TY - JOUR A1 - El-Sari, B. A1 - Biegler, M. A1 - Rethmeier, Michael T1 - Verbesserung der Vorhersagegüte von künstlichen neuronalen Netzen zum Widerstandspunktschweißen durch Auswertung des dynamischen Widerstands N2 - Das Widerstandspunktschweißen ist ein etabliertes Fügeverfahren in der Automobilindustrie. Es wird vor allem bei der Herstellung sicherheitsrelevanter Bauteile, zum Beispiel der Karosserie, eingesetzt. Daher ist eine kontinuierliche Prozessüberwachung unerlässlich, um die hohen Qualitätsanforderungen zu erfüllen. Künstliche neuronale Netzalgorithmen können zur Auswertung der Prozessparameter und -signale eingesetzt werden, um die individuelle Schweißpunktqualität zu gewährleisten. Die Vorhersagegenauigkeit solcher Algorithmen hängt von dem zur Verfügung gestellten Trainingsdatensatz ab. In diesem Beitrag wird untersucht, inwieweit die Vorhersagegüte eines künstlichen neuronalen Netzes durch Auswertung einer Prozessgröße, dem dynamischen Widerstand, verbessert werden kann. KW - Künstliche Intelligenz KW - Qualität KW - Neuronales Netz KW - Widerstandspunktschweißen PY - 2021 SP - 785 EP - 789 AN - OPUS4-53976 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER -