This paper presents a method of evaluating the welding quality and optimizing the process parameters in a servo-controlled RSW (Resistance Spot Welding) system, using neural networks and a GA (Genetic Algorithm) approach. The important process parameters affecting the welding quality (shear strength, indentation) are welding current, welding time, and press force. In general, the welding current and the welding time are controlled by a welding timer, but the press forces of conventional resistance welding guns using the compressed air are out of control. In this paper, a servo controlled RSW system having an AC servo motor and a control system is presented. The RSW process is modeled and described by a multi-layer perceptron neural network with the error back-propagation learning method, which are powerful for realization of the system with complex mapping characteristics and non-linearity. The estimated results and the experimental results reveal that the proposed neural network estimator can estimate the welding qualities with the satisfactory accuracy. Based on this modeled process, GA searches the optimal process parameters so that optimal conditions yield the best welding quality with the minimum nugget indentation and the satisfactory shear force. The nearly optimized process is validated by comparing the results with the experimental results and the estimated results by neural network. The simulated results show the optimized welding current and press forces according to three stages for the best welding quality with the minimum nugget indentation and the satisfactory shear strength. Therefore, the optimization process by the proposed GA in this study appears to be very effective for the RSW process.
In general, the welding qualities are estimated after finishing welding processes. But, sometimes the status of the welding qualities is required in real time to obtain good qualities, because the welding qualities may be changed during welding due to the unknown welding conditions. To achieve this, several types of algorithms based on neural networks are proposed to make the classification criteria of electrode force patterns according to their qualities automatically and efficiently. In this thesis, three kinds of quality evaluation methods by classification of electrode force patterns using neural networks are proposed. One method is using the LVQ (Learning Vector Quantization) algorithm, one of unsupervised learning method, classifying the standard electrode force patterns. Another method is using the BP (Back Propagation) algorithm, one of supervised learning method, classifying the standard electrode force slope patterns, The other method is using the Hybrid neural network algorithm, mixed with LVQ algorithm and BP algorithm. The results classified into the standard patterns are compared with the standard quality classes. The LVQ algorithm shows the fast classification into the required weld qualities, but sometimes the classified results are not precise. The BP algorithm shows the precise classification into the required weld qualities, but it takes a longer time for classification. The Hybrid neural network algorithm shows the best classification method with the fast and precise classification into the required weld qualities. The practical feasibility results of the proposed neural networks show that the proposed neural network classifiers can estimate the weld qualities in an on-line manner with satisfactory accuracy through the standard electrode force patterns. This is indicative of the fact that the proposed neural network methods can be used for on-line quality monitoring and enhancement of welding quality in the RSW process.
저항 점 용접에 있어서, 주어진 시편의 재질 및 두께에 대해 용접 품질에 영향을 미치는 주된 인자는 용접 전류, 용접시간 및 가압력이며, 이중 용접 전류 및 용접시간은 용접 Timer를 통해 현재 제어 가능한 상태이다.
그러므로, 가압력 제어를 통해 위의 세 인자를 모두 제어하게 되면, 작업자가 원하는 용접 품질을 획득할 수 있게 되어 생산성 향상에 크게 기여하게 된다. 가압력 제어를 위해서 Servo Motor를 장착한 서보 용접 건 시스템이 고안되었으며, Servo Motor를 구동하는 PC 와 Timer가 동기를 이루어서 용접 공정을 실행하며, 그때의 용접 품질을 나타내는 전극분리 곡선과 가압력을 모니터링하기 위한 Load Cell인 Strain Gage를 용접 건에 장착하였다.
본 논문에서는, 서보 용접 건 시스템에 대해 설명하고, 용접전류, 용접시간 및 가압력의 변화가 용접 품질에 미치는 영향과 아울러, 최적 용접 품질을 위한 최적 가압력 제어 조건에 대해 기술하고자 한다. 그리고, 실제 용접 중에 가압력의 변화를 통해서 용접품질을 간접적으로 측정하여 검사하는 방법을 찾고자 한다.
우선, 용접 품질 예측을 위해서는 Multi-layer 구조의 지도학습 방식의 신경회로망을 사용하였고, 용접 품질 최적화를 위해서는 유전 알고리즘을 사용하였다.
실험 및 Simulation 결과, 제안된 신경회로망은 만족할만한 정밀도를 가지고 용접 품질을 성공적으로 예측할 수 잇음을 보여주었다. 그리고, 제안된 유전 알고리즘은 최상의 용접 품질을 위한 각 단계별 최적의 공정 변수를 보여주었다.
이러한 조건에 준해서 행한 실험 Data를 사용하여 인공신경망을 이용한 분류기를 통해 기준이 되는 5개의 영역으로 나누어서, 각 기준 패턴의 용접 상황에 대한 분석을 통해 용접품질별로 기준 전극력 패턴을 선정하였다. 이를 토대로, 세가지 용접 품질 평가 방법이 제안되었다.
실험 및 분류 결과를 비교한바로는, LVQ를 통한 방법에서는 분류 속도가 빠르나 분류 정도가 약간 미흡하며, BP 신경회로망에 의거한 방법에서는 분류 정도가 우수하나 분류 속도가 늦은 단점이 있었다. 그리하여, Hybrid 신경회로망에 의거한 방법에서는 이 둘의 장점을 살려서 분류 속도가 빠르고 분류 정도가 우수한 결과를 얻을 수 있었다.
이 결과를 토대로 제안된 분류 알고리즘을 사용하면 실시간 점 용접공정에서의 품질 Monitoring 및 검사를 수행할 수있으며 아울러 용접 품질을 실시간으로 향상시킬 수 있을 것으로 확신한다.
