SB_19933NLP

2022
Abschlussbericht
DVS-Forschung
Fugenfolgeregelung für das
Fügen mit Laserstrahlung
mittels koaxialer texturbasierter
Bildverarbeitung

Fugenfolgeregelung für das
Fügen mit Laserstrahlung
mittels koaxialer texturbasierter
Bildverarbeitung
Abschlussbericht zum Forschungsvorhaben
IGF-Nr.: 19.933 N
DVS-Nr.: 06.097
Fraunhofer-Gesellschaft e.V.
Fraunhofer-Institut für Lasertechnik ILT
Förderhinweis:
Das IGF-Vorhaben Nr.: 19.933 N / DVS-Nr.: 06.097 der Forschungsvereinigung Schweißen und
verwandte Verfahren e.V. des DVS, Aachener Str. 172, 40223 Düsseldorf, wurde über die AiF
im Rahmen des Programms zur Förderung der industriellen Gemeinschaftsforschung (IGF)
vom Bundesministerium für Wirtschaft und Energie aufgrund eines Beschlusses des Deutschen
Bundestages gefördert.

Bibliografische Information der Deutschen Nationalbibliothek
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen
Nationalbibliografie; detaillierte bibliografische Daten sind online abrufbar
unter: http://dnb.dnb.de
© 2022 DVS Media GmbH, Düsseldorf
DVS Forschung Band 565
Bestell-Nr.: 170675
ISBN: 978-3-96870-565-1
Kontakt:
Forschungsvereinigung Schweißen
und verwandte Verfahren e.V. des DVS
T +49 211 1591-0
F +49 211 1591-200
forschung@dvs-hg.de
Das Werk ist urheberrechtlich geschützt. Alle Rechte, auch die der Übersetzung in andere Sprachen, bleiben
vorbehalten. Ohne schriftliche Genehmigung des Verlages sind Vervielfältigungen, Mikroverfilmungen und die
Einspeicherung und Verarbeitung in elektronischen Systemen nicht gestattet.

Schlussbericht vom 31.03.2023
zu IGF-Vorhaben Nr. 19933 N
Thema
Fugenfolgeregelung für das Fügen mit Laserstrahlung mittels koaxialer texturbasierter
Bildverarbeitung
Berichtszeitraum
01.02.2018 - 30.09.2022
Forschungsvereinigung
Forschungsvereinigung Schweißen und verwandte Verfahren e.V. des DVS
Aachener Straße 172
40223 Düsseldorf
Forschungseinrichtung(en)
Fraunhofer-Gesellschaft e.V.
Fraunhofer-Institut für Lasertechnik ILT
Steinbachstraße 15
52074 Aachen

Seite I des Schlussberichtes zu IGF-Vorhaben 19333 N
Inhalt
Abbildungen
Tabellen
Abkürzungen
III
V
VI
1 Gegenüberstellung der durchgeführten Arbeiten und des Ergebnisses
mit den Zielen 1
1.1 Anlass für das Forschungsvorhaben 1
1.2 Forschungsziele 2
1.3 Erzielte Forschungsergebnisse 3
1.3.1 AP1 Algorithmenentwicklung 3
1.3.2 AP2 Implementation der Regelung 6
1.3.2.1 Versuchsanlage (Roboterzelle) 6
1.3.2.2 Datenverarbeitungskette und industrielle Anlagenintegration 8
1.3.3 AP3 Umsetzung Beleuchtungsstrategie 9
1.3.4 AP4 Qualifizierung des Fugenfolgesystems 12
1.3.4.1 Offline-Messung von Fugendetektion und –breite am T-Stoß 12
1.3.4.2 Offline-Messung von Fugendetektion und –breite am Stumpfstoß 13
1.3.5 AP5 Versuche an Demonstratorbauteilen 14
1.3.5.1 Erkennung der Fugenlage bei nichtlinearen Nähten mit technischem Nullspalt 14
1.3.5.2 Erkennung der Fugenlage bei Stumpf- und T-Stößen mit unterschiedlicher
Nahtvorbereitung 24
1.3.6 Bewertung der Messergebnisse 36
2 Verwendung der Zuwendung 37
2.1 Erläuterung zur Verwendung der Zuwendung 37
3 Notwendigkeit und Angemessenheit der geleisteten Arbeit 38
3.1 Sitzungen des projektbegleitenden Ausschusses 39
4 Darstellung des wissenschaftlich-technischen und wirtschaftlichen
Nutzens der erzielten Ergebnisse insbesondere für KMU sowie ihres
innovativen Beitrags und ihrer industriellen Anwendungsmöglichkeiten 40
5 Plan zum Ergebnistransfer in die Wirtschaft 44
6 Literaturverzeichnis 47
7 Danksagung 48

