DE4112985C2

DE4112985C2 - Verfahren und Vorrichtung zur selbsttätigen Führung eines Schweißkopfes

Info

Publication number: DE4112985C2
Application number: DE19914112985
Authority: DE
Inventors: Juergen Dipl Ing Borowka
Original assignee: Individual
Current assignee: Individual
Priority date: 1991-04-20
Filing date: 1991-04-20
Publication date: 1995-08-31
Anticipated expiration: 2011-04-21
Also published as: DE4112985A1

Description

Die Erfindung betrifft ein Verfahren nach dem Oberbegriff des Patentanspruchs 1 sowie eine entsprechende Vorrichtung zum Durchführen des Verfahrens.

Bekannt ist eine Lichtbogensensorik, bei der nach verschiedenen Verfahren, die auf das Schweißverfahren, die Charakteristik der Schweißstromquelle und den Werkstoffübergang abgestimmt sind, aus den augenblicklichen Meßwerten von Schweißstrom und Schweißspannung für jeden Zyklus der Abtastbewegung ein Signalzeitverlauf ermittelt wird, der als Abstandsprofil der Fügestelle unter der Einwirkung des Lichtbogens interpretiert werden kann. (DVS-Berichte 109 (1987) S. 113-118.)

Aus diesem, jeweils einem Zyklus der Abtastbewegung des Lichtbogens zugeordneten Signalzeitverlauf wird ein Maß für Größe und Richtung des zugehörigen (mittleren) Seitenversatzes des Schweißkopfes bestimmt. Dies geschieht im einfachsten Fall durch Differenzbildung zeitlich aufeinander folgender Meßwerte, die den rechten und linken Auslenkmaxima entstammen. Aus den Vorzeichen bzw. dem Betrag dieser Differenz ergeben sich die Richtung bzw. die Größe der gemessenen Seitenabweichung. (DE 26 31 250 und DE 25 33 448).

Eine nach diesem Prinzip erstellte Lichtbogensensorik arbeitet allerdings nur dann fehlerfrei, wenn die Schweißfuge zum Zeitpunkt der Schweißung in ihren wesentlichen geometrischen Merkmalen bekannt ist und sich diese Merkmale im Zuge der Schweißung nicht in unvorhersehbarer Weise oder zu nicht von vornherein bekannten Zeitpunkten ändern. So liefert dieses Auswerteprinzip bei nach Größe und Richtung identischem Seitenversatz im Falle einer V-Schweißfuge genau das umgekehrte Vorzeichen für das Maß des Seitenversatzes wie im Falle eines äußeren Eckstoßes (Bördelnaht).

Beispielsweise kann sich, bedingt durch aus wirtschaftlichen Gründen unvermeidliche Bauteiltoleranzen, Aufspannfehler oder thermischen Verzug im Zuge einer Schweißung am Überlappstoß dünner Bleche die Breite des vorstehenden Unterbleches von 5 mm auf 2 mm verringern. Dann entstehen, selbst unter der Annahme, daß die Position des Schweißkopfes relativ zur Schweißfuge konstant bleibt, durch das Aufschmelzen der Verbindungsstelle im Lichtbogen im Bereich des 5 mm vorstehenden Unterbleches Abstandprofilsignale, die denen einer V-Schweißfuge ähnlich sind, und im Bereich des 2 mm vorstehenden Unterbleches dagegen Abstandsprofilsignale, die einem äußeren Eckstoß ähnlich sind. Hierdurch werden unvermeidlich Fehlreaktionen dieses Sensorsy stems hervorgerufen.

Zur Vermeidung dieses Nachteils wurde ein verbessertes Auswer teprinzip entwickelt, bei dem das gesamte pro Abtastzyklus gemessene Abstandsprofil in einer großen Zahl von Meßstützstel len abgespeichert und durch eine Polynomapproximation einer geschlossenen mathematischen Beschreibung im Prozeßrechner zugänglich gemacht wird.

Ein Mustererkennungsalgorithmus berechnet pro Abtastzyklus für die Polynomfunktion eine Gruppe von Merkmalen, z. B. Steigung, Reihenfolge der Vorzeichenwechsel der Steigungen oder Lage der Umkehrpunkte, die in ihrer Gesamtheit als charakteristisches Muster die seitliche Position des Schweißkopfes bei der vorliegenden Fügestellengeometrie beschreiben soll.

