KR100255070B1 - 아크 용접 장치의 인공 신경망을 이용한 기준 참조값 설정 방법 - Google Patents

아크 용접 장치의 인공 신경망을 이용한 기준 참조값 설정 방법 Download PDF

Info

Publication number
KR100255070B1
KR100255070B1 KR1019960081074A KR19960081074A KR100255070B1 KR 100255070 B1 KR100255070 B1 KR 100255070B1 KR 1019960081074 A KR1019960081074 A KR 1019960081074A KR 19960081074 A KR19960081074 A KR 19960081074A KR 100255070 B1 KR100255070 B1 KR 100255070B1
Authority
KR
South Korea
Prior art keywords
welding
current
neural network
value
artificial neural
Prior art date
Application number
KR1019960081074A
Other languages
English (en)
Other versions
KR19980061700A (ko
Inventor
이종명
최재성
강재덕
김지희
성원호
Original Assignee
김덕중
사단법인고등기술연구원연구조합
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 김덕중, 사단법인고등기술연구원연구조합 filed Critical 김덕중
Priority to KR1019960081074A priority Critical patent/KR100255070B1/ko
Publication of KR19980061700A publication Critical patent/KR19980061700A/ko
Application granted granted Critical
Publication of KR100255070B1 publication Critical patent/KR100255070B1/ko

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K9/00—Arc welding or cutting
    • B23K9/12—Automatic feeding or moving of electrodes or work for spot or seam welding or cutting
    • B23K9/127—Means for tracking lines during arc welding or cutting
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K9/00—Arc welding or cutting
    • B23K9/095—Monitoring or automatic control of welding parameters
    • B23K9/0953—Monitoring or automatic control of welding parameters using computing means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K9/00—Arc welding or cutting
    • B23K9/095—Monitoring or automatic control of welding parameters
    • B23K9/0956—Monitoring or automatic control of welding parameters using sensing means, e.g. optical

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Plasma & Fusion (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Feedback Control In General (AREA)

Abstract

본 발명은 아크 용접시 용접선을 추적하기 위한 방법에 관한 것으로서, 인공 신경망의 입력값으로 용접 인자들을 사용하고, 상기 인공 신경망의 출력값으로 용접선 추적시의 위빙 방향 및 깊이, 전류 인지량을 사용하여 인공 신경망을 학습시키는 제1단계; 상기 제1단계 수행후, 작업자에 의하여 설정된 용접 인자들을 상기 인공 신경망의 입력값으로 하여 전류 인지량을 출력하게 하며, 상기 전류 인지량을 용접선 추적을 위한 기준 참조값으로 설정하는 제2단계; 상기 제2단계 수행후, 상기 용접 수행중 측정된 전류 데이터를 용접선 추적을 위한 전류 인지량으로 산출하며, 상기 산출된 전류 인지량 및 기준 참조값간의 차이가 검출되는 경우 전류 인지량이 기준 참조값을 추종하도록 상기 용접선을 보정하는 제3단계를 포함한다. 따라서, 신뢰성있는 용접선 추적이 가능하며, 복잡한 실험 관계식을 구할 필요가 없어 용접선 추적 시스템이 간단해지고 용접중 기준 참조값을 설정할 필요가 없어 초기 용접 상태에 관계없이 용접시부터 용접선 추적이 가능하다는 효과가 있다.

