-
EINLEITUNG
-
Die vorliegende Offenbarung bezieht sich auf ein System und Verfahren zur Bewertung von Schweißpunkten. Insbesondere bezieht sich die vorliegende Offenbarung auf ein System und Verfahren zur Bewertung von Schweißpunkten in Echtzeit bei der Herstellung von Kraftfahrzeugen.
-
Viele Kraftfahrzeugkarosserien werden durch die Verbindung von gestanzten Metallteilen hergestellt, die hauptsächlich durch Punktschweißen zusammengefügt werden. Bei jedem Fahrzeug kann die Anzahl der Schweißpunkte je nach Fahrzeugtyp zwischen etwa 3000 und mehr als 5000 variieren. Um die Unversehrtheit dieser Schweißnähte zu beurteilen, wird eine Stichprobe der Schweißnähte während des Fertigungsprozesses geprüft, z. B. mit Hilfe von Meißel- oder Schältests. Wenn die Qualität einiger der geprüften Schweißpunkte unter dem gewünschten Standard liegt, können alle oder einige der Schweißnähte nachgepunktet (d. h. die gleiche Stelle wird erneut geschweißt), gebrannt (Verwendung von mehr elektrischem Strom an der gleichen Schweißstelle) werden, was mehr Zeit und Energie erfordert, oder die geschweißten Komponenten werden entsorgt, wenn das Nachpunkten oder Brennen der Schweißnähte nicht anwendbar ist.
-
Während die derzeitigen Punktschweißverfahren ihren Zweck erfüllen, besteht also ein Bedarf an einem neuen und verbesserten System und Verfahren zur Prüfung der Unversehrtheit von Punktschweißungen.
-
BESCHREIBUNG
-
Gemäß mehreren Aspekten umfasst ein Verfahren zur Bewertung der Unversehrtheit von Punktschweißungen bei der Herstellung von Kraftfahrzeugen eines oder mehrere der folgenden Verfahren: Projizieren von Licht von einer Lichtquelle auf eine Punktschweißung, um die Punktschweißung zu beleuchten; Erfassen eines Bildes der beleuchteten Punktschweißung mit einer Kamera; Übertragen von Informationen über das Bild der beleuchteten Punktschweißung an eine zentrale Verarbeitungseinheit (CPU); und Auswerten der Informationen über das Bild der beleuchteten Punktschweißung mit der CPU, gekoppelt mit einem auf künstlicher Intelligenz basierenden neuronalen Netzwerk-Algorithmus, um die Unversehrtheit der Punktschweißung in Echtzeit zu bestimmen.
-
In einem weiteren Aspekt der vorliegenden Offenlegung enthält der auf einem neuronalen Netzwerk basierende Algorithmus eine Trainingsdatenbank, die kontinuierlich aktualisiert wird.
-
In einem anderen Aspekt der vorliegenden Offenbarung ist die Trainingsdatenbank, die kontinuierlich aktualisiert wird, eine erste Eingabedatei und die Information über das Bild des beleuchteten Schweißpunkts eine zweite Eingabedatei.
-
In einem anderen Aspekt der vorliegenden Offenlegung umfassen die ersten Eingabedaten Prozess- und Materialdaten, Labortestdaten, Sensitivitätsanalysedaten und Korrelationsdaten.
-
In einem anderen Aspekt der vorliegenden Offenbarung umfasst die Sensitivitätsanalyse die Änderung eines Schweißparameters, während andere Schweißparameter konstant gehalten werden, sowie die Analyse von Variationen der mechanischen und elektrischen Maschineneinstellung eines Prozesses zur Herstellung von Punktschweißungen.
-
In einem anderen Aspekt der vorliegenden Offenbarung wird der Schweißpunkt mit verschiedenen Mustern beleuchtet, wobei die zweiten Eingabedaten ein Bild oder ein Videobild des Schweißpunkts sind, das farbig oder schwarz-weiß ist, wobei das Bild oder das Videobild in Pixel umgewandelt wird.
-
In einem anderen Aspekt der vorliegenden Offenbarung sind die Kamera und die Lichtquelle in einer Baugruppe untergebracht, wobei sowohl die Kamera als auch die Lichtquelle unabhängig voneinander beweglich sind.
