초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

현재 자동차 산업시장에서는 자동차의 내식성 향상과 차체 경량화를 위해 자동차 차체부품의 경우 아연도금강판이 주로 사용되고 있다. 아연도금 강판의 필릿용접이나 겹치기 용접에서는 아연의 비등점이 강판의 용융점보다 낮기 때문에 아연의 폭발로 인해 스패터나 피트(pit), 블로우홀(blowhole)과 같은 용접 부 결함이 발생하기 쉽다. 용접 부 결함은 제품의 강도저하와 같은 기계적 특성을 변형시켜 심각한 내구성 문제를 야기시킨다. 기존의 용접성 평가는 일반적으로 ...

현재 자동차 산업시장에서는 자동차의 내식성 향상과 차체 경량화를 위해 자동차 차체부품의 경우 아연도금강판이 주로 사용되고 있다. 아연도금 강판의 필릿용접이나 겹치기 용접에서는 아연의 비등점이 강판의 용융점보다 낮기 때문에 아연의 폭발로 인해 스패터나 피트(pit), 블로우홀(blowhole)과 같은 용접 부 결함이 발생하기 쉽다. 용접 부 결함은 제품의 강도저하와 같은 기계적 특성을 변형시켜 심각한 내구성 문제를 야기시킨다. 기존의 용접성 평가는 일반적으로 인장 강도 테스트와 같은 파괴 검사, X-ray와 같은 비파괴 검사를 통해 이루어진다. 이는 비용이나 효율 측면에서 현실적으로 많은 어려움이 있다. 따라서 시간적, 경제적인 손실을 줄일 수 있는 보다 효율적인 결함 진단 시스템 연구가 필요 하다.
본 연구에서는 용접변수 모니터링 시스템을 구축하여 아크용접의 전류, 전압신호를 실시간으로 측정하고 기계학습의 일종인 연속 은닉 마르코프모델(continuous hidden markov model, CHMM)과 시계열(time series) 분석을 이용하여 미용접, 용접 공정 중에 발생하는 결함을 검출하는 방법을 제안한다. 정상 용접 전류, 전압 신호에 대해 시계열 분석의 AR(6) 모델의 자기상관계수를 이용하여 특징벡터추출을 하였으며, 이를 CHMM 모델의 파라미터를 추정하여 학습에 사용하였다. 진단하고자 하는 결함 구간의 전류, 전압 신호의 CHMM 파라미터를 생성하여 앞서 학습에 사용했던 CHMM 파라미터들과 비교하여 라이클리후드(log-likelihood) 값을 계산하고 그 값들이 급격하게 변하는 구간을 결함 구간이라고 판단하는 용접부 품질 평가 및 예측 방법과 실제 비드외관과 X-ray 사진을 비교함으로써 CHMM의 인식률을 검증하였다.

주제어