|
6252 |
|
Thursday, February 13, 2020, Raum Hesse 11:15 AM Prozesssicherheit und Qualität |
|
Einsatz von maschinellem Lernen zur Stabilitätsprognose in MSG-Schweißprozessen |
|
Sebastian Rieck* / Fraunhofer IGP, Deutschland Benjamin Ripsch / Fraunhofer IGP, Deutschland Knuth-Michael Henkel/ Fraunhofer IGP, Deutschland Andreas Gericke/ Fraunhofer IGP, Deutschland |
|
Im schweren Stahlbau ist das Fügen langer, gerader Blechstöße auf Keramikbadsicherung und in Wannenposition mittels Metall-Schutzgasschweißen (MSG-Schweißen) ein oftmals notwendiger, arbeits- und zeitintensiver Fertigungsschritt. An großvolumigen Strukturen, beispielsweise bei der Fertigung von Kranträgern, Kragarmen, Containerbrücken oder auch der Endmontage von Blöcken im Schiffbau, kommt häufig eine mechanisierte Brennerführung zum Einsatz. Den Schweißprozessen vorgelagerte Schweißarbeiten, thermisches Trennen, Richten oder Schleifarbeiten führen zu Toleranzabweichungen in der Nahtvorbereitung. Dies führt häufig zu Prozessinstabilitäten aus denen Unregelmäßigkeiten (Bindefehler, Kerben etc.) in der Schweißnaht und somit ein hoher Nacharbeitungsaufwand resultieren. Im Mittelpunkt dieses Beitrags steht daher die Entwicklung eines Systems, das in der Lage ist die Prozessstabilität zu prognostizieren, um Unregelmäßigkeiten vorzubeugen. Hierzu wurden Signale die den Schweißlichtbogen betreffen (Schweißstrom und -spannung) herangezogen und mittels Methoden des Maschinellen Lernens verarbeitet. Um die Prognose vornehmen zu können, wurden zwei mathematische Prädiktions-Modelle realisiert. Zum einen wird ein klassisches Regressionsmodell, unter Nutzung statistischer Merkmale, und zum anderen ein rekurrentes neuronales Netz herangezogen. Anschließend wurde die Leistungsfähigkeit miteinander verglichen. Die wichtigste Grundlage für die Leistungsfähigkeit der Prognose bildete ein möglichst großer und repräsentativer Satz von annotierten Trainingsdaten. Zur Aufnahme dieser Daten wurden Schweißversuche durchgeführt, die sowohl stabile als auch instabile Prozesse abbilden. Hierzu wurden Schweißproben konstruiert und gefertigt, die eine realitätsnahe Fugengeometrie und variierende Fugenverläufe besitzen. Anschließend wurden die Proben robotergestützt im Labor geschweißt und dabei die Brennerposition sowie die Schweißparameter und Lichtbogensignale geloggt. Die optische Analyse der Vorgänge mit einer zeitlich synchronisierten Hochgeschwindigkeitskamera ermöglicht zudem eine präzise Bewertung der Prozesszustände durch das Aufzeigen von Korrelationen zu den elektrischen Daten und erlaubt etwaige Plausibilitätsprüfungen. Die Ergebnisse der beschriebenen Tätigkeiten bilden die Ausgangsbasis für die Entwicklung einer adaptiven Brennerführung zur Verhinderung von Prozessinstabilitäten. |