Entwicklung eines Prognosemodells zur Vorhersage von Prozessinstabilitäten beim MSG-Schweißen durch Kombination von Lichtbogensensorik mit multivariaten Verfahren und Deep Learning

Vorhabenbeschreibung:

Ziel des Vorhabens ist die Entwicklung einer geometrisch-prozessorientierten adaptiven Prozessführung beim automatisierten bzw. mechanisierten MSG-Schweißen, um Schweißfehler vor ihrer Entstehung zu identifizieren und zu vermeiden. Dabei soll die adaptive Prozessführung online, also während des Schweißprozesses, stattfinden und grundsätzlich auf geometrischen Daten (Merkmale der Nahtgeometrie, bspw. durch Profilscanner) sowie prozessorientierten Daten (Merkmale der Us/Is-Signale) basieren. Auf Basis der aufgenommenen Informationen werden anschließend datenbasierte Modelle aus dem Bereich KI trainiert, um eine Online-Prognose zur Eintrittswahrscheinlichkeit unterschiedlicher Schweißfehler in naher Zukunft abzugeben. Anschließend soll eine ebenfalls auf KI basierende Adaptionsstrategie (Online-Anpassung von Schweißparametern) zur Kompensation eingeleitet werden, bevor es zur Ausbildung der Fehler kommt. Zur Evaluierung der Verfahren und Sicherstellung der Praxistauglichkeit wird ein Versuchsaufbau realisiert. KmU-Anlagenhersteller sowie Anwender haben i.d.R. nicht die Kapazitäten und das Know-How um derartige Versuche durchzuführen und KI-Modelle zu entwickeln.