このページは機械翻訳されています。他のページは英語で表示される場合があります。 View in English

マルチスペクトルエミッションセンサ機能と機械学習を用いたレーザービーム溶接における溶接欠陥検出

Amena Darwish ¹, Manfred Persson ¹, Stefan Ericson ¹

⁰Virtual Manufacturing Processes, School of Engineering Sciences, University of Skövde, Kaplansgatan 11, SE-541 34 Skövde, Sweden.

Sensors (basel, Switzerland) +

|

2025年8月28日

PubMedで要約を見る

まとめ

この研究は,レーザービーム溶接 (LBW) 中の電磁気放出を解釈し,孔のような欠陥を検出するためのデータ駆動の枠組みを導入します. このアプローチは機械学習を用いて溶接品質の評価を進めている.

科学分野

材料科学と工学
製造プロセス
データ科学と機械学習

背景

レーザービーム溶接 (LBW) は,複雑な材料とレーザーの相互作用により,毛穴形成などの欠陥に弱い.
LBW中の電磁気放出の解釈は,直接的な欠陥検出に困難です.
現存する方法は,効率的なリアルタイムでの溶接品質の評価に欠けている.

研究の目的

欠陥検出のためのLBWの電磁気放出の解釈のためのデータ駆動の枠組みを開発する.
定量的な溶接モニタリングのための監督と無監督の学習アプローチの両方を実装する.
産業用溶接質の評価のための光学データの解釈性を向上させる.

主な方法

42のスペクトルチャンネルでリアルタイムに放射データを記録した
統計的,時間的,形状ベースの特徴を抽出し,主要コンポーネント解析 (PCA) で次元性を減らす.
監督された学習のための応用長期短期記憶 (LSTM) と,無監督の異常検出のための隔離森林.

主要な成果

LSTMモデルはテストセットで低誤差率 (MSE: 0.0029,MAE: 0.0288) を達成した.
イソレーション・フォレストは異常な溶接を検出する高性能 (80%の精度,85.7%の精度) を示した.
このフレームワークは,LBWプロセスからの4D光学的データの解釈性を向上させています.

結論

提案されたデータベースのフレームワークは,電磁気放出をLBWの溶接欠陥検出に効果的に解釈します.
このフレームワークは,加工後の分析と,溶接品質の潜在的なリアルタイム監視の両方を可能にします.
このアプローチは,強固な溶接品質評価を必要とする産業用アプリケーションに拡張可能なソリューションを提供します.

キーワード:

アノマリー検出特徴抽出特徴の重要性レーザー溶接マルチスペクトル放射センサー溶接欠陥