Description

아크 용접 장치의 인공 신경망을 이용한 기준 참조값 설정 방법
본 발명은 아크 용접에 관한 것으로서, 더욱 상세하게는 아크 센싱에 의한 용접선 추적시 핵심이 되는 기준 참조값(reference value)을 인공 신경망을 이용하여 설정하는 방법에 관한 것이다.
아크 센싱에 의한 용접선 추적에 있어 가장 중요한 점은 용접중 측정되는 전류 인자값과 비교하는 기준 참조 값의 정확한 설정이다.
종래에는 아크 센싱에 의한 용접선 추적시 기준이 되는 기준 참조값 설정 방법으로는 두가지 방법을 들고 있다.
첫 번째 방법은 여러 가지 정밀한 실험을 통해 미리 보정 인지량인 전류 인지량(위빙 방향, 깊이)을 측정한다. 이후, 용접 인자들과 전류 인지량과의 일정한 실험적 관계식을 구하므로써 전류 인지량의 기준 참조값을 설정한다.
이때, 용접 인자들(용접 전류, 전압 및 위빙 폭, 위빙 피치 등의 위빙 인자들)과 전류 인지량은 서로 선형(linearity)관계라는 가정하에 실험적 관계식을 구하게 된다.
그러나, 실제로 용접 전류에 의한 전류 인자값은 많은 용접 인자들과 선형적인 관계를 나타내지 않으며, 용접 공정은 용접 인자들간에 서로 크게 결합(coupled)되어 있고, 시스템에 많은 노이즈가 수반되어진다. 그러므로 정확한 전류 인자와 기준값과 용접 인자간의 관계를 측정 실험식으로 명확히 나타낼 수 없다는 문제가 있다.
두 번째 방법은 용접중 초기 몇번의 위빙중 측정하여 계산된 전류 인자값을 기준 참조값으로 설정하는 방법이다.
용접 조건의 변화에 상관없이 용접 초기에 참조값이 설정되므로써 비교적 정확한 값을 설정할 수 있다.
그러나, 이와 같이 용접중 초기에 측정된 전류 인자량의 값을 기준값으로 설정하는 방법은 초기 용접 상태가 좋아야 하고, 용접 부재에서의 토치의 위치가 정확해야 한다는 제약이 있다.
본 발명은 이러한 문제를 해결하치 위하여 안출한 것으로서, 본 발명의 목적은, 인공 신경망을 이용하여 용접선 추적을 위한 기준 참조값을 설정한 아크 용접 장치의 인공 신경망을 이용하여 신뢰성 있는 기준 참조값을 설정함으로써 용접선 보정이 정확하게 이루어지도록 하는 방법을 제공하는데 있다.
제1도는 본 발명에 따른 인공 신경망을 이용한 기준 참조값 설정 방법을 행하기 위한 아크 용접 장치의 개략 블록도이고,
제2도는 본 발명에 따른 아크 용접 장치의 인공 신경망을 이용한 기준 참조값 설정 방법의 흐름도이며,
제3도는 본 발명에 따른 아크 용접 장치의 인공 신경망을 이용한 기준 참조값 설정 방법에서 사용되는 인공 신경망의 도면이다.
* 도면의 주요부분에 대한 부호의 설명
10 : 용접기 11 : 션트 레지스터
12 : 전류 신호 증폭기 20 : 용접기 인터페이스 장치
21 : 로우 패스 필터 22 : A/D 변환기
30 : 제어 장치 40 : 로봇
상술한 목적을 달성하기 위한 본 발명은, 아크 용접시 용접선을 추적하기 위한 방법에 있어서, 인공 신경망의 입력값으로 용접 인자들을 사용하고, 상기 인공 신경망의 출력값으로 용접선 추적시의 위빙 방향 및 깊이, 전류 인지량을 사용하여 인공 신경망을 학습시키는 제1단계; 상기 제1단계 수행후, 작업자에 의하여 설정된 용접 인자들을 상기 인공 신경망의 입력값으로 하여 전류 인지량을 출력하게 하며, 상기 전류 인지량을 용접선 추적을 위한 기준 참조값으로 설정하는 제2단계; 상기 제2단계 수행후, 상기 용접 수행중 측정된 전류 데이터를 용접선 추적을 위한 전류 인지량으로 산출하며, 산출된 전류 인지량 및 기준 참조값간의 차이가 검출되는 경우 전류 인지량이 기준 참조값을 추종하도록 상기 용접선을 보정하는 제3단계를 포함한다.
이하, 본 발명의 일 실시예를 첨부된 도면을 참조하여 상세히 설명한다.
제1도에는 본 발명을 행하기 위한 하드웨어의 블록도가 도시되어 있다.
제1도를 참조하면, 용접기(10)의 션트 레지스터(sunt register)(11)로부터 추출된 전류는 전류 신호 증폭기(12)에 의해 증폭된후 용접기 인터페이스 장치(20)의 로우 패스 필터(21)를 통해 각종 노이즈 성분이 제거된다.
로우 패스 필터(21)에서 필터링된 아날로그 신호는 A/D 변환기(22)를 거쳐 디지탈 신호로 변환하여 제어 장치(30)에 인가된다.
제어 장치(20)는 로봇(40)을 제어하여 용접 부재(50)를 용접 토치(60)로 용접하는 한편 용접기 인터페이스 장치(20)로부터의 전류치를 이용하여 용접선을 추적하게 된다.
제2도는 제어 장치(30)가 행하는 용접선 추적을 위한 흐름도가 도시되어 있으며, 크게 3가지 과정(L1,L2,L3)으로 구성되어 있음을 알 수 있다.
먼저, 과정(L1)은 기준 참조값 생성을 위한 인공 신경망 구축을 위한 것으로서, 단계(S1)에서는 인공 신경망 구축을 위하여 여러 용접 인자들(전압, 전류, 위빙 폭, 위빙 속도, dwell time, 위빙 각도 등)을 변화시키면서 용접을 수행하여 용접선 추적의 기준값인 위빙 방향 및 깊이, 전류 인지량을 측정한다. 이때, 용접 부재(50)는 이상적인 용접이 이루어지도록 정확한 위치로 고정시킨 후 용접을 수행한다.
이후, 용접 인자들을 인공 신경망의 입력값으로 사용하고 측정된 전류 인지량을 출력값으로 하여 인공 신경망을 학습시킨다(S2). 이에 대한 인공 신경망의 구조를 제3도에 도시하였다.
과정(L1) 수행 후, 학습된 인공 신경망을 이용하여 용접선 추적 초기화 과정(L2)을 행하게 된다. 즉, 용접 시작전 작업자는 용접 수행을 위해 용접 인자들을 제어 장치(30)로 입력하면(S3), 인공 신경망은 활성화되어, 작업자가 설정한 용접 인자들을 입력값으로하여 용접선 추적을 위한 전류 인지량을 출력하게 된다(S4). 출력된 전류 인지량은 용접선 추적을 위한 기준 참조값이 된다.
이러한 기준 참조값에 용접선을 추적하기 위한 과정(L3)은 다음과 같다. 즉, 용접이 수행되면(S5), 용접중 위빙 사이클 단위로 A/D 변환기(22)를 통해 제어장치(30)로 전류 데이터를 입력하게 된다(S6). 측정된 전류 데이터는 용접선 추적을 위한 전류 인지량 즉, 위빙 방향 및 깊이, 전류 인지량으로 계산되고(S7), 이렇게 계산된 전류 인지량과 단계(S4)에서 설정된 기준 참조값과의 차이를 비교한다(S8).
단계(S8)에서의 비교 결과 계산된 전류 인지량값과 설정된 기준 참조값이 상이한 경우 비교 차이에 따른 보정량을 계산하여 기준값에 수렴하는 방향으로 보정을 수행하므로써 용접선을 용이하게 추적할 수 있게 된다(단계 S9).
즉, 본 발명은 인공 신경망을 이용하여 용접선 추적을 위한 기준 참조값을 설정함으로써, 용접선 보정이 정확하게 이루어지고, 용접중 계산된 전류 인지량과 이 기준 참조값을 비교하여 용접선 경로를 보정하여 용접선을 정확히 탐지할 수 있는 것이다.
이와 같이 본 발명은 인공 신경망을 이용하므로써 신뢰성있는 용접선 추적이 가능하며, 복잡한 실험 관계식을 구할 필요가 없어 용접선 추적 시스템이 간단해지고 용접중 기준 참조값을 설정할 필요가 없어 초기 용접 상태에 관계없이 용접시 용접선 추적이 가능하다는 효과가 있다.

Claims (2)

  1. 아크 용접시 용접선을 추적하기 위한 방법에 있어서, 인공 신경망의 입력값으로 용접 인자들을 사용하고, 상기 인공 신경망의 출력값으로 용접선 추적시의 위빙 방향 및 깊이, 전류 인지량을 사용하여 인공 신경망을 학습시키는 제1단계; 상기 제1단계 수행후, 작업자에 의하여 설정된 용접 인자들을 상기 인공신경망의 입력값으로 하여 전류 인지량을 출력하게 하며, 상기 전류 인지량을 용접선 추적을 위한 기준 참조값으로 설정하는 제2단계; 상기 제2단계 수행후, 상기 용접 수행중 측정된 전류 데이터를 용접선 추적을 위한 전류 인지량으로 산출하며, 상기 산출된 전류 인지량 및 상기 기준 참조값간의 차이가 검출되는 경우 상기 전류 인지량이 상기 기준 참조값을 추종하도록 상기 용접선을 보정하는 제3단계를 포함하는 것을 특징으로 하는 아크 용접 장치의 인공 신경망을 이용한 기준 참조값 설정 방법.
  2. 제1항에 있어서, 상기 용접 인자들은, 전압, 전류, 위빙폭, 위빙 피치, 위빙 속도, 드웰 시간, 위빙 각도인 것을 특징으로 하는 아크 용접 장치의 인공 신경망을 이용한 기준 참조값 설정 방법.
KR1019960081074A 1996-12-31 1996-12-31 아크 용접 장치의 인공 신경망을 이용한 기준 참조값 설정 방법 KR100255070B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1019960081074A KR100255070B1 (ko) 1996-12-31 1996-12-31 아크 용접 장치의 인공 신경망을 이용한 기준 참조값 설정 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1019960081074A KR100255070B1 (ko) 1996-12-31 1996-12-31 아크 용접 장치의 인공 신경망을 이용한 기준 참조값 설정 방법

