溶接モニタリングと深層学習の融合による溶接品質その場推定と判断根拠の可視化

焊接监控与深度学习相结合的现场焊接质量评估及判断依据可视化

基本信息

批准号：
21K03806
负责人：
野村和史
金额：
$ 2.66万
依托单位：
Osaka University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

接合技術は産業分野において必要不可欠な基盤技術であり，そのプロセスから検査に至る製造工程全般を対象として，高能率化や高度化が常に求められている．アーク溶接は溶接の代表的な技術の一つであるが，設定できる溶接条件以外に，部材の機械加工精度や供給するワイヤの曲がりなどに由来する溶接狙い位置ずれ，溶接中の熱変形などの外乱が影響し，溶込み深さなどに代表される溶接品質が一定にはならない．本研究は，溶接施工時に問題となる溶込み深さや溶落ちの有無といった溶接品質の不安定性に対し，溶接中の溶融池画像を入力，溶接品質を出力とした深層学習モデルを構築して，インプロセスモニタリングによる溶接品質の可視化と予測を実現することを目的としている．従来成果として，我々はレ型開先のマグ溶接において，ギャップ変動や板継部を模した試験片に対する溶込み変動を深層学習モデルにより推定可能であることを明らかにしている．結果として，溶接長のほとんどの部分に対して，誤差1 mm以下で溶込み深さの推定が可能であるという結果を得ている．また，機械学習の活用上，問題となることもあるBlack Box化に対応すべく，モデルの判断根拠の可視化について取り組み，溶融池画像のどこに着目して溶込み深さが推定され得るかについても明らかにすることが出来た．当該年度は，更にモデルの推定精度を上げるため，複数画像入力モデルや，スカラー量入力モデル，波形入力モデルなどを試行した．その結果，取得した画像に対して，その狙い位置直下の溶込みを対応させるよりも少し後方の溶込みを対応させる方が高精度推定となることを見出した．これは溶接線方向の断面観察からも考察されうる金属の溶融凝固現象そのものに基づく対応と見られる．どのような条件の場合に，モデルの対応をどうすべきか，今後も議論が必要と考えられる．

接合技术是工业领域不可或缺的基础技术，从加工到检测的整个制造过程不断要求更高的效率和精密度。电弧焊是典型的焊接技术之一，但除了可以设定的焊接条件外，还存在因零件加工精度、所供焊丝弯曲等原因造成焊接目标位置偏差等问题。焊接过程中的热变形，由于外界干扰的影响，以熔深等为代表的焊接质量并不是恒定的。在这项研究中，我们建立了一个深度学习模型，输入焊接过程中的熔池图像并输出焊接质量，以解决焊接质量不稳定的问题，例如熔深深度和是否存在烧穿等焊接过程中的问题。目的是通过过程监控来可视化和预测焊接质量。正如之前的结果所示，我们可以在矩形坡口 MAG 焊接中使用深度学习模型来估计模拟板接头样本的间隙波动和熔深波动。因此，对于焊缝长度的大部分部分，熔深深度的估计误差为 1 mm 或更小。此外，为了应对使用机器学习时有时会出现问题的黑盒现象，我们正在致力于将模型判断的基础可视化，并且我们也在研究熔池图像中的哪些位置可以估计渗透深度我能够说清楚。本财年，我们尝试了多图像输入模型、标量输入模型、波形输入模型等，进一步提高模型的估计精度。结果，我们发现通过匹配目标位置稍微后面的穿透来估计捕获的图像比通过匹配目标位置正下方的穿透来更准确。这似乎是基于金属本身熔化和凝固现象的响应，从焊缝方向的截面观察也可以考虑这一点。人们认为，未来需要进一步讨论应满足哪些条件以及模型应如何响应。