KR20230120818A - 이종 소재의 용접 품질 검사 모델 생성 방법, 용접 품질 검사 모델 생성 장치 및 이를 이용한 이종 소재 용접 품질 모니터링 장치 - Google Patents
이종 소재의 용접 품질 검사 모델 생성 방법, 용접 품질 검사 모델 생성 장치 및 이를 이용한 이종 소재 용접 품질 모니터링 장치 Download PDFInfo
- Publication number
- KR20230120818A KR20230120818A KR1020220017517A KR20220017517A KR20230120818A KR 20230120818 A KR20230120818 A KR 20230120818A KR 1020220017517 A KR1020220017517 A KR 1020220017517A KR 20220017517 A KR20220017517 A KR 20220017517A KR 20230120818 A KR20230120818 A KR 20230120818A
- Authority
- KR
- South Korea
- Prior art keywords
- welding
- value
- result
- prediction model
- model
- Prior art date
Links
- 238000003466 welding Methods 0.000 title claims abstract description 595
- 239000000463 material Substances 0.000 title claims abstract description 230
- 238000007689 inspection Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000011324 bead Substances 0.000 claims abstract description 98
- 238000012549 training Methods 0.000 claims abstract description 38
- 238000012544 monitoring process Methods 0.000 claims abstract description 27
- 238000010801 machine learning Methods 0.000 claims abstract description 22
- 238000005493 welding type Methods 0.000 claims abstract description 6
- 230000035515 penetration Effects 0.000 claims description 42
- 230000003287 optical effect Effects 0.000 claims description 35
- 238000012806 monitoring device Methods 0.000 claims description 22
- 230000007547 defect Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000001678 irradiating effect Effects 0.000 claims description 2
- 239000010949 copper Substances 0.000 description 37
- 238000010586 diagram Methods 0.000 description 36
- 229910052802 copper Inorganic materials 0.000 description 32
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 30
- 238000002474 experimental method Methods 0.000 description 21
- 229910052782 aluminium Inorganic materials 0.000 description 20
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 20
- 238000000540 analysis of variance Methods 0.000 description 15
- 229910052751 metal Inorganic materials 0.000 description 13
- 239000002184 metal Substances 0.000 description 13
- 230000008018 melting Effects 0.000 description 8
- 238000002844 melting Methods 0.000 description 8
- 239000007769 metal material Substances 0.000 description 8
- 229910018173 Al—Al Inorganic materials 0.000 description 7
- 229910018182 Al—Cu Inorganic materials 0.000 description 7
- 229910017767 Cu—Al Inorganic materials 0.000 description 6
- 239000000835 fiber Substances 0.000 description 6
- 230000007423 decrease Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000000704 physical effect Effects 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000010200 validation analysis Methods 0.000 description 4
- 229910000765 intermetallic Inorganic materials 0.000 description 3
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 239000004071 soot Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000008016 vaporization Effects 0.000 description 2
- 238000009834 vaporization Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 238000004021 metal welding Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
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
- B23K31/00—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups
- B23K31/12—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups relating to investigating the properties, e.g. the weldability, of materials
- B23K31/125—Weld quality monitoring
-
- 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
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/0006—Working by laser beam, e.g. welding, cutting or boring taking account of the properties of the material involved
-
- 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
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
- B23K26/03—Observing, e.g. monitoring, the workpiece
-
- 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
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
- B23K26/06—Shaping the laser beam, e.g. by masks or multi-focusing
- B23K26/062—Shaping the laser beam, e.g. by masks or multi-focusing by direct control of the laser beam
-
- 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
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/20—Bonding
- B23K26/32—Bonding taking account of the properties of the material involved
- B23K26/323—Bonding taking account of the properties of the material involved involving parts made of dissimilar metallic material
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Mechanical Engineering (AREA)
- Plasma & Fusion (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Laser Beam Processing (AREA)
Abstract
본 발명은 이종 소재의 용접 품질 검사 모델 생성 방법, 용접 품질 검사 모델 생성 장치 및 이를 이용한 이종 소재 용접 품질 모니터링 장치에 관한 것으로, 본 발명에 따른 이종 소재의 용접 품질 검사 모델 생성 장치는 용접에 사용된 이종 용접 소재, 상기 이종 용접 소재의 용접 조건, 상기 용접 소재 및 용접 조건에 따른 용접 결과물의 비드 상태, 상기 용접 결과물의 기계적 특성, 상기 용접 결과물의 전기적 특성 및 상기 용접 결과물의 용접 품질 정보가 연계된 데이터 세트를 저장하는 데이터베이스, 상기 데이터베이스에 저장된 데이터 세트 가운데 일부를 제1 트레이닝 데이터 세트로 추출하고, 상기 제1 트레이닝 데이터 세트를 기초로 머신 러닝을 수행하여 용접 결과물 예측 모델을 생성하되 상기 용접 소재 및 용접 조건을 입력 데이터로 하고 상기 용접 결과물의 비드 상태, 기계적 특성 및 전기적 특성을 출력 데이터로 하는 머신 러닝 모델을 기초로 상기 제1 트레이닝 데이터 세트를 학습하여 용접 결과물 예측 모델을 생성하는 용접 결과물 예측 모델 생성부 및 상기 데이터베이스에 저장된 데이터 세트 가운데 일부를 제2 트레이닝 데이터 세트로 추출하고, 상기 제2 트레이닝 데이터 세트를 기초로 머신 러닝을 수행하여 용접 품질 예측 모델을 생성하되 상기 용접 결과물의 비드 상태, 기계적 특성 및 전기적 특성을 입력 데이터로 하고, 상기 용접 결과물의 용접 품질을 출력 데이터로 하는 머신 러닝 모델을 기초로 상기 제2 트레이닝 데이터 세트를 학습하여 용접 품질 예측 모델을 생성하는 용접 품질 검사 모델 생성부를 포함한다.
Description
본 발명은 이종 소재의 용접 시 실시간으로 용접 품질을 모니터링할 수 있는 기술에 관한 것으로, 더욱 상세하게는 용접 품질과 연관된 인자를 분류 및 학습함으로써 이종 소재의 용접 시 실시간으로 용접 품질을 모니터링할 수 있는 이종 소재의 용접 품질 검사 모델 생성 방법, 용접 품질 검사 모델 생성 장치 및 이를 이용한 이종 소재 용접 품질 모니터링 장치에 관한 것이다.
대표적인 친환경 자동차인 전기 자동차와 하이브리드 자동차는 2차 전지(Secondary Battery)를 사용한다. 2차 전지는 충전을 통해 지속적으로 재사용이 가능하며 납, 수은 등의 유해 물질을 포함하지 않는다는 특징이 있다. 2차 전지는 셀(Cell) 단위, 모듈(Module) 단위, 팩(Pack) 단위의 접합을 통해 제작되는데, 탭(Tap)과 탭 및 탭과 버스 바(Bus Bar) 사이의 용접이 필요하다. 일반적으로 탭과 버스 바의 양극(Anode)과 음극(Cathode)에는 내식성과 전도도가 우수하고 상대적으로 저렴한 구리(Copper), 알루미늄(Aluminum), 니켈(Nickel) 등의 소재가 사용되며, 모듈 단위의 접합 시에는 동종 소재의 접함 및 이종 소재의 접합이 수행될 수 있다. 용접 품질에 문제가 있을 경우, 2차 전지에 화재가 발생하는 등 위험으로 이어질 수 있으므로, 용접부의 고품질화를 달성하는 것은 매우 중요하다.
구리는 내식성과 연성이 좋고 열과 전기전도도가 높아 전기·전자 업계에서 많이 사용되는 소재이며, 알루미늄은 열·전기전도도가 높을 뿐만 아니라 일반적인 강재에 비해 비중은 낮지만 그와 유사한 강도를 가지고 있어서 경량화에 필수적인 소재이다. 그러나, 구리 소재는 열전도율이 높아 용접 시 고밀도 열원이 필요하고, 산화에 의한 가스 흡수 가능성이 높아 기공이 형성되기 쉽다는 어려움이 있다. 또한 구리 소재와 알루미늄 소재 사이의 이종 용접의 경우, 두 소재의 물리적 특성(Physical Properties)이 다르고, 용접 후 발생하는 금속간 화합물(Intermetallic Compound, IMC)의 높은 취성이 용접 결과물의 전기전도도와 강도를 저하시킬 수 있어서, 두 소재 사이의 이종 용접은 용접 가능 공정 범위가 매우 좁다고 알려져 있다.
구리 소재와 알루미늄 소재의 접합에는 주로 전기저항 용접, 초음파 용접, 레이저 용접 등이 사용된다. 금속 소재의 이종 용접의 경우, 금속간 화합물 생성이 적고 짧은 시간에 넓은 용접부를 확보할 수 있는 초음파 용접이 주로 사용되어 왔다. 그러나, 초음파 용접은 가용 두께의 범위가 넓지 않고 소재 표면 상태의 영향을 많이 받는다는 한계가 있어서, 최근에는 레이저 용접의 사용이 많이 증가하고 있는 추세이다. 레이저 용접은 고밀도 에너지 열원을 사용해 단시간에 깊은 용입을 획득할 수 있고, 열영향부(Heat Affected Zone: HAZ)가 작아서 극소 부위 용접이 가능하며 열변형이 거의 없다는 장점이 있다.
구리 소재의 이종 용접에는 주로 IR(Infrared) 파장대의 파이버(Fiber) 레이저 및 디스크(Disk) 레이저가 사용됐는데, 구리 소재는 근적외선 영역의 빛 흡수율이 낮아서(약 4%) 용융풀이 불안정하고 크랙(Crack), 스패터(Spatter)와 같은 용접 결함이 발생하는 문제점이 있다. 이를 개선하기 위해 Modulation, Dual Mode Laser, 그린 레이저 등을 활용하는 방법들이 고안되었으며, 최근에는 다른 레이저들에 비해 빔 직경이 작고 에너지 밀도가 수배 이상 높은 싱글 모드 파이버 레이저를 이용한 용접 방법들이 고안되고 있다.
본 발명은 용접 품질과 연관된 인자를 분류 및 학습함으로써 이종 소재의 용접 시 실시간으로 용접 품질을 모니터링할 수 있는 이종 소재의 용접 품질 검사 모델 생성 방법, 용접 품질 검사 모델 생성 장치 및 이를 이용한 이종 소재 용접 품질 모니터링 장치를 제공한다.
본 발명은 강한 빛 반사와 열 방출이 동반되는 레이저 용접에서 공정을 육안으로 직접 확인하기 어려운 경우에도 정확하게 용접 품질을 검사할 수 있는 이종 소재의 용접 품질 검사 모델 생성 방법, 용접 품질 검사 모델 생성 장치 및 이를 이용한 이종 소재 용접 품질 모니터링 장치를 제공한다.
본 발명은 광센서와 딥러닝 기반의 품질 예측 모델을 이용하여 용접 품질 모니터링 장치를 구현하여, 유지 보수와 업그레이드가 용이하고 경제성을 높일 수 있는 이종 소재의 용접 품질 검사 모델 생성 방법, 용접 품질 검사 모델 생성 장치 및 이를 이용한 이종 소재 용접 품질 모니터링 장치를 제공한다.
본 발명에 따른 이종 소재 용접 품질 검사 모델 생성 장치는 용접에 사용된 이종 용접 소재, 상기 이종 용접 소재의 용접 조건, 상기 용접 소재 및 용접 조건에 따른 용접 결과물의 비드 상태, 상기 용접 결과물의 기계적 특성, 상기 용접 결과물의 전기적 특성 및 상기 용접 결과물의 용접 품질 정보가 연계된 데이터 세트를 저장하는 데이터베이스, 상기 데이터베이스에 저장된 데이터 세트 가운데 일부를 제1 트레이닝 데이터 세트로 추출하고, 상기 제1 트레이닝 데이터 세트를 기초로 머신 러닝을 수행하여 용접 결과물 예측 모델을 생성하되 상기 용접 소재 및 용접 조건을 입력 데이터로 하고 상기 용접 결과물의 비드 상태, 기계적 특성 및 전기적 특성을 출력 데이터로 하는 머신 러닝 모델을 기초로 상기 제1 트레이닝 데이터 세트를 학습하여 용접 결과물 예측 모델을 생성하는 용접 결과물 예측 모델 생성부 및 상기 데이터베이스에 저장된 데이터 세트 가운데 일부를 제2 트레이닝 데이터 세트로 추출하고, 상기 제2 트레이닝 데이터 세트를 기초로 머신 러닝을 수행하여 용접 품질 예측 모델을 생성하되 상기 용접 결과물의 비드 상태, 기계적 특성 및 전기적 특성을 입력 데이터로 하고, 상기 용접 결과물의 용접 품질을 출력 데이터로 하는 머신 러닝 모델을 기초로 상기 제2 트레이닝 데이터 세트를 학습하여 용접 품질 예측 모델을 생성하는 용접 품질 검사 모델 생성부를 포함한다.
일 실시예에서, 상기 용접 소재 정보는 상부 용접 소재 정보 및 하부 용접 소재 정보를 포함할 수 있다.
일 실시예에서, 상기 용접 조건 정보는 레이저 용접기의 레이저 출력 값 및 용접 속도 값을 포함할 수 있다.
일 실시예에서, 상기 용접 결과물의 비드 상태 정보는 용접 결과물의 중앙 비드폭 값 및 용입 깊이 값을 포함할 수 있다.
일 실시예에서, 상기 용접 결과물의 기계적 특성 정보는 상기 용접 결과물의 인장하중 값을 포함하고, 상기 용접 결과물의 전기적 특성 정보는 상기 용접 결과물의 전기저항 값을 포함할 수 있다.
일 실시예에서, 상기 용접 결과물 예측 모델 생성부는 상부 용접 소재 정보, 하부 용접 소재 정보, 레이저 출력 값 및 용접 속도 값을 입력으로 하여 용접 결과물의 중앙 비드폭 값, 용입 깊이 값, 인장하중 값 및 전기저항 값을 출력하는 용접 결과물 예측 모델을 생성할 수 있다.
일 실시예에서, 상기 용접 품질 검사 모델 생성부는 상부 용접 소재 정보, 하부 용접 소재 정보, 용접 결과물의 용입 깊이 값, 인장강도 값 및 전기저항 값을 입력으로 하여 용접 품질 정보를 출력하는 용접 품질 예측 모델을 생성할 수 있다.
본 발명에 따른 이종 소재 용접 품질 검사 모델 생성 방법은 데이터베이스에 용접에 사용된 이종 용접 소재, 상기 이종 용접 소재의 용접 조건, 상기 용접 소재 및 용접 조건에 따른 용접 결과물의 비드 상태, 상기 용접 결과물의 기계적 특성, 상기 용접 결과물의 전기적 특성 및 상기 용접 결과물의 용접 품질 정보가 연계된 데이터 세트를 저장하는 단계, 용접 결과물 예측 모델 생성부가 상기 데이터베이스에 저장된 데이터 세트 가운데 일부를 제1 트레이닝 데이터 세트로 추출하는 단계, 상기 용접 결과물 예측 모델 생성부가 상기 용접 소재 및 용접 조건을 입력 데이터로 하고 상기 용접 결과물의 비드 상태, 기계적 특성 및 전기적 특성을 출력 데이터로 하는 머신 러닝 모델을 기초로 상기 제1 트레이닝 데이터 세트를 학습하여 용접 결과물 예측 모델을 생성하는 단계, 용접 품질 검사 모델 생성부가 상기 데이터베이스에 저장된 데이터 세트 가운데 일부를 제2 트레이닝 데이터 세트로 추출하는 단계 및 상기 용접 품질 검사 모델 생성부가 상기 용접 결과물의 비드 상태, 기계적 특성 및 전기적 특성을 입력 데이터로 하고, 상기 용접 결과물의 용접 품질을 출력 데이터로 하는 머신 러닝 모델을 기초로 상기 제2 트레이닝 데이터 세트를 학습하여 용접 품질 예측 모델을 생성하는 단계를 포함한다.
일 실시예에서, 상기 용접 결과물 예측 모델을 생성하는 단계는 상부 용접 소재 정보, 하부 용접 소재 정보, 레이저 출력 값 및 용접 속도 값을 입력으로 하여 용접 결과물의 중앙 비드폭 값, 용입 깊이 값, 인장하중 값 및 전기저항 값을 출력하는 용접 결과물 예측 모델을 생성하는 단계를 포함할 수 있다.
일 실시예에서, 상기 용접 품질 예측 모델을 생성하는 단계는 상부 용접 소재 정보, 하부 용접 소재 정보, 용접 결과물의 용입 깊이 값, 인장강도 값 및 전기저항 값을 입력으로 하여 용접 품질 정보를 출력하는 용접 품질 예측 모델을 생성하는 단계를 포함할 수 있다.
본 발명에 따른 이종 소재 용접 품질 모니터링 장치는 제1 용접 소재와 제2 용접 소재를 용접 대상 영역이 겹치도록 고정하고, 제어에 따라 상기 고정된 제1 용접 소재와 제2 용접 소재를 기 설정된 속도로 이송하는 용접 베드(bed), 상기 용접 대상 영역에 레이저를 조사하여 상기 제1 용접 소재와 제2 용접 소재를 용접하는 레이저 용접기, 상기 레이저가 조사되어 용접이 진행되는 용접 대상 영역에서 발생하는 광량을 측정하는 광센서, 상기 용접 베드와 레이저 용접기를 제어하여 용접 프로세스를 제어하고, 용접 프로세스 진행 시 상기 광센서를 제어하는 제어부, 상기 광센서에서 측정된 광량을 기초로 상기 레이저의 출력 값과 용접 속도 값을 산출하는 용접 조건 산출부 및 상기 제1 용접 소재 정보, 제2 용접 소재 정보 및 상기 용접 조건 산출부에서 산출된 레이저 출력 값 및 용접 속도 값을 기초로 용접 불량 여부를 모니터링하는 모니터링부를 포함하되, 상기 모니터링부는 상기 제1 용접 소재 정보, 제2 용접 소재 정보, 레이저 출력 값 및 용접 속도 값을 용접 결과물 예측 모델에 입력하여 용접 결과물의 중앙 비드폭 값, 용입 깊이 값, 인장하중 값 및 전기저항 값을 산출하고, 상기 제1 용접 소재 정보, 제2 용접 소재 정보, 상기 산출된 용접 결과물의 용입 깊이 값, 인장강도 값 및 전기저항 값을 용접 품질 예측 모델에 입력하여 용접 품질 정보를 출력한다.