-
In einem anderen Aspekt der vorliegenden Offenbarung ist die Baugruppe statisch.
-
In einem anderen Aspekt der vorliegenden Offenbarung wird die Baugruppe von einem Roboter bewegt.
-
In einem anderen Aspekt der vorliegenden Offenbarung ist der auf künstlicher Intelligenz und neuronalen Netzen basierende Algorithmus als Software in einem nicht-transitorischen Speichersystem gespeichert, das mit der CPU kommuniziert.
-
Gemäß mehreren Aspekten umfasst ein Verfahren zur Bewertung der Unversehrtheit von Punktschweißungen bei der Herstellung von Kraftfahrzeugen eines oder mehrere der folgenden Verfahren: Projizieren von Licht mit unterschiedlichen Mustern von mindestens einer Lichtquelle auf eine Punktschweißung, um die Punktschweißung zu beleuchten; Erfassen eines Bildes der beleuchteten Punktschweißung mit mindestens einer Kamera; Übertragen von Informationen über das Bild der beleuchteten Punktschweißung an eine zentrale Verarbeitungseinheit (CPU); und Auswerten der Informationen über das Bild der beleuchteten Punktschweißung mit der CPU, gekoppelt mit einem auf einem neuronalen Netzwerk basierenden Algorithmus mit künstlicher Intelligenz, um die Unversehrtheit der Punktschweißung in Echtzeit zu bestimmen. Der auf einem neuronalen Netzwerk basierende Algorithmus enthält eine Trainingsdatenbank, die kontinuierlich aktualisiert wird. Die Trainingsdatenbank, die kontinuierlich aktualisiert wird, ist eine erste Eingabedatei und die Informationen über das Bild des beleuchteten Schweißpunkts sind eine zweite Eingabedatei.
-
In einem anderen Aspekt der vorliegenden Offenlegung umfassen die ersten Eingabedaten Prozess- und Materialdaten, Labortestdaten, Sensitivitätsanalysedaten und Korrelationsdaten.
-
In einem anderen Aspekt der vorliegenden Offenbarung umfasst die Sensitivitätsanalyse die Änderung eines Schweißparameters, während andere Schweißparameter konstant gehalten werden, sowie die Analyse von Variationen in der mechanischen und elektrischen Maschineneinstellung des Prozesses zur Herstellung von Punktschweißungen.
-
In einem anderen Aspekt der vorliegenden Offenbarung sind die zweiten Eingabedaten ein Bild oder ein Videobild des Schweißpunktes, das farbig oder schwarz-weiß ist, wobei das Bild oder das Videobild in Pixel umgewandelt wird.
-
In einem anderen Aspekt der vorliegenden Offenbarung sind die mindestens eine Kamera und die mindestens eine Lichtquelle in einer Baugruppe untergebracht, wobei sowohl die mindestens eine Kamera als auch die mindestens eine Lichtquelle unabhängig voneinander beweglich sind.
-
In einem anderen Aspekt der vorliegenden Offenbarung ist der auf künstlicher Intelligenz und neuronalen Netzen basierende Algorithmus als Software in einem nicht-transitorischen Speichersystem gespeichert, das mit der CPU kommuniziert.
-
Gemäß mehreren Aspekten umfasst ein System zur Bewertung der Unversehrtheit von Schweißpunkten bei der Herstellung von Kraftfahrzeugen mindestens eine Lichtquelle, die verschiedene Lichtmuster auf einen Schweißpunkt projiziert, um den Schweißpunkt zu beleuchten, eine Kamera, die ein Bild des beleuchteten Schweißpunkts aufnimmt, eine zentrale Verarbeitungseinheit (CPU), die Informationen über das Bild des beleuchteten Schweißpunkts erhält. Die CPU wertet die Informationen über das Bild des beleuchteten Schweißpunktes in Verbindung mit einem auf künstlicher Intelligenz und einem neuronalen Netzwerk basierenden Algorithmus aus, um die Unversehrtheit des Schweißpunktes in Echtzeit zu bestimmen. Der auf künstlicher Intelligenz und neuronalen Netzen basierende Algorithmus ist als Software in einem nicht-übertragbaren Speichersystem gespeichert, das mit der CPU kommuniziert. Der auf einem neuronalen Netzwerk basierende Algorithmus enthält eine Trainingsdatenbank, die kontinuierlich aktualisiert wird. Die Trainingsdatenbank, die kontinuierlich aktualisiert wird, ist eine erste Eingabedatei und die Information über das Bild des beleuchteten Schweißpunkts ist eine zweite Eingabedatei.
