WAAM - Bildbasierte Prozessüberwachung: Unterschied zwischen den Versionen

Aus Validad
Zur Navigation springen Zur Suche springen
Keine Bearbeitungszusammenfassung
Keine Bearbeitungszusammenfassung
 
(48 dazwischenliegende Versionen von 2 Benutzern werden nicht angezeigt)
Zeile 1: Zeile 1:
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. Dies überträgt sich auf die nächste Schicht und verändert dadurch den Schweißabstand und somit den Lichtbogenschweißprozess. Herkömmliche WAAM-Systeme haben keine schichtinterne Materialauftragskontrolle und das "Einfahren" einer Anlage auf bestimmte Bauteile ist daher zeitaufwendig und somit teuer.
Ein stabiler Lichtbogenschweißprozess ist entscheidend um qualitativ hochwertige [[Wire-Arc Additive Manufacturing]] (WAAM) Bauteile herzustellen. Die Formgebung steht in engem Zusammenhang mit der dyamischen Fluidcharakteristik des Schmelzbads, welche in hohem Maß durch Prozessparameter (Schweiß-Strom, -Spannung, Verfahr-, Drahtvoschub-Geschwindigkeit, etc.) beeinflußt wird. Ungeeignete Parametrisierung führt zu einer Reihe von Defekten wie Porenbildung, Spratzer, Oxidation, lokale Materialanhäufungen, verspätetes Verfestigen etc., welche insbesondere in einer ungleichmäßigen Schweißraupenhöhe kulminieren. Unregelmäßigkeiten in den Schweißraupen übertragen sich auf die nächste Schicht und bauen sich mit der Zeit auf. Dadurch verändert sich der Schweißabstand und somit der Lichtbogenschweißprozess wodurch es zu Spratzerbildung, Ablagerungsdefekten und Kollisionen kommen kann. Herkömmliche WAAM-Systeme haben keine schichtinterne Materialauftragskontrolle um Veränderungen im Schweißabstand während der Fertigung kompensieren zu können, was sich limitierend auf die mögliche Komplexität der Bauteilgeometrien auswirkt. Um WAAM vielseitiger in der Fertigung einsetzen zu können, wurden auf Basis von Bilddaten einer Schweißkamera Algorithmen entwickelt, mit deren Hilfe Unregelmäßigkeiten während des Schweißens detektiert und Kompensationsstrategien in Echtzeit ermöglicht werden.
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==  
==Echtzeit Überwachung des Schweißabstands==  
Die Schweißkamera ist fest mit dem Schweißbrenner verbunden, 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.  
... als indirekte Methode zur Erfassung der Schweißraupenhöhe. Der gesuchte Abstand setzt sich zusammen aus der Schweißdrahtlänge und einem konstanten nicht sichtbaren, durch die Kamerakalibrierung aber bekannten Anteil.
<gallery widths=400px heights=300px>
<gallery widths=300px heights=200px>
File:Waam_monitoring.JPG|Schweiß-Kamera im Abstand von 20cm zum Schweißgerät.
File:Waam_monitoring.JPG|Schweiß-Kamera im Abstand von 20cm zum Schweißgerät.
File:Schweißabstand.png|Schweiß-Kamera Aufnahme während des Prozesses. Schweißabstand (rot).
File:Schweißabstand.png|Schweiß-Kamera Aufnahme während des Prozesses. Schweißabstand (rot).
Zeile 9: Zeile 8:


===Wie?===
===Wie?===
... mit Hilfe eines Daten getriebenen Ansatzes, d.h. mit Methoden des Machine Learning. 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. Da der Draht verfahrensbedingt regelmäßig in das Schmelzbad taucht um einen Kurzschluß auszulösen, lässt sich dem entsprechend der Abstand aus den längsten Drahtlängen ableiten. Ausserdem lässt sich aus einer Drahtrepresentation der Schwerpunkt ableiten, dessen horizontale Komponente herangezogen werden kann um Aufschluss über den Verschleißzustand des Führrohrs zu erhalten.
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.
<gallery widths=400px heights=300px>
<gallery widths=400px heights=300px>
File:Draehte.png|Verschiedene Schweißdrahtrepräsentationen.
File:Draehte.png|Verschiedene Schweißdrahtrepräsentationen.
Zeile 15: Zeile 14:
</gallery>
</gallery>


===Ergebnis===
===Anwendung===
Es wurde eine Prozessregelung aufgebaut, welche auf Basis der Drahtlängenmessung die Drahtvorschubgeschwindigkeit so anpasst, dass Unregelmäßigkeiten in der Schweißraupenhöhe ausgeglichen werden. 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.  
Auf Basis der Drahtlängenmessung wurde eine Closed-Loop Regelung aufgebaut. Unregelmäßigkeiten in der Schweißraupenhöhe werden durch Anpassung von Prozessparametern (Roboter-Verfahrgeschwindikeit, Drahtvorschubgeschwindigkeit) ausgeglichen. Details zur Methodik, siehe <ref name="CLC">R.T. Reisch, ''Nozzle-to-Work Distance Measurement and Control in Wire Arc Additive Manufacturing'', (ESSE, 2021), </ref>. Dadurch lassen sich Bauteile mit verbesserten Materialeigenschaften und höherer Geometrietreue drucken. Ausserdem ist es nun 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. </br></br>
 
Bei Verwendung von bestimmten Materialien wie beispielsweise Stahllegierungen verschleißt das Drahtführrohr zunehmend, was zu einem Schlackern des Schweißdrahtes und dadurch zu Ablagerungsdefekten und Spratzerbildung führen kann. Schlackern des Drahtes lässt sich nun detektieren, indem die horizontale Komponente der Schwerpunkte der Drahtrepräsentationen über die Zeit beobachtet wird. Dadurch kann die Laufzeit einer Drahtführung adaptiv bestimmt werden.  
 
[[File:ergebnis_steuerung.png|thumb|left|Beispiele additiv gefertigter Bauteile mit und ohne Regelung.]]
 
 
 
 
 
 
 


<gallery widths=400px heights=300px>
File:ergebnis_steuerung.png|thumb|left|Beispiele additiv gefertigter Bauteile mit und ohne Prozessregelung. <ref name="CLC">R.T. Reisch, ''Nozzle-to-Work Distance Measurement and Control in Wire Arc Additive Manufacturing'', (ESSE, 2021), </ref>
File:duese_verschleiss.png|Zu 50% verschließene Drahtführung.
</gallery>


==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. Mit klassischer Bildverarbeitung gelingt es potenzielle Spratzer zu isolieren (Hintergrund-Subtraktion, Clustering, Zusammenhangskomponenten-Analyse).
<gallery widths=800px heights=200px>
File:Sputter_scheme_3.png|thumb|left|Bildverarbeitungsschritte zur Spratzererkennung.
</gallery>
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.
<gallery widths=800px heights=400px>
File:Sputter_monitoring_result.png|thumb|left|Monitoring Ergebnis, detektierte Spratzer (rot). Spratzer-ähnliche spiegelnde Reflexionen auf der Schweißraupe werden herausgefiltert.
</gallery>


===Anwendung===
Datenquelle für Optimierungsstrategien bezüglich Design und Pfadplanung, Ex-situ Tests und eine Implementierung eines Digitalen Zwillings [[Prozessorientierter Digitaler Zwilling in WAAM]].


 
[[Kategorie:Veröffentlichungsreif]]
 
 
 
 
 
 
 
 
==Detektion von Spratzern==
Spratzer sind ein Indikator für einen destabilisierten Schweißprozess. Sie deuten auf eine ungeeignete Maschinenparametrisierung, einen zu großen Schweißabstand oder nicht gleich bleibende Materialabscheidung hin.

