Projektdaten
Entwicklung anwendergereachter Methoden zur akustischen Prozessüberwachung beim Laserstrahlschweißen durch neuartige Datenverarbeitungsmethoden und Machine Learning
Hochschule
TU Ilmenau
Fakultät/Einrichtung
Maschinenbau
Förderkategorie
Bund
Zeitraum
2024 - 2026
Drittmittelgeber
Bundesministerium für Wirtschaft und Klimaschutz
Stichwort
Bewilligungssumme, Auftragssumme
273.759,83 €
Abstract:
Im Bereich der Gastrotechnik, der weißen Ware und der Fahrzeugtechnik ist das Laserstrahlschweißen im Überlappstoß aufgrund seiner verfahrenstechnischen Vorteile weit verbreitet. In Abhängigkeit des im Überlapp vorliegenden Fügespalts sowie der Schweißgeschwindigkeit kommt es hierbei jedoch zur Entstehung von verdeckten Anbindungsfehlern (sog. False Friends) sowie zur Bildung von Spritzern und Poren. Derzeit liegen kaum systematischen Erkenntnisse und Erfahrungen vor, die durchgängig und prozesssicher das Auftreten derartiger Fehlerbilder unter industriellen Bedingungen erkennen lassen. Ziel des Vorhabens ist es, anwendergerechte Methoden zur OnlineProzessüberwachung für Nahtfehler beim Laserstrahlschweißen mit Fügespalt und hohen Schweißgeschwindigkeiten (8 m/min) auf Basis akustischer Prozessemissionen zu entwickeln. Dem verfolgten Ansatz liegt zu Grunde, dass die Entstehung von Nahtfehlern zur spezifischen akustischen Audiosignalen führt, welche durch Einsatz moderner Sensortechnologien erfasst werden können. Durch neue Datenverarbeitungsmethoden kann eine Separierung von umgebenden Störsignalen erfolgen, so dass eine onlinefähige Überwachung umgesetzt werden kann. Voraussetzung dafür ist die tiefergehende Kenntnis der Entstehungsmechanismen von Nahtfehlern und deren ortsund zeitabhängiger Wechselwirkung mit dem Fügespalt, um akustisch relevanten Merkmalen konkreten Fehlerbildern bzw. deren Entwicklung zuordnen zu können. Darüber hinaus erfolgt eine Merkmalsextraktion und eine Analyse der Signale, die auch durch die Erstellung relevanter Fehlerbilder validiert wird. Durch Einsatz von transparenzerhöhenden Methoden der KI werden Wechselwirkungen nachvollzogen und geeignete Algorithmen gebildet und validiert. Von den Ergebnissen profitieren kmU entlang der gesamten Wertschöpfungskette (Anlagenhersteller, Dienstleister und Produzenten) sowie kmU im Bereich der Sensorik und der Qualitätssicherung, die somit ihr Produktportfolio erweitern können.