-
In einem anderen Aspekt der vorliegenden Offenbarung umfassen die ersten Eingabedaten Prozess- und Materialdaten, Labortestdaten, Sensitivitätsanalysedaten und Korrelationsdaten, wobei die Sensitivitätsanalyse das Ändern eines Schweißparameters umfasst, während andere Schweißparameter konstant gehalten werden, sowie die Analyse von Variationen der mechanischen und elektrischen Maschineneinstellung des Prozesses zur Herstellung von Punktschweißungen.
-
In einem anderen Aspekt der vorliegenden Offenbarung sind die zweiten Eingabedaten ein Bild oder ein Videobild des Schweißpunkts, das farbig oder schwarz-weiß ist, wobei das Bild oder das Videobild in Pixel umgewandelt wird.
-
In einem anderen Aspekt der vorliegenden Offenbarung sind die mindestens eine Kamera und die mindestens eine Lichtquelle in einer Baugruppe untergebracht, wobei sowohl die mindestens eine Kamera als auch die mindestens eine Lichtquelle unabhängig voneinander beweglich sind.
-
Weitere Anwendungsbereiche werden aus der hier vorliegenden Beschreibung ersichtlich. Es versteht sich von selbst, dass die Beschreibung und die spezifischen Beispiele nur der Veranschaulichung dienen und nicht dazu gedacht sind, den Umfang der vorliegenden Offenbarung einzuschränken.
-
Figurenliste
-
Die hier beschriebenen Figuren dienen nur der Veranschaulichung und sollen den Umfang der vorliegenden Offenbarung in keiner Weise einschränken.
- 1A und 1B zeigen ein System zum Punktschweißen von Bauteilen gemäß einer beispielhaften Ausführungsform;
- 2A zeigt eine Baugruppe aus Kamera und Lichtquelle für das in 1A gezeigte System gemäß einer beispielhaften Ausführungsform;
- 2B zeigt eine Anordnung mit mehreren Kameras und Lichtquellen für das in 1A gezeigte System gemäß einer beispielhaften Ausführungsform;
- 2C zeigt verschiedene Muster, die von den in 1A, 2A oder 2B gezeigten Lichtquellen gemäß einer beispielhaften Ausführungsform erzeugt werden;
- 3 zeigt verschiedene Schweißparameter für das in 1A und 1B gezeigte System gemäß einer beispielhaften Ausführungsform;
- 4 zeigt die Einbindung von Eingabedaten zur Bewertung der Unversehrtheit von Punktschweißungen mit dem in 1A und 1B gezeigten System gemäß einer beispielhaften Ausführungsform; und
- 5 zeigt ein Flussdiagramm eines Verfahrens zur Bewertung der Unversehrtheit von Punktschweißungen mit dem in 1A und 1B gezeigten System gemäß einer beispielhaften Ausführungsform.
-
DETAILLIERTE BESCHREIBUNG
-
Die folgende Beschreibung ist lediglich beispielhaft und soll die vorliegende Offenbarung, Anwendung oder Verwendung nicht einschränken.
-
Unter Bezugnahme auf 1A und 1B ist ein Punktschweißsystem 10 zum Verbinden von zwei Teilen aus leitfähigem Metall 32, 34 mit einem Paar geformter Elektroden 36, 38 bei der Herstellung von Kraftfahrzeugen dargestellt. Typischerweise werden die Elektroden 36, 38 zusammengepresst, wie durch die Pfeile 40 angedeutet, so dass die beiden Metallstücke 32, 34 zusammengeklemmt werden. Die Elektroden 36, 38 bestehen typischerweise aus einer Kupferlegierung und konzentrieren den Schweißstrom auf einen kleinen „Punkt“. Eine Spannung wird über die Elektroden 36, 38 angelegt, um einen Strom durch den Punkt zu erzeugen, der das Metall schmilzt und eine Schweißnaht 41 bildet. Der Schweißvorgang erfolgt ohne übermäßige Erwärmung der übrigen Teile 32, 34.
