가진 본 발명의 레이저 가공 시스템의 설계를 보여준다.
본 발명에서는 레이저 가공 작업을 모니터하는 공지의 센서와 함께 추가적인 센서를 이용하여 고체 매개 잡음과 공기 매개 잡음을 검출한다. 잡음을 기록하기 위해서 고체 매개 잡음과 공기 매개 잡음에 대한 적어도 2개의 센서를 이용하는 것이 편리하다. 더욱이 전처리에서는 고체 매개 잡음과 공기 매개 잡음에 대한 센서 신호는 가공에 따라서 더 필터링되고, 증폭되고 그리고 적당히 스캐닝된다. 공기 매개 잡음을 기록하는데는 여러 가지 방향성 특징이 적당할 수 있다. 그 후, 음향 센서를 적절하게 구성하여 잡음 발생원의 위치와 전파(propagation) 방향이 계산될 수 있다. 이에 따라서 부적절한 소스로부터의 간섭 잡음과 배경 잡음을 줄이거나 능동 잡음 소거법과 같은 방법을 적용하는 것도 가능하다.
더욱이 레이저 가공 헤드에는 특정 파장의 발광을 검출하는 센서들이 갖추어진다. 이들 센서는 바람직하게는 특정 파장 범위에 감응하는 포토다이오드이다. 그 외에도 여기서는 포토다이오드 상류에 특정 파장 범위에 대한 광학적 대역통과 필터를 배치하는 것도 가능하다. 이들 센서의 측정값들도 검출되고 스캐닝된다.
더욱이 레이저 가공 작업을 관찰하는 카메라와 특히 레이저 가공 구역을 이용하여 측정 데이터를 얻는다. 이에 따라서 그 관찰 빔 경로가 가공 헤드의 가공 레이저의 빔 경로에 동축으로 결합된 인 프로세스(in-process) 카메라를 이용하여 레이저 가공 구역을 촬상하는 것이 가능하다. 또는 가공 헤드 밖에 있는 카메라가 가공 작업을 기록하는 것이 가능하다. 앞쪽에서 진행하는 카메라(프리프로세스(pre-process) 카메라라 함)와 뒤쪽에서 진행하는 카메라(포스트프로세스(post-process) 카메라라 함)도 레이저 가공 작업을 기록할 수 있다. 가공 작업에 따라서 카메라에 의한 기록에는 다양한 공작물 조명 개념이 적합하다. 그러므로 본 발명에 따라서 비용 효율이 높으면서 넓은 파장 범위에서 발광할 수 있는 발광 다이오드의 조명에 이용될 수 있고, 또는 공작물 표면 상의 카메라 세부 사항에 포커싱하기 위한 적당한 광학 소자를 가지고 여러 가지 파장에서 레이저를 이용하는 것이 가능하다. "목적 영역", "퀄라스(qualas)" 또는 기하학적 데이터 평가와 같은 데이터 처리 방법은 카메라 데이터를 전처리하는데 특히 적합하고 바람직하다. 그 외에도 본 발명에 따라서, 기록된 카메라 영상의 콘트라스트비를 양호하게 증가시키는 하이 다이나믹 레인지(HDR)법을 이용한다. 이를 위해 영상들은 노출 시간을 서로 달리하여 기록되며 HDR법을 통해 서로 처리되고, 그 결과, 영상들은 매우 큰 콘트라스트비를 갖게 된다.
가공 특징 수집의 품질은 사용된 센서 수에 비례하여 올라가지만 그에 따라서 시스템 비용도 올라간다. 그러므로 본 발명의 방법은 많은 센서를 이용하는 것에 한정되는 것이 아니라 단 하나의 센서, 예컨대 인프로세스 카메라를 이용하여 수행될 수 있음을 알아야 한다.
본 발명의 방법에 따라 특정 액츄에이터를 이용한 가공 제어에 대해 이하에서 설명한다.
레이저 재료 가공에서는 포함된 모든 액츄에이터에 대해 제어 프로그램을 수동으로 설계하는 것이 보통이다. 가공 중에, 이러한 제어 프로그램은 가공 모니터링을 통해서 모니터링만 되거나, 레이저 절삭 중에 용량성 거리 센서와 같은 특정 제어 루프를 이용하여 적응된다.
그에 반해, 본 발명의 방법에서는 연속적인 가공 제어를 이용하며, 추가적인 새로운 가공 제어 옵션들은 통합된다.
도 4a에 도시된 바와 같이, 레이저 빔 용접 가공 중에는 레이저 빔 출력, 가공 헤드와 공작물 간의 거리, 공작물에 상대적인 가공 헤드의 속도, 및 가공 레이저광의 초점 위치는 제어 또는 폐루프 제어된다.
도 4b에 도시된 바와 같이, 레이저 절삭 가공 중에는 본 발명에 따라서 전술한 가공 파라미터와 함께 처리 가스의 공급도 제어 또는 폐루프 제어된다. 더욱이 상기 용접 가공과 절삭 가공 모두에서는 특정 주파수의 제어 신호의 세기를 조절할 것, 예컨대 레이저광 세기를 90 내지 100퍼센트로 조절하는 것이 가능하다. 제어 신호는 이미 알고 있으므로, 예컨대 측정 범위가 서로 다른 가공 파라미터에 속하는 특징 공간의 경사장(gradient field)과 같이 가공에 관련된 시스템 응답 데이터로부터 센서 데이터를 통해 다시 얻는 것이 가능하다. 이러한 제어는 적당한 선형축, 로봇 제어 또는 기타 다른 제어 인터페이스를 통해 구현될 수 있다.
폐루프 제어 옵션은 사용된 액츄에이터의 증가 수에 따라 증가하지만, 더 많은 가공 파라미터를 제어하는 것이 가능함으로 그에 따라서 시스템 비용이 증가한다. 그 결과, 본 발명의 방법은 복수의 액츄에이터를 이용하는 것에 한정되는 것이 아니라 단 하나의 액츄에이터를 이용하는 것만으로도, 예컨대 레이저 용접에 대해서는 레이저 출력 제어기를 또는 레이저 절삭에 대해서는 처리 가스 제어기를 이용하는 것 만으로도 수행될 수 있음에 유의해야 한다.
이하, 본 발명에 따라 레이저 가공 작업을 분류하는 단계에 대해서 더 자세히 설명한다.
본 발명의 레이저 가공 시스템에 의한 자율적 고장 검출 및 교정을 구현하기 위해서는 본 발명의 시스템이 액츄에이터 구동을 위해 자율적으로 판단할 수 있도록 센서 데이터로부터 기술적 인지가 추출되어야 한다.
더욱이, 시스템은 시스템 사용자를 통해 스스로 학습할 수 있는 것이 바람작하다. 인지 레이저 재료 가공을 구현하기 위해서, 본 발명에 따라서 시스템은 이용된 모든 센서로부터의 기본 특징들을 스스로 이미 알거나, 또는 이들을 검출하여 학습한 다음에 가공 제어를 위한 판단을 한다. 하기에서는 본 발명의 3가지 단계, 특히 가공 환경의 학습, 현재 가공 결과의 분류 및 가공 제어 또는 폐루프 제어에 대해 설명한다.
먼저 가공 환경의 학습에 대해 설명한다. 이 프로세스를 알기 위해서는 먼저 레퍼런스 런(reference run) 또는 트레이닝 가공이 필요하다. 각 가공 작업은 원하는 결과와 이로부터 벗어난 결과를 갖고 있다. 이 테스트 가공 또는 레퍼런스 런은 시스템의 결과들과 이상적으로는 추이, 그리고 시스템의 가공 제어에 대한 반응을 포함하여야 한다. 예컨대 스테인레스강 랩 조인트에서 폭이 Xmm이고 길이가 Ycm인 용접심(weld seam)을 얻는 것이 목적이라면 적어도 한 번의 레퍼런스 런이 실시되어야 하며, 이 경우에 이 레퍼런스 런에서 가공 파라미터의 양 방향에서 정의된 오버슛과 사양 오버슛이 포함되도록 적어도 하나의 가공 파라미터가 변화된다.
이 경우에, 본 발명에 따라서 시스템 오퍼레이터는 가공 파라미터로서 레이저 출력을 올려 레퍼런스 런을 실시할 수 있다. 이 경우에, 이 프로세스에서는 상위 및 하위 사양 경계가 발생하여 오버슛된다. 하위 사양 경계가 예컨대 초층 용입(root penetration)이고 상위 사양 경계가 심 붕괴(seam collapse)라면, 초층 용입이 일어나지 않도록 하는 레이저 출력을 가지고 레펀런스 런을 시작할 수 있다. 레퍼런스 런 중에는 레이저 출력은 심 붕괴가 일어날 때까지 연속적으로 상승하도록 제어된다. 이 프로세스는 적당한 측정값을 기록하는 전술한 프로세스 센서에 의해 관측되며 가공 환경을 학습하는데 이용된다.
다른 예는 장전된 미끄러운 공작물과 그렇지 않은 공작물 간의 제조 문제에 관련된다. 여기서 레퍼런스 런 중의 학습을 위해 정의(definition) 경계도 필요할 것이다. 오퍼레이터는 인지 레이저 재료 가공 시스템에게 정의 경계가 어디에 있는지를 알리고, 이에 따라서 본 발명의 시스템은 영역들 간을 구별하도록 학습할 수 있다.
본 발명에 따라서 가공 환경 학습을 위해 후술하는 2가지 방법이 제공된다.
