WAAM - Bildbasierte Prozessüberwachung

Ein stabiler Lichtbogenschweißprozess ist entscheidend um qualitativ hochwertige WAAM-Bauteile zu produzieren. Der WAAM Prozess ist charakterisiert durch komplizierte physikalische, chemische, thermische und metallurgische Eigenschaften. Eine ungeeignete Parametrisierung führt zu einer Reihe von mikro- und makroskopischen Defekten wie Porenbildung, Spratzer, Oxidation, etc. welche besonders in einer ungleichmäßigen Schweißraupenhöhe kulminieren. Unregelmäßigkeiten in den Schweißraupen übertragen sich auf die nächste Schicht und werden zu einem großen Problem, wenn sie sich mit der Zeit aufbauen. Dadurch verändert sich der Schweißabstand und somit der Lichtbogenschweißprozess und es kann zu Kollisionen und Ablagerungsdeffekten führen. Herkömmliche WAAM-Systeme haben keine schichtinterne Materialauftragskontrolle und das "Einfahren" einer Anlage auf bestimmte Bauteile ist daher zeitaufwendig und somit teuer. Je komplexer die zu fertigenden Bauteile sind, desto schwieriger ist es, vorab eine geeignete Parametrisierung (Schweißgeschwindigkeit, Drahtvorschub, etc.) festzulegen um eine gleichmäßige Form der Schweißraupen zu garantieren. Bestimmte Bauteile können auf Grund ihrer komplexen Geometrie u.U. überhaupt nicht gedruckt werden. Um WAAM vielseitiger in der Fertigung einsetzen zu können, wurden auf Basis von Bilddaten einer Schweißkamera Algorithmen entwickelt, welche Unregelmäßigkeiten während des Schweißens detektieren können und darauf aufbauend Kompensationsstrategien ermöglichen.

KI-gestützte Überwachung des Schweißabstands und der Drahtposition

Die Schweißkamera ist fest an den Schweißbrenner montiert wodurch die Perspektive auf die Bearbeitungszone fixiert ist. Während des Schweißens kommt es prozessbedingt zu Kontakt zwischen oszillierendem Draht und Schmelzbad. Zu diesen Zeitpunkten lässt sich der Arbeitsabstand aus den entsprechenden Schweißkamerabildern durch Drahtlänge und einer nicht sichtbaren aber durch die Kamera-Kalibrierung bekannten Länge ermitteln.

• 

  Schweiß-Kamera im Abstand von 20cm zum Schweißgerät.

• 

  Schweiß-Kamera Aufnahme während des Prozesses. Schweißabstand (rot).

Wie?

Ein neuronales Netzwerk, speziell geeignet für semantische Segmentierung, wurde auf Schweißkamera Bilder adaptiert und trainiert um den Schweißdraht in seiner Form und Position zu erkennen. Aus einer Drahtrepresentation lässt sich die Länge und der Schwerpunkt ableiten, dessen horizontale Komponente herangezogen werden kann um Aufschluss über den Verschleißzustand des Führrohrs zu erhalten.

• 

  Verschiedene Schweißdrahtrepräsentationen.

• 

  Erkannte Drähte und abgeleitete Informationen (Länge und Schwerpunkt).

Anwendung

Es wurde eine Closed-Loop Regelung aufgebaut, welche auf Basis der Drahtlängenmessung Prozessparameter (Verfahrgeschwindikeit, ...) so anpasst, dass Unregelmäßigkeiten in der Schweißraupenhöhe ausgeglichen werden. Details zur Methodik, siehe Dadurch lassen sich Bauteile mit verbesserten Materialeigenschaften und höherer Geometrietreue drucken. Ebenso ist es mithin möglich komplizierte Geometrien beispielsweise mit Überhängen zu drucken, was ohne Regelung nicht möglich ist. Gänzlich vermeiden lassen sich lokale Materialanhäufungen nicht, denn prozessbedingt wird beispielsweise beim Kreuzen von Schweißraupen die Untere nicht vollständig aufgeschmolzen.

• 

  Beispiele additiv gefertigter Bauteile mit und ohne Regelung.

Detektion von Spratzern

Spratzer sind ein Indikator für einen destabilisierten Schweißprozess, sie können verschiedene Ursachen haben und deren Monitoring dient der Qualitätsüberprüfung

Wie?

Spratzerbildung ist ein temporäres Phänomen und in Schweißkamerabildern durch vereinzelte, mehrfach auftretende helle Punkte charakterisiert. Das vorgehen zur Detektion ist in unten stehender Abbildung schematisch dargestellt. Mit klassischen Bildverarbeitungsverfahren gelingt es potenzielle Spratzer zu isolieren.

• 

  Bildverarbeitungsschritte zur Spratzererkennung.

Im nächsten Schritt werden echte Spratzer von spiegelnden Reflexionen abgegrenzt, welche dieselbe Charakteristik aufweisen können. Im Gegensatz zu Spratzern existieren diese meist über mehrere Frames und können durch Vergleich des zu verarbeitenden Frames mit dessen Vorgänger- und Nachfolger-Frame identifiziert werden.

• 

  Monitoring Ergebnis, detektierte Spratzer (rot). Spratzer-ähnliche spiegelnde Reflexionen auf der Schweißraupe werden herausgefiltert.

Anwendung

Datenquelle für Optimierungsstrategien bezüglich Design und Pfadplanung, Ex-situ Tests und die Implementierung eines Digitalen Zwillings Prozessorientierter Digitaler Zwilling in WAAM.