Seite 1 des Schlussberichtes zu IGF-Vorhaben 19333 N
1 Gegenüberstellung der durchgeführten Arbeiten und des
Ergebnisses mit den Zielen
1.1 Anlass für das Forschungsvorhaben
Um ihre Wettbewerbsposition in einer globalisierten Weltwirtschaft zu halten bzw. auszubauen,
müssen deutsche Unternehmen und insbesondere KMU sich der Herausforderung stellen,
zunehmend komplexe und individuelle Produkte bei stetig steigenden Qualitätsanforderungen
und gleichzeitig sinkenden Kosten zu fertigen. Dieser Herausforderung gilt es mit intelligenter
Automatisierung zu begegnen. Mit dem Vorhaben FLOKATI soll dazu ein Mittel bereitgestellt
werden.
In der Industrie dürfen Fügeprozesse mit Laserstrahlquellen der Klasse IV aus Sicherheitsgründen
nur in abgeschlossenen Bereichen und nur mit entsprechend qualifiziertem Personal durchgeführt
werden. Voraussetzung für einen breiten Einsatz und eine wirtschaftliche Massenfertigung ist die
vollständige Automatisierung dieser Prozesse. Deshalb besteht nach wie vor eine bisher nur
ansatzweise gelöste Aufgabe darin, die handwerklichen Fähigkeiten eines erfahrenen
Schweißfachmannes - der einen konventionellen Lichtbogen-Fügeprozess entlang einer Stoßfuge
führen, gleichzeitig dabei beobachten und Abweichungen durch z.B. schwankende
Bauteilabmessungen oder Störungen durch thermischen Verzug korrigieren kann - in eine
automatisierte Prozessführung für das Fügen mit Laserstrahlung zu übertragen.
Dazu sind Herausforderungen zu meistern. Um die Dauerfestigkeit einer Schweißverbindung zu
gewährleisten, muss bei Laser-Fügeprozessen der fokussierte Laserstrahl relativ zur Stoßfuge
präzise, in deutlich engeren Toleranzbereichen als beim konventionellen Lichtbogenschweißen
geführt werden [1]. Idealer Weise sind die Kanten der zu fügenden Bauteile so präzise vorbereitet,
dass die technischen Nullspalte allein mit der fokussierten Laserstrahlung verschweißt werden
können. Sofern Spalte z.B. durch thermischen Verzug der Bauteile auftreten, müssen diese durch
Zufuhr von Zusatzwerkstoff wie z.B. beim Laser-MSG-Hybrid-Schweißen gefüllt werden.
Spanntechnik: Eine sorgfältige und präzise Positionierung der zu fügenden Bauteile kann durch
konventionelle Spanntechnik erreicht werden, was insbesondere bei dreidimensionalen Bauteilen
zu sehr aufwändigen Konstruktionen führen kann. Durch den Einsatz von mechanischen
Führungselementen am Bearbeitungskopf, können Anforderungen an die Spanntechnik gelockert
werden. Durch den Einsatz von Nahtfolgesensoren zum Toleranzausgleich kann unter Umständen
vollständig auf lokale Spannelemente verzichtet werden. Eine konventionelle Spanntechnik zum
Halten und Grobpositionieren der Bauteile bleibt jedoch unumgänglich, da eine Aufnahme von
Kräften zur Verminderung des Bauteilverzugs weiterhin erforderlich ist.
Dynamische Fugenfolge: Wenn beispielsweise die Bauteilabmessungen Schwankungen
aufweisen, die größer sind als für den jeweiligen Prozess zulässig, ist eine Korrektur der Bahn
entweder durch ein Teach-In direkt am betreffenden Bauteil oder – für eine Serienproduktion
wirtschaftlicher – der Einsatz von Sensoren und Reglern zur automatischen Kompensation von
Abweichungen erforderlich [2] [3] [4] [5].
Triangulations-Sensoren: Bisher werden Lichtschnitt-Triangulationssensoren zur Detektion der
Fugenposition eingesetzt. Die Sensoren projizieren quer zur Stoßfuge eine oder mehrere Linien,
sogenanntes strukturiertes Licht, auf die Werkstückoberfläche. Diese Linien werden in einer
Digitalkamera auf einen Bildsensor abgebildet. Die ‚Blickrichtungen‘ von Kamera und Lichtquelle
müssen einen bestimmten Mindest-Triangulationswinkel einschließen, um den Arbeitsabstand
und die Lage der Stoßfuge mit der erforderlichen Auflösung und Genauigkeit messen zu können.
Deshalb muss entweder die Lichtquelle oder die Kamera in einer lateralen Position installiert
werden.
Während des Laserstrahlschweißprozesses wird sogenannte Sekundärstrahlung aus der
Wechselwirkungszone emittiert, welche die Funktion von optischen Triangulationssensoren

