전기전자학회논문지 (Journal of IKEEE)

  • 제5권2호
  • /
  • Pages.190-200
  • /
  • 2001
  • /
  • 1226-7244(pISSN)
  • /
  • 2288-243X(eISSN)
한국전기전자학회 (Institute of Korean Electrical and Electronics Engineers)
권호 표지

히스토그램과 퍼지 기법을 이용한 레이저 용접 결함 인식에 관한 연구

A Study on Defect Recognition of Laser Welding using Histogram and Fuzzy Techniques

  • 장영건 (제주대학교 컴퓨터정보공학과)
  • 발행 : 2001.12.01
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 논문은 용접이상을 검출하기 위한 특징벡터의 선택과 퍼지 기술을 사용한 용접이상 분류기의 설계 및 구현에 관한 것이다. 용접이상 특징 벡터로써 시간 영역에서 절대적분치, 영교차수를, 주파수 영역에서 파워 스펙트럼 계수를, 두 영역 모두를 고려하여 히스토그램을 비교하였다. 그래프 분석에 의하여 특징벡터로서 히스토그램을 선택하였고, 상대 히스토그램의 최대 빈도수와 대응 구간 값이 정상 용접과 용입불량을 구분하는 데 가장 유효하다는 것을 발견하였다. 이 특징 벡터를 사용하여 퍼지 용접이상 분류기를 구현하였고, 695개의 용접 데이터 프레임에 대하여 시험하여 정분류율이 92.96%을 보여, 그 유효성을 입증하였다. 실험실에서의 결과로써 실제적인 산업용 레이저 용접 검사기로써 상대적 히스토그램을 이용한 퍼지 용접이상 분류기가 효과적임을 알 수 있다.

This paper is addressed to welding defect feature vector selection and implementation method of welding defect classifier using fuzzy techniques. We compare IAV, zero-crossing number as time domain analysis, power spectrum coefficient as frequency domain, histogram as both domain for welding defect feature selection. We choose histogram as feature vector by graph analysis and find out that maximum frequent occurrence number and section of corresponding signal scale in relative histogram show obvious difference between normal welding and voiding with penetration depth defect. We implement a fuzzy welding defect classifier using these feature vector, test it to verify its effectiveness for 695 welding data frame which consist of 4000 sampled data. As result of test, correct classification rate is 92.96%. Lab experimental results show a effectiveness of fuzzy welding defect classifier using relative histogram for practical Laser welding monitoring system in industry.

키워드

참고문헌

  1. Proc. of the 6th Symp. on Laser Processing Formation Mechanism and Prevention of Defects in Laser Welding Katayama, Seiji
  2. 한국정밀공학회지 v.14 no.12 맞춤판재 용접용 3차원 비젼 감시기 개발 장영건;이경돈
  3. Proc. of 25th Int. Symp. on Automotive Technology and Automation Quality Assurance of Laser Beam Welding by Evaluation of Plasma Density Fluctuation Schnars, U.(et al.)
  4. Proc. of 25th Int. Symp. on Automotive Technology and Automation Laser Material Processing in General Motors Corporation Roessler, D.M.(et al.)
  5. Proc. of the 6th Symp. on Laser Processing 레이저 용접에서의 On-line process monitoring 방법과 플라즈마와 음파의 관계 윤충섭(외)
  6. ‘96년도 한국정밀공학회 추계학술대회 논문집 광센서를 이용한 레이저용접공정 모니터링 방세윤(외)
  7. DVS 163 Quality Assurance and Advanced use of Process Gas by means of Process Monitoring and Control for Laser Beam Welding Seidel, B.(et al.)
  8. 레이저기술
  9. SPIE v.1094 Thermosense XI Development of a Neural Network Based Real Time Control for Laser Welding Longinow, N.E.(et al.)
  10. Review of Scientific Instruments v.55 no.10 Optical Detection System for the Evaluation of Laser Welds Duncan, Hibbert A.
  11. 용접상태의 모니터장치 日産自動車株式會社
  12. 용접장치 日産自動車株式會社
  13. 1999년도 한국해양정보통신학회 춘계종합학술대회 v.3 no.1 레이저 용접품질 해석용 플라즈마 감시장치 개발 장영건(외)
  14. Fuzzy Logic and Control : software and Hardware Applications;Vol. 2 Jamshishi, M.(ed.)
  15. Neural Networks and Fuzzy Syetema Kosko, Bart
  16. IEEE Trans on Fuzzy System v.5 no.4 Using Fuzzy Partitions to Create Fuzzy Systems from Input-Output Data and Set the Initial Weights in a Fussy Neural Network Lin, Y.(et al.)