Vorhersage der Schweißnahteigenschaften beim Rührreibschweißen mittels Methoden der künstlichen Intelligenz

Neue Anwendungsfelder des Rührreibschweißens, wie zum Beispiel Komponenten im Bereich der Elektromobilität, erfordern qualitativ hochwertige Schweißnähte. Durch den steigenden Bedarf nach solchen Komponenten nimmt auch der Aufwand für die nachgelagerte Nahtqualitätsprüfung zu. Zur Reduzierung der Kosten bei der Anwendung der Prüfmethoden besteht die Möglichkeit, Prüfverfahren durch eine Inline-Prozessüberwachung zu ergänzen oder zu substituieren. Im Forschungsprojekt AProKI konnte gezeigt werden, dass inline messbare Prozessgrößen mit aktuellen Methoden der künstlichen Intelligenz (KI) ausgewertet werden können, um die Nahtqualität vorherzusagen. Mehrere moderne Algorithmen wurden dafür entwickelt und validiert. Die Datenbasis an Prozessgrößen, zum Beispiel Prozesskräfte) wurde in Schweißexperimenten am Institut für Werkzeugmaschinen und Betriebswissenschaften (iwb) der Technischen Universität München (TUM) erzeugt. Die Nahtqualität wurde durch innere Nahtdefekte und mechanische Kennwerte beurteilt. Die Zugfestigkeit und die Bruchdehnung konnten sehr gut durch die Prozesskräfte, das Spindeldrehmoment und die Schweißtemperatur prognostiziert werden. Während die Vickershärte der Schweißnaht ebenfalls modelliert werden konnte, war die Lastspielzahl (dynamische Festigkeit) nicht vorhersagbar. Eine Genauigkeit von 98,5 % konnte bei der Bestimmung von Hohlräumen in der Schweißnaht erreicht werden. Die Nutzung einer KI-basierten Vorhersage der Qualität von Rührreibschweißnähten mittels Prozessdaten stellt damit eine vielversprechende und kostengünstige Methode für eine Inline-Qualitätssicherung dar.