-
TECHNISCHES GEBIET
-
Die Erfindung betrifft allgemein ein Verfahren und eine Vorrichtung zum Überwachen einer Schweißsignatur während eines Schweißprozesses, indem die Schweißsignatur unter Verwendung eines neuronalen Netzwerkmodells oder eines neuronalen Prozessors klassifiziert wird.
-
HINTERGRUND DER ERFINDUNG
-
Schweißsysteme werden bei verschiedenen Produktionsprozessen ausgiebig verwendet, um verschiedene Arbeitsoberflächen zu verbinden oder zusammenzufügen. Insbesondere können Lichtbogenschweißsysteme verwendet werden, um separate Arbeitsoberflächen über das gesteuerte Aufbringen intensiver Hitze und eines Zwischenmaterials fest zu einem vereinten Körper zu verschweißen oder zu verschmelzen, um eine resultierende Schweißnaht zu bilden. Ein festes metallurgisches Gefüge bildet sich, wenn das Zwischenmaterial, welches in der Gegenwart eines Hochtemperaturlichtbogens während des Lichtbogenschweißprozesses schnell in einen geschmolzenen Zustand versetzt wird, schließlich abkühlt und sich verfestigt. Im Idealfall weist die resultierende Schweißnaht annähernd die gleiche Gesamtfestigkeit und andere Materialeigenschaften wie die ursprünglich getrennten Arbeitsoberflächen auf.
-
Bei einem Lichtbogenschweißprozess kann der Lichtbogen zwischen der Arbeitsoberfläche und einer Verbrauchselektrode ausgebildet werden, wie etwa einer Drahtlänge, welche einer Schweißzange gesteuert zugeführt wird, während sich die Schweißzange entlang der Schweißnaht bewegt, wobei der Lichtbogen über eine ionisierte Lichtbogenschutzgassäule übertragen wird. Der Lichtbogen selbst stellt die hohen Hitzeniveaus bereit, die zum Schmelzen der Verbrauchselektrode oder des Drahts notwendig sind. Somit leitet die Elektrode einen elektrischen Strom zwischen der Spitze der Schweißzange und der Arbeitsoberfläche, wobei das geschmolzene Drahtmaterial als Füllmaterial dient, wenn es der Schweißnaht zugeführt wird.
-
Die Qualität einer einzelnen Schweißnaht kann unter Verwendung eines Zerstörungstests ermittelt werden, d. h. indem die Schweißnaht unter kontrollierten Bedingungen physikalisch aufgebrochen oder zerschnitten wird, um die Festigkeit und/oder die Gesamtintegrität der Schweißnaht präzise zu messen. Ein Überwachen des Schweißprozesses in Echtzeit jedoch, um eine akzeptable, ”bestandene” oder ”gute” Schweißung genau zu detektieren, kann aufgrund der erheblichen Anzahl verschiedener Schweißsystem- und Umgebungs-Betriebsvariablen ein herausfordernder Prozess sein, welche auf komplexe Weise untereinander in Beziehung stehen und die resultierende Schweißqualität beeinflussen. Ein algorithmisches Vergleichen der verschiedenen einzelnen Schweißsystemvariablen mit gespeicherten Schwellenwerten kann auch aufgrund der Schwierigkeit, einen isolierten oder individuellen Beitrag oder Effekt einer Varianz bei einem einzelnen variablen Wert auf die Gesamtqualität einer resultierenden Schweißnaht präzise zu ermitteln, suboptimal sein.
-
Die
DE 41 12 985 C2 offenbart ein Verfahren und eine Vorrichtung zum selbsttätigen Führen eines Schweißkopfes, die ein Abstandsprofil für jeden Schweißvorgang aus gemessenen Strom- und Spannungswerten bilden, das Abstandsprofil an Messstützstellen mit hoher zeitlicher Auflösung abtasten und alle Messstützstellen parallel in ein neuronales Netzwerk einspeisen, um eine Klassifizierung des Abstandsprofils zu erhalten.
-
In der
DE 195 18 804 A1 ist ein Verfahren zur Überwachung eines Produktionsprozesses offenbart, das aus gemessenen Signalverläufen des Prozesses Prozesskennzahlen erzeugt und diese in ein neuronales Netzwerk eingibt, um dadurch Qualitätsmerkmale oder -klassen zu erhalten.
-
Die
DE 199 57 163 C1 offenbart ein Verfahren und eine Vorrichtung zur Qualitätskontrolle der Naht an mit einem Laser stumpf geschweißten Blechen oder Bändern, die eine Vielzahl von Sensordaten erfassen, zwischenspeichern und einem hierarchischen neuronalen Netzwerk zuführen, um eine Aussage für die Qualitätskontrolle zu erhalten.
