• Treffer 2 von 36
Zurück zur Trefferliste

Verbesserung der Vorhersagegüte von künstlichen neuronalen Netzen zum Widerstandspunktschweißen durch Auswertung des dynamischen Widerstands

  • 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.

Volltext Dateien herunterladen

  • SCHWEISSEN-UND-SCHNEIDEN-ausgabe-11-2021-785-789.pdf
    deu

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar Anzahl der Zugriffe auf dieses Dokument
Metadaten
Autor*innen:B. El-Sari, M. Biegler, Michael RethmeierORCiD
Dokumenttyp:Zeitschriftenartikel
Veröffentlichungsform:Verlagsliteratur
Sprache:Deutsch
Titel des übergeordneten Werkes (Deutsch):Schweißen und Schneiden
Jahr der Erstveröffentlichung:2021
Organisationseinheit der BAM:9 Komponentensicherheit
9 Komponentensicherheit / 9.3 Schweißtechnische Fertigungsverfahren
Erste Seite:785
Letzte Seite:789
DDC-Klassifikation:Technik, Medizin, angewandte Wissenschaften / Ingenieurwissenschaften / Ingenieurwissenschaften und zugeordnete Tätigkeiten
Freie Schlagwörter:Künstliche Intelligenz; Neuronales Netz; Qualität; Widerstandspunktschweißen
Themenfelder/Aktivitätsfelder der BAM:Material
Material / Additive Fertigung
Verfügbarkeit des Dokuments:Datei im Netzwerk der BAM verfügbar ("Closed Access")
Datum der Freischaltung:13.12.2021
Referierte Publikation:Nein
Einverstanden
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.