Filtern
Dokumenttyp
- Vortrag (7)
- Beitrag zu einem Tagungsband (4)
- Zeitschriftenartikel (2)
- Forschungsbericht (1)
Schlagworte
- Gründungsstrukturen (4)
- Lichtbogensensorik (4)
- Leichtbau (3)
- MSG-Engspaltschweißen (3)
- Offshore Windenergieanlagen (3)
- Arc-sensing (2)
- Automatisierte schweißtechnische Fertigung (2)
- Digitalisierung (2)
- GMAW (2)
- GMAW control (2)
- Künstliche neuronale Netze (2)
- MAG Prozesssteuerung (2)
- Narrow gap GMAW (2)
- Profilvermessung (2)
- Adaptive control (1)
- Arc sensor (1)
- Artificial neural networks (1)
- Automated welding (1)
- Automation (1)
- Automatisierte Fertigung (1)
- Automatisierte schweißtechniche Fertigung (1)
- Automatisierung (1)
- Bionik (1)
- Digitalization (1)
- Fatigue life (1)
- Forschungsdatenmanagement (1)
- GMA welding (1)
- Jacket foundations (1)
- Leichtbauprinzipien (1)
- Lichtbogenschweißen (1)
- Life cycle assessment (1)
- MSG-Schweißen (1)
- Narrow gap welding (1)
- Narrow-gap welding (1)
- Neural network (1)
- Neural networks (1)
- Offshore Wind energy (1)
- Offshore Windenergie (1)
- Open science (1)
- Open source (1)
- OpenScience (1)
- Profile measurement (1)
- Prozessregelung (1)
- Prozesssteuerung (1)
- Prozessüberwachung (1)
- Research data management (1)
- Schutzgasschweißen (1)
- Schweißtechnik (1)
- Sensor (1)
- Sensorik (1)
- Welding (1)
- Weldx (1)
Organisationseinheit der BAM
Eingeladener Vortrag
- nein (7)
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.
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.
An experimental setup to integrate laser sensor into conventional GMAW setups via a unified control architecture is described. The setup is used to automate and monitor narrow-gap GMAW. A way to develop GMAW arc-sensors using artificial neural networks using the setup is shown.
The control system is connected to a relational database to store various process measurements. The database can be accessed to filter previous weldments by numerous criteria which allows modelling of process parameter correlation among vast datasets. Such models can be used for process monitoring and control in future applications.
Der Beitrag stellt am Beispiel eines für adaptive MSG-Lichtbogen-Engspaltschweißungen im Dickblech-Bereich entwickelten Versuchsstandes ein Automatisierungskonzept für vernetzte kommerziell verfügbare Anlagenkomponenten über ein zentrales echtzeitfähiges Steuersystem auf Basis des EtherCAT-Protokolls vor. Der Fokus liegt hierbei auf der Eignung für Aufgaben im Bereich der Qualitätssicherung sowie Forschung und Entwicklung leistungsfähiger Algorithmen zur Prozessüberwachung und -regelung. Die sich daraus ergebende Vielzahl zu messender und steuernder Parameter stellen vor allem in Verbindung mit präzisen und hochfrequenten Messgeräten höchste Anforderungen an die Datenverarbeitung sowohl in Echtzeit als auch zur Auswertung nach dem Prozess. Die Einbindung etablierter Programmiertools wie MATLAB/Simulink in gängigen Automatisierungsstandards ermöglichen flexible und innovative Forschungsarbeit.
Durch die automatisierte Datenerfassung in einer übergelagerten Datenbank stehen die Messungen sämtlicher Schweißvorgänge jederzeit zur Entwicklung neuer Abläufe zur Prozessteuerung und -regelung oder zur Verbesserung der bestehenden Algorithmen zur Verfügung, was insbesondere den sukzessiven Aufbau komplexer Regressionsmodelle aus der Anwendung heraus ermöglicht.
Als Applikationsbeispiel wird die Entwicklung eines dynamischen Lichtbogensensors vorgestellt und diskutiert. Die Versuchsdurchführung mit dem Ziel der Ableitung nichtlinearer Regressionsmodelle erfolgt automatisiert mithilfe 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.