• English
  • Deutsch
  • Log In
    Password Login
    or
  • Research Outputs
  • Projects
  • Researchers
  • Institutes
  • Statistics
Repository logo
Fraunhofer-Gesellschaft
  1. Home
  2. Fraunhofer-Gesellschaft
  3. Artikel
  4. Verbesserung der Vorhersagegüte von künstlichen neuronalen Netzen zum Widerstandspunktschweißen durch Auswertung des dynamischen Widerstands
 
  • Details
  • Full
Options
2021
Journal Article
Titel

Verbesserung der Vorhersagegüte von künstlichen neuronalen Netzen zum Widerstandspunktschweißen durch Auswertung des dynamischen Widerstands

Abstract
Das Widerstandspunktschweißen ist ein etabliertes Fügeverfahren in der Automobilindustrie. Es wird vor allem bei der Herstellung sicherheitsrelevanter Bauteile, zum Beispiel der Karosserie, eingesetzt. Daher ist eine kontinuierliche Prozessüberwachung unerlässlich, um die hohen Qualitätsanforderungen zu erfüllen. Künstliche neuronale Netzalgorithmen können zur Auswertung der Prozessparameter und -signale eingesetzt werden, um die individuelle Schweißpunktqualität zu gewährleisten. Die Vorhersagegenauigkeit solcher Algorithmen hängt von dem zur Verfügung gestellten Trainingsdatensatz ab. In diesem Beitrag wird untersucht, inwieweit die Vorhersagegüte eines künstlichen neuronalen Netzes durch Auswertung einer Prozessgröße, dem dynamischen Widerstand, verbessert werden kann.
Author(s)
El-Sari, Bassel
Fraunhofer-Institut für Produktionsanlagen und Konstruktionstechnik IPK
Biegler, Max
Fraunhofer-Institut für Produktionsanlagen und Konstruktionstechnik IPK
Rethmeier, Michael
Fraunhofer-Institut für Produktionsanlagen und Konstruktionstechnik IPK
Zeitschrift
Schweißen und Schneiden
Thumbnail Image
Language
German
google-scholar
Fraunhofer-Institut für Produktionsanlagen und Konstruktionstechnik IPK
Tags
  • Künstliche Intelligenz

  • Widerstandspunktschweißen

  • Qualität

  • neuronales Netz

  • Cookie settings
  • Imprint
  • Privacy policy
  • Api
  • Send Feedback
© 2022