Multi-sensor integration for weld quality monitoring

Abstract

The increasing demand for intelligent welding systems has created a need for reliable methods that can assess weld quality using information from sensor data. Although they have been studied individually, the combined application for weld quality assessment remains an active research area. This master's thesis investigates the use of multi-sensor data integration for weld quality monitoring in robotic gas metal arc welding (GMAW) of S1100 high-strength steel. An experimental study was conducted using a single-pass T-joint configuration while varying the shielding gas flow rate. Data from electrical measurements, weld-pool imaging, thermal imaging, and weld-geometry measurements were collected and compared with radiographic inspection results.

The results showed a clear relationship between shielding gas flow rate, process stability, and weld quality. Insufficient shielding resulted in porosity and unstable welding behaviour. While sufficient shielding produced defect free welds and more consistent sensor responses. Electrical and visual measurements showed the strongest correspondence with defect formation.

The results show that different sensing methods provide complementary information for assessing weld quality and that they can be used to improve the monitoring of welding process and formation of defects. Future research should focus on automated data synchronization, sensor-fusion algorithms, and machine learning based defect prediction to enable real-time weld quality assessment and support the development of digital shadows for intelligent welding systems.

Älykkäiden hitsausjärjestelmien kasvava kysyntä on luonut tarpeen luotettaville menetelmille, joilla hitsin laatua voidaan arvioida anturitietojen avulla. Vaikka näitä menetelmiä on tutkittu erikseen, niiden yhdistetty käyttö hitsin laadunvalvonnassa on edelleen aktiivinen tutkimusalue. Tässä työssä tutkitaan useiden anturitietojen integroinnin käyttöä hitsin laadun seurannassa S1100-korkealujuusteräksen robottikaarihitsauksessa. Kokeellinen tutkimus suoritettiin käyttäen T-liitosta, samalla kun suojakaasun virtausnopeutta vaihdettiin. Dataa kerättiin sähköisistä prosessimittauksista, sulan kuvantamisesta, lämpökuvauksesta sekä hitsigeometrian mittauksista, ja tuloksia verrattiin radiografisessa tarkastuksessa havaittuihin virheisiin.

Tulokset osoittivat yhteyden suojakaasun virtausnopeuden, prosessin vakauden ja hitsauslaadun välillä. Riittämätön suojakaasu johti huokoisuuteen ja epävakaaseen hitsauskäyttäytymiseen, kun taas riittävä suojaus tuotti virheettömiä hitsejä ja tasaisempia anturivasteita. Sähköiset ja visuaaliset mittaukset osoittivat vahvimman vastaavuuden virheiden muodostumisen kanssa.

Tulokset osoittavat, että erilaiset mittausmenetelmät tarjoavat toisiaan täydentävää tietoa hitsauslaadun arviointiin ja että niitä voidaan hyödyntää hitsausprosessin kulun ja vikojen muodostumisen seurannan parantamisessa. Tulevissa tutkimuksissa tulisi keskittyä automatisoituun tietojen synkronointiin, anturifuusioalgoritmeihin sekä koneoppimiseen perustuvaan vikojen ennustamiseen, jotta hitsauslaadun arviointi voidaan toteuttaa reaaliaikaisesti ja jotta voidaan tukea älykkäiden hitsausjärjestelmien digitaalisten varjojen kehittämistä.