Einsatz von Maschinellem Lernen zur Stabilitatsprognose in MSG-Schweissprozessen

摘要

Es wurde untersucht, ob es moglich ist, die Lichtbogenstabilitat innerhalb von MSG-Schweissprozessen quantitativ zu prognostizieren bzw. welche Genauigkeiten hierbei erreicht werden konnen. Im Rahmen von Schweissversuchen mit speziellen Proben wurde dazu zunachst eine reprasentative Datenbasis generiert, die sich aus den Signalen von Schweissstrom und -spannung zusammensetzt. Anhand der Datenbasis konnten charakteristische Merkmale extrahiert werden. Anschliessend wurden zwei Prognosemodelle antrainiert und optimiert. Es kamen hierbei ein Support- Vector-Machine-Regressionsmodell sowie ein rekurrentes neuronales Netz mit LSTM-Zellen zum Einsatz. Letztlich wurde die Leistungsfahigkeit der Prognose beider Modelle auf Testdaten ermittelt und diese einander gegenubergestellt.