Zur Anpassung dieses Systems an eine Schweißaufgabe ist aber für jedes für die Aufgabe relevante Muster ein eigener Reglerentwurf auszuführen, und zwar so, daß sich daraus ein widerspruchsfreies Systemverhalten ergibt. Nun erweist sich die Bestimmung selbst elementarer Reglertypen aufgrund der Vielzahl von Einflußgrößen, nämlich einerseits der die Mustererkennung bestimmenden Einstellparameter des Systems selbst, und anderer seits verfahrensspezifischer Größen wie Pendelamplitude, Pen delfrequenz sowie Schweißparameter, als so kompliziert und zeitraubend, daß gegenwärtig sogar die Entwicklung eines speziell für die Sensorsystemeinstellung vorgesehenen Computer programmes betrieben wird (DVS-Berichte 118 (1989) S. 40-42).

Aus Miller, Th.W., et al., "An Associative Neural Network Alternative to Backpropagation", in "Proc. of the IEEE", 1990, Vol. 78, No. 10, S. 1561-1567 ist ein Verfahren bekannt, das zur selbsttätigen Führung eines von einem Manipulator bewegten Objekts dient, wobei ein neuronales Netz als Regler mit selbsttätiger Einstellung vorgesehen ist. Seine Koeffizienten werden im Zuge eines Trainingsvorgangs im geschlossenen Regelkreis auf der Basis der vorhandenen exakten Meßwerte eines optischen Positionsmeßsystems ermittelt.

Allerdings benötigt dieses bekannte System zu Beginn der Trainingsphase einen parallel geschalteten üblichen P-Regler, da Fehlreaktionen in diesem Stadium unvermeidlich sind, welcher im vorliegenden Fall nicht vorhanden ist.

Aus diesen und allgemeinen konzeptionellen Gründen kann dieser bekannte neuronale Regler selbst in Verbindung mit dem aus DVS- Bericht 118 (1989), S. 40-42 bekannten System nicht zu einer Lösung der obigen Probleme beitragen.

Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren zur selbsttätigen Führung eines Schweißkopfes einer Lichtbogen schweißvorrichtung zu schaffen, das auch für eine in unvorher sehbarer Weise variierende Fügestellengeometrie eine ausrei chende Funktionssicherheit gewährleistet, wobei es aufgrund seiner besonderen Eigenschaften auch für kleine Losgrößen und häufig wechselnde Typenreihen geeignet sein soll.

Diese Aufgabe wird erfindungsgemäß durch ein Verfahren mit den kennzeichnenden Merkmalen des Patentanspruches 1 gelöst. Die Verwendung eines künstlichen neuronalen Netzes ist für solche Aufgaben bisher noch nicht vorgeschlagen worden. Die Fähigkeit, in einem Lern- bzw. Trainingsvorgang die Anpassung an eine veränderte Schweißaufgabe in kurzer Zeit weitgehend selbsttätig vorzunehmen, ist ein besonderer Vorteil gegenüber dem Stand der Technik.

Eine Vorrichtung zur Durchführung des erfindungsgemäßen Verfah rens ist durch Patentanspruch 5 gegeben.

Nachstehend ist die Erfindung beispielsweise anhand der Zeichnung näher erläutert. Es zeigen:

Fig. 1 ein Blockschaltbild einer Vorrichtung zur Ausführung des erfindungsgemäßen Verfahrens,

Fig. 2-2c ein teilweises Blockschaltbild mit grafischen Hilfs darstellungen zur Darstellung des Signalumsetzungsvorgan ges,

Fig. 3 eine schematische Darstellung eines künstlichen neurona len Netzes,

Fig. 4 eine Einzelheit des künstlichen neuronalen Netzes,

Fig. 5-5f eine schematische Darstellung der Trainingsstufen für ein künstliches neuronales Netz und

Fig. 6 ein Blockschaltbild für die Ermittlung der Wichtungsfak toren.