도 5a에 도시된 바와 같이, 가공 환경 학습을 위해 선형 및 비선형 차원 감축기와 PCA(Principal Component Analysis), MDS(Multidimensional Scaling), LLE(Locally Linear Embedding) 및 SVM(Support Vector Machines)과 같은 여러가지 학습법이 이용될 수 있다. 이들 방법은 조합하여 또는 단독으로 이용될 수 있다. 더욱이, 뒤에 더 자세히 설명하겠지만, 가공 환경 학습을 위해 판별 분석법이 이용될 수 있다.
도 5b에 도시된 바와 같이 가공 환경 학습을 위한 다른 방법은 인공 신경 회로망(ANN)을 이용하는 것이다.
첫 번째 방법에서는, 간단하게 설명하면 많은 센서 데이터를 통합하여 그 수를 줄인다. 이 경우에 가능한 한 모든 기본 특징은 그대로 두고 중복되는 정보는 무시한다. 결국에는 각 관찰된 경우에 대해서 센서의 측정값으로부터 얻었던 특징의 벡터 및/또는 행렬이 남게 되나 그 데이터량은 크게 줄어들었다. 목표는 가공 또는 특징의 지문으로 지정될 수도 있는 이 행렬 또는 벡터를 가지고 가공 상태를 특별하게 분류할 수 있는 것이다.
여기서의 인공 신경 회로망은 트레이닝되기 때문에 인공 신경 회로망에서의 프로세스는 다르며, 학습된 정보는 뒤에 이 회로망에 그대로 존재하며 그러면 결과가 분류될 수 있다. 따라서 출력 뉴런은 처음에는 그 트레이닝된 데이터를 이용한 분류를 이용한다. 그 뒤에 이 분류를 이용하여 폐루프 제어가 실시될 수 있다.
가공 작업을 모니터링하는데는 현재 가공 결과를 얻고, 이를 특징 공간의 점집합로서 생각될 수 있으며 적당하다면 가공 파라미터에 적응될 수 있는 이전에 학습된 원하는 영역과 비교할 필요가 있다. 이는 도 6a와 6b에 도시되어 있다. 가공 파라미터 적응은 원하는 영역으로부터 출현하기 전에 실시될 수 있고 이미 실시되어야 한다. 여기서 시스템은 폐루프 제어하는데 이용되는 이 점집합은 이 폐루프 제어의 경우에 센서 시스템의 현재 지문이 이 지문이 원하는 영역의 에지 영역으로 들어가는 순간에 그 점집합을 이미 떠나도록 적응될 수 있다.
상기 첫 번째 방법을 이용한 현재 가공 결과의 분류에 대해 이하 설명한다(도 6a). 인지 레이저 재료 가공 시스템은 학습된 가공 환경, 학습된 특징 또는 지문을 메모리의 데이터베이스에 벡터 또는 행렬 형태로 이미 저장하고 있다. 현재 가공으로부터 얻어지고 있는 센서의 측정값은 먼저 데이터량을 줄이고 비교를 위해 같은 데이터 공간 내로, 즉 특징 공간 내로 특징 벡터 또는 지문으로서 가져온다. 이런 식으로 현재 지문은 특징 공간에서 감소된 센서 데이터 벡터 또는 행렬로서 얻어지고 특징 공간 내의 학습된 점집합와 비교된다. 이런 식으로 현재 얻어진 데이터 포인트가 특정 특징 포인트, 특징 스폿 또는 특징 아이템에 가장 가까울 확률을 얻는 것이 가능하다. 이런 식으로 이 특징 포인트가 원하는 영역 내에 그대로 있는지 여부를 알게 되고, 더욱이 가공 파라미터에 필요할 수 있는 교정을 알게 된다.
인공 신경 회로망을 이용한 현재 가공 결과의 분류는 트레이닝된 회로망에 의해 실시된다. 분류 결과는 그 프로세스가 원하는 영역 내에 그대로 있는지 여부이며, 이러한 여부에 따라서 가공 파라미터가 적응되어야 한다.
본 발명에 따른 제어 또는 폐루프 제어는 다음과 같이 실시된다. 분류 결과에 따라서 제어 유닛은 적당한 액츄에이터가 작동되어야 하는 방향과 세기를 미리 알게 된다. 다양한 폐루프 제어법이 이용될 수 있다. 이에 따라서, 예컨대 원하는 특징 벡터와 결과 벡터 간의 측지(geodesic) 거리의 최소화, 또는 칼만(Kalman) 필터와 평균 자승 에러의 최소화를 이용한 폐루프 제어법을 이용하는 것이 가능하다. 그 외에도 "서포트 벡터(support vector)" 분류를 통해 다차원 특징 공간 또는 특성 공간으로부터의 조절 경향을 판단하는 것이 가능하다. 그러면 폐루프 제어기는 이전에 정해진 안전 영역을 오버슛하지 못한다.
본 발명의 방법은 다양하게 변형될 수 있는데, 여기서는 몇 가지를 제시한다.
가공 모니터링에서 몇 가지 고장(에러)을 분명하게 설명하는 것이 중요하다. 인지 레이저 제공 가공을 이용해도 여기서는 양호 결과를 낸다. (도 7에 예시된 바와 같은) 고장 검출 방법에서 먼저 오퍼레이터가 인지 시스템이 고장을 학습할 수 있도록 고장을 고의적으로 유발할 필요가 있다. 시스템은 이 고장을 학습하고 나면 이것을 정확하게 검출할 수 있다. 이는 다음의 예로 예시적으로 설명하기 위한 것이다. 목적은 레이저 절삭 가공 중에 절삭 에지에 생긴 찌꺼기나 버(burr)를 각종 센서, 그 중에서도 인프로세스 카메라를 구비한 가공 센서 시스템을 이용하여 검출하는 것이다. 오퍼레이터는 찌꺼기가 분명하게 생기는 레퍼런스 런 중에 제어기를 통해 매우 멀리 떨어뜨릴 수 있는 처리 가스를 제외한 일정한 제어 파라미터를 가지고 레퍼런스 런을 실시한다. 레퍼런스 런이 종료되면 인지 레이저 재료 가공 시스템은 센서 데이터를 이용하여 PCA(Principal Components Analysis) 또는 제시된 차원 감축기의 여러 가지 방법의 조합을 통해 적당한 주성분을 계산한다. 그러면 오퍼레이터는 시스템에 찌꺼기가 생겼던 공작물 상의 영역을 통지한다. 그 뒤에 인지 시스템은 절삭 에지 상에 찌꺼기가 생겼던 위치와 센서 데이터로부터 대응 주 성분이 계산되었던 지점에 관한 정보를 이용하여 생길 찌꺼기에 대한 모아진 특징 또는 지문을 포함하는 대응 성분, 즉 벡터 또는 행렬을 계산할 수 있다. 그 기계가 그 작업을 계속함에 따라 벡터 또는 행렬은 학습된 고장(에러)가 발생했는지 여부를 판단하는 프로세스 중에 행렬-벡터 대수를 통해 현재 센서 데이터로부터 계산될 수 있고, 이는 오퍼레이터에게 표시될 수 있다.
이 방법은 예컨대 레이저 빔 용접이나 레이저 절삭 중에 발생하는 효과들, 즉 융합 불량(팰스 프렌드(false friend)), 심 붕괴(불충분한 충전(fill)), 완전 용입(초층 융합), 절삭 폭 X, 용입 폭 상태, 절삭 에지 거칠기, 연소 효과, 용접심 폭 Y, 용접 상태, 초층 용입 상태, 조인트 단면 상태, 랩 조인트 갭, 버트(butt) 조인트 갭, 래터럴 오프셋, 이젝션(ejection)(드롭아웃(dropout)), 포어(pore), 홀(hole)을 검출하는데 이용될 수 있다.
본 발명은 이전에 레이저 재료 가공 시스템의 적응에 필요했던 장전 변경을 단순화하는데 이용될 수도 있다. 새로 장전된 공작물은 약간 다른 특성, 예컨대 재료 두께나 오염 정도를 갖고 있다. 다시 한번, 먼저 학습 단계가 수행되고, 그 다음에 분류 단계가 수행된다. 분류 단계 후에 폐루프 제어 가공이 신속히 구현될 수 있다. 그러나 예컨대 장전 변경의 결과로서 발생하는 가공 변화에 대한 새로운 제어 파라미터를 평가하는 것도 가능하다.
도 8에 따라서, 학습 단계에서 레퍼런스 런에 의해 가공 센서의 측정치가얻어진다. 다시 한번, 변화되는 한 제어 파라미터를 제외하고 일정한 가공 제어 파라미터가 레퍼런스 런으로 설정된다. 예컨대 레이저 빔 용접 가공의 경우에 레이저 출력은 레퍼런스 런 중에 연속적으로 상승될 수 있다. 얻어진 데이터는 차원 감축기를 이용하여 인지 레이저 재료 가공 시스템에 의해 처리된다(도 9 참조). 사용된 각 센서의 출력 데이터는 먼저 적당한 저역 통과 필터를 이용하여 필터링된다. 그 다음에, 주성분 분석을 통해 n개의 주성분이 출력된다. 그러면, 이 데이터는 정규화되어 평균값에서 벗어난다. 얻어진 각 시간 세그먼트와 관련하여 이용된 센서에 대한 피처값 데이터는 이 처리 가공 단계의 끝에서 얻어진다. 해당되는 특징 또는 지문과 그 맵핑 규칙은 특징 맴핑 규칙 데이터베이스에 저장된다. 그러면 시스템 사용자는 원하는 결과에 대응하는 공작물 영역을 결정한다. 이러한 결정은 벡터로 변환되며, 이 벡터에 의해 분류자를 트레이닝하는 것이 가능하다. 이 방법에서는 분류를 실시할 수 있도록 하는 서포트 벡터 머신이 이용된다. 이 경우에는 서포트 벡터 분류 방법이 적용된다. 이 방법은 원하는 가공 결과와 원치 않는 가공 결과를 구별하는 수학적 방법으로서 사용자의 사양에 기초하여 특징 공간의 다차원 분리를 수행한다. 특징 맵핑 규칙 데이터베이스는 맵핑 규칙을 기술하며, 분류 데이터베이스는 특징 공간의 분리를 기술한다.
현재 가공 작업의 분류 및/또는 평가에 대한 학습된 프로세스 지식의 적용에 대해 이하 설명한다. 학습 단계 후에 인지 레이저 재료 가공 시스템은 이미 학습된 사용자 바램에 따라서 가공 작업을 모니터한다. 센서 데이터는 규정된 특징 맵핑 규칙의 사양에 기초하여 그 량이 줄어든다. 출력 데이터는 미리 정해진 특징 공간 또는 특징 공간에 배치된다. 서포트 벡터 분류법을 통해 오퍼레이터에 의해 학습된 분류 데이터는 현재 가공 작업의 평가를 위해 제공된다. 현재 가공 결과가 사용자가 정한 원하는 영역에 놓여있는지 여부에 관하여, 그리고 가공을 폐루프 제어하기 위해 가공 제어 파라미터에 대한 확률을 통해 어느 경향이 바람직한지에 관하여 평가가 실시될 수 있다.
이제 장전 변경으로 인한 작은 가공 변화의 경우에 새로운 제어 파라미터 또는 가공 파라미터의 평가에 대해 설명한다. 장전 변경의 경우에 예컨대 공작물 특성의 약간의 변화에 의해 특정 기간 동안 가공 작업이 변경되면 그 새로운 제어 파라미터를 평가하는 것이 가능하다. 이를 위해서는 이전의 레퍼런스 런 1 이외에도 새로운 레퍼런스 런 2를 실시할 필요가 있다. 이 제어 파라미터는 레퍼런스 런 1과 레퍼런스 런 2에 적용된다.
도 11에 도시된 바와 같이, 레퍼런스 런 2의 센서의 센서 데이터 또는 측정값은 다시 그 량이 줄어든다. 그러면 레퍼런스 런 1의 기록된 센서 데이터에 맵핑 규칙이 적용된다. 레퍼런스 런 2 중에 레퍼런스 런 1로부터 특징이 발생할 확률은 본 발명의 서포트 벡터 분류법을 이용하여 계산된다. 이에 따라서 인지 레이저 재료 가공 시스템은 공작물 상의 위치로부터 또는 이 시점에서 이용된 제어 파라미터로부터 그리고 특징의 발생 확률로부터 새로운 프로세스에서 어느 제어 파라미터가 이전 가공 작업에서와 매우 유사한 또는 거의 동일한 결과를 발생하는지를 계산할 수 있다.
앞에서 설명된 방법들에서처럼 특징 방식 폐루프 제어법에서도 가공 데이터로부터 특징들이 구해진다. 이들 특징은 오퍼레이터에 의해 초기 레퍼런스 런과 규칙적으로 반복하는 레퍼런스 런을 통해 분류되고, 이에 대응하여 제어 파라미터가 적응되어야할 지 여부가 평가된다. 해당 특징와 그 관련 분류는 적응 제안(adaptation proposal)에 적합하다면 데이터베이스에 저장된다. 이에 따라 오퍼레이터는 시스템을 규칙적으로 평가하고 이를 학습시킨다. 이에 따라 시스템은 먼저 현재 가공 결과가 규정된 특징 공간 내에 그대로 위치있는지 여부와 이 시스템이 제어 파라미터의 적응을 수행해야 하는지 여부를 밝혀낼 수 있다. 그러므로 학습된 특징와 적응 제안은 시간에 따라 증가하며, 시스템은 계속해서 가공을 향상시킨다. 과도한 특징을 피하기 위해 유사한 특징와 적응 제안은 서로 상쇄될 수 있다.
이하에서는 전술한 HDR(High Dynamic Range)법에 대해 더 설명한다. 이 방법에서는 하나의 촬상 센서가 여러 순간에 영상 당 복수회, 즉 적어도 2번 스캐닝되거나, 복수의 영상, 즉 2, 3 또는 그 이상의 영상이 여러 노출 시간에 또는 복수의 카메라로 촬상되고, 이어서 함께 처리되어 적어도 하나의 영상을 형성한다. 이 절차에 따라서 주변 가공 표면, 가공 발광 및 증기 모세관 또는 열쇠 구멍을 하나의 영상에서 동시에 시각화하는 영상, 영상 계열 또는 비디오를 기록할 수 있다. 레이저 가공 작업의 영상화 경우에 상기 영역들의 세기값들은 상기 방법에 의해 하나의 영상에서 시각화될 수 있는 넓은 범위에 걸쳐 분포될 수 있다. 이렇게 생성된 영상 또는 영상 계열은 해상도가 비교적 낮은 가공 모니터링 시스템 또는 평가 또는 제어 유닛과 함께 스크린 또는 디스플레이 장치에 표시하기 위해 그레이 스케일 값 또는 톤 맵핑법을 통해 적응되도록 표시된다.
도 12와 13에 도시된 바와 같이, 본 발명에 따라서 HDR법 또는 가공 표면, 가공 발광 및 증기 모세관(열쇠 구멍)의 더 양호한 시각화를 위한 방법을 수행하기 위하여 복수의 영상 또는 화소 어레이가 함께 처리된다.
촬상 센서의 복수회 스캐닝, 또는 복수 카메라의 동시 촬상, 또는 하나의 카메라에 의한 여러 노출 시간에서의 순차적 촬상(다중노출 기법이라함)에 따라 여러 가지 영상이 생길 수 있다. 개별적인 기록 영상은 여러 가지 유형의 방법에 따라서 처리될 수 있다. 이는 가장 간단한 경우에 적어도 2개의 기록 영상으로부터의 영상 계열의 복수의 영상의 개별 영상값의 합산과 평균을 포함한다. 더 효과적인 촬상을 위해서는 적어도 2개의 기록 영상의 영상 계열로부터의 영상값 또는 화소들이 가중에 의해 평균될 수 있다.
가중법으로서, 엔트로피법을 이용하여 정보 내용에 의해 가중하거나, 카메라 응답 함수를 고려하여 가중 평균을 실시하는 것이 가능하다. 이를 위해서는 표면 당 실제 또는 실현가능한 복사 에너지에 관한 추론을 이끌어 내어야 하는데 이는 다음과 같은 함수에 따른다.
그러면, 개별적인 복사 에너지에 대한 가중은 다음과 같다.
여기서, i는 복수의 기록 영상의 영상 계열로부터의 영상 지수, j는 화소 위치, ti는 기록 영상 i의 노출 시간 또는 스캐닝 시간, yij는 위치 j에서의 기록 영상 i의 화소의 세기값, I-1()은 역 카메라 응답 함수, xj는 화소 위치 j에서의 표면 당 추정 복사 에너지, wij는 신뢰도 모델의 가중 함수이다. 본 발명은 특히 레이저 가공 헤드 및/또는 이에 연결된 본 발명의 가공 모니터링 시스템을 이용한, 재료 분리 또는 접합과 같은 가공법에서의 전술한 HDR 영상 처리법의 이용에 관한 것이다.
다음, 이용된 센서와 분류 방법에 대해 더 자세히 설명한다.
원칙적으로 센서 데이터를 출력할 수 있는 센서라면 모두 센서 시스템으로 이용될 수 있다. 특히, 예컨대 마이크로폰, 고체 매개 음향 센서, 카메라, 포토다이오드, 탐침(probe), 기술적인 평가 및 모니터링 신호, 예컨대 레이저 출력과 같은 액츄에이터 파라미터가 센서 시스템으로 이용될 수 있다.
특징 추출 및 차원 감축: 여기서는 데이터량을 줄이고 정보 내용을 가능한 한 유지하는 방법은 모두 이용하는 것이 가능하다. 이러한 방법으로는 여기서는 특히 PCA(Principal Component Analysis), ICA(Independent Component Analysis), 웨이브렛 분석, 푸리에, 고속 푸리에 및 라플라스 분석, 특징 및 오브젝트 인식법, LLE(Locally Linear Embedding), 인공 신경 회로망, 다차원 스케일링 등이 있다.
감소된 데이터량은 더 고차원의 공간으로부터 얻은 다차원 공간에서 점군(point cloud)으로 해석될 수 있다. 데이터량을 줄임으로써 데이터는 한정된 시간 내에 이전의 기록 및 분류 및/또는 학습된 데이터량과 비교될 수 있다. 이러한 분류에서는 새로운 데이터가 기록 센서 데이터와 유사한지 여부를 밝힐 수 있으며, 이러한 유사성에 소정 확률이 부여될 수 있다. 이전에 기록된 데이터량의 유사성 확률에 대해 정해진 임계치가 오버슛되면, 이미 저장된 솔루션 또는 제어 또는 폐루프 제어 방식을 따르는 것이 가능하다. 이전에 학습된 데이터량에 관한 유사성 확률에 대한 임계치가 오버슛되면, 시스템은 새로운 상황에 있게 된다.
새로운 상황에 대한 거동은 오퍼레이터에게 질의를 하여 학습되거나, 이전의 데이터와 솔루션 전략으로부터의 유사성 원리를 이용하여 시도될 수 있다. 여기서는, 목표가 설정되면 자기 개발 방식을 시도한 후에 그 목표의 달성 여부를 체크하고 선택된 솔루션 방식을 평가하는 자기 학습 알고리즘을 이용한다. 다음의 방법들, 즉 서포트 벡터 머신, 서포트 벡터 분류, 퍼지 로직, 정보 퍼지 네트워크, 퍼지 K 최근접 이웃 분류자, K 최근접 이웃 분류자, 보강 학습, 베이지안(Bayesian) 네트워크 및 베이지안 지식 데이터베이스, 나이브(naive) 베이지안 분류자, 은닉 마르코프 체인(hidden Markov chain), 인공 신경 회로망 및 후방 전파, 회귀 분석, 유전자 프로그래밍 또는 판단 트리(tree)가 자기 학습 알고리즘으로서 분류, 실험값 저장 및 솔루션 전략에 이용될 수 있다.
분류 후에 발생하는 솔루션 전략 또는 폐루프 제어나 액츄에이터의 제어는 간단하게 설계될 수 있으며 데이터 수집 형태를 제어할 수도 있다. 예컨대 기지의 데이터량에 대한 임계치에 도달하지 않으면 데이터 수집 형태가 변할 수 있다. 예컨대 이는 웨이브렛 분석을 새로운 주파수 대역에 적응시킴으로써 또는 PCA를 ICA로 변경함으로써 실시될 수 있다.
HDR법(High Dynamic Range method)
HDR법은 콘트라스트비가 서로 다른 복수의 기록 영상 또는 영상값 행렬과 벡터로부터 비교적 높은 콘트라스트비를 계산하는데 이용될 수 있다. 이를 위해, 어떤 장면을 촬상하거나 관찰할 때에 노출 시간이 서로 다른 복수의 영상을 기록하고 이로부터 콘트라스트비가 향상된 영상 또는 영상 계열을 산출하는 것이 가능하다. 콘트라스트비가 서로 다른 영상 계열을 생성하기 위해서, 소위 다중노출법을 이용하여 노출 시간이 서로 다른 복수의 영상을 기록하는 것이 가능하다.
그러나 노출 시간 동안에 화소값들을 여러 번 스캐닝하는 것도 가능하다. 이런 식으로 노출 시간 동안에 콘트라스트비가 서로 다른 영상 계열이 생성된다. 그 외에도, 이 경우에는 촬상 센서 상에 존재하며 화소를 나타내는 전하가 한 번은 검색될 수 있으나 그 후 두 번째는 검색될 수 없다. 그러나, 예컨대 CMOS 칩의 경우에 단일 노출 기간 중에 전하를 여러 번 검사할 수 있고 이러한 검사된 전하값은 스캐닝에 의해 변경되지 않는 비파괴 판독(NDRO(nondestructive read out)라고도 함), 멀티슬로프 또는 싱글 슬로프 판독, 냉각형 이미저(cooled imager), CIS(charge injection imaging), TFC(thin film on CMOS), APS(active pixel sensor), 싱글 슬로프, CDS(correlated double sampling)와 같은 기법이 있다. 본 발명에 따라서 이러한 기법들을 이용하여 레이저 가공 작업을 관찰할 수 있고 이에 따라서 관찰 또는 제어법을 구현할 수 있고, 이에 따라서 HDR법을 이용하여, 실시될 레이저 용접 작업 중에 가공 발광, 증기 모세관(열쇠 구멍), 용융 풀(melt pool), 용접심 형태 및 용접심 가이던스를 동시에 관찰하고 분석하고, 또는 레이저 절삭 작업 중에 계면, 절삭 에지, 가공 발광, 쩌꺼기 형성 및 찌꺼기 형태를 동시에 관찰하고 분석하는 것이 가능하다. 적절하다면 양 경우에 가공될 공작물에 투사된 레이저 라인을 관찰하는 것이 가능하다(도 12에도 도시됨).
보강 학습(RL)
보강 학습(RL)은 기계 학습 분야를 뜻한다. 이는 시스템 또는 에이전트가 보상을 최대화하도록 환경에 적용되는 방법을 기술한다. 이 경우에 RL은 하나 이상의 시스템 상태 또는 시스템 액션 플랜이나 액션들로의 상태에 대한 맵핑 규칙이나 정책을 찾는다. RL 정책은 본 발명에 따라서 레이저 가공 작업의 자기 개선 제어 및 관찰에 이용될 수 있다.
도 14는 RL이 레이저 가공 작업에 통합될 수 있는 방법에 대한 예시적인 정책을 보여준다. 학습될 값들은 행렬 Q로 표기한다. Q 행렬은 하나 이상의 값을 포함할 수 있는 성분들 QS1, QSn, QSA, QDR, QR1, QRm으로 구성된다. 이들 성분은 개시값으로 초기화되고 RL법에 따라서 최적화된다. 이 최적화는 어떤 동작이 실행되고 보상 함수에 의해 평가되는 점에서 일어나며, 이 평가는 비평가가 배우를 평가하고 배우는 자신의 액션을 조정하는 극장을 연상시키는 방식으로 Q 행렬의 값을 변경한다. 전술한 바와 같이 전문가는 레퍼런스 런에서 또는 학습 단계로부터 적당한 분류를 가진 점군을 얻을 수 있다. 이에 따라서 상기 분류는 원하는 가공 결과를 구성하는 특징, 점군, 특징, 지문 또는 센서 측정값을 저장한다. 이는 서포트 벡터 머신 또는 다른 분류에 의해 구현될 수 있다. 이는 RL법이 작동하는 것에 따라서 보상 함수를 구성할 수 있다. 이에 따라서 Q 행렬은 사람에 의해 학습된 이 보상 함수에 따라서 최적화된다. 이런 식으로 가중치 또는 조정 파라미터가 힉습되고 최적화될 수 있는데, 그 예들은 서로 다른 센서의 가중(QS1, QSn), 제어 또는 관찰에 이용되는 특수 특징의 선택(QDA), 다양한 폐루프 제어법에 대한 원하는 값의 선택(QDR), 예컨대 비례 방식(P 텀(term)), 적분 방식(I 텀) 및 미분 방식(D 텀)의 폐루프 제어기 조정 파라미터(QR1, QRm)이다. 이런 식으로 레이저 가공 시스템의 제어, 폐루프 제어 또는 관찰 특징은 이용 기간 내내 최적화될 수 있다. 본 발명에 따라서 레이저 재료 가공에서 보강 학습 또는 다른 기계 학습법 내에 적용될 수 있는 방법은 MDP(Markov Decision Process), Q 학습, AHS(Adaptive Heuristic Critic), SARSA(State Action Reward State Action) 알고리즘, SOM(Slef Organizing Map), ART(Adaptiv Resonance Theory), MVA(Multivariate analysis), EM(Expectation Maximization) 알고리즘, RBF(Radial Basis Function) 네트워크, 시계열 예측, ATR(Automatic Target Recognition), RBF 및 유사한 방법과 같은 것이 있다.
판별 분석 및 폐루프 제어법
판별 분석(DA) 또는 선형 판별 분석(LDA)(Fisher 선형 판별 분석이라고도 함)은 전술한 주성분 분석과 유사한 작용 원리를 가진 통계적 분석법이다. 주성분 분석과는 달리 DA는 분류의 클래스 멤버쉽도 처리한다. 또한 DA는 본 발명의 방법에서 차원 축소에 이용될 수 있으며 그와 동시에 차원 축소와 분류 방법의 조합을 구성한다.
이에 따라서, 도 15에 도시된 바와 같이, 센서 데이터를 기록하고, 이 데이터량을 줄이고, 이미 학습된 데이터의 도움으로 전술한 방법을 이용하여 데이터를 분류하는 것이 가능하다. 그러면 분류 결과는 하나 이상의 액츄에이터 또는 제어 파라미터를 제어하기 위하여 학습된 원하는 값의 도움으로 하나 이상의 폐루프 제어기에 대한 실제값 계산의 기초로서 이용될 수 있다. 본 발명에 따라서 DA는 레이저 재료 가공에서 다른 차원 감축법과 조합될 수 있으며, 이에 따라서 예컨대 먼저 주성분 분석을 실시하고 그 다음에 DA를 실시하는 것이 가능하다. 이는 또한 센서 데이터 입력 벡터를 차원 Y에서 차원 X(여기서 X<Y)로 감축하는 전술한 다른 차원 감축법에 대해서도 유지된다. 조합들은 각자의 센서에 대해 서로 다를 수도 있다. 따라서 통계적 독립성에 따라서 특징을 추출하는 전술한 독립적인 성분 분석은 음향 센서에 특히 적합하고, 주성분 분석은 촬상 센서에 특히 적합하다. 본 발명에 따라서 레이저 재료 가공 시스템에서는 커널(kernel) 주성분 분석, LLE(Locally Linear Embeding), Hessian LLE, 라플라스 아이젠맵(eigenmap), LTSA(Local Tangent Space Alignment), SDE(Semidefinite Embedding), MVU(Maximum Variance Unfolding), CCA(Curvilinear Component Analysis), DD-HDS(Data Driven-High Dimensional Scaling), 오토인코더와 같은 추가적인 차원 감축법을 피드포워드 인공 신경 회로망, 볼츠만 머신 및 유사한 원리를 이용하는 모든 방법의 특수한 변형으로서 이용할 수 있다.
특히 고속 데이터 처리를 위해서 본 발명에 따라서 레이저 가공 시스템의 영상 수집 유닛에 통합된 셀룰러 신경망(CNN)에서 주성분 분석이나 기타 다른 차원 감축법 또는 특징 추출 또는 HDR법이 실행될 수도 있다. CNN은 인공 신경 회로망과 유사한 병렬 계산법이다.