이상에서 설명한 바와 같이, 본 발명에 따른 이종 소재의 용접 품질 검사 모델 생성 방법, 용접 품질 검사 모델 생성 장치 및 이를 이용한 이종 소재 용접 품질 모니터링 장치는 용접 품질과 연관된 인자를 분류 및 학습함으로써 이종 소재의 용접 시 실시간으로 용접 품질을 모니터링할 수 있다.
본 발명에 따른 이종 소재의 용접 품질 검사 모델 생성 방법, 용접 품질 검사 모델 생성 장치 및 이를 이용한 이종 소재 용접 품질 모니터링 장치는 강한 빛 반사와 열 방출이 동반되는 레이저 용접에서 공정을 육안으로 직접 확인하기 어려운 경우에도 정확하게 용접 품질을 검사할 수 있다.
본 발명에 따른 이종 소재의 용접 품질 검사 모델 생성 방법, 용접 품질 검사 모델 생성 장치 및 이를 이용한 이종 소재 용접 품질 모니터링 장치는 광센서와 딥러닝 기반의 품질 예측 모델을 이용하여 용접 품질 모니터링 장치를 구현하여, 유지 보수와 업그레이드가 용이하고 경제성을 높일 수 있다.
도 1은 본 발명의 일 실시예에 따른 이종 소재의 용접 품질 검사 모델 생성 장치의 구성을 나타내는 도면
도 2는 본 발명의 일 실시예에 따른 용접 모니터링 장치의 구성을 나타내는 도면
도 3은 이종 금속 소재의 용접 영역의 일 예를 나타내는 도면
도 4는 도 2의 모니터링 장치에 사용된 광센서의 규격의 일 예를 나타내는 도면
도 5는 도 2의 모니터링 장치에 사용된 광센서의 위치의 일 예를 나타내는 도면
도 6은 분광기를 통해 측정된 빛의 파형을 나타내는 도면
도 7은 이종 금속 소재의 화학적/물리적 속성을 나타내는 도면
도 8은 실험에 사용된 레이저 출력과 용접 속도의 일 예를 나타내는 도면
도 9는 Al-Al 소재의 용접 실험을 통해 형성된 비드의 외관을 나타내는 도면
도 10은 Cu-Cu 소재의 용접 실험을 통해 형성된 비드의 외관을 나타내는 도면
도 11은 Cu-Al 소재의 용접 실험을 통해 형성된 비드의 외관을 나타내는 도면
도 12는 Al-Cu 소재의 용접 실험을 통해 형성된 비드의 외관을 나타내는 도면
도 13은 Al-Al 소재의 용접 실험을 통해 형성된 비드의 단면을 나타내는 도면
도 14는 Cu-Cu 소재의 용접 실험을 통해 형성된 비드의 단면을 나타내는 도면
도 15는 Cu-Al 소재의 용접 실험을 통해 형성된 비드의 단면을 나타내는 도면
도 16은 Al-Cu 소재의 용접 실험을 통해 형성된 비드의 단면을 나타내는 도면
도 17은 비드의 측정 인자의 일 예를 나타내는 도면
도 18의 (a)는 레이저 출력과 상면 비드폭, (b)는 용접 속도와 상면 비드폭의 관계를 나타내는 도면
도 19의 (a)는 레이저 출력과 중앙 비드폭, (b)는 용접 속도와 중앙 비드폭의 관계를 나타내는 도면
도 20의 (a)는 레이저 출력과 용입 깊이, (b)는 용접 속도와 용입 깊이를 관계를 나타내는 도면
도 21의 (a)는 상면 비드폭에 대한 분산분석 결과, (b)는 중앙 비드폭에 대한 분산분석 결과, (c)는 용입 깊이에 대한 분산분석 결과를 나타내는 도면
도 22는 이종 금속 소재의 용접 결과물의 전기저항 값을 나타내는 도면
도 23은 레이저 출력 및 용접 속도와 인장 하중과의 관계를 나타내는 도면
도 24는 인장 하중에 대한 분산분석 결과를 나타내는 도면
도 25는 본 발명의 일 실시예에 띠른 용접 결과물 예측 모델의 일 예를 나타내는 도면
도 26은 각 출력 인자에 대하여 실제 측정값과 예측 모델을 통해 예측된 값을 비교하는 산포도를 나타내는 도면
도 27은 본 발명의 일 실시예에 띠른 용접 품질 예측 모델의 일 예를 나타내는 도면
도 28은 실제 품질과 예측된 품질을 비교하는 산포도를 나타내는 도면
도 29는 본 발명의 일 실시예에 따른 이종 소재 용접 품질 모니터링 장치의 구성을 나타내는 도면
도 30은 각 Al-Al, Cu-Cu, Cu-Al, Al-Cu 용접에서 저입열, 적정입열, 과입열 조건일 때 획득된 광신호 그래프를 나타내는 도면
도 31은 본 발명의 일 실시예에 따른 이종 소재의 용접 품질 검사 모델 생성 방법을 설명하는 흐름도
도 2는 본 발명의 일 실시예에 따른 용접 모니터링 장치의 구성을 나타내는 도면
도 3은 이종 금속 소재의 용접 영역의 일 예를 나타내는 도면
도 4는 도 2의 모니터링 장치에 사용된 광센서의 규격의 일 예를 나타내는 도면
도 5는 도 2의 모니터링 장치에 사용된 광센서의 위치의 일 예를 나타내는 도면
도 6은 분광기를 통해 측정된 빛의 파형을 나타내는 도면
도 7은 이종 금속 소재의 화학적/물리적 속성을 나타내는 도면
도 8은 실험에 사용된 레이저 출력과 용접 속도의 일 예를 나타내는 도면
도 9는 Al-Al 소재의 용접 실험을 통해 형성된 비드의 외관을 나타내는 도면
도 10은 Cu-Cu 소재의 용접 실험을 통해 형성된 비드의 외관을 나타내는 도면
도 11은 Cu-Al 소재의 용접 실험을 통해 형성된 비드의 외관을 나타내는 도면
도 12는 Al-Cu 소재의 용접 실험을 통해 형성된 비드의 외관을 나타내는 도면
도 13은 Al-Al 소재의 용접 실험을 통해 형성된 비드의 단면을 나타내는 도면
도 14는 Cu-Cu 소재의 용접 실험을 통해 형성된 비드의 단면을 나타내는 도면
도 15는 Cu-Al 소재의 용접 실험을 통해 형성된 비드의 단면을 나타내는 도면
도 16은 Al-Cu 소재의 용접 실험을 통해 형성된 비드의 단면을 나타내는 도면
도 17은 비드의 측정 인자의 일 예를 나타내는 도면
도 18의 (a)는 레이저 출력과 상면 비드폭, (b)는 용접 속도와 상면 비드폭의 관계를 나타내는 도면
도 19의 (a)는 레이저 출력과 중앙 비드폭, (b)는 용접 속도와 중앙 비드폭의 관계를 나타내는 도면
도 20의 (a)는 레이저 출력과 용입 깊이, (b)는 용접 속도와 용입 깊이를 관계를 나타내는 도면
도 21의 (a)는 상면 비드폭에 대한 분산분석 결과, (b)는 중앙 비드폭에 대한 분산분석 결과, (c)는 용입 깊이에 대한 분산분석 결과를 나타내는 도면
도 22는 이종 금속 소재의 용접 결과물의 전기저항 값을 나타내는 도면
도 23은 레이저 출력 및 용접 속도와 인장 하중과의 관계를 나타내는 도면
도 24는 인장 하중에 대한 분산분석 결과를 나타내는 도면
도 25는 본 발명의 일 실시예에 띠른 용접 결과물 예측 모델의 일 예를 나타내는 도면
도 26은 각 출력 인자에 대하여 실제 측정값과 예측 모델을 통해 예측된 값을 비교하는 산포도를 나타내는 도면
도 27은 본 발명의 일 실시예에 띠른 용접 품질 예측 모델의 일 예를 나타내는 도면
도 28은 실제 품질과 예측된 품질을 비교하는 산포도를 나타내는 도면
도 29는 본 발명의 일 실시예에 따른 이종 소재 용접 품질 모니터링 장치의 구성을 나타내는 도면
도 30은 각 Al-Al, Cu-Cu, Cu-Al, Al-Cu 용접에서 저입열, 적정입열, 과입열 조건일 때 획득된 광신호 그래프를 나타내는 도면
도 31은 본 발명의 일 실시예에 따른 이종 소재의 용접 품질 검사 모델 생성 방법을 설명하는 흐름도
이하, 본 발명에 따른 이종 소재의 용접 품질 검사 모델 생성 방법, 용접 품질 검사 모델 생성 장치 및 이를 이용한 이종 소재 용접 품질 모니터링 장치를 실시하기 위한 구체적인 내용을 설명하면 다음과 같다.
도 1은 본 발명의 일 실시예에 따른 이종 소재의 용접 품질 검사 모델 생성 장치의 구성을 나타내는 도면이다.
도 1을 참조하면, 이종 소재의 용접 품질 검사 모델 생성 장치(100)는 데이터베이스(110), 용접 결과물 예측 모델 생성부(120) 및 용접 품질 검사 모델 생성부(130)를 포함한다.
데이터베이스(110)는 용접에 사용된 이종 용접 소재, 이종 용접 소재의 용접 조건, 용접 소재 및 용접 조건에 따른 용접 결과물의 비드(Bead) 상태, 용접 결과물의 기계적 특성, 용접 결과물의 전기적 특성 및 용접 결과물의 용접 품질 정보가 연계된 데이터 세트를 저장한다.