Aktuelle Version vom 27. März 2023, 09:36 Uhr

Ein stabiler Lichtbogenschweißprozess ist entscheidend um qualitativ hochwertige Wire-Arc Additive Manufacturing (WAAM) Bauteile herzustellen. Die Formgebung steht in engem Zusammenhang mit der dyamischen Fluidcharakteristik des Schmelzbads, welche in hohem Maß durch Prozessparameter (Schweiß-Strom, -Spannung, Verfahr-, Drahtvoschub-Geschwindigkeit, etc.) beeinflußt wird. Ungeeignete Parametrisierung führt zu einer Reihe von Defekten wie Porenbildung, Spratzer, Oxidation, lokale Materialanhäufungen, verspätetes Verfestigen etc., welche insbesondere in einer ungleichmäßigen Schweißraupenhöhe kulminieren. Unregelmäßigkeiten in den Schweißraupen übertragen sich auf die nächste Schicht und bauen sich mit der Zeit auf. Dadurch verändert sich der Schweißabstand und somit der Lichtbogenschweißprozess wodurch es zu Spratzerbildung, Ablagerungsdefekten und Kollisionen kommen kann. Herkömmliche WAAM-Systeme haben keine schichtinterne Materialauftragskontrolle um Veränderungen im Schweißabstand während der Fertigung kompensieren zu können, was sich limitierend auf die mögliche Komplexität der Bauteilgeometrien auswirkt. Um WAAM vielseitiger in der Fertigung einsetzen zu können, wurden auf Basis von Bilddaten einer Schweißkamera Algorithmen entwickelt, mit deren Hilfe Unregelmäßigkeiten während des Schweißens detektiert und Kompensationsstrategien in Echtzeit ermöglicht werden.

KI-gestützte Überwachung des Schweißabstands und der Drahtposition

Die Schweißkamera ist fest mit dem Schweißbrenner verbunden, 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 im Abstand von 20cm zum Schweißgerät.

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

    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.

    Verschiedene Schweißdrahtrepräsentationen.

  • Erkannte Drähte und abgeleitete Informationen (Länge und Schwerpunkt).

    Erkannte Drähte und abgeleitete Informationen (Länge und Schwerpunkt).

Anwendung

Auf Basis der Drahtlängenmessung wurde eine Closed-Loop Regelung aufgebaut. Unregelmäßigkeiten in der Schweißraupenhöhe werden durch Anpassung von Prozessparametern (Roboter-Verfahrgeschwindikeit, Drahtvorschubgeschwindigkeit) ausgeglichen. Details zur Methodik, siehe [1]. Dadurch lassen sich Bauteile mit verbesserten Materialeigenschaften und höherer Geometrietreue drucken. Ausserdem ist es nun 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.

Bei Verwendung von bestimmten Materialien wie beispielsweise Stahllegierungen verschleißt das Drahtführrohr zunehmend, was zu einem Schlackern des Schweißdrahtes und dadurch zu Ablagerungsdefekten und Spratzerbildung führen kann. Schlackern des Drahtes lässt sich nun detektieren, indem die horizontale Komponente der Schwerpunkte der Drahtrepräsentationen über die Zeit beobachtet wird. Dadurch kann die Laufzeit einer Drahtführung adaptiv bestimmt werden.

  • Beispiele additiv gefertigter Bauteile mit und ohne Prozessregelung. [1]

    Beispiele additiv gefertigter Bauteile mit und ohne Prozessregelung. [1]

  • Zu 50% verschließene Drahtführung.

    Zu 50% verschließene Drahtführung.

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. Mit klassischer Bildverarbeitung gelingt es potenzielle Spratzer zu isolieren (Hintergrund-Subtraktion, Clustering, Zusammenhangskomponenten-Analyse).

  • Bildverarbeitungsschritte zur Spratzererkennung.

    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.

    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 eine Implementierung eines Digitalen Zwillings Prozessorientierter Digitaler Zwilling in WAAM.

  1. ↑ 1,0 1,1 R.T. Reisch, Nozzle-to-Work Distance Measurement and Control in Wire Arc Additive Manufacturing, (ESSE, 2021),
Abgerufen von „http:///index.php?title=WAAM_-_Bildbasierte_Prozessüberwachung&oldid=1625“