Estimation of Melting State at Groove Root in Pulsed MAG Welding Using Deep Learning

近年,溶接作業者の高齢化および過酷な作業環境のため, 溶接ロボットを用いた自動化・省人化が進んでいる.高品 質な溶接を行うためには,溶接溶融池の深さを制御するこ とが重要である.これを行うために,溶接現象の可視化が 有用であり,視覚センサを用いたアーク溶接ロボットに関 する研究が行われている.溶接溶融池の状態から開先ルー ト部の溶融状態を推定するために,さまざま方法が提案さ れている. 溶接溶融池画像と溶落ちとの関係を直接推定することは 困難であるため,ニューラルネットワークを用いて,画像 と溶落ち状態との関係が推定されている.TIG溶接において, 溶接溶融池画像を CCDカメラにより撮影し,溶落ち状態の 推定にニューラルネットワークが適用されている.水平固 定管の TIG溶接において,自律移動ロボットシステムを用 いて,溶融池の形状と寸法を溶接裏面から撮影し裏ビード 幅を制御するため,ニューラルネットワークを用いて電流 を調整している .また,TIG溶接溶融池を,CCDカメラに より裏面から撮影し裏溶融池形状を求め,熟練技能者の溶 融池制御の可視化が行われている.溶接の溶込み状態を確 認するためには,裏面の状態を監視することが有用である. プラズマ溶接では,キーホールが生じた場合にプラジェッ トの流れの変化に従って溶接音が変化する.この特徴をも とに,完全溶込みに関連するキーホールの有無を判断して いる.溶接音の変化は溶接時の視覚情報に対して,遅れが 生じる可能性を持っている.キーホールが生じた場合,プ ラズマが裏面に出る.裏面に電極を配置し,キーホールが 生じたときの電圧を検出する.このようにすると品質管理 が行える.また,キーホールを裏面より直接観察し,溶込 みの可視化なども行われている .このように,非消耗電極 を用いる溶接では,溶融池深さ状況の直接観察が行われて いる.しかし,実溶接を考えるとき,大型のパイプ管の溶 接で,裏面に機器挿入可能な作業環境である場合を除き, 一般に裏面に視覚センサを設置することは困難である. 一方,GMA溶接は TIG溶接やプラズマ溶接よりも溶接効 率が良く,ロボット溶接に適用されており,様々溶接現場 において用いられている.下向き片面開先溶接では,一般に, 銅製の裏あて材,セラミック製の裏あて材あるいは裏当て 金などが用いられている.さらに,CO2溶接では,低入熱・ 高効率化が行われている.また,溶融池画像は溶接状態に 関する情報を含んでおり,溶接欠陥などの情報を含んでい る.V開先溶接において,溶落防止のため,セラミック製 の裏あて材が用いられる.しかし,大入熱を用いた場合, 裏当て材に熱が伝わり,これが溶融し,溶落ちが生じる場 合があり,溶融池形状が変化する.この変化は溶接電流お よびアーク電圧に表れる.その変化を正確に検出するため, 電極ワイヤを高速回転したアークセンサが用いられてい る .また,この方法は水平隅肉溶接にも適用され,溶融池 の形状変化の検出に役立っている.これらの方法はアーク 深層学習によるパルスMAG溶接の開先ルート部の溶融状態推定