-
Die Aufgabe der Erfindung besteht darin, ein Verfahren zu schaffen, das eine Klassifizierung einer erzeugten Schweißnaht auf einfache Weise ohne algorithmische Vergleiche von Schweißprozessvariablen mit Schwellenwerten ermöglicht.
-
Diese Aufgabe wird durch das Verfahren des Anspruchs 1 gelöst.
-
ZUSAMMENFASSUNG DER ERFINDUNG
-
Erfindungsgemäß umfasst ein Verfahren zum Überwachen einer Schweißsignatur während eines Lichtbogenschweißprozesses, dass eine Vielzahl unterschiedlicher Schweißprozessvariablen ermittelt werden, welche die Schweißsignatur definieren, und welche mindestens eine Schweißspannung, einen Schweißstrom und eine Drahtzufuhrgeschwindigkeit (WFS) umfassen. Das Verfahren umfasst, dass die Schweißsignatur unter Verwendung eines neuronalen Netzwerks in eine einer Vielzahl unterschiedlicher Schweißklassifizierungen klassifiziert wird. Das neuronale Netzwerk weist eine Vielzahl von Eingangsknoten auf, von denen jeder einer anderen Schweißprozessvariable entspricht. Das Klassifizieren der Schweißsignatur zeichnet sich durch das Fehlen eines Vergleichs einer beliebigen der verschiedenen Schweißprozessvariablen mit einem entsprechenden Schwellenwert aus.
-
Bei einem weiteren Aspekt der Erfindung vergleicht das Verfahren die Schweißsignatur mit einer Datenbank von Trainings-Schweißsignaturen, nachdem die Schweißsignatur klassifiziert wurde, ermittelt, ob sich die Schweißsignatur von jeder der Trainings-Schweißsignaturen in der Datenbank auf ausreichende Weise unterscheidet und zeichnet die Schweißsignatur in der Datenbank auf, wenn durch das neuronale Netzwerk ermittelt wird, dass sich die Schweißsignatur auf ausreichende Weise von jeder der Trainings-Schweißsignaturen unterscheidet.
-
Bei einem weiteren Aspekt der Erfindung testet das Verfahren eine Schweißnaht nach dem Klassifizieren, um einen Schweißdatensatz zu ermitteln, welcher die Werte einer jeden einer Vielzahl unterschiedlicher Schweißnahteigenschaften enthält, und korreliert dann die Schweißsignatur mit dem Schweißdatensatz, um die Datenbank zu validieren.
-
Die voranstehenden Merkmale und Vorteile und andere Merkmale und Vorteile der vorliegenden Erfindung werden aus der folgenden genauen Beschreibung der besten Arten zum Ausführen der Erfindung leicht offensichtlich, wenn diese in Verbindung mit den beiliegenden Zeichnungen gelesen wird.
-
KURZBESCHREIBUNG DER ZEICHNUNGEN
-
1 ist eine schematische Veranschaulichung einer Schweißvorrichtung und eines Controllers, der zum Überwachen einer Schweißsignatur gemäß der Erfindung dient;
-
2 ist eine graphische Darstellung einer beispielhaften akzeptablen oder ”bestandenen” Schweißsignatur;
-
3 ist eine graphische Darstellung einer beispielhaften nicht akzeptablen oder ”nicht bestandenen” Schweißsignatur;
-
4 ist eine graphische Darstellung eines künstlichen Neuronenmodells oder neuronalen Netzwerks, das mit dem in 1 gezeigten Controller verwendet werden kann; und
-
5 ist ein graphischer Ablaufplan, der ein Verfahren zum Überwachen einer Schweißsignatur beschreibt.
-
BESCHREIBUNG DER BEVORZUGTEN AUSFÜHRUNGSFORMEN
-
Mit Bezug auf die Zeichnungen, bei denen in den verschiedenen Figuren gleiche Bezugszeichen gleichen oder ähnlichen Komponenten entsprechen, und mit 1 beginnend sind hier eine Vorrichtung und ein Verfahren zum Überwachen einer Schweißsignatur eines Schweißprozesses bereitgestellt, welche bei einer Vielfalt unterschiedlicher Schweißprozesse verwendet werden können, die Operationen an einem einzigen Werkstück, ein Zusammenfügen von zwei oder mehr Werkstücken oder Oberflächen, und/oder ein Zusammenfügen von zwei Enden eines einzigen Werkstücks umfassen, aber nicht darauf beschränkt sind. Entsprechend umfasst eine Schweißvorrichtung 10 eine automatische oder manuelle Schweißeinrichtung oder Schweißzange 18, welche mit einer integrierten Steuerungseinheit oder einem Controller 17 und einer Leistungsversorgung 12 funktional verbunden ist, die eine Spannung bereitstellt, welche in 1 als die Variable ”V” dargestellt ist. Eine Vielzahl von Sensoren 14, 15 und 16, welche alternativ als ein einzelner Sensor ausgestaltet sein können und/oder zusammen in einem gemeinsamen (nicht gezeigten) Sensorgehäuse untergebracht sein können, sind zum Erfassen, Messen, Detektieren und/oder anderweitigen Ermitteln der Werte über die Zeit einer oder mehrerer sich dynamisch verändernder Schweißprozessvariablen ausgelegt, welche zusammen die ”Schweißsignatur” definieren, wie hier nachstehend genau beschrieben wird.