일 실시예에서, 용접 소재 정보는 상부 용접 소재 정보와 하부 용접 소재 정보를 포함할 수 있고, 용접 조건 정보는 레이저 용접기의 레이저 출력 값 및 용접 속도 값을 포함할 수 있다.
일 실시예에서, 용접 결과물의 비드 상태 정보는 용접 결과물의 중앙 비드폭 값과 용입 깊이 값을 포함할 수 있다. 용접 결과물의 기계적 특성 정보는 용접 결과물의 인장하중 값을 포함할 수 있고, 용접 결과물의 전기적 특성 정보는 용접 결과물의 전기저항 값을 포함할 수 있다. 용접 품질 정보는 용접 결과물의 적정 또는 불량 여부 정보를 포함할 수 있다.
일 실시예에서, 이종 소재의 용접 품질 검사 모델 생성 장치(100)는 입력수단을 통해 사용자로부터 각 정보를 입력받아 데이터 세트를 생성하고 데이터베이스(110)에 저장할 수 있다. 다른 실시예에서, 이종 소재의 용접 품질 검사 모델 생성 장치(100)는 입력된 용접 소재 정보, 용접 결과물의 비드 상태 정보, 기계적 특성 정보, 전기적 특성 정보 및 용접 품질 정보를 용접 모니터링 장치로부터 수신된 용접 조건 정보를 연계하여 데이터 세트를 생성하고, 생성된 데이터 세트를 데이터베이스(110)에 저장할 수도 있다.
이하에서는, 데이터 세트의 각 정보에 대하여 설명하기로 한다.
도 2는 본 발명의 일 실시예에 따른 용접 모니터링 장치의 구성을 나타내는 도면이다.
도 2를 참조하면, 용접 모니터링 장치(200)는 레이저 용접기(220), 광 센서(230a, 230b, 230c), 분광기(240), 증폭기(250), DAQ보드(260) 및 모니터링부(270)를 포함한다.
용접 베드(미도시)는 용접 대상 소재(이종 소재)를 고정하고, 제어에 따라 용접 대상 소재를 기 설정된 방향으로 기 설정된 속도로 이송한다. 예를 들어, 용접 베드는 7축 캐리지 로봇 시스템으로 구성될 수 있으며, 용접 대상 소재는 로봇의 용접 베드 위에 지그(jig)로 고정될 수 있다. 로봇은 용접 베드를 설정된 속도에 따라 용접 방향의 반대로 이송하여 용접 대상 소재를 용접할 수 있다.
일 실시예에서, 용접 대상 소재는 상부 소재(210a)와 하부 소재(210b)가 다른 이종 소재에 해당할 수 있다. 이하에서는, 상부 소재(210a)와 하부 소재(210b)가 각각 상이한 금속 소재인 경우를 가정하여 설명한다.
도 3은 이종 금속 소재의 용접 영역의 일 예를 나타내는 도면이다.
도 3을 참조하면, 도 3은 상부 소재(210a)와 하부 소재(210b)의 크기는 각각 120mm x 40mm x 0.5mm, 겹침부(용접 대상 영역)는 40mm, 용접 길이는 23mm인 경우의 예를 나타낸다. 이종 소재 용접 시에는 소재의 위치에 따른 용접 특성을 관찰하기 위해 소재의 상하 위치를 바꾸어 가며 용접할 수 있다.
다시 도 2를 참조하면, 레이저 용접기(220)는 용접 대상 소재의 표면에 고밀도 레이저 빔을 조사한다. 레이저 빔의 중심부에는 금속의 용융과 증발이 발생하고, 외곽부에는 용융이 발생하게 된다. 중심부의 큰 증기압이 용융 금속을 외곽부로 밀어내면 빔은 재료의 심층으로 침투하게 되는데, 이때 빔의 밀도가 임계값을 넘어설 경우, 금속 내부에는 좁고 깊은 통로가 생기게 된다. 이 좁고 깊은 통로를 키홀(Keyhole)이라 하며, 키홀은 흑체(Black Body)로 작용하게 되어 금속 표면의 레이저 반사와 같은 초기 여러 에너지 손실에도 불구하고 매우 짧은 시간에 벽과의 다중 반사 및 흡수를 통해 레이저 에너지의 70% 이상을 금속 내에 흡수시켜 금속의 용융과 기화를 증가시키는 역할을 한다.
레이저에 의해 발생한 금속 증기는 지속적인 가열과 입자 간의 충돌로 인해 이온화되어 플라스마 상태로 변하게 된다. 이때 금속의 용융과 기화로 인해 키홀 내부의 압력이 증가하면, 키홀 내의 플라스마는 시편 위로 방출된다. 방출된 플라스마는 재료에 대한 레이저 입사를 방해하는 역할을 하고, 이로 인해 키홀 내부의 증기 압력이 다시 감소하게 되어 결과적으로 금속 위로 생성되는 플라스마도 줄어들게 된다. 이와 같은 플라스마의 생성과 소멸의 반복, 금속 증기의 압력, 그리고 레이저 빔의 이동으로 인한 용융 금속의 중력, 점성 및 표면장력 등에 의해 용융 금속은 용융 풀(Molten Pool) 뒤로 흘러 들어가 비드(Bead)를 형성하게 된다. 따라서, 레이저 용접에서 키홀의 형성은 용접 비드의 형상에 영향을 주며, 키홀의 거동과 플라즈마의 상태 및 용융금속의 유동은 용접 품질에 큰 영향을 주게 된다.
일 실시예에서, 레이저 용접기(220)는 최대 출력 5kW의 싱글 모드 파이버 레이저에 해당하고, F-theta 렌즈의 초점 거리는 420mm, 초점 직경은 30
인 갈바노미터 스캐너를 포함할 수 있다. 일 실시예에서, 레이저의 출력은 연속모드(Continuous Wave Mode: CW Mode)로 설정될 수 있다.
광 센서(230a, 230b, 230c)는 레이저가 조사되어 용접이 진행되는 용접 대상 영역에서 발생하는 광량을 측정한다. 레이저 용접 시 발생하는 빛은 플라스마와 용융부에 의해 방출되는 것으로 가공 상태와 밀접한 관계를 가진다. 플라스마의 발광 영역에 맞는 광 센서를 이용하여 광 강도(Light Intensity)를 측정하면 플라스마와 키홀의 거동을 분석할 수 있다. 플라스마의 유동과 키홀의 형성은 비드 형상 및 용접부 품질과 밀접한 연관이 있으므로, 플라스마와 키홀 모니터링을 통해 용접부의 품질 및 신뢰성을 모니터링할 수 있다. 일 실시예에서, 광 센서(230a, 230b, 230c)는 포토다이오드(photodiode)를 포함할 수 있다.
도 4는 도 2의 모니터링 장치에 사용된 광센서의 규격의 일 예를 나타내는 도면이고, 도 5는 광센서의 위치의 일 예를 나타내는 도면이며, 도 6은 분광기를 통해 측정된 빛의 파형을 나타내는 도면이다.
도 2의 용접 모니터링 장치는 3개의 광 센서(230a, 230b, 230c)를 사용하여 플라스마와 키홀을 모니터링하는 경우의 예이다. 광 센서의 개수와 종류는 구현 예에 따라 달라질 수 있다. 예를 들어, 구리 소재와 알루미늄 소재의 이종 소재를 레이저 용접하는 경우, 분광기(spectrometer)(240)를 통해 획득된 신호는 도 6과 같다.
도 6을 살펴보면, 1000nm 이상의 파장대의 빛은 파이버 레이저에 의해 발산되는 빛이고, 알루미늄은 300nm에서 600nm 파장대의 빛을 발산하고, 구리는 200nm에서 600nm 파장대의 빛을 발산하는 것으로 나타났다. 구리 소재와 알루미늄 소재의 이종 소재를 레이저 용접하는 경우, 도 2의 용접 모니터링 장치와 같이 3개의 광 센서를 이용할 수 있다. 일 실시예에서, 용접 모니터링 장치에 사용될 수 있는 3개의 광 센서의 세부 사양은 도 4와 같다.
일 실시예에서, 광 센서의 위치와 각도는 구현 예에 따라 달라질 수 있다. 예를 들어, 제1 광 센서(230a)(G1127)와 제2 광 센서(230b)(G3067)는 용접 소재 위에 생기는 플라즈마를, 제3 광 센서(230c)(G1115)는 키홀 내에 생기는 플라스마를 측정할 수 있도록 설치 거리와 각도가 설정될 수 있다. 일 실시예에서, 용접 모니터링 장치에 사용될 수 있는 3개의 광 센서의 위치와 각도는 도 5와 같다.
다시 도 2를 참조하면, 분광기(240)는 레이저 용접 시 발생하는 빛의 스펙트럼을 측정한다. 분광기(240)에서 측정된 광을 기초로 플라즈마의 성분과 발광 특성을 해석할 수 있다.
증폭기(250)는 광 센서(230a, 230b, 230c)를 통해 획득한 신호를 처리가 쉬운 전압 신호로 바꾸고, 전압 신호를 일반적으로 사용하는 단위까지 증폭시킨다.
DAQ보드(260)는 증폭기(250)에서 수신된 신호를 모니터링부(270)로 전송한다. 일 실시예에서, DAQ 보드(260)의 출력 범위는 ±10 V이고 샘플링속도를 10 ks/s로 설정될 수 있다. 일 실시예에서, DAQ 보드(260)는 NI USB-6216이 사용될 수 있다.
