DE19740024C1

DE19740024C1 - Berührungsloses Prüfverfahren für Schweißpunkte

Info

Publication number: DE19740024C1
Application number: DE19740024A
Authority: DE
Inventors: Peter Dr Rer Nat Mengel; Ludwig Dipl Ing Listl; Klaus Dr Ing Mueller; Martina Schubert
Original assignee: Siemens AG
Current assignee: Siemens AG
Priority date: 1997-09-11
Filing date: 1997-09-11
Publication date: 1999-03-11
Anticipated expiration: 2017-09-12

Description

Die Erfindung betrifft ein berührungsloses bildaufnehmendes Prüfverfahren für die Qualitätsbeurteilung von Schweißpunk ten. Dabei werden Schweißpunkte eines Widerstandsschweißver fahrens beurteilt, wobei diese Materialverbindung beispiels weise in der Autoindustrie oder bei Haushaltsgeräten häufig auftritt.

Die Qualität von Schweißverbindungen beim Widerstandsschwei ßen stellt eine wesentliche Kenngröße für die Herstellkosten und die Lebensdauer vieler Produkte dar. Die Qualität insbe sondere bei Produkten der Automobilindustrie bzw. der Haus haltsgeräteindustrie wird im wesentlichen durch die Prozeßpa rameter Strom, Druck und Temperatur bestimmt. Diese Prozeßpa rameter treten während des Schweißvorganges zwischen den Elektroden der Schweißzange und den zu verbindenden Blechen auf.

Die Qualität von Schweißpunkten wird bisher mit unterschied lichen Meßmethoden bestimmt. Die wichtigsten Verfahren sind dabei:

- Ultraschallprüfung des Schweißpunktes,
- Visuelle Beurteilung durch geschultes Prüfpersonal,
- Zerstörende Prüfung durch "Aufknöpfen" der Schweiß stelle und Vermessen der entstandenen Verbindungs fläche.

Von diesen Prüfverfahren stellt die zerstörende Prüfung die eindeutig zuverlässigste Bewertungsmethode dar, da eine ob jektive Qualitätsaussage möglich ist. Dieses Verfahren kann jedoch unter Produktionsbedingungen nur für Stichproben ein gesetzt werden und verursacht durch die zusätzlich benötigten Schweißpunkte längere Fertigungszeiten und auch höhere Ko sten.

Die Ultraschallprüfung und die visuelle Beurteilung durch Prüfpersonal erreichen im allgemeinen nur eine begrenzte Zu verlässigkeit von ca. 70% für die Qualitätsbeurteilung. Die Verfahren geben mitunter sehr unterschiedliche Qualitätsaus sagen für die jeweiligen Schweißverbindungen an und sind nicht direkt am Schweißroboter für eine on-line Prüfung ein setzbar.

Aus DE 25 00 182 B2 geht ein Verfahren zur Regelung einer Schweißvorrichtung hervor, bei der die Schweißstelle mit ei ner Bildaufnahmeeinrichtung ständig erfaßt und das Bild elek tronisch ausgewertet wird. Es werden Größen erzeugt, die ein Maß für den momentanen Zustand des Schweißbades sind und ei nem Regler zugeführt werden. Dieses Verfahren dient der Rege lung während eines Lichtbogen-Schutzgasschweißens und ist zur Qualitätskontrolle einer bestehenden Schweißverbindung weder vorgesehen noch geeignet.

Der Erfindung liegt die Aufgabe zugrunde, ein berührungsloses Prüfverfahren für Schweißpunkte bereit zustellen, das eine ho he Sicherheit mit einer kurzen Taktzeit verbindet, so daß ein Einsatz in einer Fertigungsstraße möglich ist.

Die Lösung dieser Aufgabe geschieht durch die Merkmale des Anspruchs 1.