Seite 2 des Schlussberichtes zu IGF-Vorhaben 19333 N
beeinträchtigen kann. Um ihre zuverlässige Funktion zu gewährleisten, müssen diese Sensoren
vorlaufend in sicherer Distanz zum Schweißprozess installiert werden. Das Funktionsprinzip und
der notwendige Sicherheitsabstand, bedingen eine Störkontur, welche die Zugänglichkeit des
Bearbeitungskopfes zum Werkstück beeinträchtigt. Triangulationssensoren sind deshalb beim
Fügen von 3D-Stahlbau-Strukturen, das sind z.B. Schweißnähte an einspringenden Ecken im
Stahl- oder Fahrzeugbau, selten einsetzbar.
Beim Fügen von I-Nähten am Stumpfstoß müssen die Kanten entsprechend vorbereitet und
strukturiert sein – beispielsweise durch eine Fase oder durch sprungförmig unterschiedliche
Blechdicke - damit die Fuge für Lichtschnitt-Triangulationssensoren noch erkennbar bleibt. Ein
technischer Nullspalt am Stumpfstoß ist mit Triangulationssensoren praktisch nicht zuverlässig zu
identifizieren.
1.2 Forschungsziele
Um die Festigkeit einer Schweißverbindung zu gewährleisten, muss bei Laser-Fügeprozessen der
fokussierte Laserstrahl relativ zur Stoßfuge präzise geführt werden. Zurzeit werden Lichtschnitt-
Triangulations-Sensoren (LTS) zur Detektion der Fugenposition eingesetzt. Um deren zuverlässige
Funktion sicher zu stellen, muss ein LTS in lateraler Position vorlaufend mit Sicherheitsabstand
zum Schweißprozess angeordnet sein. Hierdurch entsteht eine Störkontur, welche die
Zugänglichkeit des Bearbeitungskopfes zum Werkstück einschränkt. Beim Fügen von Kehlnähten
an 3D-Strukturen mit einspringenden Ecken ist eine Fugenfolgeregelung bis in diese Ecken hinein
mit LTS praktisch unmöglich. Beim Fügen von I-Nähten am Stumpfstoß müssen die Kanten
entsprechend vorbereitet und strukturiert sein, damit die Fuge für LTS erkennbar bleibt -
technische Nullspalte ohne Höhenversatz sind mit LTS nicht zu detektieren.
Ziel von FLOKATI ist die Implementierung, Verifizierung und Validierung des texturbasierten
Maschinen-Sehen. Ein kompakter Bildsensor wird koaxial im optischen Strahlengang eines
Laserbearbeitungskopfes angeordnet. Das Schmelzbad und die Fuge sind während des Laser-
Fügeprozesses stets gleichzeitig und unabhängig von der Bewegungsrichtung des
Laserbearbeitungskopfes sichtbar. Mittels texturbasierter Bildanalyse wird die Position des
Laserfokus relativ zur Fuge auch an technischen Nullspalten ermittelt. Die für die
Fugenfolgeregelung erforderliche Echtzeitimplementierung der texturbasierter Bildanalyse wird
mit PC-Hardware auf einer Grafikkarte (GPU) wirtschaftlich umgesetzt.
FLOKATI ermöglicht vollautomatisierte flexible Roboter-Schweiß-Systeme, welche eigenständig
einer Fuge folgen und Abweichungen durch thermischen Verzug kompensieren können (Industrie
4.0). Der Aufwand für die Bahnprogrammierung reduziert sich auf das Teach-In der Startposition
einer Fuge, so dass auch kleine Losgrößen wirtschaftlich gefügt werden können. Damit steigt die
Wettbewerbsfähigkeit von KMU im Maschinen- und Metallbau, also Hersteller und Anwender
vollautomatisierter Roboter-Schweiß-Systeme.
Möglicher Nutzen für KMUs:
• Neuartiger Sensor bei Fügeaufgaben mit technischem Nullspalt;
• Kostensenkend Verkürzung der Prozesskette von der Bahnplanung über die
Bahnprogrammierung bis zum Fügeprozess (grafische Teach-in Unterstützung);
• Visualisierung der Prozesszone und Dokumentation der Fügeprozesse;
• Bereitstellung eines robusten Fugenfolgesensors, der die Zugänglichkeit zu 3D-
Stahlbau-Strukturen nicht einschränkt;
• Steigerung der Flexibilität des Fügens mit Laserstrahlung.

