Präzise Inline-Prozessüberwachung beim Laserstrahlschweißen durch die Kombination multipler Sensorik und maschinellem Lernen

Der vorliegende Beitrag beschreibt die Evaluierung eines Multisensorsystems zur Inline-Überwachung von Laserstrahlschweißprozessen. Durch die Einbindung einer Hochgeschwindigkeitskamera sowie eines Mikrofons werden Prozessdaten von 174 Welle-Nabe-Verbindungen, die mit einer Axialrundnaht verschweißt werden, aufgenommen. Dabei werden insgesamt sieben verschiedene Prozessparametervariationen in Bezug auf die Referenz durchgeführt, darunter Veränderung der Leistung, Schweißen mit Strahlversatz und Vergrößerung der Fügespaltbreite. Die Messdaten werden mithilfe von neuronalen Netzarchitekturen ausgewertet und klassifiziert. Als Ergebnis werden Klassifikationsgenauigkeiten (accuracy) von 91,8 % und 92,7 % mit der Video- respektive Audiodatenauswertung erzielt. Durch die Kopplung beider Auswertesysteme zum Multisensoransatz kann die Genauigkeit um weitere 3,2 Prozentpunkte auf insgesamt 95,9 % accuracy gesteigert werden.