Artificial neural network-based resistance spot welding quality assessment system^*

Système d’évaluation de la qualité du soudage résistif par points, mettant en œuvre un réseau de neurones

Mathematics, Computer and Engineering Department, University of Quebec at Rimouski, Rimouski, QC, Canada, G5L 3A1
e-mail: abderrazak_elouafi@uqar.qc.ca

Received: 1 December 2010
Accepted: 27 October 2011

Abstract

On-line quality assessment has become one of the most critical requirements for improving the efficiency and the autonomy of automatic resistance spot welding (RSW) processes. An accurate and efficient model to perform non-destructive quality estimation is an essential part of the assessment process. This paper presents a structured and systematic approach developed to design an effective ANN-based model for on-line quality assessment in RSW. The proposed approach examines welding parameters and conditions known to have an influence on weld quality, and builds a quality estimation model step by step. The modeling procedure begins by examining, through a structured experimental design, the effect of welding parameters (welding time, welding current, electrode force and sheet metal thickness) and welding conditions represented by typical characteristics of the dynamic resistance curves on multiple welding quality indicators (indentation depth, nugget diameter and nugget penetration) and by analyzing their interactions and their sensitivity to the variation of the dynamic process conditions. Using these results and by combining an efficient modeling planning method, neural network paradigm, multi-criteria optimization and various statistical tools, the identification of the model form and the variables to be included in the model is achieved by executing a systematic model optimization procedure. The results demonstrate that the proposed approach can lead to a general ANN-based model able to accurately and reliably provide an appropriate assessment of the weld quality under diverse and variable welding conditions.

Résumé

L’évaluation en ligne de la qualité de la soudure est devenu l’une des exigences essentielles pour améliorer l’efficacité et l’autonomie des procédés automatiques de soudage résistif par points (SRP). Un modèle précis et efficace d’analyse non destructive de la qualité constitue un élément primordial du processus d’évaluation. Cet article présente l’approche structurée et systématique qui a été utilisée pour concevoir un modèle efficace mettant en œuvre des réseaux de neurones pour l’évaluation de la qualité du SRP. L’approche proposée prend en compte les paramètres de soudage ainsi que les conditions connues pour avoir un impact sur la qualité de la soudure pour construire, étape par étape, un modèle d’estimation de la qualité. La procédure commence par un examen, au moyen d’un plan d’expérience structuré, de l’effet des paramètres de soudage (temps de soudage, courant de soudage, effort de soudage et épaisseur de la tôle de métal) ainsi que des conditions de soudage, représentées par les caractéristiques typiques des courbes de résistance dynamique, sur différents indicateurs de la qualité de soudage; ensuite, les interactions entre ces paramètres et leur sensibilité aux variations dynamiques du process sont analysées. Par utilisation de ces résultats et en combinant, au travers d’une méthode efficace de développement de modèle, différents outils, réseaux de neurones, techniques d’optimisation multicritères, outils statistiques, nous avons identifié la forme du modèle et les variables à y inclure au moyen d’une procédure systématique d’optimisation du modèle. Les résultats obtenus montrent que l’approche proposée conduit à un modèle général, reposant sur les réseaux de neurones, capable de fournir une évaluation convenable de la qualité de la soudure dans des conditions diverses et variables de soudage.