Seite 3 des Schlussberichtes zu IGF-Vorhaben 19333 N
1.3 Erzielte Forschungsergebnisse
Das Vorhaben gliederte sich in fünf Arbeitsinhalte, die teilweise aufeinander aufbauen und
teilweise voneinander abhängen. Die Arbeiten für das Vorhaben begannen mit der Echtzeit-
Implementierung der texturbasierten Algorithmen zur Fugenidentifikation und deren Erweiterung
auf nichtlineare Nähte. Zeitnah wurde mit der Implementation der Regelung in die
Roboterumgebung begonnen. In der Mitte der Projektlaufzeit wurde die Qualifizierung des
Fugenfolgesystems zuerst offline an mit 3D GroundTruth Daten aufgezeichnetem Bildmaterial
durchgeführt und anschließend online anhand der Ausgaben des Reglers bei Abweichungen der
Fugenposition validiert. Abgeschlossen wurde das Vorhaben mit robotergeführten Schweißungen
an industrienahen Demonstratorbauteilen, welche nach Projektende bei der Forschungseinrichtung
verbleiben. Die Demonstratorbauteile wurden nur für das Forschungsprojekt FLOKATI
konzipiert und ergeben keinen Wettbewerbsvorteil für die Industrieunternehmen.
1.3.1 AP1 Algorithmenentwicklung
Texturbasierter Ansatz
Eine generelle Schwierigkeit bei der bildbasierten Kantenerkennung besteht darin, dass die
Helligkeit der beleuchteten Bleche und der gesuchten Fuge abhängig von Material, Prozess und
Anordnung des Aufnahmesystems stark schwankt. Auf Grund der Dynamik des Gesamtsystems
ist es kaum möglich, die Intensitätsverteilung und Helligkeit des akquirierten Bildmaterials
vorherzusagen. Insbesondere kann nicht davon ausgegangen werden, dass Intensitätsänderungen
an der Stoßfuge besonders ausgeprägt sind.
Einige Lösungsansätze für die bildbasierte Fugendetektion verwenden den Canny-Algorithmus [6]
oder einfachere Gradienten-Operatoren [2] [3] [4] [7]. Nachteilig bei allen zitierten Ansätzen ist
jedoch die rein intensitätsbasierte Auswertung der Bildinformationen, so dass deren Robustheit
und damit ihre industrielle Anwendbarkeit eingeschränkt bleiben.
Bild 1 Bildbasierte Kantenerkennung (links: Kamerabild; daneben Canny-gefilterte Bilder, mittig mit Schwellwerten 25 und 75 und
Gauß-Glättung mit σσ = 1, rechts mit Schwellwerten 75 und 150, σσ = 4)
Der klassische, auf Helligkeitsgradienten basierende Ansatz zur Fugendetektion schlägt bei
anspruchsvollen Aufgaben oft fehl, weil die für das Ergebnis herangezogenen Informationen auf
die Helligkeitsinformationen der unmittelbaren Nachbarschaft des jeweiligen Pixels beschränkt
sind. Niedrige Gradientenschwellwerte erzeugen Rauschen bei der Kantenerkennung (Bild 1
Mitte). Bei größeren Schwellwerten werden entlang der Fuge nur einzelne Gradientensegmente
erkannt (Bild 1 rechts).
Aus den genannten Gründen wird daher der Ansatz der texturbasierten Kantenerkennung
verfolgt, d.h. Änderungen der Textur benachbarter Bildausschnitte detektieren [8] und hieraus
einen Gradienten abzuleiten [9] [10]. Dieser wertet deutlich mehr Informationen aus, indem
mehrere Filterantworten gleichzeitig verwendet werden.
Durch den Einsatz einer MR8 Filterdatenbank werden nicht mehr nur die auf Intensitäten
basierenden Gradienten zwischen einzelnen Bildpunkten, sondern von der Ausprägung der
Struktur der Oberfläche abhängige Filterantworten zur Erkennung der Fugenlage eingesetzt. Die
durch Faltung mit den Bilddaten erzeugten Antworten der MR8 Filter sind weniger von den
Intensitäten als von der Orientierung und Größe der Struktur abhängig [11] [12] [13].