모니터링부(270)는 광 센서(230a, 230b, 230c)와 분광기(240)를 통해 수집된 신호를 기초로 용접부의 품질을 모니터링한다.
이하에서는, 설명의 편의를 위해 구리 소재와 알루미늄 소재의 이종 소재를 레이저 용접하여 데이터 세트를 생성하는 경우를 가정하여 설명하기로 한다.
도 7은 이종 금속 소재의 화학적/물리적 속성을 나타내는 도면이다.
용접에 사용된 구리 소재와 알루미늄 소재는 각각 C1100과 Al99.5로, 각 원소의 함유량이 99.9%, 99.5% 이상인 순수 소재이다. 각 소재의 화학적 조성은 도 7의 (a), (b)와 같고, 두 소재의 물리적 특성은 도 7의 (c)와 같다. 두 소재의 밀도, 용융점 등의 차이는 두 소재의 이종 용접을 어렵게 하는 요소로 작용한다.
도 8은 실험에 사용된 레이저 출력과 용접 속도의 일 예를 나타내는 도면이다.
레이저 출력과 용접 속도를 설정 인자로 하여, 저입열, 적정입열, 과입열 조건이 나오도록 각 인자에 대해 3수준을 설정하였다. 각 조합별 인자와 수준은 도 8의 (a) (Al-Al), 도 8의 (b) (Cu-Cu), 도 8의 (c) (Cu-Al), 도 8의 (d) (Al-Cu)와 같다.
도 8의 용접 조건에 대해 각 인자와 비드 외관의 상관 관계를 확인하기 위하여 비드 외관과 비드의 단면을 확인한 결과는 하기와 같다.
도 9는 Al-Al 소재의 용접 실험을 통해 형성된 비드의 외관을 나타내는 도면이고, 도 10은 Cu-Cu 소재의 용접 실험을 통해 형성된 비드의 외관을 나타내는 도면이며, 도 11은 Cu-Al 소재의 용접 실험을 통해 형성된 비드의 외관을 나타내는 도면이고, 도 12는 Al-Cu 소재의 용접 실험을 통해 형성된 비드의 외관을 나타내는 도면이다. 완전 용입이 발생한 경우에는 이면 비드를 함께 나타내었다.
도 9를 참조하면, 알루미늄 동종 용접의 경우, 비드 폭은 레이저 출력이 증가하고 용접 속도가 감소함에 따라 넓어지는 경향이 있는 것을 확인할 수 있다.
도 10을 참조하면, 구리 동종 용접의 경우, IR 파장대의 레이저로 구리 소재를 용접하였음에도 불구하고, 고출력 레이저를 이용함으로써 초고속 용접 조건 하에 안정적인 비드를 획득할 수 있음을 확인할 수 있다. 완전 용입이 달성되어 이면 비드가 발생한 조건에서는 스패터와 그을음 등의 결함이 발생하는 것을 확인할 수 있다.
도 11을 참조하면, 구리가 상부에 있는 이종 용접의 경우, 입열이 증가함에 따라 비드 폭과 용입 깊이가 증가하는 경향을 확인할 수 있으며, 완전 용입이 달성된 조건에서도 안정적인 이면 비드가 형성되는 것을 확인할 수 있다.
도 12를 참조하면, 알루미늄이 상부에 있는 이종 용접의 경우, 입열이 증가함에 따라 비드폭과 용입 깊이가 증가하는 경향을 확인할 수 있다. 구리 동종 용접에서와 마찬가지로 완전 용입이 달성된 조건에서는 이면 비드에 그을음과 같은 결함이 발생하는 것을 확인할 수 있다.
도 13은 Al-Al 소재의 용접 실험을 통해 형성된 비드의 단면을 나타내는 도면이고, 도 14는 Cu-Cu 소재의 용접 실험을 통해 형성된 비드의 단면을 나타내는 도면이며, 도 15는 Cu-Al 소재의 용접 실험을 통해 형성된 비드의 단면을 나타내는 도면이고, 도 16은 Al-Cu 소재의 용접 실험을 통해 형성된 비드의 단면을 나타내는 도면이다.
도 13을 참조하면, 알루미늄 동종 용접의 경우, 비드 외관상에서 관찰할 수 있었던 것과 동일하게 레이저 출력이 증가할수록, 용접 속도가 감수할수록, 용융부의 크기가 커지고 용입이 깊어지는 경향이 있는 것을 확인할 수 있다.
도 14를 참조하면, 구리 동종 용접의 경우, 고출력 레이저를 사용함으로써 초고속 조건에서도 별도의 결함이 없는 안정적인 용융부가 생성되는 것을 확인할 수 있다. 파이버 레이저와 같은 IR 파장대의 레이저를 이용하여 구리 소재를 용접할 경우, 해당 파장대에 대한 구리의 반사율이 높아 용접이 어려운 것으로 알려져 있다.
도 15를 참조하면, 구리가 상부에 있는 이종 용접의 경우, 구리는 높은 열전도율에 의해 용융 시 큰 열원이 필요하여 좁은 용융부가 형성되었고, 알루미늄은 구리에 비해 상대적으로 녹는점이 낮아 넓은 용융부가 형성되는 것을 확인할 수 있다.
도 16을 참조하면, 알루미늄이 상부에 있는 이종 용접의 경우, 구리가 상부에 있을 때의 이종 용접과 마찬가지로 알루미늄에 넓은 용융부가 형성되는 것을 확인할 수 있다. 구리가 상부에 있을 때는 구리가 알루미늄 쪽으로 깊게 파고든 것과 달리, 알루미늄은 구리와 비교해 밀도가 3배 이상 낮기 때문에 구리 쪽으로 깊게 파고들지 못한다. 과입열 조건에서는 완전 용입과 관통의 상태가 번갈아 나타나는 것을 확인할 수 있다.
도 17은 비드의 측정 인자의 일 예를 나타내는 도면이다.
도 8의 인자와 비드 크기의 상관관계를 알아보기 위해 비드의 크기를 측정할 수 있다. 비드의 측정 인자는 상면 비드폭(Upper Bead Width: UBW), 중앙 비드폭(Middle Bead Width: MBW), 용입 깊이(Depth of Penetration: PD)를 포함하며, 측정 인자의 정의는 도 17과 같다.
도 18의 (a)는 레이저 출력과 상면 비드폭, (b)는 용접 속도와 상면 비드폭의 관계를 나타내는 도면이고, 도 19의 (a)는 레이저 출력과 중앙 비드폭, (b)는 용접 속도와 중앙 비드폭의 관계를 나타내는 도면이며, 도 20의 (a)는 레이저 출력과 용입 깊이, (b)는 용접 속도와 용입 깊이를 관계를 나타내는 도면이다.
도 18을 참조하면, (a)는 레이저 출력과 상면 비드폭과의 관계를 나타내는 그래프이고, (b)는 용접 속도와 상면 비드폭의 관계를 나타낸 그래프이다. 상면 비드폭은 모든 조합에서 두 인자에 대해 아무런 경향성을 가지지 않는 것을 확인할 수 있다.
도 19를 참조하면, (a)는 레이저 출력과 중앙 비드폭과의 관계를 나타내는 그래프이고, (b)는 용접 속도와 중앙 비드폭의 관계를 나타낸 그래프이다. 동종 소재 용접의 경우 레이저 출력이 증가할수록, 용접 속도가 감소할수록 중앙 비드폭도 증가하는 경향이 나타나는 것을 확인할 수 있다. 이는 입열량이 증가하기 때문이다. 그러나, 이종 소재 용접의 경우 두 소재의 물성치 차이로 인하여 계면에서 발생하는 용융이 입열에 정비례하지 않는다는 결과가 나타난다.
도 20을 참조하면, (a)는 레이저 출력과 용입 깊이 사이의 관계를 나타내는 그래프이고, (b)는 용접 속도와 용입 깊이를 관계를 나타낸 그래프이다. 모든 조합에서 레이저 출력이 증가함에 따라, 용접 속도가 감소함에 따라 입열이 증가함으로 인해 용입 깊이도 깊어지는 경향이 나타나는 것을 확인할 수 있다.
도 21의 (a)는 상면 비드폭에 대한 분산분석 결과, (b)는 중앙 비드폭에 대한 분산분석 결과, (c)는 용입 깊이에 대한 분산분석 결과를 나타내는 도면이다.
도 8의 두 인자와 그 교호작용이 비드에 미치는 영향을 정량적으로 판단하기 위해 분산분석(Analysis of Variance)을 수행할 수 있다. 분산분석이란 특성치의 산포를 제곱합(Sum of Squares)으로 표현하고 이 제곱합을 각 요인의 제곱합으로 분해하여, 오차에 비해 큰 영향을 가지는 요인을 찾는 분석법이다. 각 요인의 제곱합을 자유도로 나누면 제곱평균이 되는데, 이를 통해 오차 분산에 비해 얼마나 큰 영향을 가지는지 알 수 있다. 따라서 분산분석을 통해 특성치의 산포를 요인별로 분해하여 어떤 요인이 큰 산포를 가지는가를 규명할 수 있다. 본 실험에서는 레이저 출력과 용접 속도 두 가지 인자에 대해 반복 실험을 수행하였으므로 반복이 있는 이원 배치법의 분산분석을 사용하였다.