Der Erfindung liegt die Erkenntnis zugrunde daß, ein berüh rungsloses Prüfverfahren mit einer Bildverarbeitung gegenüber anderen Verfahren die Möglichkeit bietet, eine Prüfung direkt am Schweißroboter auszuführen. Hierzu wird mit einer Halblei terkamera (CCD-Kamera) sofort nach Beendigung des Schweißvor ganges der optische Abdruck der Verbindung innerhalb von ca. 50 msek erfaßt und im Arbeitsspeicher eines Bildverarbei tungssystems als Grauwertbild hinterlegt. Dieses wird nun au tomatisch durch ein im Bildverarbeitungssystem gespeichertes Prüfprogramm analysiert. Zunächst wird im gesamten Meßbereich die Grobposition des Schweißpunktes gesucht. Anschließend er folgt die detaillierte Vermessung bzw. Positionierung des Elektrodenabdruckes durch beispielsweise 16 Antastpunkte ent lang der Schweißkontur. Die von den Konturpunkten abgeleite ten Durchmesser und Mittelpunkte, sowie ihre Streuungen, stellen Formmerkmale des Schweißpunktes dar. Zusätzlich wer den Merkmale über die Helligkeits-Intensität und die Anlaß farben des Schweißpunktes berechnet. Diese Merkmale beschrei ben den Schweißpunkt mit erheblich reduzierter Datenmenge im Merkmalsraum und bilden die Grundlage für dessen Zuordnung zu einer Qualitätsklasse in der Klassifizierung. Entsprechend der verschiedenen Qualitätsklassen
k ist Element von (k₁, k₂, . . ., k_k) eines Schweißpunktes bilden die durch die Bildverarbeitung ermittelten Merkmalssätze (f₁, f₂, . . ., f_N) in der Regel Merkmalsklassen oder Cluster im mehr dimensionalen Merkmalsraum. Die Klassifikation hat nun die Aufgabe die Klassen in optimaler Weise voneinander abzugren zen, um Fehlalarme auf ein Minimum zu reduzieren. Dies wird durch ein lernfähiges Verfahren erreicht. Dieses Verfahren parametriert sich selbst aus Mustern aller Entscheidungsklas sen. Es ist dabei unabhängig von einer expliziten Merkmals statistik, die Entscheidungen zu einer Musterklasse trifft. Unter Parametrierung wird allgemein die Anpassung auf sich verändernde Parameter im Verfahren verstanden.

Eine vorteilhafte Ausgestaltung der Erfindung sieht den Ein satz des n-nächsten-Nachbar-Klassifikators vor. Dieser setzt im Gegensatz zu anderen Klassifizierungsverfahren kein aprio ri Wissen über die Merkmalsverteilung im Merkmalsraum voraus, sondern nimmt anhand einer relevanten Stichprobe die Klassi fizierung vor. Prinzipiell könnten auch andere Klassifikati onsverfahren angewandt werden, wie beispielsweise Bayes- Klassifikator, Maximum-Likelihood-Klassifikator, Neuronale Netze . . .

Eine besonders vorteilhafte Ausgestaltung der Erfindung sieht zur Erzielung kurzer Taktzeiten, die beim Schweißen gewünscht sind, spezielle Verfahren zur Reduktion von Mustern und Merk malen vor. Dabei werden beispielsweise ähnliche und damit redundante Muster aus einer Stichprobe eliminiert oder Merk malssätze werden auf die für eine Klassifizierung signifikan ten Merkmale reduziert.

Die automatische Qualitätsprüfung durch digitale Bildverar beitung eröffnet den Einsatz des Verfahrens für die Methoden der prädiktiven Diagnose in vorteilhafter Weise. In der Lern- oder Adaptionsphase läßt sich damit das Prozeßmodell berech nen. Somit wird der Zusammenhang zwischen den Parametern, wie beispielsweise Strom, Druck und Temperatur und der Qualität wiedergegeben und für nachfolgende Kontrollschritte ausgewer ten.

Im folgenden wird anhand der schematischen Figuren ein Aus führungsbeispiel beschrieben.

Fig. 1A zeigt die Initialisierung eines Prüfvorganges für einen Schweißpunkt,

Fig. 1B zeigt ein Schema zur Vermessung des Elektrodenab druckes am Schweißpunkt,

Fig. 1C zeigt die Bestimmung von Durchmesser und Mittel punkt,

Fig. 1D zeigt die Bestimmung weiterer Entscheidungsmerkmale,

Fig. 1E zeigt die automatische Klassifizierung des Schweiß punktes im n-dimensionalen Merkmalsraum,

Fig. 2A und Fig. 2B zeigen Bilder von Schweißpunkten,

Fig. 2C zeigt eine schematische Übersicht zur Darstellung des Lernprozesses in Zusammenhang mit verschiedenen Parame tern im Hinblick auf die Ausbildung des Prozeßmodelles für die prädiktive Diagnose.

Die Erfindung beschreibt ein berührungsloses Meßverfahren mit Bildverarbeitung zur automatischen Klassifizierung der Quali tät einer Schweißverbindung mit hoher Zuverlässigkeit direkt nach Beendigung des Schweißvorganges. Das Verfahren lernt die Qualität einer Schweißverbindung in einer Trainingsphase an hand von vorliegenden Testmustern und kann damit adaptiv für unterschiedliche Blechkombinationen und Prozeßbedingungen eingesetzt werden. Aufgrund der kurzen Auswertezeit ist das Verfahren insbesondere für die on-line Qualitätsüberwachung direkt am Schweißroboter in automatisierten Fertigungsanlagen und für Methoden der prädiktiven Diagnose geeignet. Dabei sind insbesondere Prozesse mit Schweißvorgängen von Autoka rosserieteilen in der Automobilindustrie zu nennen. In der prädiktiven Diagnose wird die Ableitung eines Prozeßmodells ermöglicht, welches aus der durch Bildverarbeitung bestimmten Schweißqualität und aus den Prozeßparametern resultiert. Da durch können Schwankungen und Anlagenstörungen in automati sierten Fertigungsanlagen frühzeitig erkannt werden und ge eignete Abhilfemaßnahmen rechtzeitig vor dem Erreichen kriti scher Prozeßzustände eingeleitet werden.