Fig. 1 zeigt schematisch eine Vorrichtung nach der Erfindung. Das Werkstück 1 besteht aus zwei aufeinander liegenden, einander überlappenden Blechen 2, 3 mit unterschiedlich breitem Überlappungsrand 4. Beide Bleche 2, 3 sollen entlang der Schweißfuge 5 mittels einer Schweißnaht 8 verbunden werden.

Oberhalb des Werkstückes 1 befindet sich eine Lichtbogen schweißvorrichtung. Sie weist einen Schweißkopf 6 auf, der pendelnd in einem in der allgemeinen Vorschubrichtung V ausgerichteten Halter 7 aufgenommen ist.

Der Halter 7 ist drehbar in einem Support 9 gehalten, der mit einem in Vorschubrichtung V geführten Linearfahrwerk 10 entlang einer Führung 11 verschiebbar ist. Der Support 9 ist gegenüber dem Linearfahrwerk 10 entlang einer zur Vorschubrichtung V senkrechten Führung 12 quer zur Vorschubrichtung in Richtung des Seitenversatzes S verschiebbar angeordnet.

Die Vorschubbewegungen des Linearfahrwerkes 10 in Richtung V und diejenigen des Supports 9 in Richtung S werden von Stelleinrichtungen V′ und S′ gesteuert.

Der Schweißkopf 6 ist ferner mit einer Schweißstromquelle 13 verbunden. Diese treibt einen Strom I_s über eine durch den Schweißkopf 6 in Richtung R geführte, und von einer Stellein richtung R′ gesteuerte Drahtelektrode 14, einen Lichtbogen 15 und das Werkstück 1. Eine berührungsfreie Strommeßeinrichtung (Hallsensor) 16 umschließt das Kabel 17 für die Stromrückfüh rung.

An den Hallsensor 16 und die Schweißstromquelle 13 ist eine Signalvorverarbeitungseinheit 18 angeschlossen, deren Ausgang 19 auf eine Prozeßdatenerfassungseinheit 20 einwirkt. Diese steuert ein künstliches neuronales Netz 21, an das eine Entscheidungseinheit 22 angeschlossen ist. Diese wiederum ist mit einer Schalteinrichtung 23 sowie mit den Stelleinrichtungen V′, R′ und S′ verbunden.

Der Lichtbogen 15 tastet durch eine Querpendelbewegung P die Schweißfuge 5 ab, wobei gleichzeitig die Signalvorverarbei tungseinheit 18 aus den momentanen Meßwerten von Schweißstrom I_s und Schweißspannung U_s ein Abstandsprofil h(t) (Fig. 2) der Schweißfuge erzeugt, das über die Prozeßdatenerfassungseinheit 20 dem künstlichen neuronalen Netz 21 zur Klassifikation zugeleitet wird.

Das neuronale Netz 21 ermittelt die augenblickliche seitliche Schweißkopfposition relativ zur Mitte der Schweißfuge 5 und liefert Informationen über die augenblickliche Fugengeometrie.

Im Zuge der weiteren Signalverarbeitung leitet die Entschei dungsstufe 22 daraus Korrektursignale s, dv, dr für die seitliche Position des Schweißkopfes 6 bzw. die Schweißvor schubgeschwindigkeit und die Fördergeschwindigkeit der Schweiß elektrode 14 ab, die den Regelkreis schließen, indem sie den entsprechenden Stelleinrichtungen für den Seitenversatz S′, den Schweißvorschub V′, und die Drahtelektrodenförderung R′ zuge führt werden.

Ferner überwacht die Entscheidungseinheit 22 den Fertigungspro zeß nach gewissen Kriterien und löst ggf. mittels eines Signals er über die Schalteinrichtung 23 Alarmmeldungen aus. Die Signalvorverarbeitungseinheit 18, das künstliche neuronale Netz 21 und die Entscheidungseinheit 22 sind zweckmäßigerweise im Prozeßrechner zusammengefaßt.