더욱이, 도 16에 도시된 바와 같이, 본 발명에 따라서 고속 데이터 처리를 위해 차원 감축으로부터의 원하는 값을 이용하여 레이저 가공 작업을 직접적으로 폐루프 제어하는 것도 가능하며, 이에 K라서 신호 대 잡음비가 최적화된 최상의 원하는 값을 결정하는 분류가 가능하게 된다. 이런 식으로, 학습된 분류 결과를 고려하여 높은 적응성과 함께 매우 빠른 제어 사이클을 구현하는 것이 가능하다.
Claims (18)
- 공작물에 대해 수행될 레이저 가공 작업을 모니터하는 방법에 있어서,
상기 레이저 가공 작업을 모니터하는 적어도 하나의 센서를 이용하여 적어도 2개의 측정값을 검출하는 단계;
상기 적어도 2개의 측정값으로부터, 특징 공간의 현재 지문을 나타내는 적어도 2개의 현재 특징을 결정하는 단계;
소정의 학습 프로세스를 통해 미리 학습된 가공 환경의 지문이 상기 특징 공간 내에서 표현되는 점집합을 제공하는 단계; 및
상기 특징 공간 내의 상기 점집합에 상대적인 상기 현재 지문의 위치를 검출함으로써 상기 레이저 가공 작업을 분류하는 단계를 포함하며,
상기 적어도 하나의 센서는 서로 다른 노출 시간으로 카메라 영상(image)을 기록하며 고명암비의 이미지를 현재 측정 값으로서 제공하기 위해 상기 카메라 영상을 HDR(high dynamic range)방법을 이용하여 처리하는 하나 이상의 카메라 유닛을 포함하고,
상기 하나 이상의 카메라 유닛에 의해 기록된 상기 카메라 영상의 처리는 엔트로피법 또는 카메라 반응 기능을 활용한 가중법에 의해 처리되어지는 것을 특징으로 하는 레이저 공작물 가공 작업 모니터 방법. - 제1항에 있어서,
상기 HDR 방법은 레이저 가공 작업 중 가공되는 공작 물의 주변 가공 표면과 가공 발광이 동시에 하나의 영상에 보여질 수 있도록 상기 카메라 영상을 처리하도록 설계(design)되는 것을 특징으로 하는 레이저 공작물 가공 작업 모니터 방법. - 제1항 또는 제2항에 있어서,
상기 카메라 영상은 상기 카메라 유닛의 이미지 센서에 의한 복수의 스캐닝, 복수의 카메라에 의한 기록, 또는 하나의 카메라에 의한 서로 다른 노출 시간에 의한 연속 기록 중 어느 하나에 의해 얻어지는 것을 특징으로 하는 레이저 공작물 가공 작업 모니터 방법. - 삭제
- 제1항 또는 제2항에 있어서,
상기 카메라 영상은 상기 레이저 가공 작업 이전에 촬영하는 카메라, 상기 레이저 가공 작업 영역을 촬영하는 카메라 또는 상기 레이저 가공 작업 후에 촬영하는 카메라에 의해 기록되어지는 것을 특징으로 하는 레이저 공작물 가공 작업 모니터 방법. - 제1항 또는 제2항에 있어서,
상기 현재 지문이 상기 특징 공간의 상기 점집합으로부터 멀어지면, 레이저 가공 제어에 사용되는 액츄에이터의 적어도 1개의 가공 파라미터의 변화가 상기 지문으로부터 상기 특징 공간 내의 상기 점집합 방향으로 연장되는 상기 특징 공간 내의 경사에 대응하여 작동되도록, 상기 액츄에이터의 상기 적어도 1개의 가공 파라미터를 폐루프 제어하는 단계를 더 포함하는 레이저 공작물 가공 작업 모니터 방법. - 제1항 또는 제2항에 있어서,
적어도 하나의 현재 측정값으로부터 현재 특징을 결정하는 것은 주성분 분석, 다차원 스케일링, 서포트 벡터 머신 또는 서포트 벡터 분류와 같은 데이터 감축 또는 차원 감축법을 포함하는 레이저 공작물 가공 작업 모니터 방법. - 제1항 또는 제2항에 있어서,
적어도 하나의 현재 측정값으로부터 현재 특징을 결정하는 것은 인공 신경 회로망을 이용하여 수행되는 레이저 공작물 가공 작업 모니터 방법. - 삭제
- 제6항에 있어서,
상기 특징 공간의 경사장은 상기 경사에 관한 각자의 영역을 나타내는 특징 공간 내의 점들에 있는 서로 다른 영역들에서 상기 가공 파라미터에 따라서 결정되는 레이저 공작물 가공 작업 모니터 방법. - 제10항에 있어서,
상기 특징 공간의 상기 경사는 상기 특징 공간의 소정 포인트에서 상기 가공 파라미터를 변화시킴으로써 가공 파라미터에 따라서 결정되는 레이저 공작물 가공 작업 모니터 방법. - 제1항 또는 제2항에 있어서,
상기 적어도 하나의 센서는 특정 파장에 대한 필터를 가진 적어도 하나의 포토다이오드, 고체 매개 음향 센서, 공기 매개 음향 센서, 및 표면 조명을 가진 적어도 하나의 카메라 유닛으로 이루어진 그룹에서 선택되는 어느 하나 이상을 더 포함하는 레이저 공작물 가공 작업 모니터 방법. - 제6항에 있어서,
상기 적어도 하나의 액츄에이터는 레이저 출력의 제어기, 상기 공작물에 대한 가공 헤드의 가공 속도 제어기, 가공 레이저 빔의 초점의 제어기, 상기 공작물로부터의 가공 헤드의 거리의 제어기 및 래터럴 오프셋의 제어기로 이루어진 그룹에서 선택되는 레이저 공작물 가공 작업 모니터 방법. - 제1항 내지 제2항 중 어느 한 항에 따른 레이저 공작물 가공 작업 모니터 방법을 수행하기 위한 장치에 있어서,
적어도 2개의 측정값을 검출할 수 있는, 상기 레이저 가공 작업을 모니터하기 위한 적어도 하나의 센서;
특징 공간에서 현재 지문을 생성하기 위하여 적어도 2개의 측정값으로부터 적어도 2개의 특징을 결정하기 위한 데이터 처리 유닛;
소정의 학습 알고리즘을 통해 미리 학습된 가공 환경의 지문이 상기 특징 공간 내에서 표현되는 점집합을 저장하기 위한 메모리 유닛; 및
상기 특징 공간 내의 상기 점집합에 상대적인 상기 현재 지문의 위치를 검출함으로써 상기 레이저 가공 작업을 평가하기 위한 분류 유닛을 포함하며,
상기 적어도 하나의 센서는 서로 다른 노출 시간으로 카메라 영상(image)을 기록하며 고명암비의 이미지를 현재 측정 값으로서 제공하기 위해 상기 카메라 영상을 HDR(high dynamic range)방법을 이용하여 처리하는 하나 이상의 카메라 유닛을 포함하고,
상기 하나 이상의 카메라 유닛에 의해 기록된 상기 카메라 영상의 처리는 엔트로피법 또는 카메라 반응 기능을 활용한 가중법에 의해 처리되어지는 것을 특징으로 하는 레이저 공작물 가공 작업 모니터 장치. - 제14항에 있어서,
레이저 가공 제어에 사용되는 액츄에이터의 적어도 하나의 가공 파라미터를 제어하기 위한 제어 유닛을 더 포함하고, 상기 현재 지문이 상기 특징 공간의 상기 점집합으로부터 멀어지면, 상기 액츄에이터의 적어도 1개의 프로세스 파라미터의 변화가 상기 지문으로부터 상기 특징공간 내의 상기 점집합 방향으로 연장되는 상기 특징 공간 내의 경사에 대응하도록 작동되는 레이저 공작물 가공 작업 모니터 장치. - 제14항에 있어서,
상기 적어도 하나의 센서는 특정 파장에 대한 필터를 가진 적어도 하나의 포토다이오드, 고체 매개 음향 센서, 공기 매개 음향 센서, 및 표면 조명을 가진 적어도 하나의 카메라 유닛으로 이루어진 그룹에서 선택된 어느 하나 이상을 더 포함하는 레이저 공작물 가공 작업 모니터 장치. - 제14항에 있어서,
상기 적어도 하나의 액츄에이터는 레이저 출력의 제어기, 상기 공작물에 대한 가공 헤드의 가공 속도 제어기, 가공 레이저 빔의 초점의 제어기, 상기 공작물로부터의 가공 헤드의 거리의 제어기 및 래터럴 오프셋의 제어기로 이루어진 그룹에서 선택된 레이저 공작물 가공 작업 모니터 장치. - 제14항에 따른 장치를 구비하여 레이저 빔을 이용하여 공작물을 처리하기 위한 레이저 가공 헤드.