-
Unter Bezugnahme auf 1A und die 2A, 2B und 2C kann das System 10 die Unversehrtheit der Schweißnaht 42 durch Verwendung einer Baugruppe 12 mit mindestens einer Lichtquelle 24 und mindestens einer Kamera 22 in einem Gehäuse 20 beurteilen. Die Kamera 22 nimmt in einigen Anordnungen Farbbilder der Schweißnaht 41 und in anderen Anordnungen Schwarz-Weiß-Bilder der Schweißnaht 41 auf. Die Lichtquelle 24 ist in der Lage, verschiedene Farben und Muster 26, 28, 29, 30 (2C) auf die Schweißnaht 41 zu projizieren, um die Schweißnaht 41 zu beleuchten. Die Baugruppe 12 ist in einigen Ausführungsformen statisch und in anderen Ausführungsformen beweglich, z. B. durch einen Roboterarm 14. In bestimmten Anordnungen, wie z. B. in 2B gezeigt, werden mehrere Lichtquellen 24a, 24b, 24c, die sich unabhängig voneinander bewegen können, verwendet, um Licht auf die Schweißnaht 41 zu projizieren, und mehrere Kameras 22a, 22b, 22c, die sich unabhängig voneinander bewegen können, werden verwendet, um Bilder der beleuchteten Schweißnaht 41 aufzunehmen.
-
Daten zu den erfassten Bildern werden über ein Kabel oder drahtlos 16 an einen Computer 18 übertragen, der eine digitale Zentraleinheit (CPU) in Kommunikation mit einem Speichersystem und einem Schnittstellenbus umfasst. Die CPU ist so konfiguriert, dass sie Befehle ausführt, die als Programm im Speichersystem gespeichert sind, und Signale an den/vom Schnittstellenbus sendet und empfängt. Das Speichersystem kann verschiedene nicht-transitorische, computerlesbare Speichermedien enthalten, einschließlich optischer Speicher, magnetischer Speicher, Festkörperspeicher und anderer nicht-flüchtiger Speicher. Der Schnittstellenbus kann so konfiguriert sein, dass er analoge und/oder digitale Signale zu/von den verschiedenen Sensoren und Steuergeräten sendet, empfängt und moduliert. Das Programm kann die hierin offengelegten Verfahren verkörpern, die es der CPU ermöglichen, die Schritte der unten beschriebenen Verfahren zur Steuerung des Punktschweißsystems 10 auszuführen.
-
Ein im Computer 18 gespeichertes Programm wird von außen über ein Kabel oder drahtlos übertragen. Es ist normalerweise als Computerprogrammprodukt sichtbar, das im Fachjargon auch als computerlesbares Medium oder maschinenlesbares Medium bezeichnet wird und als Computerprogrammcode zu verstehen ist, der sich auf einem Träger befindet, wobei der Träger transitorischer oder nicht transitorischer Natur ist, so dass das Computerprogrammprodukt als transitorisch oder nicht transitorisch angesehen werden kann. Der Computer 18 umfasst ferner eine grafische Anzeige, die Daten und Benutzeranforderungen in grafische Darstellungen der gewünschten Informationen übersetzt.
-
In verschiedenen Implementierungen enthält das im Computer 18 gespeicherte Computerprogramm einen auf einem neuronalen Netzwerk basierenden Algorithmus. Bezugnehmend auf 4 empfängt der Computer 18 Eingangsdaten 1 (50) und von der Kamera aufgenommene Bilder oder Fotos als Eingangsdaten 2 (52) oder Analyse mit dem auf einem neuronalen Netzwerk basierenden Algorithmus. Die gleiche Art der Messung oder Charakterisierung der Eingangsdaten 2 (5), die während des Inspektionsprozesses extrahiert werden, werden auch in den Labordaten durchgeführt, die die Trainingsdatenbank bilden. Eingangsdaten 2 (50) können Merkmale sein, die aus verschiedenen Datenverarbeitungen von Bildern oder zeitlichen Reihen extrahiert werden, oder sogar das Rohbild oder die zeitliche Reihe. Zeitserien können unterschiedliche physikalische Eigenschaften haben, wie z. B. die dynamische Widerstandskurve oder die Temperaturkurve des Kältemittels im Kap der Elektroden (36, 38) Während des Inspektionsprozesses werden die Eingabedaten 2 in bestimmten Implementierungen verwendet, um die Datenbank zu aktualisieren, um neue auf einem neuronalen Netzwerk basierende Modelle zu trainieren.
