Use of monitoring system for Weld defect characterization in GMAW by PCA-SVM classifiers

Abstract

주요한 소재이용기술로서의 용접공정은 지난 수십 년간 다양한 산업 군에서 적용되어 왔다. 본 논문에서는 조선, 플랜트, 보일러 및 자동차 산업과 같은 제조업 분야에서 완성도 높은 핵심 생산 공정으로 자리잡은 용접기술에 최근 폭발적 잠재력을 보여주고 있는 기계학습 기법을 적용하여 용접결함의 검출기법을 고도화 하고자 하였다. 최근 기계학습 기법을 포함한 인공지능 분야의 각 산업계로의 확산적 전파가 가속화 되고 있는 상황이며, 과학 기술분야뿐 아니라 생체 의학, 기후, 문화, 사회의 전반에 큰 변혁을 이끌고 있다. 본 연구에서는 GMAW 용접 시에 발생하는 용접결함을 실시간 모니터링 하여 결함의 존재유무와 종류를 선별해 낼 수 있는 혁신적 방법론을 제시하고자 하였다. 이를 위해서 본 연구에서는 용접 시 발생되는 전류와 전압파형을 모니터링 하여 획득한 파형신호를 인식하여 결함의 유무와 종별을 진단하도록 SVM 알고리듬을 작성하여 기계학습을 진행하였다. 기계학습을 위한 SVM 알고리듬은 이진 분류와 다중분류 기법을 적용하였으며 학습데이터에 따른 용접 결함의 인식 및 분류 성공률을 검토하였다. 본 연구에서 개발된 모델을 활용함으로써 GMAW 외의 다른 용접 프로세스에도 충분히 적용이 가능하며 자동화 등 용접분야에서의 다양한 시스템적 응용방식으로 활용이 가능한 접근방식을 제안하고 있다.