Die anhand des Klassifikators ausgeführte Extraktion von Bildmerkmalen ergibt zunächst eine sehr große Anzahl von 150 Entscheidungsmerkmalen aus dem Prüfprogramm. Das Verfahren der Merkmalsreduktion bewertet dabei je nach Parametrierung aber nur ca. 12 bis 15 Merkmale als signifikant. Mit diesen Merkmalen wird schließlich die Klassifizierung zur Qualitäts beurteilung durchgeführt. Ein lernfähiges Bildverarbeituungs system zur Klassifizierung wird beispielsweise in der deut schen Patentanmeldung mit dem amtlichen Aktenzeichen 196 360 74.9 beschrieben. Eine damit erzielte Datenreduktion führt zu kurzen Auswertezeiten von beispielsweise 200 msek und ermög licht damit einen -in-line- Einsatz am Schweißroboter.

Die automatische Qualitätsprüfung durch digitale Bildverar beitung eröffnet zudem den Einsatz des Verfahrens für die Me thoden der prädiktiven Diagnose. Diese wird in der Be triebsphase auf der Basis des gelernten Prozeßmodells und der aktuellen Prozeßparameter dazu benutzt, die Schweißqualität zu extrapolieren, d. h. eine Aussage über den zukünftigen Ver lauf zu treffen. Durch die auch in der Betriebsphase in-line ausgeführte Verarbeitung kann das Prozeßmodell ständig über wacht und an sich ändernde Umgebungsbedingungen angepaßt wer den.

Das Prüfverfahren dieser Erfindung wurde mit dem Bildverar beitungssystem der Fa. Siemens -SIMATIC VIDEOMAT- implemen tiert und an Schweißverbindungen in der Automobilindustrie angewandt. Umfangreiche Labor- und Fertigungstests ergaben dabei eine deutliche Überlegenheit gegenüber den alternativen Prüfmethoden (visuell und zerstörend). Im Fertigungsversuch ergab sich dabei nur eine einzige Fehlbeurteilung von geprüf ten 1500 Schweißverbindungen, d. h. eine Erkennungssicherheit von 99,9%.

Fig. 1A zeigt schematisch einen Schweißpunkt, der nach einer Widerstands- bzw. einer Widerstandspreßschweißung, beispiels weise zur Verbindung von zwei Stahlblechen am Material zu er kennen ist. Dieser Schweißpunkt weist einen Linsenbereich 1 und einen umliegenden Anlaßfarbbereich 2 auf, wobei ein ins gesamt außenliegender Bereich, der Außenbereich 3, definiert wird. Zur Initialisierung, d. h. zur Erfassung dieses Schweiß punktes wird zunächst eine Antastung einiger Konturpunkte (am Linienprofil im Bild), in diesem Fall von der Außenkontur des Anlaßfarbbereiches 2, zur Feststellung der Suchbereiche durchgeführt. Daraufhin wird entsprechend Fig. 1B eine Be stimmung von 16 Konturpunkten des Schweißpunktes vorgenommen und in Anschluß daran werden entsprechend Fig. 1C der Schweißpunktdurchmesser und dessen Mittelpunkt errechnet.

Nachdem die Bildauswertung beispielsweise an Grauwertbildern vorgenommen wird, kann zur Bestimmung weiterer Entscheidungs merkmale im Linsen-, Anlaßfarb- und Außenbereich 1, 2, 3 die Verwendung einer Grauwertreferenz 4 notwendig sein. In der Darstellung entsprechend Fig. 1D ist dies ein im Außenbe reich 3 plazierter schwarzer Balken.

Fig. 1E stellt einen n-dimensionalen Merkmalsraum dar. f₁, f₂ und f₃ sind Merkmalsvektoren, wobei eine Merkmalsklasse 5, 6, 7 (Cluster) durch einen entsprechenden Merkmalsvektor dar stellbar ist. Der mit dem Symbol "+" dargestellte zu klassi fizierende Schweißpunkt 8 liegt in diesem hier von drei Merk malsvektoren bestimmten Merkmalsraum der Merkmalsklasse 6 am nächsten. Somit ist er dieser Merkmalsklasse zuzuordnen. Die Abgrenzung zwischen den einzelnen Merkmalsklassen 5, 6, 7 ist nicht fest umrissen und hängt vom jeweiligen Anwendungsfall ab. Fest steht, daß die Elemente der Merkmalsklassen 5, 6, 7 Schweißpunkte enthalten, die vom Bildverarbeitungssystem be reits klassifiziert worden sind bzw. mit denen das System be reits gelernt hat.