Erfindungsgemäß geht man davon aus, daß die an sich bekannte Signalvorverarbeitungseinheit 18 aus den augenblicklichen Meßwerten des Schweißstromes I_s und der Schweißspannung U_s den kontinuierlichen und verrauschten Signalzeitverlauf h(t) (Fig. 2a) des Abstandsprofils der Fügestelle erzeugt, der dann von der Prozeßdatenerfassungseinheit 20 mit genügend hoher zeit licher Auflösung (z. B. 100 Meßstützstellen pro Abtastzyklus des Lichtbogens) digitalisiert (Fig. 2b) und in Form geordneter Datensätze zwischengespeichert wird. Ein solcher Datensatz besteht aus den Meßstützstellen d(nT) eines vollständigen Abtastzyklus k des Lichtbogens 15 und stellt somit das Abstandsprofil in digitaler Form dar.

Erfindungsgemäß werden diese Datensätze in der zeitlichen Reihenfolge ihres Entstehens dem künstlichen neuronalen Netz 21 als Eingangssignalvektor E(k) zur Klassifikation zugeführt.

Das Ergebnis der Klassifikation, mithin das Ausgangssignal A(k) des künstlichen neuronalen Netzes 21, ist ein Vektor A(k), dessen i-te Komponente Ai(k) die Wahrscheinlichkeit angibt, mit der das Eingangssignal E(k), also das über den Lichtbogen gemessene Abstandsprofil, einer bestimmten, der i-ten Ausgangs signalkomponente zugeordneten Klasse angehört. (Fig. 2c).

Jede Klasse ist gekennzeichnet durch die Ausprägung des Merkmals "Seitenversatz des Schweißkopfes 6" sowie weiterer Merkmale, nämlich solcher geometrischer Größen der ungeschweiß ten Schweißfuge 5, die die vorfertigungsbedingten Maßtoleranzen beschreiben.

Der Ausgangsvektor A(k) des künstlichen neuronalen Netzes wird der Entscheidungseinheit 22 als Eingangssignal zugeführt. Nach einer Methode berechnet die Entscheidungseinheit 22 aus dem Vektor A(k) das Seitenkorrektursignal s, indem zunächst die betragsmäßig größte Komponente von A(k) ermittelt (Fig. 2c) und anschließend dieser Zahlenwert mit einem für jede Komponente von A(k) getrennt nach Größe und Vorzeichen wählbaren Faktor multipliziert wird.

Nach einer anderen Methode berechnet die Entscheidungseinheit 22 aus dem Vektor A(k) das Seitenkorrektursignals, indem alle Komponenten des Vektors (A(k) in einer Linearkombination, deren Koeffizienten nach Größe und Vorzeichen wählbar sind, verknüpft werden.

Schließlich bestimmt die Entscheidungseinheit 22 aus dem Vektor A(k) die betragsmäßig größte Komponente von A(k) und berechnet einerseits für die zur Klasse dieser Komponente gehörenden geometrischen Merkmale der ungeschweißten Schweißfuge 5 in an sich bekannter Weise Korrekturwerte dv bzw. dr für die Schweißvorschubgeschwindigkeit bzw. Fördergeschwindigkeit der Schweißelektrode 14, und löst andererseits über geeignete Einrichtungen 23 für den Fall Alarmmeldungen aus, daß die zur ermittelten Komponente von A(k) gehörige Klasse geometrische Merkmale der ungeschweißten Schweißfuge 5 umfaßt, die schweiß technisch unerwünscht sind.

Für das erfindungsgemäß angewandte künstliche neuronale Netz kommt ein System in Frage, wie es z. B. in MIT-Press 1986, S. 318-362 beschrieben ist. Es ist gekennzeichnet durch eine nicht rückgekoppelte Struktur (feedforward-Struktur) und be steht, wie Fig. 3 zeigt, aus einer Vielzahl gleichartiger, zeitlich parallel arbeitender Rechenzellen, genannt Neuronen 30, die in mehreren Schichten 31, 32, 33 hintereinander angeord net und von Schicht zu Schicht über Verbindungsleitungen 34 miteinander verknüpft sind. Die Pfeile an den Verbindungslei tungen 34 kennzeichnen die Wirkrichtung der Signale.

