[發明專利]機器學習方法、消耗品管理裝置和計算機可讀介質有效
| 申請號: | 201980087617.2 | 申請日: | 2019-02-07 |
| 公開(公告)號: | CN113261166B | 公開(公告)日: | 2023-07-14 |
| 發明(設計)人: | 阿部邦彥;峰岸裕司;菊池悟;若林理 | 申請(專利權)人: | 極光先進雷射株式會社 |
| 主分類號: | H01S3/00 | 分類號: | H01S3/00;H01S3/104 |
| 代理公司: | 北京三友知識產權代理有限公司 11127 | 代理人: | 于英慧;崔成哲 |
| 地址: | 日本*** | 國省代碼: | 暫無信息 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 機器 學習方法 消耗品 管理 裝置 計算機 可讀 介質 | ||
1.一種機器學習方法,其生成用于預測激光裝置的消耗品的壽命的學習模型,其中,所述機器學習方法包含以下步驟:
取得第1壽命關聯信息,該第1壽命關聯信息包含與從所述消耗品開始使用到被更換為止的期間中的不同的振蕩脈沖數對應地被記錄的所述消耗品的壽命關聯參數的數據;
根據所述振蕩脈沖數將所述第1壽命關聯信息分割成表示所述消耗品的劣化度的多個階段的等級,生成將所述第1壽命關聯信息和表示所述劣化度的所述等級對應起來的訓練數據;
通過使用所述訓練數據進行機器學習,生成根據所述壽命關聯參數的數據預測所述消耗品的劣化度的所述學習模型;以及
保存所述生成的所述學習模型。
2.根據權利要求1所述的機器學習方法,其中,
所述消耗品是激光腔,
所述激光腔的所述第1壽命關聯信息包含電極劣化參數、脈沖能量穩定性參數和氣體控制參數。
3.根據權利要求2所述的機器學習方法,其中,
所述激光腔的所述第1壽命關聯信息還包含運轉負荷參數。
4.根據權利要求2所述的機器學習方法,其中,
所述激光腔的所述第1壽命關聯信息還包含激光諧振器的光學元件的劣化參數。
5.根據權利要求1所述的機器學習方法,其中,
所述消耗品是監視器模塊,
所述監視器模塊的所述第1壽命關聯信息包含所述監視器模塊的光學元件的劣化參數。
6.根據權利要求1所述的機器學習方法,其中,
所述消耗品是監視器模塊,
所述監視器模塊的所述第1壽命關聯信息包含所述監視器模塊的圖像傳感器的劣化參數。
7.根據權利要求1所述的機器學習方法,其中,
所述消耗品是窄帶化模塊,
所述窄帶化模塊的所述第1壽命關聯信息包含所述窄帶化模塊的光學元件的劣化參數。
8.根據權利要求7所述的機器學習方法,其中,
所述窄帶化模塊的所述第1壽命關聯信息還包含波長致動器的劣化參數。
9.根據權利要求7所述的機器學習方法,其中,
所述窄帶化模塊的所述第1壽命關聯信息還包含波面的劣化參數。
10.根據權利要求1所述的機器學習方法,其中,
所述第1壽命關聯信息是與所述消耗品的版本對應地被分類的信息,
所述生成的所述學習模型被保存為與所述消耗品的版本對應的學習模型。
11.根據權利要求1所述的機器學習方法,其中,
所述學習模型是神經網絡模型。
12.一種消耗品管理裝置,其包含:
學習模型保存部,其保存通過實施權利要求1所述的機器學習方法而生成的所述學習模型;
信息取得部,其接收與所述激光裝置中的預定更換的消耗品有關的壽命預測處理的請求信號,取得與所述預定更換的消耗品有關的當前的第2壽命關聯信息;
壽命預測部,其根據所述預定更換的消耗品的所述學習模型和所述第2壽命關聯信息,計算所述預定更換的消耗品的壽命和剩余壽命;以及
信息輸出部,其將通過所述計算得到的所述預定更換的消耗品的壽命和剩余壽命的信息通知給外部裝置。
13.根據權利要求12所述的消耗品管理裝置,其中,
所述信息取得部接收所述激光裝置的工作預定數據,
所述壽命預測部根據所述工作預定數據和所述剩余壽命計算推薦維護日,
所述信息輸出部將所述推薦維護日的信息通知給所述外部裝置。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于極光先進雷射株式會社,未經極光先進雷射株式會社許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201980087617.2/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:美容裝置
- 下一篇:通信控制裝置、通信控制方法及計算機程序





