Качество сварки определит нейронная сеть

Учёные разрабатывают искусственную нейронную сеть, которая сможет мониторить качество  сварки на основе сигнала мощности.

Систему искусственного интеллекта учат оценивать прочность сварного шва в процессе сварки.

По словам доцента Михаила Иванова разработка основана на необходимости надежной и точной автоматической оценки качества сварных швов в процессе производства, так как обычный контроль сварки не страдает нужной точностью и потому не обеспечивает безопасную эксплуатацию свариваемых конструкций, будь то двигатели автомобилей, трубопроводы, строительные сооружения и др. К тому же своевременный и точный контроль позволят экономить расходуемые сварочные материалы.

Разработка ведётся материаловедами России и Китая с привлечением новейших технологий обучения нейросети для контактной точечной сварки на основе взаимодействия сварочных электродов и свариваемой поверхности.

В этом исследовании были проведены систематические исследования для сравнения характеристик регрессионной модели и искусственной нейронной сети при прогнозировании диаметра точечно-сварных соединений путем мониторинга динамической сигнатуры мощности. В качестве сварочного материала использовался титановый сплав ТС2 толщиной 0,4 мм, а для соединения листов из титанового сплава использовался высокоточный спот. Динамическая кривая сварочного тока была получена с использованием катушки Роговского, в то время как кривая напряжения была обнаружена с помощью двух выводов, закрепленных на верхнем и нижнем электродах в течение всего процесса сварки. Были исследованы вариации сигнала мощности в процессе сварки и проанализированы характеристики сигналов мощности для различных сварочных токов и сил электродов. Силовые сигналы различных типов сварных соединений значительно различались. Пять характеристик были извлечены из сигнала мощности, чтобы описать форму кривой. Пошаговый регрессионный анализ и нейронная сеть обратного распространения были соответственно использованы для классификации сварных соединений по трем категориям: плохие сварные швы, хорошие сварные швы и сварные швы с с погрешностями.

Если в двух словах...

Когда электроды точечно проваривают свариваемые детали, металл в этих местах плавится и образуется скрепляющий каплеобразный шов. Качество шва зависит от множества факторов (силы тока, продолжительности обработки, давления электродов, времени охлаждения и пр.), которые оказывают взаимное влияние друг на друга и не позволяют точно прогнозировать качество сварного соединения. На основе наблюдения изменений свойств шва между листами титана и изменения рабочих параметров, исследователи обучают нейросеть просчитывать прочность швов с помощью методов математической статистики. В итоге ученым удалось добиться стабильных результатов, когда нейросеть может очень точно оценивать качество шва в процессе сварки.

Разработчики предполагают, что их работа будет использоваться в промышленности, повышая эффективность сварочных работ и гарантируя прочность изготавливаемых конструкций.

Над разработкой трудятся учёные из:
Инженерно-технологический институт, Южно-Уральский государственный университет, Челябинск 454080, Россия, Кафедра сварочного производства
Государственная ключевая лаборатория прочности и вибрации механических конструкций, Сианьский университет Цзяотун, Сиань, 710054, Китай
Механический факультет Хуачжунского университета науки и технологии, Ухань, 430074, Китай.
Институт метрологии и испытаний Гуанси-Чжуанского автономного района, Наньнин, 530007, Китай

Пресс-служба "5-100",  JMR&T