Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Berechnung charakteristischer Spritzbild- und Qualitätsmerkmale beim Lackieren - Einsatz neuronaler Netze

 
: Svejda, P.

Berlin u.a.: Springer, 1998, 151 S.
Stuttgart, Univ., Diss., 1998
IPA-IAO Forschung und Praxis, 272
ISBN: 3-540-65038-5
Deutsch
Dissertation
Fraunhofer IPA ()
Lack; Lackapplikation; lackieren; Lackierprozeß; Lackiertechnik; Lackierung; Modellsimulation; neuronales Netzwerk; Pneumatischer Lackierprozeß; Spritzbildanalyse; Spritzlackieren

Abstract
Die vorliegende Arbeit befaßt sich mit der Modellierung bzw. der Simulation des Lackierprozesses. Bisher wurden verschiedene Methoden zur Simulation entwickelt und eingesetzt, wie z.B. numerische Methoden oder Regressionsverfahren. Diese Methoden haben verschiedene Vorteile, jedoch den Nachteil, daß die Ermittlung der dafür benötigten experimentellen Daten sehr aufwendig ist und vor allem bei den numerischen Methoden lange Rechenzeiten in Kauf genommen werden müssen. Ein neuer Ansatz zur empirischen Modellierung des Lackierprozesses ist die Anwendung eines neuronalen Netzes. Ein neuronales Netz hat gegenüber anderen Verfahren den Vorteil, nur mit einer geringen Anzahl von experimentellen Daten auszukommen. Mit diesen Daten wird das Netz trainiert, wobei die physikalisch-mathematischen Zusammenhänge nicht benötigt werden. Dabei können mit dem Netz sowohl quantitative Ergebnisse berechnet als auch qualitative (attributive) Aussagen gemacht werden. In der vorliegenden Arbeit wurde ein neu ronales Netz entwickelt, programmiert und erstmals zur Berechnung charakteristischer Spritzbild- und Qualitätsmerkmale beim Lackieren eingesetzt. Den Schwerpunkt der Arbeit bildet die pneumatische Zerstäubung. Betrachtet wurde aber auch die Hochrotationszerstäubung mit elektrostatischer Lackaufladung. Das bei der Lackapplikation auf dem Substrat entstehende Spritzbild (Schichtdickenprofil) wurde durch drei charakteristische Merkmale (Kenngrößen), die Profilfläche, die Profilbreite und den Profilexponenten beschrieben. In Beschichtungsversuchen mit unterschiedlichen Prozeßparametern wurden diese Merkmale ermittelt und zusammen mit den Parametereinstellungen als Trainingsdaten (Trainingsmuster) für das neuronale Netz verwendet. Nach dem Training des Netzes wurden Berechnungen durchgeführt und diese mit experimentell ermittelten Kontrollmustern verifiziert. Alle Trainingsdurchläufe und Berechnungen erfolgten mit unterschiedlichen Netzarchitekturen. Das neuronale Netz wurde in eine Softwa r e eingebunden, mit welcher eine Flächenlackierung mit einem Hubgerät simuliert werden kann. Eine experimentelle Überprüfung ergab eine gute Übereinstimmung der Simulationsberechnungen. Die im Rahmen der vorliegenden Dissertation durchgeführten Arbeiten dienen nicht nur als Grundlage zur Modellierung des Lackierprozesses, sondern lassen sich auch zur Online-Prozeßüberwachung und in Zukunft zur Prozeßregelung einsetzen.

: http://publica.fraunhofer.de/dokumente/PX-44074.html