Applications Claiming Priority (9)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102008058422.3 | 2008-11-21 | ||
DE200810058422 DE102008058422A1 (de) | 2008-11-21 | 2008-11-21 | Verfahren und Vorrichtung zur Überwachung eines an einem Werkstück durchzuführenden Laserbearbeitungsvorgangs sowie Laserbearbeitungskopf mit einer derartigen Vorrichtung |
DE102009033881 | 2009-07-20 | ||
DE102009033881.0 | 2009-07-20 | ||
EP09010230.2 | 2009-08-07 | ||
EP09010230 | 2009-08-07 | ||
EP09011375 | 2009-09-04 | ||
EP09011375.4 | 2009-09-04 | ||
PCT/EP2009/008294 WO2010057662A1 (de) | 2008-11-21 | 2009-11-20 | Verfahren und vorrichtung zur überwachung eines an einem werkstück durchzuführenden laserbearbeitungsvorgangs sowie laserbearbeitungskopf mit einer derartigen vorrichtung |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20110099250A KR20110099250A (ko) | 2011-09-07 |
KR101700896B1 true KR101700896B1 (ko) | 2017-01-31 |
Family
ID=41666804
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020117014138A KR101787510B1 (ko) | 2008-11-21 | 2009-11-20 | 공작물 레이저 가공 작업 모니터 방법 및 장치와 그 장치를 구비한 레이저 가공 헤드 |
KR1020117014139A KR101700896B1 (ko) | 2008-11-21 | 2009-11-20 | 공작물 레이저 가공 작업 모니터 방법 및 장치와 그 장치를 구비한 레이저 가공 헤드 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020117014138A KR101787510B1 (ko) | 2008-11-21 | 2009-11-20 | 공작물 레이저 가공 작업 모니터 방법 및 장치와 그 장치를 구비한 레이저 가공 헤드 |
Country Status (11)
Country | Link |
---|---|
US (2) | US9492886B2 (ko) |
EP (2) | EP2365889B1 (ko) |
JP (2) | JP5762968B2 (ko) |
KR (2) | KR101787510B1 (ko) |
CN (2) | CN102292187B (ko) |
CA (2) | CA2743518C (ko) |
HK (1) | HK1164786A1 (ko) |
MX (2) | MX2011005335A (ko) |
RU (2) | RU2529135C2 (ko) |
WO (2) | WO2010057662A1 (ko) |
ZA (2) | ZA201104525B (ko) |
Families Citing this family (98)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012000650A1 (en) * | 2010-06-28 | 2012-01-05 | Precitec Kg | A method for classifying a multitude of images recorded by a camera observing a processing area and laser material processing head using the same |
US9053291B2 (en) * | 2010-09-29 | 2015-06-09 | Northeastern University | Continuous annealing process fault detection method based on recursive kernel principal component analysis |
CN103052880B (zh) * | 2010-10-26 | 2015-04-01 | 新东工业株式会社 | 用于激光照射在激光喷丸期间的冲击力的评估方法和评估***以及激光喷丸方法和激光喷丸*** |
JP2012148316A (ja) * | 2011-01-19 | 2012-08-09 | Keyence Corp | レーザー加工装置 |
DE102011003717A1 (de) | 2011-02-07 | 2012-08-09 | Trumpf Werkzeugmaschinen Gmbh + Co. Kg | Vorrichtung und Verfahren zur Überwachung und insbesondere zur Regelung eines Laserschneidprozesses |
DE102011122991B3 (de) | 2011-06-03 | 2023-06-22 | Lessmüller Lasertechnik GmbH | Verfahren zum Überwachen der Bearbeitung sowie Vorrichtung zum Bearbeiten eines Werkstücks mit einem hochenergetischen Bearbeitungsstrahl |
DE102011103282B4 (de) | 2011-06-03 | 2015-09-03 | Lessmüller Lasertechnik GmbH | Verfahren zum Überwachen der Bearbeitung sowie Vorrichtung zum Bearbeiten eines Werkstücks mit einem hochenergetischen Bearbeitungsstrahl |
DE102012202279B4 (de) * | 2012-02-15 | 2014-06-05 | Siemens Aktiengesellschaft | Sicherstellung einer Prüfabdeckung bei einer manuellen Inspektion |
US10315275B2 (en) * | 2013-01-24 | 2019-06-11 | Wisconsin Alumni Research Foundation | Reducing surface asperities |
CN105144346B (zh) | 2013-02-21 | 2017-12-15 | 恩耐公司 | 多层结构的激光刻图 |
US9842665B2 (en) | 2013-02-21 | 2017-12-12 | Nlight, Inc. | Optimization of high resolution digitally encoded laser scanners for fine feature marking |
US10464172B2 (en) | 2013-02-21 | 2019-11-05 | Nlight, Inc. | Patterning conductive films using variable focal plane to control feature size |
US20140255620A1 (en) * | 2013-03-06 | 2014-09-11 | Rolls-Royce Corporation | Sonic grain refinement of laser deposits |
CN103264227B (zh) * | 2013-04-11 | 2015-05-13 | 温州大学 | 一种激光直接刻蚀聚合物基体表面覆盖金属膜的方法 |
US11440141B2 (en) * | 2013-09-13 | 2022-09-13 | Trumpf Werkzeugmaschinen Gmbh + Co. Kg | Devices and methods for monitoring, in particular for regulating, a cutting process |
DE102013218421A1 (de) * | 2013-09-13 | 2015-04-02 | Trumpf Werkzeugmaschinen Gmbh + Co. Kg | Vorrichtung und Verfahren zur Überwachung, insbesondere zur Regelung, eines Schneidprozesses |
KR102380352B1 (ko) * | 2013-11-08 | 2022-03-30 | 써머툴 코포레이션 | 용접 프로세스를 위한 열 에너지 감지 및 분석 |
US9764469B1 (en) * | 2013-12-13 | 2017-09-19 | University Of South Florida | Generating robotic trajectories with motion harmonics |
DE102014202176B4 (de) * | 2014-02-06 | 2015-10-22 | Trumpf Werkzeugmaschinen Gmbh + Co. Kg | Verfahren zum Identifizieren einer Randkontur einer an einem Bearbeitungskopf gebildeten Öffnung und Bearbeitungsmaschine |
US10069271B2 (en) | 2014-06-02 | 2018-09-04 | Nlight, Inc. | Scalable high power fiber laser |
US10618131B2 (en) | 2014-06-05 | 2020-04-14 | Nlight, Inc. | Laser patterning skew correction |
CN104007689B (zh) * | 2014-06-09 | 2017-02-15 | 益阳市和天电子有限公司 | 一种电容生产现场用的智能监控*** |
DE102014212682A1 (de) * | 2014-07-01 | 2016-01-07 | Trumpf Werkzeugmaschinen Gmbh + Co. Kg | Verfahren und Vorrichtung zum Bestimmen einer Werkstoffart und/oder einer Oberflächenbeschaffenheit eines Werkstücks |
US10310201B2 (en) | 2014-08-01 | 2019-06-04 | Nlight, Inc. | Back-reflection protection and monitoring in fiber and fiber-delivered lasers |
JP2016078044A (ja) * | 2014-10-14 | 2016-05-16 | 三菱電機株式会社 | 加工状態判定装置及び加工機 |
US10112262B2 (en) | 2014-10-28 | 2018-10-30 | General Electric Company | System and methods for real-time enhancement of build parameters of a component |
RU2599920C2 (ru) * | 2014-11-20 | 2016-10-20 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых" | Устройство управления технологическим процессом лазерного термоупрочнения |
CN104880992B (zh) * | 2014-12-23 | 2018-08-17 | 湘潭大学 | 基于Kriging代理模型的磁控电弧传感器参数优化方法 |
US9837783B2 (en) | 2015-01-26 | 2017-12-05 | Nlight, Inc. | High-power, single-mode fiber sources |
US10050404B2 (en) | 2015-03-26 | 2018-08-14 | Nlight, Inc. | Fiber source with cascaded gain stages and/or multimode delivery fiber with low splice loss |
JP6675420B2 (ja) | 2015-05-13 | 2020-04-01 | バイストロニック レーザー アクチェンゲゼルシャフト | レーザ加工装置 |
CN104966088B (zh) * | 2015-06-02 | 2018-10-23 | 南昌航空大学 | 基于成组小波-变分关联向量机断口图像识别方法 |
US10520671B2 (en) | 2015-07-08 | 2019-12-31 | Nlight, Inc. | Fiber with depressed central index for increased beam parameter product |
JP2017030067A (ja) | 2015-07-30 | 2017-02-09 | ファナック株式会社 | 加工時間測定機能とオンマシン測定機能を有する制御装置付き加工装置 |
JP2017030088A (ja) * | 2015-07-31 | 2017-02-09 | ファナック株式会社 | 機械学習装置、ネジ締付システムおよびその制御装置 |
JP6438366B2 (ja) * | 2015-08-28 | 2018-12-12 | ファナック株式会社 | 電動機に対する動作指令を学習する機械学習方法および機械学習装置並びに該機械学習装置を備えた制御装置および電動機装置 |
US9989495B2 (en) | 2015-11-19 | 2018-06-05 | General Electric Company | Acoustic monitoring method for additive manufacturing processes |
US10073060B2 (en) | 2015-11-19 | 2018-09-11 | General Electric Company | Non-contact acoustic inspection method for additive manufacturing processes |
US10232439B2 (en) | 2015-11-20 | 2019-03-19 | General Electric Company | Gas flow monitoring in additive manufacturing |
US9989396B2 (en) | 2015-11-20 | 2018-06-05 | General Electric Company | Gas flow characterization in additive manufacturing |
EP3978184A1 (en) * | 2015-11-23 | 2022-04-06 | NLIGHT, Inc. | Method and apparatus for fine-scale temporal control for laser beam material processing |
