Prozeßvorhersage beim Stanznieten mit neuronalen Netzen

Neuronale Netze ermöglichen es, kausale Verknüpfungen beim Stanznieten mit Vollniet effizient abzubilden. Durch die Bereitstellung einer ausreichenden Anzahl und Qualität von Beispieldaten kann ein Prozessmodell erstellt werden, das als Werkzeug zur Vorhersage von Verbindungseigenschaften und den erforderlichen Werkzeugdaten dient. Im Rahmen des Projekts wurden verschiedene Fügeaufgaben umgesetzt: sortenreine Verbindungen mit gleicher und unterschiedlicher Fügeteildicke sowie Mischverbindungen. Die Zuverlässigkeit der Vorhersagen des neuronalen Netzes steigt mit der Menge an Beispieldaten aus bereits gefügten Verbindungen, die für das Training verwendet werden. Die Validierung der vom Netz generierten Daten erfolgt durch experimentelle Überprüfungen und Zugversuche, um die generierten Verbindungsfestigkeiten abzugleichen. Im Gegensatz zur numerischen Simulation kann das Netz kontinuierlich von Anwendern und Systemanbietern optimiert werden, indem es mit neuen Daten trainiert wird. Es ist kein spezielles Expertenwissen für den Betrieb des Netzes erforderlich, was eine unmittelbare Nutzung im Produktionsumfeld ermöglicht. Das neuronale Netz demonstriert die hohe Zuverlässigkeit und Kalkulierbarkeit des Stanznietens mit Vollniet.