-
Die Schweißzange 18 ist so ausgestaltet, dass sie eine Schweißoperation, wie etwa ohne Beschränkung ein Metallschutzgasschweißen (MIG) oder ein Wolfram-Inertgasschweißen (TIG), bei einem oder mehreren Schweißpunkten oder Schweißnähten an oder entlang einem oder mehreren Werkstücken 24 selektiv ausführt. Die Schweißzange 18 kann an einem manuellen oder einem Roboterarm 21 auf eine verstellbare und umorientierbare Weise montiert sein, wie etwa durch ein selektives Neigen und/oder Drehen. Die Schweißvorrichtung 10 umfasst mindestens eine Elektrode 20A, welche wie gezeigt ein Abschnitt einer Düse der Schweißzange 18 sein kann, und eine Elektrode 20B, die als eine Platte gezeigt ist, auf welcher das Werkstück 24 positioniert ist, wobei die Elektroden 20A, 20B allgemein einander gegenüber liegend positioniert sind, wenn die Schweißzange 18 aktiv ist oder einen Hochtemperaturlichtbogen 22 erzeugt. Der Controller 17 enthält ein neuronales Netzwerk 50 (siehe auch 4), eine Trainingssignaturdatenbank 90 und ein Verfahren 100 zur adaptiven Schweißüberwachung oder Klassifizierung zur Verwendung des neuronalen Netzwerks 50 und der Trainingssignaturdatenbank 90 zum Überwachen und schließlichen Klassifizieren einer Schweißsignatur in Echtzeit während eines Schweißprozesses.
-
Erfindungsgemäß verwendet das Verfahren 100 das neuronale Netzwerk 50 (siehe auch 4) als Informationsverarbeitungsparadigma, welches in der Lage ist, in Echtzeit einen gesamten oder kombinierten Satz detektierbarer oder messbarer Schweißprozessvariablen, die anschließend hier als die Schweißsignatur bezeichnet werden, zu betrachten und zu ermitteln oder zu erkennen, ob ein durch die Schweißsignatur dargestelltes spezielles Muster gemäß einem vorbestimmten Satz von Schweißqualitätskriterien akzeptabel, gut oder bestanden oder nicht akzeptabel, schlecht oder nicht bestanden ist. Das neuronale Netzwerk 50 wird zu Beginn während eines gesteuerten Trainingsprozesses trainiert, indem das neuronale Netzwerk 50 beispielsweise einer Vielzahl von Trainings-Schweißsignaturen ausgesetzt wird, von denen jede gemäß dem vorbestimmten Satz von Schweißqualitätskriterien einer akzeptablen Schweißsignatur entspricht, wie Fachleute verstehen werden. Das neuronale Netzwerk 50 kann auch fortlaufend trainiert werden, indem das neuronale Netzwerk 50 im Lauf der Zeit zusätzlichen akzeptablen Schweißsignaturen ausgesetzt wird, um die Genauigkeit der Mustererkennung und der Schweißsignaturklassifizierung des neuronalen Netzwerks 50 weiter zu entwickeln und zu verfeinern, wie nachstehend beschrieben wird.
-
Wie der Fachmann verstehen wird, können neuronale Netzwerke, wie etwa das neuronale Netzwerk 50 verwendet werden, um ein spezielles Ergebnis vorherzusagen und/oder um ein Muster zu erkennen, das durch suboptimale, ungenaue und/oder relativ komplexe Eingangsdatensätze dargestellt ist. Ein derartiger komplexer Eingangsdatensatz kann beispielsweise aus den typischeren Schweißprozessvariablen, d. h. der Schweißspannung V, dem Schweißstrom i und der Drahtzufuhrgeschwindigkeit (WFS), wie voranstehend beschrieben, bestehen, und/oder weiteren derartigen sich dynamisch verändernden Eingangsvariablen, wie nachstehend mit Bezug auf 4 beschrieben wird.
-
Neuronale Netzwerke dienen auch zum Anpassen oder ”Lernen”, indem man sie unterschiedlichen Trainingssätzen wiederholt aussetzt, wie etwa beliebigen überwachten oder nicht überwachten Eingangsdatensätzen, und sie dienen zur dynamischen Zuordnung geeigneter Gewichtungen und/oder relativer Signifikanzwerte zu jeder der verschiedenen unterschiedlichen Teilinformationen, welche den Eingangsdatensatz bilden. Neuronale Netzwerke werden allgemein nicht vorprogrammiert, um eine spezielle Aufgabe auszuführen, wie es etwa bei verschiedenen Steuerungsalgorithmen der Fall ist, die eine voreingestellte maximale/minimale Schwellenwertgrenze für jeden einzelnen Wert verwenden, ohne die gesamte oder insgesamt überwachte Schweißsignatur in irgendeiner Weise vorherzusagen oder zu klassifizieren. Neuronale Netzwerke, wie etwa das neuronale Netzwerk 50 von 1 und 4, verwenden stattdessen einen assoziativen Speicher, um die Gesamtheit oder das Universum des kombinierten Eingangssatzes, wie etwa des Schweißsystemeingangssatzes ”I”, der in 4 gezeigt ist, welchem das neuronale Netzwerk ausgesetzt wird, effektiv zu verallgemeinern. Auf diese Weise kann ein korrekt trainiertes neuronales Netzwerk in der Lage sein, einen zukünftigen Zustand aus der Erfahrung der Vergangenheit genau und konsistent vorherzusagen, einen komplexen Datensatz nach Bedarf zu klassifizieren, wie durch den Pfeil O in 4 dargestellt ist, und/oder ein Gesamtmuster zu erkennen, das durch die Gesamtheit des komplexen Datensatzes dargestellt ist, was für eine korrekte Entzifferung andernfalls eine erhebliche Zeit und/oder Erfahrung erfordern kann.
-
Mit Bezug auf 2 kann ein derartiger voranstehend beschriebener komplexer Eingangsdatensatz hier als eine Schweißsignatur 30 ausgeführt sein. Die Schweißsignatur 30, welche in 2 eine typische bestandene, gute oder anderweitig akzeptable Schweißsignatur darstellt, d. h. eine Schweißsignatur, die auf irgendeine Weise so validiert wurde, dass sie eine (nicht gezeigte) resultierende Schweißnaht erzeugt, die vorbestimmte subjektive und/oder objektive Kriterien der Festigkeit, der Qualität, der Einheitlichkeit und/oder andere derartige Kriterien erfüllt. Die Schweißsignatur 30 selbst stellt die Werte mindestens dreier verschiedener Variablen über eine Zeitdauer dar, d. h. der Drahtzufuhrgeschwindigkeit (WFS), der Schweißspannung V und des Schweißstroms i, von denen jeder eine entsprechende Spur aufweist, wie in 2 gezeigt ist. Das heißt, dass die Spur 32 die Drahtzufuhrgeschwindigkeit (WFS) wie voranstehend beschrieben darstellt, welche in der Nähe der Schweißzange 18 (siehe 1) unter Verwendung des Sensors 16 (siehe 1) gemessen oder detektiert werden kann. Die Spur 34 stellt den Schweißstrom i bei oder in der Nähe der Schweißzange 18 dar, wie er durch den Sensor 15 (siehe 1) gemessen wird, wobei die Schwankungen bei dem Schweißstrom (Spur 34) mit irgendwelchen Schwankungen bei der Drahtzufuhrgeschwindigkeit (WFS) korrelieren, wie der Fachmann versteht. Die Spur 36 stellt die gemessene Spannung bei oder in der Nähe der Schweißzange 18 unter Verwendung des Sensors 14 (siehe 1) dar.
-
Mit Bezug auf 3 ist eine repräsentative nicht bestandene oder anderweitig nicht akzeptable Schweißsignatur 30A gezeigt, d. h. eine Schweißsignatur, die eine (nicht gezeigte) Schweißnaht erzeugt, welche vorbestimmte subjektive und/oder objektive Festigkeits-, Qualitäts-, Einheitlichkeits- oder weitere Kriterien nicht erfüllt. Die Schweißsignatur 30A enthält die Werte der gleichen drei einzelnen Variablen über die Zeit, die voranstehend beschrieben sind, d. h. die Drahtzufuhrgeschwindigkeit (WFS), die Spannung und den Strom. Die Spur 32A stellt die Drahtzufuhrgeschwindigkeit (WFS) wie voranstehend beschrieben dar. Die Spur 34A stellt den gemessenen Strom dar, wobei die Schwankungen beim Strom (Spur 34A) mit irgendwelchen Schwankungen bei der Drahtzufuhrgeschwindigkeit (WFS) korrelieren, wie der Fachmann versteht. Gleichermaßen stellt die Spur 36A die gemessene Spannung bei oder in der Nähe der Schweißzange 18 unter Verwendung des Sensors 14 (siehe 1) dar.
-
Die Schweißsignaturen 30, 30A der 2 bzw. 3 sind repräsentativ, wobei die tatsächlichen Schweißsignaturen, die zum Füllen einer gegebenen Trainings-Signaturdatenbank 90 (siehe 1) verwendet werden, in Abhängigkeit von dem Schweißprozess und den Schweißnahtqualitätskriterien variieren.
-
Mit Bezug auf 4 ist das voranstehend allgemein beschriebene neuronale Netzwerk 50 in dem Controller 17 (siehe 1) programmiert, darin gespeichert, oder anderweitig für diesen zugänglich, und kann von dem Algorithmus 100 (siehe 1 und 5) verwendet werden, um ein Muster in einer gegenwärtigen Schweißsignatur genau vorherzusagen, zu klassifizieren oder anderweitig zu erkennen. Das neuronale Netzwerk 50 umfasst mindestens eine Eingangsschicht 40 mit einer Vielzahl unterschiedlicher Eingangsneuronen oder Eingangsknoten 41, von denen jeder so ausgestaltet ist, dass er Daten, Messwerte und/oder andere vorbestimmte Informationen von außerhalb des neuronalen Netzwerks 50 empfangt. Wie in 4 gezeigt ist, umfassen bei einer Ausführungsform diese Informationen oder dieser Eingangssatz I die Schweißspannung V, den Schweißstrom I, die Drahtzufuhrgeschwindigkeit oder WFS, die alle auch in 1 gezeigt sind, sind aber nicht darauf beschränkt. Mindestens ein zusätzlicher Eingangsknoten 41 kann so ausgestaltet sein, dass er zusätzliche Teileingangsdaten, einen Messwert, oder eine andere Prozessinformation nach Bedarf empfängt, wie durch die Variable X dargestellt ist. Zum Beispiel kann die Eingangsvariable X einer speziellen Zusammensetzung des Lichtbogenschutzgases entsprechen, welches in einem Lichtbogenschweißprozess verwendet wird.
-
Das neuronale Netzwerk 50 umfasst ferner mindestens eine ”verborgene” Schicht 42, die eine Vielzahl verborgener Neuronen oder verborgener Knoten 43 enthält, von denen jedes bzw. jeder Information empfangt und weiterleitet, die von den Eingangsknoten 41 der Eingangsschicht 40 ausgegeben wird, wobei die verborgenen Knoten 43 die verarbeitete Information an andere Neuronen oder Knoten einer oder mehrerer zusätzlicher verborgener Schichten (nicht gezeigt), falls verwendet, oder direkt an eine Ausgangsschicht 44 weiterleiten. Die Ausgangsschicht 44 enthält gleichermaßen mindestens ein Ausgangsneuron oder einen Ausgangsknoten 45, das bzw. der Information nach außerhalb des neuronalen Netzwerks 50 weiterleitet oder überträgt, wie etwa an die Anzeigeeinrichtung 11 (siehe 1) und/oder die Trainingsdatenbank 90 (siehe 1) wie durch den Algorithmus 100 bestimmt ist, welcher nachstehend mit Bezug auf 5 beschrieben ist.
-
Bei der repräsentativen Ausführungsform von 4 kann jedes der Neuronen oder jeder der Knoten 43, 45 der verborgenen Schicht 42 bzw. der Ausgangsschicht 44 wie gezeigt eine tan-sigmoidale (oder tan-S-förmige) Transfer- oder Aktivierungsfunktion verwenden, aber es bzw. er kann nach Wunsch alternativ eine lineare Aktivierungsfunktion und/oder andere Typen S-förmiger oder anderer Aktivierungsfunktionen und/oder unterschiedliche Anzahlen verborgener Schichten 42 und/oder Knoten 43, 44 verwenden, um in Abhängigkeit von dem speziell benötigen Ausgang (Pfeil O) das gewünschte Niveau an Vorhersagegenauigkeit zu erreichen. Bei einer Ausführungsform wird das neuronale Netzwerk 50 zu Beginn unter Verwendung des bekannten Levenberg-Marquardt-Back-Propagation-Algorithmus trainiert, aber das Training ist nicht darauf begrenzt, da jedes andere geeignete Trainingsverfahren oder jeder andere geeignete Algorithmus mit der Erfindung verwendet werden kann.
-
Mit Bezug auf 5 kann das erfindungsgemäße Verfahren 100 (siehe auch 1) in dem Controller 17 (siehe 1) programmiert, gespeichert, aufgezeichnet sein oder anderweitig durch diesen ausführbar sein, und fangt mit Schritt 102 an. Der Schritt 102 umfasst zumindest einen vorläufigen Trainingsprozess, so wie der Ausdruck von Fachleuten verstanden wird, wobei das neuronale Netzwerk 50 von 4 so trainiert wird, dass es eine bestandene, gute oder anderweitig akzeptable Schweißsignatur genau erkennt. Eine akzeptable Schweißsignatur kann jede Schweißsignatur sein, die einer validierten Schweißnaht entspricht, d. h. einer Schweißnaht, welche einen vorbestimmten Satz von Kriterien für die Qualität, die Festigkeit, die Einheitlichkeit und/oder andere wünschenswerte Eigenschaften oder Qualitäten erfüllt, wie voranstehend beschrieben ist. Der Schritt 102 kann ausgeführt werden, indem das neuronale Netzwerk 50 von 4 einer Anzahl ausreichend unterschiedlicher oder variierter akzeptabler Schweißsignaturen, wie etwa in 2 dargestellt, ausgesetzt oder unterworfen wird. Je größer die Anzahl von Trainingsdatensätzen ist, die einem neuronalen Netzwerk geboten werden, und je größer die Abweichung dieser Datensätze voneinander ist, desto genauer ist allgemein die Klassifizierung oder Mustererkennung durch das und/oder der Vorhersagewert des neuronalen Netzwerks. Nach einem korrekten Training des neuronalen Netzwerks 50 auf diese Weise geht das Verfahren 100 zu Schritt 104 weiter.
-
Bei Schritt 104 misst, detektiert oder ermittelt das Verfahren 100 anderweitig Werte für jede der Variablen, welche der Eingangsdatensatz I von 4 enthält, wie etwa die Schweißspannung V, den Schweißstrom i und die Drahtzufuhrgeschwindigkeit (WFS), ohne darauf beschränkt zu sein, sowie eine Variable X (siehe 4), wie etwa eine spezielle Schutzgaszusammensetzung, und überwacht dann diese Werte kontinuierlich für die Zeitdauer, die zum Abschließen einer einzelnen Schweißnaht benötigt wird. Die Werte bei Schritt 104 können unter Verwendung der Sensoren 14, 15 und 16 von 1 ermittelt werden. Sobald diese Werte bei Schritt 104 korrekt ermittelt wurden, geht das Verfahren 100 zu Schritt 106 weiter.
-
Bei Schritt 106 wird der Eingangsdatensitz I (siehe 4) von Schritt 104 der Eingangsschicht 40 des neuronalen Netzwerks 50, wie auch in 4 gezeigt ist, zugeführt oder zu dieser geleitet. Das neuronale Netzwerk 50 ordnet dann den verschiedenen Variablen, aus denen der Eingangsdatensatz I besteht, dynamisch Gewichtungen zu, und zieht irgendwelche zugeordneten Datenmatrizen und/oder Trainingssätze der Trainingsdatenbank 90 (siehe 1) heran, die von dem neuronalen Netzwerk 50 verwendet werden können, um dadurch das gegenwärtige Schweißsignal, das in 5 der Einfachheit halber als WS abgekürzt ist, zu verarbeiten. Das Verfahren 100 geht dann zu Schritt 108 weiter.
-
Bei Schritt 108 klassifiziert das neuronale Netzwerk 50 das Schweißsignal (WS) in eine einer Vielzahl unterschiedlicher Schweißkategorien oder Klassifizierungen. Zum Beispiel kann der Ausgang (der Pfeil O von 4) aus der Ausgangsschicht 44 des neuronalen Netzwerks 50, das in 4 gezeigt ist, normiert werden, d. h. einem Wert zwischen –1 und 1 zugeordnet werden, wie etwa unter Verwendung einer tan-sigmoidalen oder einer anderen Transferfunktion oder Aktivierungsfunktion an dem Ausgangsknoten 45 (siehe 4), wie voranstehend beschrieben ist. Werte, die in den Bereich zwischen –1 und 0 fallen, können so gewählt sein, dass sie einer nicht akzeptablen oder nicht bestandenen Schweißsignatur entsprechen, während Werte, die in den Bereich zwischen 0 und 1 fallen, als eine akzeptable oder bestandene Schweißsignatur klassifiziert sein können.
-
Innerhalb dieser jeweiligen Klassifizierungen, deren entsprechende normierte Werte in Abhängigkeit von Bedienerpräferenzen nach Wunsch geändert werden können, kann ein normierter Wert, der einem Minimalwert, d. h. –1, nahe kommt, als weniger erwünscht betrachtet werden als es beispielsweise eine Schweißsignatur ist, die einen normierten Wert von –0,1 aufweist, während ein normierter Wert, welcher der 1 nahe kommt, als wünschenswerter oder akzeptabler klassifiziert werden kann als es z. B. eine Schweißsignatur ist, die einen normierten Wert von 0,1 aufweist. Gleichermaßen kann ein Wert von 0 eine Schweißsignatur anzeigen, die gemäß dem neuronalen Netzwerk 50 (siehe 4) gleichzeitig akzeptabel und nicht akzeptabel ist, was möglicherweise weitere Ermittlungen, Tests, Schweißungsvalidierungen und/oder eine andere Analyse zur korrekten Klassifizierung erforderlich macht. Nach dem Klassifizieren der Schweißsignatur (WS) geht das Verfahren 100 dann weiter zu Schritt 110.
-
Bei Schritt 110 ermittelt das Verfahren 100, ob die bei Schritt 108 klassifizierte Schweißsignatur (WS) gleich einer ersten Kategorie oder Klassifizierung ist, die eine akzeptable Schweißsignatur darstellt, wobei diese Klassifizierung in 5 der Einfachheit halber als C1 abgekürzt ist. Wenn die Klassifizierung der Schweißsignatur (WS) in die Klassifizierung C1 fällt, geht das Verfahren 100 zu Schritt 112 weiter, wobei das Verfahren 100 andernfalls zu Schritt 114 weitergeht.
-
Bei Schritt 112 kann das Verfahren 100 einen Merker oder eine andere geeignete Markierung in dem Controller 17 (siehe 1) gleich einem ganzzahligen Wert setzen, welcher der Klassifizierung entspricht oder diese kennzeichnet, wie etwa 1, oder auf einen beliebigen anderen Wert, der einer positiven oder einer bestandenen Klassifizierung entspricht, die bei Schritt 110 ermittelt wurde. Das Verfahren 100 geht dann zu den Schritten 116 und 118 weiter.
-
Bei Schritt 114 setzt das Verfahren 100, nachdem bei Schritt 110 ermittelt wurde, dass die Klassifizierung der Schweißsignatur (WS) nicht gleich dem Wert ist, der bei Schritt 112 zugeordnet wurde, z. B. 1, einen Merker oder eine andere Markierung in dem Controller 17 (siehe 1) gleich 0, oder auf einen beliebigen anderen Wert, der einer negativen oder nicht bestandenen Klassifizierung entspricht, die bei Schritt 110 ermittelt wurde. Das Verfahren 100 geht dann weiter zu den Schritten 115 und 116.
-
Nachdem bei Schritt 114 ein Merker gesetzt wurde, der eine negative, nicht akzeptable oder anderweitig nicht bestandene gegenwärtige Schweißsignatur (WS0) anzeigt, zeichnet das Verfahren 100 bei Schritt 115 die Schweißsignatur (WS0) für eine mögliche zukünftige Verwendung als Trainingssatz in dem Controller 17 temporär auf. Das Verfahren 100 geht dann zu Schritt 117 weiter.
-
Bei Schritt 116 kann das Verfahren 100 eine Benachrichtigungseinrichtung 11 (siehe 1) selektiv aktivieren, um einen Bediener über die Klassifizierung der Schweißsignatur (WS), die durch das neuronale Netzwerk 50 (siehe 4) ermittelt wurde, visuell oder akustisch zu informieren, wie etwa, indem eine Benachrichtigungseinrichtung 11 (siehe 1) in der Nähe des Bedieners aktiviert wird. Zum Beispiel kann, wenn ein normierter Wert einer Klassifizierung in den Bereich zwischen –1 und 0 fällt, die Benachrichtigungseinrichtung 11 in einer Farbe leuchten, wie etwa Rot, was eine nicht akzeptable Schweißsignatur (WS0) anzeigt, und/oder einen leicht identifizierbaren hörbaren Alarm ertönen lassen.
-
Gleichermaßen kann die Benachrichtigungseinrichtung 11 in einer anderen Farbe leuchten, wie etwa Grün, wenn ein normierter Wert der Klassifizierung in einen vorbestimmten Bereich fällt, wie etwa zwischen 1 und 0,5, oder einen beliebigen anderen vorbestimmten Bereich, der einer Schweißsignatur (WS) entspricht, die von dem neuronalen Netzwerk 50 (siehe 4) so vorhergesagt wird, dass sie eine besonders große Wahrscheinlichkeit aufweist, dass sie eine hohe Festigkeit/Qualität der Schweißung aufweist. Normierte Werte, die in einen weiteren vorbestimmten Bereich, wie etwa zwischen 0 und 0,5 fallen, können in noch einer weiteren Farbe, wie etwa Gelb oder Orange leuchten, was anzeigt, dass die klassifizierte Schweißsignatur (WS) sich einem nicht akzeptablen Niveau nähern kann, was eine weitere Prozesssteuerung und/oder Analyse erforderlich macht. Es kann erwartet werden, dass ein Bediener, der über eine Schweißsignatur benachrichtigt wird, die von dem neuronalen Netzwerk 30 (siehe 1) als nicht bestanden erkannt wird, eine sofortige Maßnahme ergreift, um anzuhalten und/oder eine Korrekturmaßnahme zu ergreifen, so dass das Verfahren 100 bei Schritt 116 enden kann, wenn eine Schweißsignatur als nicht akzeptabel klassifiziert ist.
-
Bei Schritt 117 korreliert das Verfahren 100 die temporär gespeicherte nicht akzeptable Schweißsignatur (WS0) mit einem Schweißdatensatz, um zu ermitteln, ob die Schweißsignatur (WS) korrekt klassifiziert wurde. Zum Beispiel kann eine (nicht gezeigte) Schweißnaht gewählt und zerstörend getestet werden, um zu ermitteln, ob es der Schweißnaht an der benötigten Festigkeit, Einheitlichkeit und/oder anderen gewünschten Eigenschaften mangelt, wie durch das neuronale Netzwerk 50 (siehe 4) beim Klassifizieren der Schweißsignatur (WS0) als nicht akzeptabel oder nicht bestanden vorhergesagt wurde. Alternativ oder parallel kann das Verfahren 100 die augenblickliche Schweißsignatur (WS0) mit jeder der Schweißsignaturen korrelieren, die in der Trainings-Signaturdatenbank 90 (siehe 1) gespeichert sind, und ermitteln, ob die Schweißsignatur (WS0), die zuvor als nicht akzeptabel klassifiziert wurde, sich von jeder der Schweißsignaturen auf ausreichende Weise unterscheidet, die in der Trainingsdatenbank 90 von 1 enthalten sind. Das Verfahren 100 geht dann weiter zu Schritt 122.
-
Nachdem bei Schritt 112 ein Merker auf 1 gesetzt wurde, der eine positive oder bestandene Schweißklassifizierung anzeigt, zeichnet das Verfahren 100 bei Schritt 118 die Schweißsignatur (WS1) in dem Controller 17 für eine mögliche zukünftige Verwendung als Trainingssatz temporär auf. Das Verfahren 100 geht dann weiter zu Schritt 120.
-
Bei Schritt 120 korreliert das Verfahren 100 die temporär gespeicherte Schweißsignatur (WS1) mit einem Schweißdatensatz, um zu ermitteln, ob die Schweißsignatur (WS1) korrekt klassifiziert wurde. Zum Beispiel kann eine (nicht gezeigte) Schweißnaht gewählt und zerstörend getestet werden, um zu ermitteln, ob die Schweißnaht die benötigte Festigkeit, Einheitlichkeit und/oder andere gewünschte Eigenschaften aufweist, wie durch das neuronale Netzwerk 50 (siehe 4) beim Klassifizieren der akzeptablen Schweißsignatur (WS1) vorhergesagt wurde. Alternativ oder parallel kann das Verfahren 100 die Schweißsignatur (WS1) mit jeder der Schweißsignaturen korrelieren, die in der Trainings-Signaturdatenbank 90 (siehe 1) gespeichert sind, und ermitteln, ob die zuvor als akzeptabel klassifizierte Schweißsignatur (WS) sich von jeder der Schweißsignaturen auf ausreichende Weise unterscheidet, die in der Trainings-Signaturdatenbank 90 von 1 enthalten sind. Das Verfahren 100 geht dann zu Schritt 122 weiter.
-
Bei Schritt 122 ermittelt das Verfahren 100, ob die bei Schritt 118 aufgezeichnete akzeptable Schweißsignatur (WS1) im Licht der Ergebnisse von Schritt 120 beibehalten werden soll. Wenn sich die Schweißsignatur (WS1) von jeder der in der Trainings-Signaturdatenbank 90 (siehe 1) gespeicherten Schweißsignaturen auf ausreichende Weise unterscheidet, bestimmt das Verfahren 100, dass die Schweißsignatur (WS1) genügend Wert als eine Trainings-Schweißsignatur besitzt, um ein Hinzufügen zu der Trainings-Signaturdatenbank 90 (siehe 1) zu rechtfertigen. Das Verfahren 100 springt wieder zu Schritt 102 und fährt fort, das neuronale Netzwerk 50 von 4 zu trainieren, indem es das neuronale Netzwerk 50 der Schweißsignatur (WS1) aussetzt, die bei Schritt 118 aufgezeichnet wurde, wodurch die Schweißsignatur (WS1) zu der Trainings-Signaturdatenbank 90 (siehe 1) hinzugefügt wird. Andernfalls geht das Verfahren 100 zu Schritt 124 weiter.
-
Bei Schritt 124 löscht das Verfahren 100 die Schweißsignatur (WS1), die bei Schritt 118 temporär aufgezeichnet wurde, und wiederholt den Schritt 104, wie voranstehend beschrieben ist.
-
Obwohl die besten Arten zur Ausführung der Erfindung genau beschrieben wurden, werden Fachleute auf dem Gebiet, das diese Erfindung betrifft, verschiedene alternative Entwürfe und Ausführungsformen zum Umsetzen der Erfindung in die Praxis innerhalb des Umfangs der beigefügten Ansprüche erkennen.