Optimierung von künstlicher Intelligenz für die Vorhersage der Fügenahtqualität von kontinuierlich ultraschallgeschweißten Hochleistungsthermoplasten

Kurzfassung

Ultraschallschweißen ist eine Fügetechnologie, bei der mit Hilfe von Ultraschallschwingungen Fügungen zwischen zwei Bauteilen erzeugt werden. Ein elektrisches Signal wird in einem Konverter in eine mechanische Schwingung umgeformt und mit Hilfe einer Sonotrode in die zu schweißenden Bauteile geleitet. Die Bauteile beginnen an ihren Kontaktflächen zu schwingen und erwärmen sich aufgrund von Reibung im Werkstoff, sodass der Werkstoff anfängt zu schmelzen. Unter dem Druck der Sonotrode bzw. einer nachgefühlten Heatsink beim kontinuierlichen Schweißen kühlen die Strukturen ab und bilden eine Fügung aus. Durch den Einsatz von Ultraschallschweißen kann z.B. bei Flugzeugbauteilen aus Kompositmaterial das Gewicht drastisch reduziert und die Fertigungszeiten für Bauteile verkürzt werden. Der Prozess des Ultraschallschweißens kann jedoch nur in der Industrie etabliert werden, wenn eine gleichbleibende Qualität sichergestellt werden kann bzw. Qualitätsschwankungen erkannt werden. In dieser Arbeit werden thermoplastische Kompositmaterialien ultraschallverschweißt und die Qualität einer Fügung mit intelligenten Algorithmen vorhergesagt. Die künstliche Intelligenz (KI) soll dabei mit Inlinedaten trainiert werden. Welche Sensoren Messwerte aufzeichnen, die zum Trainieren einer KI verwendet werden können, welche die Fügenahtqualität einer Verbindung möglichst akkurat vorhersagen kann, wird untersucht. Durch Literaturrecherche werden die Themenbereiche Thermografie, luftgekoppelter Schall und körpergebundener Ultraschall identifiziert und im Rahmen von Vorversuchen auf ihre Eignung hin untersucht. Mikrofone messen den luftgekoppelten Schall während eine Thermografiekamera Thermogramme bei einem Punktschweißprozess aufzeichnet. Die aufgezeichneten Daten lassen Rückschlüsse auf die Qualität einer Punktschweißung zu. Aufbauend auf diesen ersten positiven Ergebnissen, werden die Sensoren bei kontinuierlichen Schweißversuchen implementiert und ein Datensatz mit 1500 Datenpunkten aufgezeichnet. Ergänzend zu den neu implementierten Sensoren wird Wasserultraschall und Laser-angeregter Ultraschall verwendet, um im Anschluss an die Schweißversuche Daten über die Fügezone aufzunehmen. Alle aufgezeichneten Daten werden auf Korrelation mit der Qualität der Fügungen geprüft, um eine erste Einschätzung über das Potenzial der Datensätze zu erhalten. Mit dem Ziel, die Qualität einer Schweißung vorherzusagen, werden im Anschluss alle Daten mit verschiedenen KIs verarbeitet. Der niedrigste mittlere absolute Fehler bei der Vorhersage der Zugscherfestigkeit liegt bei einem Wert von 1,9MPa und wird bei der Verarbeitung der Thermografiedaten erreicht. Bei der Vorhersage der mittleren Amplitude der Wasserultraschallprüfergebnisse, erzielt eine KI mit den Daten des laserangeregten Ultraschalls den niedrigsten Wert mit 2,94%. Im Themenbereich der Ultraschallsensorik werden polyCMUT-Sensoren untersucht, die Ultraschallsignale in eine Struktur senden und das Echo der Signale empfangen können. Die Sensoren werden erfolgreich in den Prozess des kontinuierlichen Ultraschallschweißens implementiert und beweisen ihre Eignung während des Schweißprozesses die Fügenaht auf Fehlstellen zu überprüfen. Des Weiteren zeigen die aufgezeichneten Signale das Potenzial, von einer KI für die Qualitätssicherung einer Fügenaht verwendet zu werden. Von den untersuchten Parametern bringt der Thermografiedatensatz die besten Ergebnisse für das Training einer KI für die Qualitätsvorhersage hervor. Ergänzend dazu zeigen die Messungen mit den neu eingebrachten polyCMUTs großes Potenzial, bei der Qualitätsvorhersage einer Fügenaht zu helfen.