도 21의 (a)는 상면 비드폭에 대한 분산분석 결과이다. 비드 크기에서 인자와의 경향성을 발견할 수 없었던 것과 마찬가지로, 알루미늄이 상부에 있는 이종 소재 용접의 경우 용접 속도와 교호 작용을 제외하고 모든 인자가 영향력을 가지지 못하는 것을 확인할 수 있다.
도 21의 (b)는 중앙 비드폭에 대한 분산분석 결과이다. 레이저 출력은 모든 조합에서, 용접 속도는 동종 용접에서 큰 영향력을 가지는 인자인 것을 확인할 수 있다.
도 21의 (c)는 용입 깊이에 대한 분산분석 결과이다. 각 인자가 용입 깊이에 대해 매우 큰 영향력을 가지고 있음을 정량적으로 확인할 수 있다.
도 22는 이종 금속 소재의 용접 결과물의 전기저항 값을 나타내는 도면이다.
레이저 용접을 이용한 이종 소재 용접의 2차 전지에 대한 적용 가능성을 확인하기 위해서는 용접 결과물의 전기전도도를 측정해야 한다. 실제 전기전도도를 측정하는 것은 어렵기 때문에 그 역수인 전기저항을 측정하였으며, 도 22는 측정된 전기저항을 나타내는 표이다.
측정 결과 접합이 되지 않은 경우를 제외한 모든 조건에서 마이크로옴(μΩ) 단위의 매우 낮은 전기저항 값이 측정되었다. 이종 소재를 용접한 결과물의 전기저항 값은 두 동종 소재를 용접한 결과물의 전기저항 값의 평균에 가까웠으며, 그 오차는 1% 이하이다.
도 23은 레이저 출력 및 용접 속도와 인장 하중과의 관계를 나타내는 도면이다.
도 23을 참조하면, 알루미늄 동종 용접 결과물, 구리 동종 용접 결과물 및 구리가 상부에 있는 이종 소재 용접 결과물에서는 과입열 조건들을 제외한 모든 조건에서 입열이 증가함에 따라 인장강도가 증가하는 경향이 있는 것을 확인할 수 있다. 그러나 알루미늄이 상부에 있는 이종 소재 용접 결과물에서는 별도의 경향성이 나타나지 않는 것을 확인할 수 있다.
도 24는 인장 하중에 대한 분산분석 결과를 나타내는 도면이다.
도 24를 참조하면, 모든 조합에서 모든 인자가 인장 하중에 대해 큰 영향력을 가지는 것을 확인할 수 있다. 특히, 알루미늄이 상부에 있는 이종 소재 용접의 경우에는 레이저 출력이 더 큰 영향력을 가지고, 구리가 상부에 있는 이종 소재 용접 경우에는 용접 속도가 더 큰 영향력을 가지는 것을 확인할 수 있다.
다시, 도 1을 참조하면, 용접 결과물 예측 모델 생성부(120)는 데이터베이스(110)에 저장된 데이터 세트 가운데 일부를 제1 트레이닝 데이터 세트로 추출하고, 제1 트레이닝 데이터 세트를 기초로 머신 러닝을 수행하여 용접 결과물 예측 모델을 생성한다. 일 실시예에서, 용접 결과물 예측 모델 생성부(120)는 데이터 세트를 training set, validation set, test set으로 나누고, 각 세트를 이용하여 학습, 유효성 검증, 테스트 등을 수행할 수 있다.
일 실시예에서, 용접 결과물 예측 모델 생성부(120)는 데이터 세트에 포함된 정보 가운데 용접 소재 및 용접 조건을 입력 데이터로 하고 용접 결과물의 비드 상태, 기계적 특성 및 전기적 특성을 출력 데이터로 하는 머신 러닝 모델을 기초로 제1 트레이닝 데이터 세트를 학습하여 용접 결과물 예측 모델을 생성할 수 있다. 예를 들어, 용접 결과물 예측 모델 생성부(120)는 상부 용접 소재 정보, 하부 용접 소재 정보, 레이저 출력 값 및 용접 속도 값을 입력으로 하여 용접 결과물의 중앙 비드폭 값, 용입 깊이 값, 인장하중 값 및 전기저항 값을 출력하는 용접 결과물 예측 모델을 생성할 수 있다.
도 25는 본 발명의 일 실시예에 띠른 용접 결과물 예측 모델의 일 예를 나타내는 도면이다.
도 25를 참조하면, 용접 결과물 예측 모델은 딥 뉴럴 네트워크(Deep Neural Network)를 이용하여 구성될 수 있다. 일 실시예에서, 용접 결과물 예측 모델은 n개의 히든 층(hidden layer)을 포함하며, 입력(input)과 출력(output)이 모두 연결된 완결 연결 계층으로 구성될 수 있다. 용접 결과물 예측 모델은 상부 용접 소재 정보(Top Material), 하부 용접 소재 정보(Bottom Material), 레이저 출력(LP, Laser Power) 값 및 용접 속도(WS, Welding Speed) 값을 입력으로 하여 용접 결과물의 중앙 비드폭(MBW, Middle Bead Width) 값, 용입 깊이(PD, Penetration Depth) 값, 인장하중(TL, Tensile Load) 값 및 전기저항(ER, Electric Resistance) 값을 출력하는 모델이다.
도 26은 각 출력 인자에 대하여 실제 측정값과 예측 모델을 통해 예측된 값을 비교하는 산포도를 나타내는 도면이다.
도 26은 각 출력 인자에 대하여 실제 측정 값과 도 25의 용접 결과물 예측 모델을 통해 예측된 값을 비교한 산포도이다. 도 26을 참조하면, 용접 결과물 예측 모델이 모든 출력 인자에 대해 99.9% 이상의 높은 예측 정확도를 나타내는 것을 확인할 수 있다.
다시, 도 1을 참조하면, 용접 품질 검사 모델 생성부(130)는 데이터베이스(110)에 저장된 데이터 세트 가운데 일부를 제2 트레이닝 데이터 세트로 추출하고, 제2 트레이닝 데이터 세트를 기초로 머신 러닝을 수행하여 용접 품질 예측 모델을 생성할 수 있다. 일 실시예에서, 용접 품질 검사 모델 생성부(130)는 데이터 세트를 training set, validation set, test set으로 나누고, 각 세트를 이용하여 학습, 유효성 검증, 테스트 등을 수행할 수 있다.
일 실시예에서, 용접 품질 검사 모델 생성부(130)는 용접 결과물의 비드 상태, 기계적 특성 및 전기적 특성을 입력 데이터로 하고, 용접 결과물의 용접 품질을 출력 데이터로 하는 머신 러닝 모델을 기초로 제2 트레이닝 데이터 세트를 학습하여 용접 품질 예측 모델을 생성할 수 있다. 예를 들어, 용접 품질 검사 모델 생성부(130)는 상부 용접 소재 정보, 하부 용접 소재 정보, 용접 결과물의 용입 깊이 값, 인장강도 값 및 전기저항 값을 입력으로 하여 용접 품질 정보를 출력할 수 있다.
도 27은 본 발명의 일 실시예에 띠른 용접 품질 예측 모델의 일 예를 나타내는 도면이다.
도 27을 참조하면, 용접 품질 예측 모델은 딥 뉴럴 네트워크(Deep Neural Network)를 이용하여 구성될 수 있다. 일 실시예에서, 용접 품질 예측 모델은 n개의 히든 층을 포함하며, 입력과 출력이 모두 연결된 완결 연결 계층으로 구성될 수 있다. 용접 품질 예측 모델은 상부 용접 소재 정보(Top Material), 하부 용접 소재 정보(Bottom Material), 용입 깊이(PD, Penetration Depth) 값, 인장하중(TL, Tensile Load) 값 및 전기저항(ER, Electric Resistance) 값을 입력으로 하여 용접 품질(Quality) 정보 값을 출력하는 모델이다.
도 28은 실제 품질과 예측된 품질을 비교하는 산포도를 나타내는 도면이다.
도 28은 출력 인자에 대하여 실제 품질 정보 값과 도 27의 용접 품질 예측 모델을 통해 예측된 품질 정보 값을 비교한 산포도이다. 도 28을 참조하면, (a)는 실제 측정한 데이터를 도 27의 용접 품질 예측 모델의 입력으로 했을 때의 품질 판단 결과이며, (b)는 도 25의 예측 모델을 통해 예측된 값을 도 27의 용접 품질 예측 모델의 입력으로 했을 때의 품질 판단 결과이다. 실제 데이터를 사용하는 경우 뿐만 아니라, 용접 결과물 예측 모델의 예측된 값을 사용하는 경우에도 99% 이상의 높은 정확도로 품질 판단을 수행하는 것을 확인할 수 있다.
도 29는 본 발명의 일 실시예에 따른 이종 소재 용접 품질 모니터링 장치의 구성을 나타내는 도면이다.
도 29를 참조하면, 이종 소재 용접 품질 모니터링 장치(2900)는 용접 베드(2920), 레이저 용접기(2930), 광센서(2940), 제어부(2950), 용접 조건 산출부(2960) 및 모니터링부(2970)을 포함한다.
용접 베드(2920)는 제1 용접 소재(2910a)와 제2 용접 소재(2910b)를 용접 대상 영역이 겹치도록 고정하고, 고정된 제1 용접 소재(2910a)와 제2 용접 소재(2910b)를 제어에 따라 기 설정된 속도와 방향으로 이송한다.