Die Fig. 2A und 2B zeigen zum einen einen Schweißpunkt mit guter Schweißqualität und zum anderen einen Schweißpunkt mit schlechter Schweißqualität. Die jeweils aufgenommenen Bilder dieser Schweißpunkte werden der digitalen Bildverarbeitung zugeführt. Das Ausgangssignal der digitalen Bildverarbeitung wird der prädiktiven Diagnose 9 entsprechend Fig. 2C zuge führt. Darin ist bereits eine Qualitätsbeurteilung vorgenom men worden. Weiterhin werden Prozeßparameter, wie beispiels weise Blechcharakteristik, Druck der Schweißzangen und Schweißstrom bzw. Zangenstrom mit eingebracht. Die Vergleiche zwischen Qualitätsbeurteilung und den bei der Erzeugung der Schweißpunkte anliegenden Schweißparametern können in einen Lernprozeß innerhalb der prädiktiven Diagnose 9 derart verar beitet werden, daß ein Prozeßmodell von der prädiktiven Dia gnose 9 ausgegeben wird. Dieses Prozeßmodell kann bei ent sprechender Veränderung von äußeren Umständen adaptiert wer den. Dem Prozeßmodell sind auf jeden Fall Hinweise zu entneh men, in wie weit die Prozeßparameter überwacht bzw. angepaßt werden müssen. Eine weitere Ausführung sieht vor, daß das Prozeßmodell auf der Grundlage der Schweißqualität angepaßt wird, so daß ebenfalls ein Rückschluß auf Prozeßparameter realisierbar ist.

Als Qualitätsklassen für Schweißpunkte können beispielsweise die folgenden drei Klassen angesetzt werden:

- Schweißpunkte mit guter Qualität,
- Schweißpunkte mit gerade noch brauchbarer Qualität (Grenzmuster),
- Schweißpunkte mit mangelhafter Qualität.

Bezugszeichenliste

1

Linsenbereich

2

Anlaßfarbbereich

3

Außenbereich

4

Grauwertreferenz

5

,

6

,

7

Merkmalsklasse/Cluster

8

zu klassifizierender Schweißpunkt

9

prädikative Diagnose
f₁

, f₂

, f₃

Merkmalsvektor

Claims

1. Berührungsloses Prüfverfahren für Schweißpunkte, bestehend aus folgenden Schritten:

- Aufnahme eines Bildes eines Schweißpunktes nach Abschluß des Schweißvorganges,
- Ablage des Bildes in einem Bildverarbeitungssystem als Grauwertbild,
- Analyse des Bildes durch ein in einem Bildverarbeitungs- System gespeichertes Prüfprogramm, wobei zunächst die Lage des Schweißpunktes im Bild grob bestimmt wird, der Schweißpunkt detailliert vermessen wird und eine Vielzahl von Antastpunkten entlang der Schweißkontur aufgestellt werden und Durchmesser und Mittelpunkt und weitere Merkmale über die Helligkeits-Intensität in einem Linsenbereich (1) und in einem Anlaßfarbenbereich (2) des Schweißpunktes berechnet werden,
- Klassifizierung des Schweißpunktes anhand von erkannten Merkmalen im Merkmalsraum, wobei ein Klassifikator mit für jeweilige Entscheidungsklassen typischen Mustern automatisch parametriert wird, so daß die Klassifizierung an sich ändernde Umgebungsbedingungen angepaßt werden kann.

2. Verfahren nach Anspruch 1, worin eine automatische Reduk tion von Bildmerkmalen oder Bildmustern oder eine Kombination daraus durchgeführt wird.

3. Verfahren nach einem der vorhergehenden Ansprüche, worin ein n-nächster-Nachbar-Klassifikator verwendet wird.

4. Verfahren nach einem der vorhergehenden Ansprüche, worin mittels einer prädiktiven Diagnose auf der Grundlage der von der Bildverarbeitung festgestellten Schweißqualität ein Prozeßmodell abgeleitet wird.

5. Verfahren nach Anspruch 4, worin auf der Basis des Prozeßmodelles die Prozeßparameter überwacht werden.

6. Verfahren nach Anspruch 4, worin das Prozeßmodell anhand der durch die Bildverarbeitung ermittelten Schweißqualität angepaßt wird.