Weld modeling and control using artificial neural networks

Cook, Gerald; Barnett, R.J.; Andersen, Kristinn; Strauss, Alvin M.

doi:10.1109/28.475745

Cited by 87 publications

(33 citation statements)

References 2 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…This structure was also used in a temperature control system [63], [64], monitoring feed water flow rate and component thermal performance of pressurized water reactors [61], and fault diagnosis in a heat exchanger continuous stirred tank reactor system [102]. It was used in a controller for turbo generators [117], digital current regulation of inverter drivers [16], and welding process modeling and control [4], [32]. The MLP was used in modeling chemical process systems [12], to produce quantitative estimation of concentration of chemical components [74], and to select powder metallurgy materials and process parameters [23].…”

Section: A Mlpsmentioning

confidence: 99%

A comprehensive review for industrial applicability of artificial neural networks

Meireles

Almeida

Simões

2003

IEEE Trans. Ind. Electron.

390

136

View full text Add to dashboard Cite

Abstract-This paper presents a comprehensive review of the industrial applications of artificial neural networks (ANNs), in the last 12 years. Common questions that arise to practitioners and control engineers while deciding how to use NNs for specific industrial tasks are answered. Workable issues regarding implementation details, training and performance evaluation of such algorithms are also discussed, based on a judiciously chronological organization of topologies and training methods effectively used in the past years. The most popular ANN topologies and training methods are listed and briefly discussed, as a reference to the application engineer. Finally, ANN industrial applications are grouped and tabulated by their main functions and what they actually performed on the referenced papers. The authors prepared this paper bearing in mind that an organized and normalized review would be suitable to help industrial managing and operational personnel decide which kind of ANN topology and training method would be adequate for their specific problems.

show abstract

Section: A Mlpsmentioning

confidence: 99%

A comprehensive review for industrial applicability of artificial neural networks

Meireles

Almeida

Simões

2003

IEEE Trans. Ind. Electron.

390

136

View full text Add to dashboard Cite

show abstract

“…The final output variables were the resulting crown width and resulting root width, which were used for the actual welding. Each NN was trained using experimental data [84].…”

Section: Motion Control (Including Welding)mentioning

confidence: 99%

Industrial applications of soft computing: a review

Dote

Ovaska²

2001

Proc. IEEE

137

View full text Add to dashboard Cite

show abstract

“…Recentemente, diversos trabalhos têm sido desenvolvidos naárea de soldagem com o uso de inteligência computacional: controle dos parâmetros de soldagem [7] [8], detecção de defeitos [9] [10], bem como identificação das propriedades dos metais [11]. Entretanto, nenhum desses trabalhos abordam a soldagem sob o ponto de vista do processo produtivo, que precisa atender a uma série de requisitos a fim de garantir o padrão de qualidade final do produto.…”

Section: Introductionunclassified

Otimização Computacional do Processo de Fabricação de Eletrodos Revestidos

Nascimento¹,

Presoti²,

Wanner³

et al. 2015

Anais Do 12. Congresso Brasileiro De Inteligência Computacional

View full text Add to dashboard Cite

Abstract-Os eletrodos revestidos, utilizados na soldagem por arco elétrico, são submetidos durante o processo de fabricação a altas temperaturas para a remoção da umidade de seu revestimento, queé prejudicial a sua aplicação. Um tipo especial destes eletrodos, o Inox, apresenta alta sensibilidade ao processo de secagem resultando em altas taxas de rejeição. Assim, esse trabalho propõe otimizar, computacionalmente, o processo de fabricação, levando em consideração os parâmetros de qualidade, umidade e fragilidade, bem como o custo de produção. No processo de otimização, foram utilizadas duas técnicas multiobjetivo baseadas em algoritmos evolutivos, NSGA-II e SPEA2, e duas funções objetivos, uma referenteà qualidade do produto, constituída pela soma ponderada dos parâmetros umidade e fragilidade, e outra relacionada ao custo de fabricação. Cada um dos algoritmos multiobjetivo foi implementado seguindo os mesmos parâmetros construtivos e o desempenho foi medido por meio da métrica hipervolume. Ao final, os resultados mostraram queé possível encontrar novos parâmetros do processo produtivo e que, além de atenderem as exigências de qualidade, conseguiram uma redução de até 31% nos custos de produção, dependendo do fator de ponderação utilizado na agregação dos parâmetros umidade e fragilidade.Keywords-Eletrodos Revestidos, Otimização Multiobjetivo, NSGA-II, SPEA2. I. IntroduçãoUm dos processos mais utilizados para unir peças metálicasé a soldagem por arco elétrico por meio do eletrodo revestido [1] [2]. O eletrodo revestidoé um consumível de solda composto por dois elementos, a alma metálica, parte interna do produto em forma de vareta, e o seu envoltório ou revestimento cerâmico. O eletrodo revestido, quando utilizado,é preso a um equipamento de soldagem, ondeé energizado com uma polaridade, enquanto as peças, as serem unidas, são energizadas com a polaridade inversa [3]. Ao tocar a peça, o eletrodo estabelece um arco elétrico, ocasionando a sua fusão e, consequentemente, a união das peças.Existem diversos tipos de eletrodos revestidos e cada um delesé destinadoà uma aplicação específica, cujos critérios de qualidade e utilização são estabelecidos pela norma AWS (1991), American Welding Society. Um destes parâmetros de qualidade estabelecidos pela AWSé que a umidade do revestimento deve ser menor que 0,5%, em média, apresentando variações conforme o tipo do eletrodo. A umidade do revestimentoé uma característica importante pois o excesso pode ocasionar poros no cordão de solda ou fragilização pela presença de hidrogênio de fusível na junta soldada [4]. Para garantir que o eletrodo atinja o nível de umidade estabelecido pela AWS, ele deve passar por várias etapas consecutivas de secagem, de maneira a remover a umidade excedente sem danificar o produto. Caso o aporte térmico fornecido ao eletrodo, durante as etapas de secagem seja alto, poderão aparecer trincas ou falta de aderência do revestimento em relação a alma. Esteúltimo problema ocorre devidoà diferença de dilatação entre o material metálico e o cerâmico [5]. ...

show abstract

Weld modeling and control using artificial neural networks

Cited by 87 publications

References 2 publications

A comprehensive review for industrial applicability of artificial neural networks

A comprehensive review for industrial applicability of artificial neural networks

Industrial applications of soft computing: a review

Otimização Computacional do Processo de Fabricação de Eletrodos Revestidos

Contact Info

Product

Resources

About