레이저 용접기(2930)는 용접 대상 영역에 레이저를 조사하여 제1 용접 소재(2910a)와 제2 용접 소재(2910b)를 용접한다. 일 실시예에서, 레이저 용접기(2930)는 최대 출력 5kW의 싱글 모드 파이버 레이저에 해당하고, F-theta 렌즈의 초점 거리는 420mm, 초점 직경은 30
인 갈바노미터 스캐너를 포함할 수 있다.
광센서(2940)는 레이저가 조사되어 용접이 진행되는 용접 대상 영역에서 발생하는 광량을 측정한다. 제어부(2950)는 용접 베드(2920)와 레이저 용접기(2930)를 제어하여 용접 프로세스를 제어하고, 용접 프로세스 진행 시 광센서(2940)를 제어하여 용접 대상 영역에서 발생하는 광량을 측정한다.
용접 조건 산출부(2960)는 광센서(2940)에서 측정된 광량을 기초로 레이저의 출력 값과 용접 속도 값을 산출한다.
도 30은 각 Al-Al, Cu-Cu, Cu-Al, Al-Cu 용접에서 저입열, 적정입열, 과입열 조건일 때 획득된 광신호 그래프를 나타내는 도면이다.
도 30을 참조하면, 광센서에서 출력된 광신호를 분석한 결과 레이저 출력은 시작점의 피크값 및 표준편차와 관계가 있고, 용접 속도는 신호 길이와 상관관계가 있음을 확인할 수 있다. 광센서에서 출력된 광신호는 레이저 출력과 용접 속도에 대한 정보를 포함하고 있으므로, 광신호를 기초로 레이저 출력과 용접 속도를 추정할 수 있으며, 추정된 값을 예측 모델의 입력으로 하여 비드의 형상과 용접 결과물의 특성을 예측할 수 있다.
다시 도 29를 참조하면, 모니터링부(2970)는 제1 용접 소재 정보, 제2 용접 소재 정보 및 용접 조건 산출부에서 산출된 레이저 출력 값 및 용접 속도 값을 기초로 용접 불량 여부를 실시간으로 모니터링한다.
일 실시예에서, 모니터링부(2970)는 용접 결과물 예측 모델을 저장하고, 제1 용접 소재 정보, 제2 용접 소재 정보, 레이저 출력 값 및 용접 속도 값을 용접 결과물 예측 모델에 입력하여 용접 결과물의 중앙 비드폭 값, 용입 깊이 값, 인장하중 값 및 전기저항 값을 산출할 수 있다.
일 실시예에서, 모니터링부(2970)는 용접 품질 예측 모델을 저장하고, 제1 용접 소재 정보, 제2 용접 소재 정보, 산출된 용접 결과물의 용입 깊이 값, 인장강도 값 및 전기저항 값을 용접 품질 예측 모델에 입력하여 용접 품질 정보를 출력할 수 있다.
모니터링부(2970)는 예측된 용접 품질(적정 또는 불량)을 화면(미도시)에 디스플레이할 수 있다. 일 실시예에서, 이종 소재 용접 품질 모니터링 장치(2900)는 통신부(미도시)를 더 포함하고, 통신부(미도시)를 통해 용접 결과물 예측 모델, 용접 품질 예측 모델을 수신하여 미리 저장할 수 있다. 예를 들어, 용접 결과물 예측 모델 또는 용접 품질 예측 모델이 업데이트되는 경우, 이종 소재 용접 품질 모니터링 장치(2900)는 업데이트된 모델을 수신하여 미리 저장할 수 있다.
도 31은 본 발명의 일 실시예에 따른 이종 소재의 용접 품질 검사 모델 생성 방법을 설명하는 흐름도이다.
도 31을 참조하면, 데이터베이스(110)는 용접에 사용된 이종 용접 소재, 이종 용접 소재의 용접 조건, 용접 소재 및 용접 조건에 따른 용접 결과물의 비드 상태, 용접 결과물의 기계적 특성, 용접 결과물의 전기적 특성 및 용접 결과물의 용접 품질 정보가 연계된 데이터 세트를 저장한다(단계 S3110).
일 실시예에서, 입력수단을 통해 사용자로부터 각 정보를 입력받아 데이터 세트를 생성하고 데이터베이스(110)에 저장할 수 있다. 다른 실시예에서, 입력된 용접 소재 정보, 용접 결과물의 비드 상태 정보, 기계적 특성 정보, 전기적 특성 정보 및 용접 품질 정보를 용접 모니터링 장치로부터 수신된 용접 조건 정보를 연계하여 데이터 세트를 생성하고, 생성된 데이터 세트를 데이터베이스(110)에 저장할 수도 있다.
용접 결과물 예측 모델 생성부(120)는 데이터베이스(110)에 저장된 데이터 세트 가운데 일부를 제1 트레이닝 데이터 세트로 추출하고(단계 S3120), 용접 결과물 예측 모델 생성부(120)는 용접 소재 및 용접 조건을 입력 데이터로 하고 용접 결과물의 비드 상태, 기계적 특성 및 전기적 특성을 출력 데이터로 하는 머신 러닝 모델을 기초로 제1 트레이닝 데이터 세트를 학습하여 용접 결과물 예측 모델을 생성한다(단계 S3130).
용접 품질 검사 모델 생성부(130)는 데이터베이스(110)에 저장된 데이터 세트 가운데 일부를 제2 트레이닝 데이터 세트로 추출하고(단계 S3140), 용접 품질 검사 모델 생성부(130)는 용접 결과물의 비드 상태, 기계적 특성 및 전기적 특성을 입력 데이터로 하고, 용접 결과물의 용접 품질을 출력 데이터로 하는 머신 러닝 모델을 기초로 제2 트레이닝 데이터 세트를 학습하여 용접 품질 예측 모델을 생성한다(단계 S3150).
도 1 내지 도 31을 통해 설명된 이종 소재의 용접 품질 검사 모델 생성 방법, 용접 품질 검사 모델 생성 장치 및 이를 이용한 이종 소재 용접 품질 모니터링 장치는 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수도 있다.
이상 본 발명의 실시예로 설명하였으나 본 발명의 기술적 사상이 상기 실시예로 한정되는 것은 아니며, 본 발명의 기술적 사상을 벗어나지 않는 범주에서 다양한 이종 소재의 용접 품질 검사 모델 생성 방법, 용접 품질 검사 모델 생성 장치 및 이를 이용한 이종 소재 용접 품질 모니터링 장치로 구현할 수 있다.
100 : 이종 소재의 용접 품질 검사 모델 생성 장치
110 : 데이터베이스
120 : 용접 결과물 예측 모델 생성부
130 : 용접 품질 검사 모델 생성부
110 : 데이터베이스
120 : 용접 결과물 예측 모델 생성부
130 : 용접 품질 검사 모델 생성부
Claims (11)
- 용접에 사용된 이종 용접 소재, 상기 이종 용접 소재의 용접 조건, 상기 용접 소재 및 용접 조건에 따른 용접 결과물의 비드 상태, 상기 용접 결과물의 기계적 특성, 상기 용접 결과물의 전기적 특성 및 상기 용접 결과물의 용접 품질 정보가 연계된 데이터 세트를 저장하는 데이터베이스;
상기 데이터베이스에 저장된 데이터 세트 가운데 일부를 제1 트레이닝 데이터 세트로 추출하고, 상기 제1 트레이닝 데이터 세트를 기초로 머신 러닝을 수행하여 용접 결과물 예측 모델을 생성하되
상기 용접 소재 및 용접 조건을 입력 데이터로 하고 상기 용접 결과물의 비드 상태, 기계적 특성 및 전기적 특성을 출력 데이터로 하는 머신 러닝 모델을 기초로 상기 제1 트레이닝 데이터 세트를 학습하여 용접 결과물 예측 모델을 생성하는 용접 결과물 예측 모델 생성부; 및
상기 데이터베이스에 저장된 데이터 세트 가운데 일부를 제2 트레이닝 데이터 세트로 추출하고, 상기 제2 트레이닝 데이터 세트를 기초로 머신 러닝을 수행하여 용접 품질 예측 모델을 생성하되
상기 용접 결과물의 비드 상태, 기계적 특성 및 전기적 특성을 입력 데이터로 하고, 상기 용접 결과물의 용접 품질을 출력 데이터로 하는 머신 러닝 모델을 기초로 상기 제2 트레이닝 데이터 세트를 학습하여 용접 품질 예측 모델을 생성하는 용접 품질 검사 모델 생성부를 포함하는 이종 소재 용접 품질 검사 모델 생성 장치.
- 제1항에 있어서, 상기 용접 소재 정보는
상부 용접 소재 정보 및 하부 용접 소재 정보를 포함하는 이종 소재 용접 품질 검사 모델 생성 장치.
- 제1항에 있어서, 상기 용접 조건 정보는
레이저 용접기의 레이저 출력 값 및 용접 속도 값을 포함하는 이종 소재 용접 품질 검사 모델 생성 장치.
- 제1항에 있어서, 상기 용접 결과물의 비드 상태 정보는
용접 결과물의 중앙 비드폭 값 및 용입 깊이 값을 포함하는 이종 소재 용접 품질 검사 모델 생성 장치.
- 제1항에 있어서,
상기 용접 결과물의 기계적 특성 정보는 상기 용접 결과물의 인장하중 값을 포함하고,
상기 용접 결과물의 전기적 특성 정보는 상기 용접 결과물의 전기저항 값을 포함하는 이종 소재 용접 품질 검사 모델 생성 장치.
