本研究では、ヘアピンウェルディングの品質保証を向上させるために、深層学習(DL)モデルを用いて2つの重要な性能特性(KPC)、すなわち溶接深さと平均気孔体積を予測する手法を提案している。
実験では、レーザービーム幾何学、ウェルディングフィードレート、ビームパスの繰り返し、ブライトラインウェルド(BLW)比など、広範囲のレーザーウェルディングの入力特性(KIC)を活用した。2つのDLネットワークを使用し、複雑な非線形関係を捉えることができた。
小規模な数値実験のデータセットを用いたDLネットワークの適用では、溶接深さの平均絶対誤差(MAE)が0.1079、平均気孔体積のMAEが0.0641と、優れた予測精度が得られた。これにより、ウェルディング結果の制御に大きな利点をもたらし、欠陥分類のみに頼るモニタリングの現状を超えることができる。
To Another Language
from source content
arxiv.org
Deeper Inquiries