DataEngine PlugIns:

Das Fuzzy Pattern Classification-PlugIn ermöglicht die vektorbasierte Beschreibung von Klassen

- Lernen

- Anwenden des Klassifikators

Fuzzy Pattern Classification - eine Erweiterung der
Methoden zur effizienten Datenanalyse mit DataEngine

Durch FPC Pattern stehen dem DataEngine-Nutzer die Vorzüge der Fuzzy Pattern Classification in vollem Umfang zur Verfügung:

• sehr gute Anpassung der Klassifikatoren an die Lage der Lerndaten im Merkmalsraum durch ein flexibles Konzept der verwendeten Zugehörigkeitsfunktion

• FuzzyKlassenbeschreibung durch rotatorisch an die Daten angepasste Klassen

• Überschaubarkeit des Einflusses einzelner Merkmale auf das Klassifikatorergebnis

• extrem kurze Rechenzeiten durch deterministischen Modellierungsalgorithmus

• einfache Übernahme der Klassifikatoren auf nutzereigene Hardware durch Parameterfiletransfer

Komplexe Informationen können als Muster aufgefasst werden. Muster aus der realen Welt sind ihrem Wesen nach unscharf. Sie sind einander nie gleich, immer nur ähnlich. Zum maschinellen Beschreiben und Erkennen solcher Musterähnlichkeit werden Konzepte benötigt, die Unschärfe berücksichtigen. Die Fuzzy Pattern Classification folgt einem solchen Konzept und dient dem computergestützten Erkennen von Situationen, Zuständen und Verhältnissen durch unscharfe Beschreibung von Klassen mittels Vektoren im Merkmalsraum. Das Fuzzy Pattern Konzept ist ein überwachtes Lernverfahren, bei dem aus Beispieldaten Referenzmuster erzeugt werden. Diese werden als Klassifikatoren gespeichert und stehen zur Identifikation unbekannter Muster bereit. Die Anwendung der Fuzzy Pattern Classification ist eine Alternative oder auch Ergänzung zur Nutzung künstlicher Neuronaler Netze.

TAT GmbH
Lützowstraße 16
09116 Chemnitz
Telefon: 0371 30 37 55
Telefax: 0371 30 03 25
e-mail: tat.chemnitz@t-online.de

Top

Lernen:
Überwachen von Störungen beim Lichtbogenschweißen

Ausgangssignale
Schweißnahtfehler beim MAG-Lichtbogenschweißen werden u.a. durch ungenügenden Gasschutz verursacht. Durch Zugluft kann dieser Schutz fehlen, selbst, wenn die Gasmessung genügenden Schutz verspricht. Strom- und Spannungssignale jedoch offenbaren diese Prozessstörung und den damit verbundenen Qualitätsverlust.

Merkmale bestimmen
Häufigkeitsdichte von Strom und Spannung
Die Abtastwerte des Signals können nicht unmittebar zur Fehlererkennung herangezogen werden. Dazu dienen Merkmale aus den Signalen, die die Signalcharakteristik repräsentieren. Im gegebenen Fall sind das Häufigkeitsverteilungen, die in einem Modul HIST berechnet werden. Die diskreten Werte der Verteilungen werden unmittelbar als Merkmale verwendet. So entstehen zwei Lerndatensätze mit jeweils zwei Klassen und 50 Merkmalen („GUT“ und „GASSTÖRUNG“)

Klassifikator berechnen:
DataEngine und FPC PlugIn

Datei: Strom Spannung		HIST		Datei Verteilungen		FCM
		Datei Klassifikator		UB		Datei strukturierte Lerndaten

Ein Klassifikator steht für das Einsatzsystem zur Verfügung.
Er liegt als ASCII-Datensatz von und kann auf jedes beliebige System übernommen werden.

Da innerhalb der „GUT“-Klasse unterschiedliche Signalzustände auftreten, muss eine formale Teilung der Klasse in drei Subklassen durch Clusterung mit dem DataEngine Fuzzy C-Means-Modul vorgenommen werden. Aus dem so entstandenen Lerndatensatz berechnet der Modul UB von FPC PlugIn zwei Klassifikatoren mit jeweils vier Klassen (3 „GUT“-Klassen und 1 Störungsklasse). Der erste Klassifikator bildet das Spannungs- und der zweite das Stromsignal ab.

Top

Anwenden des Klassifikators:
Überwachen von Störungen beim Lichtbogenschweißen
Erproben der Klassifikatoren mit FPC PlugIn

Datei: Strom Spannung		HIST		Datei Verteilungen
Auswertung Schweißnaht- qualität		Zugehörig- keitsvektor		UI

Nachdem Klassifikatoren vorliegen, werden diese anhand neuer Daten überprüft. Nach der Berechnung der Histogramme ermittelt das Modul UI FPC-PlugIn die Zugehörigkeitswerte (Sympathievektor) zu allen Klassen. Ein nutzereigenes Auswertemodul berechnet aus dem Sympathievektor die Prozessstabiltät.

Anwendungssystem DSP TMS 320C3xx

Analogwerte: -Strom -Spannung						Datei Klassifikator
ADU		HIST		TMS 320C3xx PCT-UI		Klassifikator- Speicher
		Anzeige Schweißnaht- qualität		Auswertung Schweißnaht- qualität
				Protokoll Schweißnaht- qualität

Die Klassifikatoren werden nach erfolgreicher Erprobung in einem Qualitätssicherungsgerät eingesetzt, um während der laufenden Fertigung eine ständige Schweißprozesskontrolle durchzuführen. Die Hardware besteht aus einer DSP-Karte mit ADU. Die Klassifikatoren werden in den Speicher geladen, mit deren Hilfe berechnet der FPC-UI-Modul auf dem DSP aus den eingehenden Histogrammdaten Zugehörigkeitsvektoren. Der auf dem DSP implementierte Auswertemodul errechnet daraus die aktuelle Prozessstabilität und eine Bewertungssicherheit. Wird eine Prozessstörung festgestellt, kann diese identifiziert werden, z.B. „Schutzgas ist ungenügend“. Das Überwachungsergebnis wird laufend angezeigt und es kann ein Protokoll ausgegeben werden.

Beispiel:
Die Schweißung wird durch abnehmenden Gasschutz gestört. Dadurch verringert sich die Prozessstabilität. Bereits eine geringe Verschlechterung des Gasschutzes wird durch den Klassifikator bemerkt. Bei Unterschreiten einer vorgegebenen Stabilitätsgrenze wird der Roboter gestoppt und ein Alarm ausgelöst.

Top|Home|Contact Us|Info|Back