- 제1항에 있어서, 상기 용접 결과물 예측 모델 생성부는
상부 용접 소재 정보, 하부 용접 소재 정보, 레이저 출력 값 및 용접 속도 값을 입력으로 하여 용접 결과물의 중앙 비드폭 값, 용입 깊이 값, 인장하중 값 및 전기저항 값을 출력하는 용접 결과물 예측 모델을 생성하는 이종 소재 용접 품질 검사 모델 생성 장치.
- 제1항에 있어서, 상기 용접 품질 검사 모델 생성부는
상부 용접 소재 정보, 하부 용접 소재 정보, 용접 결과물의 용입 깊이 값, 인장강도 값 및 전기저항 값을 입력으로 하여 용접 품질 정보를 출력하는 용접 품질 예측 모델을 생성하는 이종 소재 용접 품질 검사 모델 생성 장치.
- 데이터베이스에 용접에 사용된 이종 용접 소재, 상기 이종 용접 소재의 용접 조건, 상기 용접 소재 및 용접 조건에 따른 용접 결과물의 비드 상태, 상기 용접 결과물의 기계적 특성, 상기 용접 결과물의 전기적 특성 및 상기 용접 결과물의 용접 품질 정보가 연계된 데이터 세트를 저장하는 단계;
용접 결과물 예측 모델 생성부가 상기 데이터베이스에 저장된 데이터 세트 가운데 일부를 제1 트레이닝 데이터 세트로 추출하는 단계;
상기 용접 결과물 예측 모델 생성부가 상기 용접 소재 및 용접 조건을 입력 데이터로 하고 상기 용접 결과물의 비드 상태, 기계적 특성 및 전기적 특성을 출력 데이터로 하는 머신 러닝 모델을 기초로 상기 제1 트레이닝 데이터 세트를 학습하여 용접 결과물 예측 모델을 생성하는 단계;
용접 품질 검사 모델 생성부가 상기 데이터베이스에 저장된 데이터 세트 가운데 일부를 제2 트레이닝 데이터 세트로 추출하는 단계; 및
상기 용접 품질 검사 모델 생성부가 상기 용접 결과물의 비드 상태, 기계적 특성 및 전기적 특성을 입력 데이터로 하고, 상기 용접 결과물의 용접 품질을 출력 데이터로 하는 머신 러닝 모델을 기초로 상기 제2 트레이닝 데이터 세트를 학습하여 용접 품질 예측 모델을 생성하는 단계를 포함하는 이종 소재 용접 품질 검사 모델 생성 방법.
- 제8항에 있어서, 상기 용접 결과물 예측 모델을 생성하는 단계는
상부 용접 소재 정보, 하부 용접 소재 정보, 레이저 출력 값 및 용접 속도 값을 입력으로 하여 용접 결과물의 중앙 비드폭 값, 용입 깊이 값, 인장하중 값 및 전기저항 값을 출력하는 용접 결과물 예측 모델을 생성하는 단계를 포함하는 이종 소재 용접 품질 검사 모델 생성 방법.
- 제8항에 있어서, 상기 용접 품질 예측 모델을 생성하는 단계는
상부 용접 소재 정보, 하부 용접 소재 정보, 용접 결과물의 용입 깊이 값, 인장강도 값 및 전기저항 값을 입력으로 하여 용접 품질 정보를 출력하는 용접 품질 예측 모델을 생성하는 단계를 포함하는 이종 소재 용접 품질 검사 모델 생성 방법.
- 제1 용접 소재와 제2 용접 소재를 용접 대상 영역이 겹치도록 고정하고, 제어에 따라 상기 고정된 제1 용접 소재와 제2 용접 소재를 기 설정된 속도로 이송하는 용접 베드(bed);
상기 용접 대상 영역에 레이저를 조사하여 상기 제1 용접 소재와 제2 용접 소재를 용접하는 레이저 용접기;
상기 레이저가 조사되어 용접이 진행되는 용접 대상 영역에서 발생하는 광량을 측정하는 광센서;
상기 용접 베드와 레이저 용접기를 제어하여 용접 프로세스를 제어하고, 용접 프로세스 진행 시 상기 광센서를 제어하는 제어부;
상기 광센서에서 측정된 광량을 기초로 상기 레이저의 출력 값과 용접 속도 값을 산출하는 용접 조건 산출부; 및
상기 제1 용접 소재 정보, 제2 용접 소재 정보 및 상기 용접 조건 산출부에서 산출된 레이저 출력 값 및 용접 속도 값을 기초로 용접 불량 여부를 모니터링하는 모니터링부를 포함하되,
상기 모니터링부는 상기 제1 용접 소재 정보, 제2 용접 소재 정보, 레이저 출력 값 및 용접 속도 값을 용접 결과물 예측 모델에 입력하여 용접 결과물의 중앙 비드폭 값, 용입 깊이 값, 인장하중 값 및 전기저항 값을 산출하고,
상기 제1 용접 소재 정보, 제2 용접 소재 정보, 상기 산출된 용접 결과물의 용입 깊이 값, 인장강도 값 및 전기저항 값을 용접 품질 예측 모델에 입력하여 용접 품질 정보를 출력하는 이종 소재 용접 품질 모니터링 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220017517A KR20230120818A (ko) | 2022-02-10 | 2022-02-10 | 이종 소재의 용접 품질 검사 모델 생성 방법, 용접 품질 검사 모델 생성 장치 및 이를 이용한 이종 소재 용접 품질 모니터링 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220017517A KR20230120818A (ko) | 2022-02-10 | 2022-02-10 | 이종 소재의 용접 품질 검사 모델 생성 방법, 용접 품질 검사 모델 생성 장치 및 이를 이용한 이종 소재 용접 품질 모니터링 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230120818A true KR20230120818A (ko) | 2023-08-17 |
Family
ID=87800716
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220017517A KR20230120818A (ko) | 2022-02-10 | 2022-02-10 | 이종 소재의 용접 품질 검사 모델 생성 방법, 용접 품질 검사 모델 생성 장치 및 이를 이용한 이종 소재 용접 품질 모니터링 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230120818A (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100786757B1 (ko) | 2006-12-22 | 2007-12-18 | 한국생산기술연구원 | 이미지센서를 이용한 레이저용접의 용접 품질 동축모니터링장치 |
-
2022
- 2022-02-10 KR KR1020220017517A patent/KR20230120818A/ko not_active Application Discontinuation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100786757B1 (ko) | 2006-12-22 | 2007-12-18 | 한국생산기술연구원 | 이미지센서를 이용한 레이저용접의 용접 품질 동축모니터링장치 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nomura et al. | Burn-through prediction and weld depth estimation by deep learning model monitoring the molten pool in gas metal arc welding with gap fluctuation | |
| US6710283B2 (en) | Laser weld quality monitoring method and system | |
| US8777482B2 (en) | Detecting defects during laser welding | |
| CN102918384B (zh) | 微小直径引线接合的合格与否判定方法及判定装置 | |
| US20230073549A1 (en) | Method for analysing a weld during laser welding of workpieces | |
| US20100133248A1 (en) | Method and device for quality control of a weld bead | |
| JP2016207412A (ja) | レーザ溶接物及び電池のレーザ溶接良否判定方法 | |
| US20230201956A1 (en) | Method for analyzing a laser machining process, system for analyzing a laser machining process, and laser machining system comprising such a system | |
| ITRM20100461A1 (it) | Metodo per l individuazione di difettosità nel processo di saldatura laser continua di parti metalliche | |
| US11897054B2 (en) | Laser welding method and monitoring method for secondary battery | |
| Garavaglia et al. | Fiber laser welding of AA 5754 in the double lap-joint configuration: process development, mechanical characterization, and monitoring | |
| US20220258286A1 (en) | Method and laser machining system for analyzing a weld seam formed by a laser welding process | |
| Chianese et al. | Characterization of photodiodes for detection of variations in part-to-part gap and weld penetration depth during remote laser welding of copper-to-steel battery tab connectors | |
| Cai et al. | Equipment and machine learning in welding monitoring: A short review | |
| CN115889975A (zh) | 一种激光焊接过程监测系统及方法 | |
| JPWO2018185973A1 (ja) | レーザ加工監視方法及びレーザ加工監視装置 | |
| Santoro et al. | Infrared in-line monitoring of flaws in steel welded joints: a preliminary approach with SMAW and GMAW processes | |
| KR20230120818A (ko) | 이종 소재의 용접 품질 검사 모델 생성 방법, 용접 품질 검사 모델 생성 장치 및 이를 이용한 이종 소재 용접 품질 모니터링 장치 | |
| Yu et al. | The development of a quality prediction system for aluminum laser welding to measure plasma intensity using photodiodes | |
| Norman et al. | State-of-the-art of monitoring and imaging of laser welding defects | |
| Olowinsky et al. | Laser‐Based Joining of Electrode Stacks for Automated Large‐Scale Production of Li‐Ion Battery Cells | |
| Brežan et al. | Fusing optical coherence tomography and photodiodes for diagnosis of weld features during remote laser welding of copper-to-aluminum | |
| Weiß et al. | A holistic approach for an intelligent laser beam welding architecture using machine learning for the welding of metallic bipolar plates for polymer electrolyte membrane fuel cells | |
| JP4026404B2 (ja) | レーザー溶接部の品質モニタリング方法およびその装置 | |
| Grabmann et al. | Analysis of photodiode signals for monitoring the laser beam welding process of cell-internal contacts in lithium-ion batteries |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |