64 연구논문 GMA 용접에서실시간비드폭예측에관한연구 손준식 * 김일수 ** 김학형 ** * ( 주 ) 프로맥스기술연구소 ** 목포대학교기계공학과 *** 목포대학교대학원기계공학과 A Study on Real-time Prediction of Bead Width on GMA Joon-Sik Son*, Ill-Soo Kim** and Hak-Hyoung Kim*** *Technical Research Laboratories, ProMecs Co., Ltd., Pohang 0-4, Korea **Department of Mechanical Engineering, Mokpo National University, Jeonnam 534-2, Korea **Department of Mechanical Engineering, Graduate School, Mokpo National University, Jeonnam 534-2, Korea Abstract Recently, several models to control weld quality, productivity and weld properties in arc welding process have been developed and applied. Also, the applied model to make effective use of the robotic GMA(Gas Metal Arc) welding process should be given a high degree of confidence in predicting the bead dimensions to accomplish the desired mechanical properties of the weldment. In this study, a development of the on-line learning neural network models that investigate interrelationships between welding parameters and bead width as well as apply for the on-line quality control system for the robotic GMA welding process has been carried out. The developed models showed an excellent predicted results comparing with the predicted ability using off-line learning neural network. Also, the system will extend to other welding process and the rule-based expert system which can be incorporated with integration of an optimized system for the robotic welding system. * Corresponding author : ilsookim@mokpo.ac.kr (Received September 5, 200) Key Words: Real-time monitoring, GMA welding, Neural network, quality 1. 서론 국내조선산업은 0년대대량건조경험과노하우를바탕으로비약적인발전을가져왔고, 현재세계 1위의수주량을자랑하고있다. 이러한조선산업에서용접기술은가장중요한핵심기술중에하나이며, 선박및구조물의품질과직결된관계로고급기술을보유하고있는일본및저가인건비기반을갖고있는중국과국제경쟁에서우위를확보하기위해서반드시용접전문인력확보및용접자동화기법의개발이절실히요구되고있다. 하지만, 국내에서용접기술은이론적인지식보다는 기능적인개념으로인식되어용접기술개발이늦어졌으며, 이로인하여최근에는전문적인용접기술인력의부족현상이나타나고있다. 최근에국내에서 LNG선용접을위한고능률알루미늄용접기술에대한전문적인용접관련기술개발이미흡한관계로대부분외국으로부터의관련기술및장비도입에의존하고있다. 이러한문제로인하여용접공정에소요되는경비가막대하게증가하고있는실정이다. 이를극복하기위하여고효율, 고생산성용접기술을확보하기위하여수작업으로만이루어지던용접공정을자동화하기위한많은연구가수행되고있다 1-4). 최근까지용접자동화관련연구는생산성향상을통한 61 Journal of KWJS, Vol. 25, No. 6, December, 200
