Artificial neural network controlled intelligent welding system in practical applications
Penttilä, Sakari (2017)
Diplomityö
Penttilä, Sakari
2017
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe201702201793
https://urn.fi/URN:NBN:fi-fe201702201793
Tiivistelmä
The future drives the manufacturing industry to employ cost efficient and more productive production methods. As a result, lighter and optimized structures (structural and fatigue strength is mostly restricted by the quality of the weld) require precise weld control through, the welding industry is driven to respond to these challenges by creating a way to control the welding process with precision and maintain constant product quality. Companies, universities and research facilities are eager to develop fully automated and self-learning welding, as it holds the key to take the welding industry to the next level and respond to the requirements set by the manufacturing industry.
The purpose of the study is to provide comprehensive information on artificial neural network-controlled intelligent welding and discover suitability, challenges and practical applicability of the system. Additionally, the focus of the study is to find the possibilities, restrictions and suitability of artificial neural network-based adaptive welding in practice. The study primarily concerns on the weld control of the intelligent welding system. Weld control includes seam tracking (workpiece or seam misalignment control), penetration and tack weld control, as well as bead width, height and shape control. The intelligent GMAW system used in the study is based on an artificial neural network, using back propagation learning method. The supervised off-line adaptive welding system is trained and tested in practice with industrial cases with different neural network layer configurations. Different types of cases are tested to determine the suitability of the system to different welding conditions and environments, penetration control being the main module of review. Based on previous studies in literature and cases presented, the challenges, suitability of system and weld control in practice from the product point of view are observed and analyzed. Tulevaisuus ajaa valmistavaa teollisuutta kehittämään kustannustehokkaampia ja tuottavampia valmistusratkaisuja tuotteille. Kevyemmät ja tarkemmin optimoidut rakenteet vaativat tarkempaa hitsausprosessin hallintaa ja tasaisempaa laatua, joka ajaa hitsausteollisuuden keksimään uusia hitsausprosessin hallinta- ja automaatioratkaisuja. Yritykset, yliopistot ja tutkimuslaitokset ovat kehittämässä uudentyyppisiä ratkaisuja, jotta jatkuvasti tiukentuviin laatuvaatimuksiin pystytään vastaamaan. Tulevaisuuden tähtäimenä on viedä hitsausteknologia uudelle älykkään hitsausjärjestelmän tasolle ja saamaan hitsaus onnistumaan ”kerralla oikein”, jolloin ylimääräiset valmistuksen kustannukset ja turha työ pystytään välttämään.
Tämän tutkimuksen tavoitteena on luoda kattava tietopohja hitsauksessa ja hitsausautomaatiossa käytettävistä antureista, sekä neuroverkko(hermoverkko)-ohjatuista älykkäistä hitsausjärjestelmistä. Tutkimuksessa selvitettiin railodatan hyödyntäminen hitsauksessa, tunkeuman ja hitsipalon muodon hallinta sekä siltahitseihin reagoiminen. Kokeellisessa osuudessa kehitettiin älykäs neuroverkko-ohjattu MAG-hitsausprosessi, jota testattiin erityyppisillä railomuodoilla ja vaatimuksilla. Kehitetty järjestelmä pystyy reagoimaan muuttuviin hitsausolosuhteisiin sekä hallitsemaan ja saavuttamaan tasalaatuinen tunkeuma sekä hitsauksen lopputulos. Kehitetyn hitsausjärjestelmän soveltuvuutta, käytettävyyttä sekä haasteita arvioidaan käytännön sovelluskohteiden näkökulmasta, hitsauskokeiden ja aikaisempien tutkimusten perusteella.
The purpose of the study is to provide comprehensive information on artificial neural network-controlled intelligent welding and discover suitability, challenges and practical applicability of the system. Additionally, the focus of the study is to find the possibilities, restrictions and suitability of artificial neural network-based adaptive welding in practice. The study primarily concerns on the weld control of the intelligent welding system. Weld control includes seam tracking (workpiece or seam misalignment control), penetration and tack weld control, as well as bead width, height and shape control. The intelligent GMAW system used in the study is based on an artificial neural network, using back propagation learning method. The supervised off-line adaptive welding system is trained and tested in practice with industrial cases with different neural network layer configurations. Different types of cases are tested to determine the suitability of the system to different welding conditions and environments, penetration control being the main module of review. Based on previous studies in literature and cases presented, the challenges, suitability of system and weld control in practice from the product point of view are observed and analyzed.
Tämän tutkimuksen tavoitteena on luoda kattava tietopohja hitsauksessa ja hitsausautomaatiossa käytettävistä antureista, sekä neuroverkko(hermoverkko)-ohjatuista älykkäistä hitsausjärjestelmistä. Tutkimuksessa selvitettiin railodatan hyödyntäminen hitsauksessa, tunkeuman ja hitsipalon muodon hallinta sekä siltahitseihin reagoiminen. Kokeellisessa osuudessa kehitettiin älykäs neuroverkko-ohjattu MAG-hitsausprosessi, jota testattiin erityyppisillä railomuodoilla ja vaatimuksilla. Kehitetty järjestelmä pystyy reagoimaan muuttuviin hitsausolosuhteisiin sekä hallitsemaan ja saavuttamaan tasalaatuinen tunkeuma sekä hitsauksen lopputulos. Kehitetyn hitsausjärjestelmän soveltuvuutta, käytettävyyttä sekä haasteita arvioidaan käytännön sovelluskohteiden näkökulmasta, hitsauskokeiden ja aikaisempien tutkimusten perusteella.