US11179807B2 (en) | 2015-11-23 | 2021-11-23 | Nlight, Inc. | Fine-scale temporal control for laser material processing |
US10839302B2 (en) | 2015-11-24 | 2020-11-17 | The Research Foundation For The State University Of New York | Approximate value iteration with complex returns by bounding |
US10295820B2 (en) | 2016-01-19 | 2019-05-21 | Nlight, Inc. | Method of processing calibration data in 3D laser scanner systems |
JP6339603B2 (ja) * | 2016-01-28 | 2018-06-06 | ファナック株式会社 | レーザ加工開始条件を学習する機械学習装置、レーザ装置および機械学習方法 |
US10831180B2 (en) * | 2016-02-25 | 2020-11-10 | General Electric Company | Multivariate statistical process control of laser powder bed additive manufacturing |
JP6625914B2 (ja) * | 2016-03-17 | 2019-12-25 | ファナック株式会社 | 機械学習装置、レーザ加工システムおよび機械学習方法 |
DE102016206402A1 (de) * | 2016-04-15 | 2017-10-19 | Bühler Motor GmbH | Kreiselpumpenmotor |
CN106041296B (zh) * | 2016-07-14 | 2017-07-28 | 武汉大音科技有限责任公司 | 一种在线式动态视觉激光精密加工方法 |
US10732439B2 (en) | 2016-09-29 | 2020-08-04 | Nlight, Inc. | Fiber-coupled device for varying beam characteristics |
US10663767B2 (en) | 2016-09-29 | 2020-05-26 | Nlight, Inc. | Adjustable beam characteristics |
US10730785B2 (en) | 2016-09-29 | 2020-08-04 | Nlight, Inc. | Optical fiber bending mechanisms |
JP6438450B2 (ja) * | 2016-11-29 | 2018-12-12 | ファナック株式会社 | レーザ加工ロボットの加工順序を学習する機械学習装置、ロボットシステムおよび機械学習方法 |
US11205103B2 (en) | 2016-12-09 | 2021-12-21 | The Research Foundation for the State University | Semisupervised autoencoder for sentiment analysis |
JP6339655B1 (ja) | 2016-12-19 | 2018-06-06 | ファナック株式会社 | 光源ユニットの光学部品の調芯手順を学習する機械学習装置および光源ユニット製造装置 |
RU2638267C1 (ru) * | 2017-01-09 | 2017-12-12 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Владимирский Государственный Университет имени Александра Григорьевича и Николая Григорьевича Столетовых" (ВлГУ) | Способ лазерной сварки внахлест листов конструкционной стали и сплавов алюминия |
RU2646515C1 (ru) * | 2017-02-02 | 2018-03-05 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Казанский национальный исследовательский технический университет им. А.Н. Туполева-КАИ" (КНИТУ-КАИ) | Универсальная лазерная оптическая головка |
EP3607389B1 (en) | 2017-04-04 | 2023-06-07 | Nlight, Inc. | Optical fiducial generation for galvanometric scanner calibration |
DE102017208630B4 (de) * | 2017-05-22 | 2022-03-31 | Trumpf Werkzeugmaschinen Gmbh + Co. Kg | Verfahren zum Bestimmen von Wirkungsgrad oder Wirkungsgradänderungen einer Schlackeabsaugung und zugehörige Laserbearbeitungsmaschine |
DE102017210098B4 (de) * | 2017-06-16 | 2024-03-21 | Jenoptik Optical Systems Gmbh | Scanvorrichtung mit einer Scankopfvorrichtung zum Reflektieren oder Transmittieren von Strahlen für einen Scanner sowie Verfahren zum Reflektieren oder Transmittieren von Strahlen für einen Scanner |
CN110020648B (zh) * | 2018-01-10 | 2022-03-22 | 上银科技股份有限公司 | 工件量测及定位方法 |
JP6767416B2 (ja) * | 2018-03-26 | 2020-10-14 | ファナック株式会社 | 加工条件調整装置及び機械学習装置 |
JP7017985B2 (ja) * | 2018-06-05 | 2022-02-09 | 株式会社日立製作所 | システム及び処理条件の決定方法 |
EP3586973B1 (en) * | 2018-06-18 | 2024-02-14 | Rolls-Royce Corporation | System control based on acoustic and image signals |
CN109031954B (zh) * | 2018-08-03 | 2021-06-25 | 北京深度奇点科技有限公司 | 基于强化学习的焊接参数确定方法、焊接方法和设备 |
US11534961B2 (en) | 2018-11-09 | 2022-12-27 | General Electric Company | Melt pool monitoring system and method for detecting errors in a multi-laser additive manufacturing process |
DE102018129441B4 (de) | 2018-11-22 | 2023-11-16 | Precitec Gmbh & Co. Kg | System zur Überwachung eines Laserbearbeitungsprozesses, Laserbearbeitungssystem sowie Verfahren zur Überwachung eines Laserbearbeitungsprozesses |
US10828836B2 (en) | 2018-12-13 | 2020-11-10 | General Electric Company | Method for melt pool monitoring |
US11020907B2 (en) | 2018-12-13 | 2021-06-01 | General Electric Company | Method for melt pool monitoring using fractal dimensions |
US10828837B2 (en) | 2018-12-13 | 2020-11-10 | General Electric Company | Method for melt pool monitoring using algebraic connectivity |
US10894364B2 (en) | 2018-12-13 | 2021-01-19 | General Electric Company | Method for melt pool monitoring using geometric length |
US11285671B2 (en) | 2018-12-13 | 2022-03-29 | General Electric Company | Method for melt pool monitoring using Green's theorem |
CN110132975B (zh) * | 2019-03-28 | 2022-04-12 | 中核建中核燃料元件有限公司 | 一种用于核燃料棒包壳表面检测的方法、装置 |
US11447935B2 (en) | 2019-04-30 | 2022-09-20 | Deere & Company | Camera-based boom control |
US11653101B2 (en) | 2019-05-17 | 2023-05-16 | Samsung Electronics Co., Ltd. | Imaging system for generating high dynamic range image |
CN110133643B (zh) * | 2019-05-22 | 2021-08-20 | 北京林业大学 | 植物根系探测方法及装置 |
DE102019114477A1 (de) * | 2019-05-29 | 2020-12-03 | Trumpf Werkzeugmaschinen Gmbh + Co. Kg | Automatische Materialerkennung mit Laser |
DE102019208036A1 (de) * | 2019-06-03 | 2020-12-03 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Überwachen eines Schweißprozesses |
DE112020002341B4 (de) | 2019-06-13 | 2024-06-20 | Mitsubishi Electric Corporation | Bearbeitungsfehler-Erkennungsvorrichtung, Laserschneidvorrichtung und Funkenerodiervorrichtung |
RU2723493C1 (ru) * | 2019-07-15 | 2020-06-11 | федеральное государственное бюджетное образовательное учреждение высшего образования "Пермский национальный исследовательский политехнический университет" | Способ лазерной сварки с контролем процесса формирования сварного шва |
CN114341754B (zh) * | 2019-08-28 | 2023-05-26 | 百超激光有限公司 | 对切割处理中的激光切割头运动的控制方法及设备和介质 |
EP3786736A1 (en) | 2019-08-28 | 2021-03-03 | Bystronic Laser AG | Control for a laser cutting head movement in a cutting process |
US11878365B2 (en) | 2019-11-20 | 2024-01-23 | Concept Laser Gmbh | Focus adjustment and laser beam caustic estimation via frequency analysis of time traces and 2D raster scan data |
DE102019218623A1 (de) * | 2019-11-29 | 2021-06-02 | Sms Group Gmbh | Steuerungssystem für eine industrielle Anlage, insbesondere für eine Anlage zur Herstellung oder Verarbeitung von metallischen Bändern oder Blechen und Verfahren zum Steuern einer industriellen Anlage, insbesondere einer Anlage zur Herstellung oder Verarbeitung von metallischen Bändern oder Blechen |
DE102019220485A1 (de) * | 2019-12-20 | 2021-06-24 | Trumpf Werkzeugmaschinen Gmbh + Co. Kg | Verfahren zur Bestimmung und Korrektur des Maschinenzustands einer Werkzeugmaschine und Diagnosesystem |
US12017300B2 (en) | 2020-03-12 | 2024-06-25 | Concept Laser Gmbh | Cross stitching control by QMM3D |
US12017301B2 (en) | 2020-03-13 | 2024-06-25 | General Electric Company | Systems and methods for compression, management, and analysis of downbeam camera data for an additive machine |
EP3885069A1 (de) | 2020-03-25 | 2021-09-29 | Bystronic Laser AG | Qualitätskontrolle eines laserbearbeitungsprozesses mittels maschinellem lernen |
CN111968072B (zh) * | 2020-07-07 | 2024-04-02 | 南昌大学 | 一种基于贝叶斯网络的厚板t形接头焊接位置自主决策方法 |
US20220036225A1 (en) * | 2020-08-03 | 2022-02-03 | International Business Machines Corporation | Learning parameters of special probability structures in bayesian networks |
DE102020210988A1 (de) | 2020-08-31 | 2022-03-03 | Fronius International Gmbh | Laser-Hybrid-Schweißverfahren und Laser-Hybrid-Schweißgerät zur Verschweißung von Werkstücken |
CN112149725B (zh) * | 2020-09-18 | 2023-08-22 | 南京信息工程大学 | 基于傅立叶变换的谱域图卷积3d点云分类方法 |