GMA 용접에서실시간비드폭예측에관한연구 65 경비절감에초점을맞추어고효율용접기술개발에집중되었다. 이러한목적을달성하기위하여고에너지열원을갖고있는레이저, 플라스마용접기술이이용되고있으며, 이외에도용접공정의효율을향상시키기위하여서보건, 로봇등의융합기술이개발되고있다. 그러나고효율의접합기술을사용하더라도용접품질을확보하지못하면실제생산라인에적용이불가능하다. 따라서고효율과품질이라는두가지목적을모두달성할수있는기술개발이요구되고있는실정이며이러한목표를달성하기위해서는용접공정에서대상제품의품질을제어하기위한관련공정변수들의측정이먼저선행되어야한다. 기존의연구들에서용접전류, 용접전압, 용접속도, 와이어공급속도등과같은공정변수들을측정할수있는장치에대한연구는많이이루어져왔으나실제용접공정에서는이와같은변수들만으로용접품질을제어하기에는한계가있었다. 5-). 이러한문제를해결하기위해서는용접부의품질을직 간접적으로대변할수있는인자들을찾아이를통하여용접공정중용접품질을실시간으로모니터링할수있는기술개발이시급히요구되고있다. 따라서본연구에서는실시간 (real-time) 으로공정변수및관련변수를측정하여측정된변수와신경회로망을이용하여비드폭을비교 분석함으로써용접품질을실시간으로모니터링할수있는알고리즘을개발하고자한다. 2. 용접실험 2.1 용접실험설계 본연구는용접품질제어를위한모델개발에필요한데이터획득을위한용접실험및알고리즘개발에집중되었다. 용접실험에사용된공정변수는일반적으로용접품질에가장영향을미치는용접전류, 아크전압, 용접속도를선정하였으며, Table 1과같이각각의변수에대해 3개의레벨을사용하여총 2회의용접실험을실시하였다. 용접실험중용접부온도를측정하여측정된데이터를용접품질모니터링에활용하기위하여적외선센서를이용하였다. Fig. 1에서보는바와같이 00-200 0 의측정범위를갖는적외선센서 (IRtec Rayomatic) 3 개를용접토치후방에설치하여용접진행방향과동일한방향으로용접부의온도를측정하였으며, 용접토치로부터각각의적외선센서의거리는기존의연구 ) 를토대로최적측정위치선정을위한별도의실험을통하여, 16, 21mm 로선정하였다. 용접실험에사용된시험편은 300 150 4.5mm SS400 압연강재를이용하였다. 용접와이어는직경 1.2mm 플럭스 Input parameters Speed Arc voltage current Table 1 parameters and their levels Unit Symbol Level Low Middle High mm/sec S Volt V 26 2 30 Amp. C 240 260 20 IR1 torch IR2 D1 D2 D3 IR3 direction IR1, IR2, IR3 : infrared thermometer Fig. 1 Schematic diagram for a distance between weldin g torch and infrared thermometers 코어와이어 (flux-cored wire) 를이용하였으며, 보호가스는 0%CO 2 를사용하였고갭이없는맞대기용접을수행하였다. 용접은 6축로봇을이용하여수행하였다. 2.2 변수및비드형상측정 적외선센서를이용하여측정된온도데이터는데이터수집장치를통하여실시간저장되며, 용접전류와아크전압은용접아크모니터링시스템을통하여실시간측정하였다. 총 2회의용접실험후 3D(three-dimensional) 레이저스캐너를이용하여용접시편의비드형상을측정하였다. 실험후용접조건변화에따른비드형상은 Fig. 2에서나타내었으며, Fig. 3은레이저스캐너를이용하여측정된비드형상의결과를나타내고있다. 측정된비드형상은비드폭예측및측정된비드폭과비교 분석하기위하여비드폭으로재계산되었다. 재계산된비드폭은용접이안정화된부분에서각각의시편에대하여 250개의샘플을획득하였다. 3. 실험결과및고찰 3.1 Off-line 수학적모델 용접변수와용접품질사이의상호관계를분석하고, offline 변수를이용한모델의정확도를분석하기위하여 大韓熔接 接合學會誌第 25 卷第 6 號, 200 年 月 61
66 손준식 김일수 김학형 다중회귀분석을통하여계산된계수와식 (1) 을이용하여비드폭을예측할수있는수학적모델을나타내면식 (2) 과같다. (a) Trial No. 6 (S=mm/sec, V=2V, C=240A) (b) Trial No. 25 (S=mm/sec, V=30V, C=20A) Fig. 2 experiment results W I = 6.0-0.405S-0.144V+0.00C (2) 개발된수학적모델은용접품질특성분석을통하여비드폭을예측하고용접변수와비드폭사이의관계를비교 분석하는데사용하였다. 개발된수학적모델의정확도를확인하기위하여개발된식을이용하여계산한비드폭과측정된비드폭을비교 분석한결과를 Fig. 4에나타내었다. 나타난결과에따르면개발된수학적모델이측정한비드폭에근접하게잘예측하고있음을확인할수있었다. Fig. 5는수학적모델의예측오차를나타낸것으로개발된수학적모델이대략 ±0.6 mm 이내의오차에서비드폭을예측하는것을확인할수있었으며, 이수학적모델은용접품질제어에사용할수있을것으로판단된다. 16 Bead width using W I (a) Trial No. 6 (S=mm/sec, V=2V, C=240A) Measured bead width [mm] 14 6 Fig. 4 4 4 6 14 16 Predicted bead width [mm] Comparison between the predicted and measured bead width using off-line interaction model (b) Trial No. 25 (S=mm/sec, V=30V, C=20A) Fig. 3 The measured bead geometry using a 3D scanner in original experiment off-line 수학적모델을개발하였다. 개발된수학적모델의변수사이의상호작용도고려하여개발하였으며, 모델개발은통계프로그램인 SPSS를이용하였다. Off-line 수학적모델개발을위하여선택된개의용접변수와용접품질을나타내는상호작용인자는아래의식 (1) 과같이주어진다. Y = k 0 +k 1 S+k 2 V+k 3 C+k SV (1) The number of errors 30 25 20 15 5 0 Error of the predicted bead width -1-0. -0.6-0.4-0.2 0 0.2 0.4 0.6 0. 1 Error [mm] Fig. 5 The error of the predicted bead width using off-l ine interaction model 620 Journal of KWJS, Vol. 25, No. 6, December, 200
GMA 용접에서실시간비드폭예측에관한연구 6 3.2 On-line 신경회로망모델 보다정확한비드폭을예측을위하여수학적으로모델링하기어려운비선형적요소를많이포함한분야에광범위하게적용되고있는신경회로망을이용하였다. 본연구에서는정확도를개선하고학습수렴속도가높은 LMBP(Levenberg-Mrquardt Back Propagation) 신경회로망을이용하여비드폭을예측하였고, 최적의비드폭예측을위하여각각의신경회로망모델에대한성능분석을수행하였다. 신경회로망의학습은신경회로망이목표오차에도달하거나최대반복횟수에도달하면학습이종료되도록설계하였다. 신경회로망의학습을위하여 16개의데이터를이용하였으며, 테스트를위하여 12개의데이터를이용하였다. Table 2는신경회로망의학습조건을나타낸다. 신경회로망의입력변수는 6개 ( 용접전류, 아크전압, 용접속도, 측정점에서의온도 (IR1, IR2, IR3) 를사용하였으며, 비드폭을출력변수로선정하였다. 입력과출력변수들의값은아래의식 (3) 을이용하여 +1-1사이의값으로표준화하여사용하였다. x N =2 ( Table 2 LMBP neural network parameters and their values Goal error 1e- Epochs 200 Transfer function of hidden layer Transfer function of output layer x-x min x max -x min ) -1 (3) 여기서, x N 은표준화된데이터이며, x max 는데이터중최대값을의미하며, x min 은데이터중최소값을나타낸다. Fig. 6은신경회로망을이용하여예측및측정한비드폭을나타낸다. Fig. 6에서보는바와같이 % 오차범위안에서비드폭예측이모두이루어지고있음을확인할수있었다. 이것은신경회로망으로비드폭을정확히예측하는것이가능하다는것을의미하고있다. Fig. 은 LMBP 신경회로망을이용하여예측한비드폭의오 Number of input nodes 6 Number of hidden nodes 13 Number of output nodes 1 Tan-sigmoid transfer function Tan-sigmoid transfer function 차분포를나타낸것으로수학적모델과비교 분석하 Measured bead width [mm] 16 14 6 Bead width using NN LMBP 4 4 6 14 16 Predicted bead width [mm] Fig. 6 Comparison of the measured and predicted bead width using LMBP neural network model The number of errors 30 25 20 15 5 0 Error of predicted bead width -1-0. -0.6-0.4-0.2 0 0.2 0.4 0.6 0. 1 Error [mm] Fig. The error of the predicted bead width using LM BP neural network model 면예측오차가 0 에보다가깝게예측하고있음을알수있다. 4. 용접품질모니터링모델성능평가 개발된모델의성능평가를위하여추가적용접실험을실시하였으며, 실험을수행하기위하여선정된용접변수는 Table 3과같다. 특히, 용접공정중용접조건의변화에따른개발된모델의성능분석을위하여 GMA 용접공정중용접전류와아크전압을변경하도록설정하였다. 그리고적외선센서의위치및다른용접조건은기존의용접조건과동일하게설정하였다. 데이터획득은용접이안정화되고용접변수가변경된구간에서실행되었으며, 각시험편마다 250개의데이터를획득하였다. 4.1 Off-line 수학적모델 大韓熔接 接合學會誌第 25 卷第 6 號, 200 年 月 623