Fig. 4 zeigt ein schematisches Beispiel, wobei jede Rechenzelle 30 nach einer Rechenvorschrift arbeitet, und die Eingangssig nale, hier e1 bzw. e2 mit zugehörigen Wichtungsfaktoren, hier w1 und w2 multipliziert und zur internen Zwischengröße z aufsummiert werden:

z = e1 × w1 + e2 × w2.

Daraus berechnet sich das Ausgangssignal u der Rechenzelle zu

u = f(z).

Die Funktion f(z) wird als Aktivierungsfunktion der Rechenzelle bezeichnet. Üblich ist z. B. die Sigmoidalfunktion

f(z) = (1+e^-z)^-1.

Die Rechenzellen eines künstlichen neuronalen Netzes unter scheiden sich in ihren den Eingangssignalen nach Fig. 4 zugeord neten Wichtungsfaktoren nach der Anzahl und dem Zahlenwert. Die Ein- und Ausgangssignale eines Netzes haben Vektorcharakter.

Bevor das künstliche neuronale Netz 21 die beschriebene Klassifikation ausführen kann, muß es auf die Schweißaufgabe trainiert werden.

Einzelheiten der Trainingsphase zeigen die Fig. 5-5f anhand eines Überlappungsstoßes mit variierender Breite des vom vorstehenden Unterblech 3 gebildeten Randes 4. In Fig. 5 ist ein solcher Stoß vor der Schweißung dargestellt. Dabei liegt die Breite des vorstehenden Randes 4 vorfertigungsbedingt zwischen einem minimalen und einem maximalen Wert b1 bzw. b2.

Erfindungsgemäß wird die Wirkung der unvermeidbaren Fügestel lentoleranzen und möglicher seitlicher Fehlpositionierungen auf das Abstandsprofil durch Meßdatensätze von Referenzschweißungen nach dem Schema der Fig. 5-5f erfaßt.

Man führt diese Referenzschweißungen vorteilhaft an Nachbildun gen 1′ des zu schweißenden Bauteiles aus, die für das betrachtete Beispiel so vorzubereiten sind, daß die Breite des vorstehenden Randes 4 des Unterbleches 3 in einer geeigneten Anzahl von Schritten (z. B. drei Schritten) vom Minimalwert b1 bis zum Maximalwert b2 variiert. Man erhält damit einen Satz von Nachbildungen, bei dem jede einzelne Nachbildung eine definierte, über die Nahtlänge konstante Breite des vorstehen den Randes 4 des Unterbleches 3 aufweist.

Ein solcher Satz ist mehrfach anzufertigen, damit er anschlie ßend in verschiedenen, genau festgelegten und über die Länge der Schweißung konstanten Seitenpositionen des Schweißkopfes bei gependeltem Lichtbogen abgeschweißt werden kann. Die Seitenpositionen sollte man so festlegen, daß sie schrittweise einen gewissen Bereich um die Fugenmitte herum abdecken.

Unter dem Training eines künstlichen neuronalen Netzes versteht man den wiederholten Prozeß der gezielten Veränderung der im untrainierten Zustand des Netzes zunächst zufällig eingestell ten Wichtungsfaktoren w, solange bis das Netz bei Anlegen eines Eingangssignalvektors E(k) einen Ausgangssignalvektor A(k) liefert, dessen Abweichung von einem zu E(k) gehörigen Soll-Ausgangssignalvektor As unter eine bestimmte Fehlerschran ke fällt, nämlich für alle während des Trainings benutzten Eingangssignalvektoren E(k).

Das künstliche neuronale Netz soll während der Trainingsphase lernen, die abgespeicherten Datensätze ihrer jeweiligen Refe renzschweißung zuzuordnen. Deshalb sind die Eingangssignalvek toren E(k) erfindungsgemäß identisch mit den Datensätzen der Referenzschweißungen. Der Ausgangssignalvektor A(k) hat soviele Komponenten, wie das Netz Klassen unterscheiden muß.

Da alle Datensätze aus einer Referenzschweißung natürlich zu einer Klasse gehören, und somit durch ihre gemeinsamen Merkmale, z. B. die seitliche Position des Schweißkopfes 6 und die Breite 4 des Randes des vorstehenden Unterbleches, gekennzeichnet sind, werden nur soviele unterschiedliche Soll-Ausgangssignalvektoren As definiert, wie es Klassen gibt. Im einfachsten Fall geschieht dies dadurch, daß man immer nur jeweils eine Komponente von As zu eins setzt und alle anderen zu null.

