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.
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 |