-
Die Eingabedaten 1 (50) umfassen z. B. eine Trainingsdatenbank für künstliche Intelligenz, die kontinuierlich aktualisiert wird. Die Trainingsdatenbank enthält Prozessparametervariationen, wie in 3 gezeigt, Labortestdaten, Sensitivitätsanalysedaten und Korrelationsdaten der Punktschweiß-Eingangsdaten, wie z. B. Durchmesser, maximale Eindringtiefe, Wärmeeinflusszone, Radius-Standardabweichung, Messingmenge im definierten Bereich und Messingmenge im erkannten Kreis. Auch das Rohbild oder die Zeitreihe selbst ohne Merkmalsextraktion kann als Korrelationsdaten verwendet werden. Zu den verschiedenen Methoden für die Korrelation gehören z. B. Binarisierungscodes zur Auswertung der Durchmesser- und Radius-Standardabweichung, Cyber zur Auswertung der maximalen Eindringtiefe, Zählpixelsoftware zur Auswertung der wärmebeeinflussten Zone und Gelbwert-Erkennungscodes zur Auswertung der Messingmenge im definierten Bereich und der Messingmenge im erkannten Kreis. Genauer gesagt betreffen die Korrelationen für die Bildverarbeitung die Extraktion von 2D-Daten von der Oberfläche eines Schweißpunktes in Bezug auf die Morphologie (Radius-Standardabweichung, Durchmesser, Größe der wärmebeeinflussten Zone usw.) durch Binarisierungs-Computerprogramme und die Farbe (Menge an Messing und andere interessante Farbkontraste auf Oberflächenregionen) durch Zählpixelprogramme. Die Verwendung von Bildfiltern (adaptiv, Entropie usw.) hilft, solche Charakterisierungen zu erreichen. Weiter ist zu beachten, dass Cyber eine Marke eines Mikroskops für chromatische Aberration ist. Dieses Gerät extrahiert die 3D-Daten (x,y,z) der Punktschweißoberfläche, was die Messung der Vertiefung und anderer topologischer Merkmale ermöglicht. In verschiedenen Implementierungen werden andere Ansätze zur Dreidimensionalisierung verwendet.
-
Zu den Labortestdaten können Schweißpunkte gehören, die durch Schältests, Zug-Scher-Tests, Mikrohärtekarte, metallographische Analyse usw. charakterisiert sind. Die Eingabedaten 1 (50) enthalten in verschiedenen Implementierungen andere zusätzliche Informationen, die nicht während des Schweißpunktprüfprozesses erfasst werden. Solche zusätzlichen Informationen werden verwendet, um einen Schweißpunkt in eine Gruppe von Interesse zu klassifizieren (kalte Schweißnaht oder geeignete Schweißnaht, Bestimmung, ob ein Elektrodenkappen gut oder schlecht ist usw.). Die Sensitivitätsanalyse umfasst in verschiedenen Implementierungen die Analyse der Variationen im mechanischen und elektrischen Maschinenaufbau des Punktschweißprozesses, wie z. B. den Verschleiß der Elektrodenkappen, die elektrische Beschaffenheit des Prozesses (Nieder-, Mittel- oder Hochfrequenz) usw.
-
Der auf einem neuronalen Netzwerk basierende Algorithmus korreliert die verschiedenen Parameter aus den Eingangsdaten 1 (50) und den Eingangsdaten 2 (52) mit einer multivariaten Analyse, was eine Echtzeit- und Online-Inspektion der Schweißnaht 41 ermöglicht. Weiterhin werden in bestimmten Implementierungen Rohbilder oder rohe Zeitreihen als Eingangsdaten verwendet, und die Hauptkombination ist abhängig von der Interessensabfrage (Qualität, Wartungsproblem, etc.).
-
Der auf einem neuronalen Netzwerk basierende Algorithmus führt eine Merkmalsextraktion und - analyse 54 an den Eingangsdaten 1 (50) und anschließend eine Verkettungsschicht und -analyse 56 an den Eingangsdaten 1 (50) und den Eingangsdaten 2 (52) durch, um Vorhersageinformationen zu erzeugen. Als nächstes bestimmt der auf einem neuronalen Netzwerk basierende Algorithmus in einer Entscheidungsschicht 58 verschiedene Fehlermodi und geeignete Modi für die Schweißnaht, um Ursachen und Auswirkungen 62 zu ermitteln. Diese Ursachen und Effekte liefern z. B. aktuelle, ideale und optimierte Schweißparameter, prädiktive Analyse, prädiktive Wartung, prädiktive Optimierung, prädiktives Endverhalten der gefügten Teile, eine Signatur der gefügten Teile. Diese Informationen werden weiter auf einen Datenserver hochgeladen.
-
In 5 ist ein Verfahren 100 dargestellt, der die zuvor beschriebenen Merkmale des auf einem neuronalen Netzwerk basierenden Algorithmus enthält. Das Verfahren 100 beginnt damit, dass Eingangsdaten 1 (50) an die Trainingsdatenbank 64 übertragen werden. An den Eingangsdaten 2 (52) wird eine Merkmalsextraktion basierend auf den in der multivariaten Faktorenanalyse identifizierten Merkmalen durchgeführt. Die Trainingsdatenbasis 64 und die Analyse der Eingangsdaten 2 (52) wird durch den netzwerkbasierten Algorithmus 66 ausgewertet.
-
Als nächstes bestimmt das Verfahren 100 in Schritt 68, ob die Schweißnaht sicher ist. Wenn die Schweißnaht sicher ist, bestimmt das Verfahren 100 in Schritt 70, dass der Schweißprozess 10 fortgesetzt werden kann. In einigen Fällen empfängt der Entscheidungsschritt 72 Informationen aus Schritt 66 und stellt in Schritt 74 fest, dass es ein Wartungsproblem des Schweißprozesses 10 gibt, das eine Korrekturmaßnahme in Schritt 80 erfordert, so dass das Verfahren 100 auch bei einem Wartungsproblem noch geeignete Schweißnähte erzeugt. In anderen Fällen stellt der Entscheidungsschritt 72 in Schritt 76 fest, dass es ein Qualitätsproblem der Schweißnaht selbst gibt, das mit einem Korrekturschritt 78 behoben wird.
-
In verschiedenen Ausführungen umfasst das Punktschweißsystem 10 mehrere Licht- und Kamerabaugruppen 12, von denen jede in der Lage ist, eine oder mehrere Lichtquellen 24 und eine oder mehrere Kameras 22 aufzunehmen. Das Punktschweißsystem 10 ist in der Lage, während der Fertigung von Kraftfahrzeugen Tausende von Schweißpunkten in Echtzeit auszuwerten.
-
Das Punktschweißsystem 10 beinhaltet mehrere Vorteile und Nutzen. Zum Beispiel beinhaltet das Punktschweißsystem 10 ein computergestütztes Bildverarbeitungssystem, künstliche Intelligenz mit maschinellem Lernen, um 100 % der Schweißpunkte während der Herstellung eines Kraftfahrzeugs zu prüfen und zu bewerten. Darüber hinaus ist das Punktschweißsystem 10 in der Lage, die Ursache für jede Art von Schweißpunktdefekten vorherzusagen, bevor der Defekt auftritt, indem ein Bild des Schweißpunktes verwendet wird.
-
Die Beschreibung der vorliegenden Offenbarung hat lediglich beispielhaften Charakter, und Variationen, die nicht vom Kern der vorliegenden Offenbarung abweichen, sind als im Rahmen der vorliegenden Offenbarung liegend zu betrachten. Solche Variationen sind nicht als Abweichung vom Geist und Umfang der vorliegenden Offenbarung zu betrachten.
