Abstract No.:	7556
Scheduled at:	Wednesday, September 21, 2022, TZ 1 und TZ 2 12:30 PM Künstliche Intelligenz in der Schweißtechnik II
Title:	Rührreibschweißen - Analyse der Prozessantworten mittels KI
Authors:	Fabian Vieltorf* / Institut für Werkzeugmaschinen und Betriebswissenschaften, Technische Universität München, Deutschland Roman Hartl / Institut für Werkzeugmaschinen und Betriebswissenschaften, Technische Universität München, Deutschland Michael F. Zäh/ Institut für Werkzeugmaschinen und Betriebswissenschaften, Technische Universität München, Deutschland
Abstract:	Der steigende Bedarf an qualitativ hochwertigen Rührreibschweißnähten durch neue Anwendungsfelder, wie z. B. der Elektromobilität, führt zu einem erhöhten Aufwand in der nachgelagerten Nahtqualitätsprüfung. Zur Reduzierung der Kosten für die Qualitätssicherung kann eine Inline-Prozessüberwachung genutzt werden. Im Forschungsprojekt AProKI wurden aktuelle Methoden der künstlichen Intelligenz (KI) genutzt, um die Nahtqualität anhand von inline messbaren Prozessgrößen vorherzusagen. Mithilfe von Schweißexperimenten wurde zunächst die für das Training der Algorithmen erforderliche Datenbasis an Prozessgrößen (z. B. Prozesskräfte, Schweißtemperatur) generiert. Anschließend wurde die Qualität der Schweißnähte anhand von Topographiedaten, mechanischen Kennwerten und inneren Nahtdefekten bestimmt. Einen zentralen Baustein des Projekts nahm die Entwicklung und Validierung der KI-Algorithmen zur Vorhersage der Schweißnahtqualität sowie der Aufbau einer grafischen Benutzeroberfläche zur anwenderfreundlichen Bedienung ein. Im Projektverlauf konnte gezeigt werden, dass die Zugfestigkeit und die Bruchdehnung sehr gut durch die Eingangsdaten Prozesskräfte, Spindeldrehmoment und Schweißtemperatur vorhergesagt werden können. Die Oberflächenqualität, Hohlräume und die Vickershärte der Schweißnaht konnten ebenfalls modelliert werden. Dabei konnten auch Hohlräume vorhergesagt werden, die durch einen Fügespalt verursacht wurden. Hierbei wurden Genauigkeiten von 98 % erreicht. Die KI-basierte Vorhersage der Qualität von Rührreibschweißnähten mittels Prozessdaten stellt damit eine sichere, schnelle und kostengünstige Methode zur Inline-Qualitätssicherung dar.

<= go back