Für das Training des künstlichen neuronalen Netzes 21 benutzt man zweckmäßig ein marktübliches Simulationssystem und stellt damit ein dreischichtiges künstliches neuronales Netz zusammen, wie es schematisch in Fig. 3 gezeigt ist. Es weist in der Eingangsschicht 31 soviele Rechenzellen 30 auf, wie jeder abgespeicherte Datensatz eines Abstandsprofiles Meßstützstellen umfaßt. Die Anzahl der Rechenzellen der Ausgangsschicht 33 entspricht der Anzahl der zu unterscheidenden Referenzschwei ßungen. Zwischen der Eingangs- und der Ausgangsschicht 31 bzw. 33 sind etwa halb so viele Rechenzellen wie in der Eingangsschicht 31 angeordnet.

Die gezielte Veränderung der Wichtungsfaktoren w während des Trainings wird üblicherweise von einem Lernalgorithmus 24 gesteuert, z. B. nach dem backpropagation-Verfahren, wie es in MIT-Press 1986 S. 318-362 beschrieben ist.

Nach Abschluß des Trainings steht mit W die Gesamtheit aller Wichtungsfaktoren zur Verfügung (Fig. 6) und liefert zusammen mit der zugrundegelegten Netzstruktur die Rechenvorschrift, nach der das künstliche neuronale Netz während seines Betriebs als Klassifikator zur Steuerung u. a. der Schweißkopfposition arbeitet.

Für den Anwender ist es besonders vorteilhaft, daß die Anpassung des erfindungsgemäßen Verfahrens an eine veränderte Schweißaufgabe in einem selbsttätigen Lernvorgang weitgehend durch das Sensorsystem allein vorgenommen wird. Der Bediener führt lediglich die Referenzschweißungen aus und leitet durch Tastendruck den Lernvorgang ein.

Ein Anwender kann deshalb ohne fremde Hilfe, z. B. seitens des Sensorherstellers, die jeweiligen Sensorsystemeinstellungen für die verschiedenen Schweißaufgaben seiner Fertigung in einfacher Weise selbst ermitteln und läuft deshalb nicht Gefahr, in diesem Zusammenhang etwaige Firmengeheimnisse unfreiwillig preisgeben zu müssen. Wegen des geringen Zeitbedarfes der Lernphase ist das erfindungsgemäße Verfahren auch für kleine Losgrößen und häufig wechselnde Typenreihen geeignet.

Claims

1. Verfahren zum selbsttätigen Führen eines Schweißkopfes einer Lichtbogenschweißvorrichtung entlang einer Schweißfuge, bei dem

- der Lichtbogen in der quer zur Vorschubrichtung gerichteten x-Achse eine Pendelbewegung ausführt,
- die daraus resultierenden elektrischen Signale der Schweißspannung und des Schweißstroms erfaßt werden,
- aus deren Änderungen eine Signalverarbeitungs elektronik für den jeweiligen Abtastzyklus k ein Prozeßsignal h(x) errechnet, das den Abstand zwischen Schweißkopf und Schweißfuge abbildet,
- das Prozeßsignal h(x) einem Mustererkennungs algorithmus unterworfen wird, welcher den Prozeßsignalen h(x) charakteristische Schweißsituationen zuordnet,
- mit Hilfe des Ergebnisses des Mustererkennung Korrektursignale zum Regeln der Stellung und der Bewegung des Schweißkopfes erzeugt werden,

gekennzeichnet durch die Schritte:

