KUZ bringt Intelligenz ins Ultraschall-Nieten

Das Ultraschall-Nieten stellt eine sehr effiziente Methode dar, um verschiedene Werkstoffe miteinander zu verbinden. Es zeichnet sich durch schnelle und saubere Verbindungen, hohe Festigkeiten sowie minimale Wärmeeinwirkungen auf die Fügepartner aus. Allerdings ist eine präzise Regelung der Antriebseinheit von entscheidender Bedeutung, um eine gleichbleibend hohe Produktqualität sicherzustellen. Das neue Forschungsprojekt „KI-Krus – Entwicklung einer intelligenten Kraftregelung für das US-Fügeverfahren“ am Kunststoff-Zentrum in Leipzig (KUZ) verfolgt daher das Ziel, die Effizienz und Genauigkeit des Verfahrens durch die Integration von Künstlicher Intelligenz (KI) verbessern

In den vergangenen Jahren hat sich gezeigt, dass KI und maschinelles Lernen erhebliches Potenzial bieten, um Regelungsalgorithmen in verschiedenen Anwendungsbereichen weiterzuentwickeln. Um diesen Fortschritt weiter voranzutreiben, arbeiten Wissenschaftler am KUZ nun im Projekt KI-Krus daran, einen intelligenten Algorithmus zu entwickeln, der die Faktoren Nietgeometrie und Materialeigenschaften berücksichtigt. Somit können die Regelparameter für das servoelektrisch kraftgeregelte US-Nietverfahren den Randbedingungen entsprechend optimiert werden. Ein besonderer Fokus wird darauf gerichtet, die Übergänge von der Erwärmungs- zur Abkühlungsphase und von der Abkühlungs- zur Haltephase regelungstechnisch besser abbilden zu können.

Die Hersteller von Ultraschall-Nietanlagen können von den Projektergebnissen profitieren, da die optimierten Regelparameter zu einer Steigerung der Anwerderfreundlichkeit und Zuverlässigkeit ihrer Geräte führt. Ebenso profitieren die Anwender des Ultraschall-Nietverfahrens von diesen Ergebnissen, da der Einsatz des intelligenten Algorithmus eine gleichbleibend hohe Produktqualität gewährleistet. Dies wiederum führt zu gesteigerter Effizienz und reduziertem Ausschuss und Ausfallzeiten. Der intelligente Regelalgorithmus kann darüber hinaus Vorteile für Hersteller und Anwender im Bereich weiterer Schweißtechnologien und deren Automatisierungs- und Regelungstechnik generieren. sk

Lesen Sie auch: Im Forschungsprojekt Mouldpredict entwickelt das KUZ in Leipzig ein selbstlernendes KI-System für Qualitätsprognosen im Spritzgießprozess.

Auch ein neues Verbundprojekt am Kunststoff-Institut Lüdenscheid (KIMW) widmet sich dem Einsatz von Künstlicher Intelligenz (KI) beim Spritzgießen.