[发明专利]机器学习装置、激光装置以及机器学习方法

说明书

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。

技术领域

本发明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。

背景技术

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，并进行激励用的LD的寿命预测”。

并且，日本特开2005-317178号公报中公开了：“制作因半导体激光器的劣化引起的发热量增加的时间序列数据，基于上述发热量增加的时间序列数据来进行半导体激光器的寿命预测”。

并且，日本特开2006-222411号公报中公开了：“使用在功率传感器所输出的信号满足预先决定的条件的情况下电源对激励光源提供的电流值以及存储器中保存的运行时间，来估计激励光源的寿命”。

并且，日本特开2011-86496号公报中公开了：将特性变动量与容许变动量进行比较，来预测激光光源的更换时期，其中，该特性变动量是因使用而劣化的电流强度特性与理想特性之差。

并且，日本特开2012-15440号公报中公开了：“在超过规定的劣化阈值电流的驱动电流流过激光二极管的时间的累积时间超过按周边温度预先决定的阈值时间的情况下，判定为激光二极管的寿命快到了”。

并且，日本特开2005-317841号公报中公开了：通过使用“驱动电流时间积”，“能够以符合实际状态的形式管理激光二极管元件1a、1b、1c的劣化度”。

发明内容

然而，日本特开平8-279642号公报只是当用于发出特定的光输出的驱动电流超过劣化阈值电流时判定为达到寿命的结束期，没有公开推导出定量性的剩余寿命的方法。

另外，日本特开2005-294493号公报没有公开推导出剩余寿命的具体方法。另外，日本特开2005-294493号公报中存在“以使各激光振荡器的输出变为固定的方式”这样的记载，因此在通过各种光输出条件、也就是说从低输出到高输出、从连续激光输出到脉冲激光输出的光输出条件来驱动光源的情况下，无法进行准确的寿命预测。

另外，日本特开2005-317178号公报中公开的技术仅在光输出为固定的驱动条件的情况下能够进行寿命预测。并且，日本特开2005-317178号公报的技术在半导体激光器的劣化变得明显而发热量增加之前无法进行寿命预测。