Ein Autoencoder-Ansatz zur prozessregelungsunabhängigen Zustandsbewertung vollmechanischer Metall-Schutzgasschweißprozesse

Beschreibung

Diese Arbeit behandelt die Entwicklung eines Systems zur Registrierung von Prozessstörungen, insbesondere durch geometrische Unregelmäßigkeiten der Schweißfuge, beim vollmechanischen Metall-Schutzgasschweißen. Hierzu wurde ein semi-überwachter Deep-Learning-Ansatz zur Detektion von Anomalien in den Signalen des Schweißstroms und der Schweißspannung verfolgt. Einen Schwerpunkt der Untersuchungen bildete die Forderung nach einer Unabhängigkeit von der Art der eingesetzten Lichtbogenart beziehungsweise Prozessregelvariante.

Autor*in

Wilko Flügge

Themen in »Ein Autoencoder-Ansatz zur prozessregelungsunabhängigen Zustandsbewertung vollmechanischer Metall-Schutzgasschweißprozesse«

Metall-Schutzgasschweißen Prozessüberwachung unüberwachtes Lernen Machine Learning Deep Learning Autoencoder Maschinenbauingenieure, Elektrotechnikingenieure, Softwareingenieure, Datenwissenschaftler

Stimmen zu »Ein Autoencoder-Ansatz zur prozessregelungsunabhängigen Zustandsbewertung vollmechanischer Metall-Schutzgasschweißprozesse«

Details

Link teilen