CN112044874B (zh) * | 2020-09-27 | 2022-02-25 | 厦门理工学院 | 一种激光清洗的实时监测***及其监测方法 |
RU2763706C1 (ru) * | 2021-03-16 | 2021-12-30 | федеральное государственное бюджетное образовательное учреждение высшего образования "Казанский национальный исследовательский технический университет им.А.Н. Туполева - КАИ" | Способ лазерной сварки разнородных металлических сплавов |
DE102021206302A1 (de) * | 2021-06-18 | 2022-12-22 | Trumpf Laser- Und Systemtechnik Gmbh | Verfahren zur Laserbearbeitung und Laserbearbeitungsanlage sowie Steuereinrichtung hierfür |
EP4368330A1 (de) * | 2022-11-14 | 2024-05-15 | Bystronic Laser AG | Steuerung einer laserschneidmaschine mittels luftschallsignalen |
CN117283143B (zh) * | 2023-10-08 | 2024-02-09 | 广东省源天工程有限公司 | 用于海洋内水下作业机器人的防腐蚀控制***及方法 |
CN117532279B (zh) * | 2024-01-08 | 2024-03-19 | 山西金鼎泰金属制品股份有限公司 | 一种用于高压管路的连接法兰加工方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002346783A (ja) * | 2001-05-30 | 2002-12-04 | Denso Corp | レーザ溶接制御方法及びその装置 |
JP2003516860A (ja) * | 1999-11-27 | 2003-05-20 | ティッセンクルップ シュタール アクチェンゲゼルシャフト | レーザーによって突き合せ溶接された金属薄板またはバンドの継ぎ目を品質管理する方法と装置 |
JP2004066340A (ja) * | 2002-07-31 | 2004-03-04 | Miyachi Technos Corp | レーザ溶接モニタ装置及び方法 |
WO2008073991A2 (en) * | 2006-12-12 | 2008-06-19 | Dolby Laboratories Licensing Corporation | Hdr camera with multiple sensors |
Family Cites Families (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB9321866D0 (en) * | 1993-10-22 | 1993-12-15 | Kinsman Grant | Fuzzy logic control of laser welding |
US5768137A (en) * | 1995-04-12 | 1998-06-16 | American Research Corporation Of Virginia | Laser aligned robotic machining system for use in rebuilding heavy machinery |
JPH08309578A (ja) | 1995-05-23 | 1996-11-26 | Toyota Motor Corp | 溶接ビード良否判定方法 |
US5940296A (en) * | 1995-11-06 | 1999-08-17 | Medar Inc. | Method and system for interactively developing a graphical control-flow structure and associated application software for use in a machine vision system |
ATE237793T1 (de) * | 1996-07-29 | 2003-05-15 | Elpatronic Ag | Verfahren und vorrichtung zur kantenverfolgung und kantenprüfung |
DE19716293C2 (de) | 1997-04-18 | 2000-07-13 | Daimler Chrysler Ag | Vorrichtung zur Regelung der Fokuslage beim Laserstrahlschweißen |
GB9719527D0 (en) | 1997-09-12 | 1997-11-19 | Powerlasers Ltd | Fuzzy neural-network controller for laser welding systems |
RU2155653C2 (ru) * | 1998-06-08 | 2000-09-10 | Курский государственный технический университет | Видеосенсорное устройство |
US6532454B1 (en) * | 1998-09-24 | 2003-03-11 | Paul J. Werbos | Stable adaptive control using critic designs |
JP2001276980A (ja) | 2000-03-30 | 2001-10-09 | Matsushita Electric Ind Co Ltd | 接合装置 |
JP2002064304A (ja) * | 2000-08-22 | 2002-02-28 | Taiyo Yuden Co Ltd | 積層型誘電体フィルタ |
US7173245B2 (en) * | 2001-01-04 | 2007-02-06 | The Regents Of The University Of California | Submicron thermal imaging method and enhanced resolution (super-resolved) AC-coupled imaging for thermal inspection of integrated circuits |
DE10103255B4 (de) * | 2001-01-25 | 2004-12-30 | Robert Bosch Gmbh | Verfahren zur automatischen Beurteilung von Laserbearbeitungsprozessen |
TW565684B (en) | 2001-02-14 | 2003-12-11 | Honda Motor Co Ltd | Welding state monitoring device |
JP3512388B2 (ja) | 2001-02-15 | 2004-03-29 | 川崎重工業株式会社 | レーザ加工モニタリング装置 |
ATE506138T1 (de) * | 2001-11-15 | 2011-05-15 | Precitec Vision Gmbh & Co Kg | VERFAHREN UND VORRICHTUNG ZUR ERFASSUNG DER NAHTQUALITÄT EINER SCHWEIßNAHT BEI DER SCHWEIßUNG VON WERKSTÜCKEN |
SE521787C2 (sv) | 2002-04-05 | 2003-12-09 | Volvo Aero Corp | Anordning och förfarande för kontroll av ett svetsområde, inrättning och förfarande för styrning av en svetsoperation, datorprogram och datorprogramprodukt |
JP2006088163A (ja) * | 2004-09-21 | 2006-04-06 | Fanuc Ltd | レーザ装置 |
US7364306B2 (en) * | 2005-06-20 | 2008-04-29 | Digital Display Innovations, Llc | Field sequential light source modulation for a digital display system |
US8615374B1 (en) * | 2006-06-09 | 2013-12-24 | Rockwell Automation Technologies, Inc. | Modular, configurable, intelligent sensor system |
US8084706B2 (en) * | 2006-07-20 | 2011-12-27 | Gsi Group Corporation | System and method for laser processing at non-constant velocities |
EP2613281B1 (en) | 2006-12-29 | 2014-08-13 | Qualcomm Incorporated | Manipulation of virtual objects using enhanced interactive system |
ATE455618T1 (de) * | 2007-11-20 | 2010-02-15 | Trumpf Werkzeugmaschinen Gmbh | VERFAHREN ZUM BESTIMMEN EINER KENNGRÖßE FÜR DIE GENAUIGKEIT EINER NAHTLAGEREGELUNG |
DE102008038332A1 (de) | 2008-08-19 | 2009-01-22 | Daimler Ag | Verfahren und Vorrichtung zur Regelung eines Schweißprozesses |
-
2009
- 2009-11-20 CN CN200980155381.8A patent/CN102292187B/zh active Active
- 2009-11-20 CN CN200980147217.2A patent/CN102281984B/zh active Active
- 2009-11-20 US US13/130,426 patent/US9492886B2/en active Active
- 2009-11-20 EP EP09760109.0A patent/EP2365889B1/de active Active
- 2009-11-20 CA CA2743518A patent/CA2743518C/en not_active Expired - Fee Related
- 2009-11-20 MX MX2011005335A patent/MX2011005335A/es active IP Right Grant
- 2009-11-20 EP EP09760110.8A patent/EP2365890B1/de active Active
- 2009-11-20 JP JP2011536788A patent/JP5762968B2/ja active Active
- 2009-11-20 US US13/130,499 patent/US9056368B2/en active Active
- 2009-11-20 MX MX2011005336A patent/MX2011005336A/es active IP Right Grant
- 2009-11-20 RU RU2011125317/02A patent/RU2529135C2/ru active
- 2009-11-20 CA CA2743522A patent/CA2743522C/en not_active Expired - Fee Related
- 2009-11-20 WO PCT/EP2009/008294 patent/WO2010057662A1/de active Application Filing
- 2009-11-20 WO PCT/EP2009/008293 patent/WO2010057661A1/de active Application Filing
- 2009-11-20 KR KR1020117014138A patent/KR101787510B1/ko active IP Right Grant
- 2009-11-20 JP JP2011536789A patent/JP5763542B2/ja active Active
- 2009-11-20 RU RU2011125341/02A patent/RU2529136C2/ru active
- 2009-11-20 KR KR1020117014139A patent/KR101700896B1/ko active IP Right Grant
-
2011
- 2011-06-20 ZA ZA2011/04525A patent/ZA201104525B/en unknown
- 2011-06-20 ZA ZA2011/04527A patent/ZA201104527B/en unknown
-
2012
- 2012-06-14 HK HK12105813.0A patent/HK1164786A1/zh not_active IP Right Cessation
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003516860A (ja) * | 1999-11-27 | 2003-05-20 | ティッセンクルップ シュタール アクチェンゲゼルシャフト | レーザーによって突き合せ溶接された金属薄板またはバンドの継ぎ目を品質管理する方法と装置 |
JP2002346783A (ja) * | 2001-05-30 | 2002-12-04 | Denso Corp | レーザ溶接制御方法及びその装置 |
JP2004066340A (ja) * | 2002-07-31 | 2004-03-04 | Miyachi Technos Corp | レーザ溶接モニタ装置及び方法 |
WO2008073991A2 (en) * | 2006-12-12 | 2008-06-19 | Dolby Laboratories Licensing Corporation | Hdr camera with multiple sensors |
Also Published As
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101700896B1 (ko) | 공작물 레이저 가공 작업 모니터 방법 및 장치와 그 장치를 구비한 레이저 가공 헤드 | |
JP5172041B2 (ja) | レーザ加工ヘッドおよびレーザ加工ヘッドの焦点位置の変化を補償するための方法 | |
KR102611342B1 (ko) | 심층 합성곱 신경망을 이용한 레이저 가공 공정 모니터링 시스템 및 방법 | |
KR102468234B1 (ko) | 심층 합성곱 신경망을 이용한 레이저 가공 시스템의 가공오류 검출 시스템 및 방법 | |
JP2023508765A (ja) | 機械学習を用いてのレーザ加工プロセスの品質管理 | |
US20210197282A1 (en) | Method and apparatus for estimating height of 3d printing object formed during 3d printing process, and 3d printing system having the same | |
CN114007800B (zh) | 激光加工***、加工条件搜索装置及加工条件搜索方法 | |
JP2024528597A (ja) | レーザ切断方法のための品質推定器の校正 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20200114 Year of fee payment: 4 |