Analyse von multispektralen Emissionen und Synchrotron-Daten zur Bewertung der Qualität von Laser-Schweißnähten an Kupfer

Die Validierung des Laserschweißens von metallischen Materialien ist herausfordernd aufgrund seiner hochdynamischen Prozesse und der begrenzten Zugänglichkeit zur Schweißnaht. Die Messung von Prozess-Emissionen und dem verarbeitenden Laserstrahl sind eine Möglichkeit, hochdynamische Prozessphänomene aufzuzeichnen. Diese Aufzeichnungen erfolgen jedoch immer über die Oberfläche der Schweißnaht. Phänomene im Inneren sind nur implizit in den Daten erkennbar und erfordern eine weitergehende Verarbeitung. Um die Validität des diagnostischen Prozesses zu erhöhen, werden die multispektralen Emissionsdaten mit Synchrotron-Daten synchronisiert, die aus in situ Hochgeschwindigkeitsbildern basierend auf Phasenkontrastvideografie bestehen. Der Schweißprozess wird durch Synchrotronstrahlung transilluminisiert und während der Durchführung aufgezeichnet, was klare Kontraste zwischen festen, flüssigen und gasförmigen Materialphasen liefert. So können die Dynamik der Dampfkappe und die Bildung von Defekten wie Poren mit einer hohen räumlichen und zeitlichen Auflösung von 5 μm und 5 kHz aufgezeichnet werden. In dieser Arbeit wird das Laserschweißen von Kupfer Cu-ETP und CuSn6 am Deutschen Elektronen-Synchrotron (DESY) untersucht. Die Synchronisation erfolgt durch den Einsatz eines dreistufigen Deep-Learning-Ansatzes. Ein Vorverarbeitungs-Mask-R-CNN, Dimensionsreduktion PCA/AUTOENCODER und eine abschließende LSTM/Transformer-Stufe bieten End-to-End-Defekterkennungsfähigkeiten. Integrierte Gradienten ermöglichen die Extraktion von Korrelationen zwischen Defekten und Emissionsdaten. Der neuartige Ansatz zur Korrelation von Bild- und Sensordaten erhöht den Informationswert der Sensordaten. Er zielt darauf ab, Schweißnähte basierend auf den Sensordaten nicht nur nach IO/NIO zu charakterisieren, sondern auch eine quantitative Beschreibung der Defekte in der Schweißnaht bereitzustellen.