6 손준식 김일수 김학형 Table 3 parameters and their values in additional experiment Trial No. speed (mm/sec) Arc voltage (V) parameter Section 1 Section 2 current (A) Arc voltage (V) current (A) 1 2 250 2 20 2 2 250 2 250 Off-line 수학적모델의정확도를확인하기위하여 off-line 수학적모델을이용하여예측한비드폭과측정된비드폭을비교하였다. Fig. 는추가적실험을통하여측정한 2가지경우의비드폭과 off-line 수학적모델을이용하여예측한비드폭을비교한결과이다. 그림에서보는바와같이 off-line 수학적모델은용접공정중발생하는용접조건의변화에따른비드폭의변화를나타내지못하였다. 이는 off-line 수학적모델이용접전에설정한용접조건을가지고비드폭을예측하기때문이다. Fig. (a) 에서보면용접조건변경후 off-line 수.5.5 Measured bead width Predicted bead width 0 20 40 60 0 0 0.5.5 (a) Trial No. 1 학적모델의이용한예측값과측정값을비교 분석하였을때큰차이를보이는것을알수있다. 예측한비드폭을보다정확하게비교하기위하여식 (4) 와같이 Poliak 이정의한 PAM (Predictive Ability of Model) 을이용하여정확도를평가하였다 ). PAM = N PAM N total 0 (4) 여기서, N PAM 은 B m -B P B m 0.1 범위의예측치의수를나타내며, N total 은전체예측치수를나타낸다. 그리고 Bm 는실측치비드폭이며, B P 는계산된비드폭을의미한다. PAM는오차범위 % 이내에예측을정확한예측으로간주하여모델의정확도를나타내며, 표준편차는모델의오차분포를확인함으로써실측치비드폭에얼마나근접하게예측하는지를나타낸다. Table 4에 Off-line 수학적모델의 PAM, 표준편차, 평균오차를나타내었다. 시편 2번의경우, 비드폭이 PAM에서 0% 이상의적중률을보였으며, 표준편차와평균오차에서도전체적으로양호한값을보였다. 하지만시편 1번의경우전체적으로시편 2번보다예측오차가컸으며, 비드폭에대한예측에서 PAM이 0% 미만의예측성능을보였다. 결과적으로 off-line 수학적모델은실시간비드폭예측에적용하기에는문제점이있는것으로판단된다. 4.2 On-line 신경회로망모델 On-line 신경회로망은실시간으로들어오는데이터를이용하여비드폭을예측한다. 즉, off-line 수학적모델은입력으로설정치용접변수값을사용하는반면에 on-line 신경회로망은실시간으로측정된용접변수값과용접부온도데이터를입력값으로이용한다. Fig. 는비드폭에대하여측정된값과예측된값을비교한결과를나타낸다. 그림에서보는바와같이 off-line 수학적모델과달리 on-line 신경회로망모델은용접중 Table 4 Performance of off-line empirical model for prediction of the bead width 0 20 40 60 0 0 0 (b) Trial No. 2 Fig. Comparison of the measured and predicted bead wi dth using off-line empirical model Bead width Trial No. 1 Trial No. 2 PAM (%) 6.. Standard deviation 0.53 0.2364 Average error 0.60 0.3040 622 Journal of KWJS, Vol. 25, No. 6, December, 200
GMA 용접에서실시간비드폭예측에관한연구 6.5.5 0 20 40 60 0 0 0.5.5 (a) Trial No. 1 0 20 40 60 0 0 0 (b) Trail No. 2 Fig. Comparison of the measured and predicted bead width using off-line learning neural network mo del Table 5 Performance of off-line learning neural network m odel for prediction of the bead width Trial No. 1 Trial No. 2 PAM (%) 0 0 off-line 수학적모델에비하여매우우수한예측성능을가지고있는것을수치적으로확인할수있었다. 현재개발된기술은실시간비드폭예측을통하여용접품질을모니터링할수있는수준이며, 향후이러한연구를기초로하여보호가스, 용접위치등보다많은용접변수를고려하여비드폭예측모델의성능을개선하고, 이를통한제어모델개발및제어시스템을구현하여산업현장에적용시보다효과적으로용접공정의생산성향상을이룰수있을것으로사료된다. 5. 결론 GMA 용접공정에서비드폭과용접변수사이의상관관계를통하여실시간으로용접품질을모니터링할수있는알고리즘을개발하였으며, 다음과같은결론을얻었다. 1) GMA 용접공정에대한용접변수와비드폭사이의상관관계를파악할수있는 off-line 상에서구현되는수학적모델을개발하였으며, 개발된수학적모델은용접변수에따른비드폭예측에서상당히근접하게비드폭을예측하였지만, 용접공정중발생하는변화에대해서는만족할만한성능을보이지는못하였다. 2) 용접공정과같이비선형적인요소를포함한시스템에대해서는수학적모델로원하는성능을구현하는데한계가있으므로비선형시스템에대해우수한성능을갖는신경회로망을모델개발에적용하였다. 개발된신경회로망은비드폭에대해서최대 PAM 0% 로정확하게예측하였으며용접공정중발생하는변화에대해서도수학적모델이가지고있는문제점을개선하였다. 후기 이논문은 2006 년도 NURI 사업에의하여지원되었음. Bead width Standard deviation 0.215 0.150 참고문헌 Average error 0.2246 0.144 용접조건변화에따라비드폭을상당히정확하게예측하는것을확인할수있다. Table 5는 on-line 신경회로망모델의 PAM, 표준편차, 평균오차를나타낸다. Table 5에서보는바와같이 on-line 신경회로망모델이비드폭을매우정확하게예측하였다. 특히 PAM을보면최소 6.%, 최대 0% 의예측성능을보이는등 on-line 신경회로망모델이 1. J.B. Lee, Y.W. Bang, S.W. Oh and H.S. Chang : Control of bead geometry in GMAW, Journal of KWS, 15-6 (1), 6-3. (in Korean) 2. S.H. Lee and J.I. Lee : Application of laser vision sensor for welding seam tracking and quality estimation, Journal of KWS, 16-6 (1), 1-6. (in Korean) 3. S.K. Jeong : Remote ultrasonic sensing of weld quality, Journal of KWS, 16-6 (1), 1-25. (in Korean) 4. I.S. Kim and C.E. Park : Use of a neural network to control bead width in GMA welding, Research Supplement, 45-3 (2000), 33-3 大韓熔接 接合學會誌第 25 卷第 6 號, 200 年 月 623
0 손준식 김일수 김학형 5. T.D. Cho and S.M. Yang : A study on on-line quality monitoring using arc light in gas metal arc welding, Journal of KWS, 1-4 (2000), 2-6. (in Korean) 6. J.Y. Jeng, T.F. Mau and S.M. Leu : Prediction of laser butt joint welding parameters using back-p ropagation and learning vector quantization network, Journal of Material Processing Technology, (2000), 20-21. Y.S. Tarng, S.C. Juang and C.H. Chang : The use of grey-based Taguchi method to determine submerged arc welding process parameters in Hardfacing, Journal of MPT, (2002), 1-6. J. Suh, J.H. Lee, J.O. Kim, H.S. Kang, M.Y. Lee and B.H. Jung : Weld quality monitoring and seam tracking in making of welded tube using CO 2 Laser, Journal of KWS, 21- (2003), 34-41. (in Korean). I.S. Kim, K.S. Chon, J.S. Son, J.H. Seo, H.H. Kim and J.Y. Shim : A study on Monitoring for process parameters using isotherm radii, Journal of KWS, 24-5 (2006), 3-42. (in Korean). B.M. Kim : A study on the monitoring of weld quality using IR temperature in GMA welding process, M.S. Thesis, KAIST, 16 (in Korean). E.I. Poliak : Application of linear regression analysis in accuracy assessment of rolling force calculations, Metals and Materials, 4-5 (1), 4-56 624 Journal of KWJS, Vol. 25, No. 6, December, 200