- Erzeugen eines Prozeßsignalvektors E(k) aus dem Prozeßsignal h(x),
- Anlegen des Prozeßsignalvektors E(k) an ein neuronales Netz, dessen Wichtungsfaktoren W dadurch eingestellt worden sind, daß
- die Rechenzellen des neuronalen Netzes mit Hilfe von Referenzprozeßsignalvektoren bekannter Signalklassenzugehörigkeit, welche aus Referenzschweißungen stammen, und Soll- Wahrscheinlichkeitsvektoren As darauf trainiert werden, die Stellung des Schweißkopfes und/oder geometrische Merkmale der Schweißfuge zu klassifizieren,
- Berechnen eines Wahrscheinlichkeitsvektors A(k), dessen Komponenten die jeweilige Wahrscheinlichkeit angeben, mit der der Prozeßsignalvektor E(k) einer trainierten Schweißsituation angehört,
- Zuführen des Wahrscheinlichkeitsvektors A(k) einer Entscheidungseinheit zur Erzeugung der Korrektursignale.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die geometrischen Merkmale Flankenhöhe oder Fugenöffnungswinkel oder Spaltbreite oder Überlappbreite sind.

3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß die Stellung des Schweißkopfes (6) der Seitenversatz ist.

4. Verfahren nach einem der vorhergehenden Ansprüche, gekennzeichnet durch den Schritt:
Regeln einer Drahtelektroden-Fördergeschwindigkeit unter Verwendung des Wahrscheinlichkeitsvektors A(k).

5. Vorrichtung zum Durchführen des Verfahrens nach Anspruch 1, welche umfaßt:

a) eine Lichtbogenschweißvorrichtung mit einem selbsttätig und pendelnd längs einer Schweißfuge geführten Schweißkopf;
b) eine Signalvorverarbeitungseinrichtung (18) zum Empfangen der elektrischen Signale der Schweißspannung und des Schweißstroms und Erzeugen des Prozeßsignals h(x);
c) eine Prozeßdatenerfassungseinrichtung (20) zum Empfangen des Prozeßsignals h(x) von der Signalvorverarbeitungseinrichtung (18) und Digitalisieren des Prozeßsignals h(x) in den Prozeßsignalvektor E(k);
d) ein trainierbares neuronales Netz (21) zum Empfangen des Prozeßsignalvektors E(k) von der Prozeßdaten erfassungseinrichtung (20) und Erzeugen des Wahrscheinlichkeitsvektors A(k) durch die Rechenzellen (30) des neuronalen Netzes (21); und
e) eine Entscheidungseinrichtung (22) zum Empfangen des Wahrscheinlichkeitsvektors A(k) vom neuronalen Netz (21) und Erzeugen der Korrektursignale.

6. Vorrichtung nach Anspruch 5, dadurch gekennzeichnet, daß das neuronale Netz (21) eine nicht-rückgekoppelte Struktur hat und aus einer Vielzahl gleichartiger zeitlich parallel arbeitender Rechenzellen besteht, welche in mehreren Schichten (31, 32, 33) hintereinander angeordnet sind, wobei die Anzahl der Rechenzellen (30) in der Eingangsschicht (31) der Anzahl der Komponenten des Prozeßsignalvektors und die Anzahl der Rechenzellen (30) in der Ausgangsschicht (33) der Anzahl der trainierbaren Klassen entspricht.

7. Vorrichtung nach einem der Ansprüche 5 oder 6, gekennzeichnet durch eine Trainingseinrichtung (24), welche die Rechenzellen des neuronalen Netzes (21) bei jeweiligem Anlegen eines Referenzprozeßsignalvektors entsprechend einer Referenzschweißung so einstellt, daß die Abweichung zwischen einem jeweiligen vorgegebenen Soll-Wahrscheinlichkeitsvektor As und einem jeweiligen Wahrscheinlichkeitsvektor A(k) unter eine bestimmte Schranke fällt.

8. Vorrichtung nach einem der Ansprüche 5 bis 7, dadurch gekennzeichnet, daß die Entscheidungseinrichtung (22) Stellsignale zum Regeln einer Drahtelektroden- Fördergeschwindigkeit unter Verwendung des Wahrscheinlichkeitsvektors A(k) berechnet.

9. Vorrichtung nach einem der Ansprüche 5 bis 8, gekennzeichnet durch eine Alarmeinrichtung (23) zum Erzeugen von Alarmmeldungen (er) ansprechend auf jeweilige Ausgangssignale der Entscheidungseinrichtung (22) bei jeweiligen bestimmten Wahrscheinlichkeitsvektoren A(k).