polito.it
Politecnico di Torino (logo)

Artificial Intelligence for Smart Manufacturing. Image processing and prediction model of electrode imprinting in resistance spot welding

Xin Hou

Artificial Intelligence for Smart Manufacturing. Image processing and prediction model of electrode imprinting in resistance spot welding.

Rel. Manuela De Maddis, Giulia Bruno. Politecnico di Torino, Corso di laurea magistrale in Mechatronic Engineering (Ingegneria Meccatronica), 2021

[img]
Preview
PDF (Tesi_di_laurea) - Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (2MB) | Preview
Abstract:

La saldatura a punti a resistenza ha le caratteristiche di energia concentrata, piccola deformazione, alta produttività e facile automazione, il che la rende un metodo di collegamento indispensabile nel processo di assemblaggio della carrozzeria. Nel processo di saldatura a punti, l'usura dell'elettrodo è inevitabile. Quando il numero di saldatura, il grado di usura dell'elettrodo non è grande, l'impatto sulla qualità del giunto saldato non è ovvio, ma quando l'usura raggiunge un certo livello, influenzerà seriamente la qualità del giunto saldato, e anche causare le parti saldate sono bruciate attraverso. L'usura dell'elettrodo si manifesta principalmente come cambiamenti nella forma dell'estremità dell'elettrodo, quindi le caratteristiche dell'immagine dell'elettrodo possono riflettere indirettamente lo stato di vita dell'elettrodo. In questo documento, il seguente lavoro di ricerca viene svolto per prevedere il grado di usura della testa dell'elettrodo sulla base dell'elaborazione delle immagini e della macchina vettoriale di supporto, utilizzando l'immagine impressa dell'elettrodo come fonte di informazioni, con l'obiettivo di giudicare il grado di usura della testa dell'elettrodo. In questo articolo, la pre-elaborazione dell'immagine impressa sull'elettrodo e gli algoritmi di rilevamento dei bordi dell'immagine Algoritmi di rilevamento dei bordi sono studiati, e vengono introdotti cinque operatori classici di rilevamento dei bordi, tra cui l'operatore Roberts, l'operatore Sobel, l'operatore Canny, l'operatore Prewitt e i metodi di rilevamento dell'algoritmo LOG. E le immagini degli elettrodi combinate con questi diversi operatori vengono elaborate separatamente utilizzando le funzioni di correlazione fornite dal sistema MATLAB, ecc, e le loro caratteristiche di elaborazione delle immagini sono brevemente analizzate. Sono state ottenute immagini binarie soddisfacenti usando l'algoritmo LOG, e le caratteristiche di forma delle immagini sono state estratte in base alle immagini della superficie dell'elettrodo, compresi il perimetro dell'elettrodo, l'area dell'elettrodo, la rotondità dell'elettrodo e l'area bucherellata. È stato sviluppato un modello di previsione della profondità delle impronte basato su SVM per i giunti di saldatura. In cui le caratteristiche dell'immagine estratta sono usate come input e il numero di giunti di saldatura già sperimentati dall'elettrodo è usato come output. Il coefficiente di correlazione tra i risultati di predizione e il numero di giunti di saldatura ha raggiunto lo 0,9989. I risultati dello studio mostrano che il modello di predizione SVM stabilito può raggiungere la predizione della profondità dell'impronta.

Relatori: Manuela De Maddis, Giulia Bruno
Anno accademico: 2021/22
Tipo di pubblicazione: Elettronica
Numero di pagine: 77
Soggetti:
Corso di laurea: Corso di laurea magistrale in Mechatronic Engineering (Ingegneria Meccatronica)
Classe di laurea: Nuovo ordinamento > Laurea magistrale > LM-25 - INGEGNERIA DELL'AUTOMAZIONE
Aziende collaboratrici: NON SPECIFICATO
URI: http://webthesis.biblio.polito.it/id/eprint/20551
Modifica (riservato agli operatori) Modifica (riservato agli operatori)