Ortsaufgelöste Qualitätsabschätzung für das Laserkunststoffschweißen mittels virtualisierter Temperatur-Sensorik mithilfe von KI und Computer Vision – LAIserWeld

Das Laserdurchstrahlschweißen (LDS) ist ein etabliertes Fügeverfahren für thermoplastische Kunststoffe, das insbesondere in der Serienfertigung Anwendung findet. Aktuell erfolgt die Qualitätsprüfung häufig zerstörend und stichprobenartig, was bei Fehlern zu hohen Material- und Energiekosten führt. Eine inlinefähige, zerstörungsfreie 100%-Prüfung würde diese Nachteile erheblich reduzieren. Der Bedarf an frühzeitiger Fehlererkennung und intelligenter Prozessregelung ist entsprechend hoch.

Ziel des Projekts LAIserWeld ist die Entwicklung eines KI-basierten virtuellen Temperatursensors zur Optimierung der Prozessregelung sowie eines Systems zur onlinefähigen Qualitätsabschätzung der Schweißnaht. Der virtuelle Sensor soll die thermische Leistungsumsetzung präzise erfassen und als Eingangsgröße für die Regelung dienen. Parallel wird ein kamerabasiertes Prüfverfahren entwickelt, das visuell verständlich Rückmeldung zur Schweißnahtqualität gibt. Beide Systeme werden in einer realen Produktionsumgebung validiert.

Der Forschungsschwerpunkt des TMDT liegt in der Entwicklung multimodaler Deep Learning-Architekturen zur intelligenten Sensordatenfusion. Dabei werden unterschiedliche Datenquellen wie Wärmebild-, CCD-Kameras und Prozessparameter kombiniert, um robuste Modelle für Temperaturrekonstruktion und Qualitätsprognose zu erstellen. Besonderes Augenmerk liegt auf der Verarbeitung zeitlich-räumlich aufgelöster Sensordaten in Deep-Learning-Architekturen.