权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

溶接モニタリングと深層学習の融合による溶接品質その場推定と判断根拠の可視化

焊接监控与深度学习相结合的现场焊接质量评估及判断依据可视化

基本信息

批准号：
21K03806
负责人：
野村和史
金额：
$ 2.66万
依托单位：
Osaka University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

接合技術は産業分野において必要不可欠な基盤技術であり，そのプロセスから検査に至る製造工程全般を対象として，高能率化や高度化が常に求められている．アーク溶接は溶接の代表的な技術の一つであるが，設定できる溶接条件以外に，部材の機械加工精度や供給するワイヤの曲がりなどに由来する溶接狙い位置ずれ，溶接中の熱変形などの外乱が影響し，溶込み深さなどに代表される溶接品質が一定にはならない．本研究は，溶接施工時に問題となる溶込み深さや溶落ちの有無といった溶接品質の不安定性に対し，溶接中の溶融池画像を入力，溶接品質を出力とした深層学習モデルを構築して，インプロセスモニタリングによる溶接品質の可視化と予測を実現することを目的としている．従来成果として，我々はレ型開先のマグ溶接において，ギャップ変動や板継部を模した試験片に対する溶込み変動を深層学習モデルにより推定可能であることを明らかにしている．結果として，溶接長のほとんどの部分に対して，誤差1 mm以下で溶込み深さの推定が可能であるという結果を得ている．また，機械学習の活用上，問題となることもあるBlack Box化に対応すべく，モデルの判断根拠の可視化について取り組み，溶融池画像のどこに着目して溶込み深さが推定され得るかについても明らかにすることが出来た．当該年度は，更にモデルの推定精度を上げるため，複数画像入力モデルや，スカラー量入力モデル，波形入力モデルなどを試行した．その結果，取得した画像に対して，その狙い位置直下の溶込みを対応させるよりも少し後方の溶込みを対応させる方が高精度推定となることを見出した．これは溶接線方向の断面観察からも考察されうる金属の溶融凝固現象そのものに基づく対応と見られる．どのような条件の場合に，モデルの対応をどうすべきか，今後も議論が必要と考えられる．

In the field of joint technology, it is necessary to pay attention to the basic technology system, and the system system is used to make the whole engineering system. The high energy efficiency system is often used to solve the problem. The technical equipment represented by the welding system should be set in addition to the conditions of the solution. The mechanical processing accuracy of the parts is available to the mechanical processing accuracy of the parts, the mechanical accuracy of the parts, the mechanical processing accuracy of the parts, the mechanical properties of the parts, the mechanical accuracy of the parts, the In the process of fusion, the portrait of the melting pool is put into force, and the fusion product is used in the process of fusion. In the process of fusion, the portrait of the melting pool is in the process of melting, and the fusion product is in the process of melting pool portrait in the process of fusion, the fusion product is in the process of melting pool portrait, the fusion product is in the process of melting pool portrait, the fusion product is in the process of melting pool portrait. It is presumed that it is possible to determine that it is possible to do so. The results show that it is possible to cause partial failure, and that the error of 1 mm or less may lead to satisfactory results. Mechanical science can be used in mechanics. The problem is that the Black Box can be used to determine that the source can be used to obtain the data, the melting pool portrait is intended to dissolve the depth of the presumption, and the fusion pool image is calculated to show that the accuracy of the presumption is higher than that of the current year. The waveform enters the force to make a difference. In the result of the simulation, the portrait of the image is obtained. The position of the sniper is straight down. There is a high-precision presumption that there is a high-precision presumption that there is a high precision. The direction of the connection line. The cross-section is inspected. The melting and solidification of the metal is like the melting and solidification of the metal. The conditions are in accordance with each other. In the future, it is necessary to take part in the discussion.

项目成果

期刊论文数量（7）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

機械学習を用いた溶込み深さ推定モデルにおける入力画像の時間シフト効果と溶融現象に関する考察

使用机器学习的穿透深度估计模型中考虑输入图像的时移效应和熔化现象

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
棚原渉;野村和史;松村匠;佐野智一
通讯作者：
佐野智一

Weld Depth Estimation and Its Visualization of Judgement Basis by CNN Model through Molten Pool Monitoring in GMAW

GMAW熔池监测中CNN模型焊缝深度估计及其可视化判断依据

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
W. Tanahara;T. Matsumura;K. Nomura;T. Sano;S. Asai
通讯作者：
S. Asai

溶融池モニタリングにおける深層学習を用いた溶込み推定に関する研究　第三報

熔池监测中深度学习熔深估算研究第三次报告

DOI：
发表时间：
2021
期刊：
影响因子：
0
作者：
Togo Shinonaga;Jiayu Lu;Mitsuhiro Kimura;Motohiro Inoue;Akira Okada;村上　洋，甲木　昭雄，佐島　隆生，服部　佑美;前川将輝，齋藤航，辻裕貴，若子倫菜，喜成年泰;野村和史，松村匠，佐野智一
通讯作者：
野村和史，松村匠，佐野智一

溶融池モニタリングと深層学習を用いた溶込み深さ推定法に関する研究

基于熔池监测和深度学习的熔深估计方法研究