Publications (2)

Publication Number Publication Date
KR19980061700A KR19980061700A (ko) 1998-10-07
KR100255070B1 true KR100255070B1 (ko) 2000-05-01

Family

ID=19493800

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019960081074A KR100255070B1 (ko) 1996-12-31 1996-12-31 아크 용접 장치의 인공 신경망을 이용한 기준 참조값 설정 방법

Country Status (1)

Country Link
KR (1) KR100255070B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020084869A (ko) * 2001-05-04 2002-11-13 현대중공업 주식회사 용접 조인트 형상의 자동 인식 방법

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102266453B1 (ko) 2020-09-18 2021-06-17 한국광기술원 용접 공정에서의 객체 트래킹 장치 및 방법
KR102296578B1 (ko) * 2021-07-15 2021-09-02 제이엔이시스텍(주) 증강 현실을 이용한 용접 보조 장치

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05177352A (ja) * 1991-12-27 1993-07-20 Hitachi Zosen Corp 自動溶接用アークセンサ
KR930017660A (ko) * 1992-02-27 1993-09-20 엘. 에이. 디폴 아크용접 제어방법, 자동 아크용접장치, 신경망 컴퓨터 훈련방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05177352A (ja) * 1991-12-27 1993-07-20 Hitachi Zosen Corp 自動溶接用アークセンサ
KR930017660A (ko) * 1992-02-27 1993-09-20 엘. 에이. 디폴 아크용접 제어방법, 자동 아크용접장치, 신경망 컴퓨터 훈련방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020084869A (ko) * 2001-05-04 2002-11-13 현대중공업 주식회사 용접 조인트 형상의 자동 인식 방법

Also Published As

Publication number Publication date
KR19980061700A (ko) 1998-10-07

Similar Documents

Publication Publication Date Title
US4631385A (en) Automated position detectors and welding system utilizing same
US6248976B1 (en) Method of controlling arc welding processes and welder using same
US6570130B1 (en) Device for monitoring voltage leads and method of using same
US4734640A (en) Welding current measuring apparatus
JPH0341757B2 (ko)
CA2660631A1 (en) Remote sense lead magnitude and polarity detection controller
KR100255070B1 (ko) 아크 용접 장치의 인공 신경망을 이용한 기준 참조값 설정 방법
JP2825708B2 (ja) 抵抗溶接制御装置
CA1094170A (en) Apparatus for obtaining feedback signals for controlling a parameter of an arc welding machine
RU2493944C2 (ru) Способ и устройство для определения напряжения на электродах клещей для точечной сварки
CN108444379A (zh) 一种焊炬全位置角度识别方法和系统
JP6339651B1 (ja) アーク溶接ロボットシステム
JPH0550240A (ja) 自動溶接装置とその溶接条件制御方法
JP4361669B2 (ja) 溶接機の故障診断装置
JP3375500B2 (ja) 放電加工方法および放電加工装置
JPH091337A (ja) パイプ円周自動溶接装置のアーク中溶接線倣い制御方法
JPS6319268B2 (ko)
JP3724016B2 (ja) アーク溶接の自動制御装置
KR950004762B1 (ko) 방전가공장치
KR20020066125A (ko) 품질 제어가 가능한 용접선 자동 추적용 아크센서
JPH071156A (ja) 電気抵抗溶接の電流調節方法と、それを用いた溶接機
JPH10227603A (ja) 渦電流式距離測定装置の調整方法および渦電流式距離測定装置
JPH03161172A (ja) アーク溶接ロボット装置
JPS6015434B2 (ja) 溶接電極間電圧検出装置
JP3167187B2 (ja) 消耗電極式アーク溶接方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20040203

Year of fee payment: 5

LAPS Lapse due to unpaid annual fee