TY - RPRT A1 - Pittner, Andreas A1 - Fabry, Cagtay T1 - Abschlussbericht IGF 17.923 N: "Sensorgestütztes MSG-Engspaltschweißen von Feinkornstählen mit modifizierter Prozessführung im Dickblechbereich" N2 - Die im Forschungsvorhaben erzielten Ergebnisse zeigen konkrete technische Lösungen für die automatisierte Anwendung des MSG Engspaltschweißen, sowohl mittels optischer als auch prozessorientierter Sensorik, und sprechen damit ein breites Spektrum möglicher Anwender, insbesondere KMU, an. Die Seitenführung des Brenners auf Basis der optischen Messgrößen stellt eine robuste und einfach zu implementierende Möglichkeit zur Nahtverfolgung dar. Für die Höhenführung über der Schweißnaht wurde neben der Lösung mittels optischer Messverfahren zusätzlich eine direkt darauf aufbauende Möglichkeit zur Implementierung eines Lichtbogensensors abgeleitet. Das Vorgehen konnte sowohl für Sprühlichtbogenprozesse als auch bei Verwendung von Impulslichtbogenprozessen erfolgreich angewendet werden. Die zur Sicherstellung eines gleichmäßigen Flankeneinbrandes entwickelte Pendelregelung ist ebenfalls für unterschiedliche Lichtbogenarten einsetzbar und muss vom Anwender auch beim Einsatz einer großen Bandbreite unterschiedlicher Prozessparameter nahezu nicht konfiguriert werden. Neben der im Rahmen der Verfahrensprüfung untersuchten Pendelraupentechnik konnte die Übertragbarkeit des Vorgehens auch auf die Strichraupentechnik anhand von gezielten Schweißversuchen aufgezeigt werden. Die zunächst auf Basis der optischen Messwerte ausgelegte Füllgradregelung konnte die vorgesehenen Spaltvariationen von 18 bis 24 mm im Rahmen der durchgeführten Verfahrensprüfung ausgleichen. Die Ableitung eines äquivalenten Lichtbogensensors durch Kopplung beider Messprinzipien wurde am Laufzeitende des Vorhabens aufgezeigt, konnte jedoch durch zeitliche Beschränkung nicht für die Verfahrensprüfung berücksichtigt werden. In Absprache mit dem projektbegleitenden Ausschuss wurde die Entwicklung der Prozessregelung für das Vorhaben auf Schweißungen in Wannenlage und Grundwerkstoffe der Güte S355J2 beschränkt. Die Qualifizierung des Verfahrens unter Einsatz der beschriebenen Regelalgorithmen nach DIN EN ISO 15614-1 konnte für alle betrachteten Spaltbreiten zwischen 18 und 24 mm anhand einer 50 mm dicken Demonstratorprobe nachgewiesen werden. KW - Schutzgasschweißen KW - MSG-Engspaltschweißen KW - Prozesssteuerung KW - Lichtbogensensorik KW - Prozessregelung KW - GMAW KW - Narrow gap GMAW KW - GMAW control KW - Arc-sensing PY - 2017 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:b43-390934 SP - 1 EP - 38 AN - OPUS4-39093 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Fabry, Cagtay A1 - Pittner, Andreas A1 - Rethmeier, Michael T1 - Gap width detection in automated narrow-gap GMAW with varying process parameters N2 - An approach to develop an arc sensor for gap-width estimation during automated NG-GMAW with a weaving electrode motion is introduced by combining arc sensor readings with optical measurement of the groove shape to allow precise analyses of the process. The two test specimen welded for this study were designed to feature a variable groove geometry in order to maximize efficiency of the conducted experimental efforts, resulting in 1696 individual weaving cycle records with associated arc sensor measurements, process parameters and groove shape information. Gap width was varied from 18 to 25 mm and wire feed rates in the range of 9 to 13 m/min were used in the course of this study. Artificial neural networks were used as a modelling tool to derive an arc sensor for estimation of gap width suitable for online process control that can adapt to changes in process parameters as well as changes in the weaving motion of the electrode. Wire feed rate, weaving current, sidewall dwell currents and angles were used as inputs to calculate the gap width. Evaluation the proposed arc sensor model show very good estimation capabilities for parameters sufficiently covered during experiments. T2 - IIW Annual Assembly 2017 CY - Shanghai, China DA - 25.06.2017 KW - Arc sensor KW - Automation KW - GMAW KW - Narrow-gap welding KW - Neural network PY - 2017 SP - 1 EP - 19 AN - OPUS4-44283 LA - eng AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Fabry, Cagtay A1 - Pittner, Andreas A1 - Rethmeier, Michael T1 - Automatisierungs- und Regelkonzepte für das MSG-Engspaltschweißen N2 - Zur Effizienzsteigerung beim Einsatz von Lichtbogenverfahren für Fügeaufgaben im Dickblechbereich werden häufig angepasste Verfahren mit möglichst geringer Nahtquerschnittsfläche angewendet, beispielsweise das MSG-Engspaltschweißen für I-Nähte. Die Herausforderung für die Automatisierung des Verfahrens besteht neben der komplexen Prozessführung auch in der oftmals schlechten Zugänglichkeit der Prozesszone für optische Sensorik, weswegen verstärkt auf prozessorientierte Sensorik zurückgegriffen wird. Zur Steigerung des Prozessverständnisses und Entwicklung neuer Regelungskonzepte wurde ein Versuchsaufbau umgesetzt, der sowohl optische Messsysteme als auch prozessorientierte Sensorik in einer gemeinsamen Steuerungsumgebung vereint. Die umfassende prozessbegleitende Sensorik ermöglicht die sukzessive Erweiterung des Prozesswissens, welches direkt zur Umsetzung neuer Steuer- und Regelalgorithmen basierend auf Regressionsmodellen genutzt werden kann. Der gemeinsame Einsatz optischer und prozessorientierter Sensorik wurde zur Auslegung eines Lichtbogensensors zur Höhenführung genutzt. Die Versuchsdurchführung mit dem Ziel der Ableitung nichtlinearer Regressionsmodelle erfolgt automatisiert mit Hilfe eines optischen Sensors. Der Vorteil dieses Verfahrens liegt dabei neben der schnellen Umsetzbarkeit in der direkten Korrelation der Messwerte zu realen physikalischen Systemgrößen und der schnellen Adaption auf unterschiedliche Schweißparameter und -prozesse. T2 - 36. Assistentenseminar Füge- und Schweißtechnik CY - Reinsehlen, Germany DA - 05.10.2015 KW - MSG-Schweißen KW - Automatisierung KW - Lichtbogensensorik KW - Künstliche neuronale Netze KW - Digitalisierung PY - 2017 SN - 978-3-945023-57-0 VL - 320 SP - 21 EP - 26 PB - DVS Media GmbH CY - Düsseldorf AN - OPUS4-44531 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER -