KITECH 생산기술 전문지

가스메탈아크 용접(gas metal arc welding, GMAW)은 자동차, 선박, 건설 등의 산업에 적용되고 있으며, 자동차 산업의 경우에는 스틸 및 알루미늄으로 구성된 샤시 부품의 용접에주로 적용되고 있다 [1-3]. 샤시 부품의 아크 용접부 품질은 용접부의 외관, 크기, 형상 등을작업자의 육안 검사 또는 파괴 검사를 통해 평가되며, 이는 용접부의 인장강도 등의 기계적성능이 용접부 형상과 크기와 밀접한 연관이 있기 때문이다 [4]. 근래에는 레이저 비전 센서및 머신 비전 카메라 등의 비전 센서와 이를 통해 얻어진 영상 데이터를 기반으로 한 비파괴적인 아크 용접부 품질 검사(예측) 기술에 대한 수요가 증가하고 있으며, 해당 기술의 현장 적용을 위한 선행 기술 개발 및 적용이 이루어지고 있다. 이러한 용접품질 검사기술의변화의 원인에는 파괴검사의 한계와 영상처리 기술의 비약적 발전 등이 있다. 즉, 파괴 검사의 경우에는 용접 공정의 후속으로 별도의 검사 공정이 필요하기 때문에 추가적인 검사시간과 비용이 소요되고, 생산된 제품에 대한 전수 검사가 불가능하다는 한계가 있다. 그리고 기존에는 처리가 어려웠던 영상 데이터의 처리, 모델링 등의 다양한 기능을 구현할 수있는 인공 신경망(convolution neural network, CNN) 등의 개발이 이루어짐에 따라 영상 데이터 기반의 기술 적용의 제약이 해소되었다.영상 데이터 기반의 용접품질 검사 및 예측에 대한 연구는 레이저 비전 센서 기반의 3차원 영상 데이터를 이용한 품질 검사 기술과 머신 비전 카메라 등을 기반의 2차원 영상 데이터를 이용한 품질 검사 기술로 분류될 수 있다. Lee 등은 용접부의 결함을 검출하기 위한레이저 비전 센서의 설계 및 제작, 레이저 비전 센서의 캘리브레이셔 및 영상처리 기술, 그리고 검사 시스템 구성을 위한 소프트웨어를 개발하였고, 개발된 레이저 비전 센서를 이용하여 용접 비드 외관을 측정하고 측정된 영상 데이터를 이용하여 용접 비드 형상 정보의 추출과 용접부 외관 결함 검출을 위한 기술을 개발하였다 [5-7]. Ye 등은 레이저 비전 센서의불안정한 거동과 용접부 표면의 곡률에 강건한 센서를 개발하기 위해, 레이저 비전 센서와용접부 간의 거리와 각도와 상관없이 용접부에서 비드를 자동으로 분할 할 수 있는 모델 기반 분류 기법을 개발하였다 [8]. Park 등은 적외선 카메라를 아크 용접에 적용하여 용접 중에 용융풀의 열강도 분포 특성 및 열화상 데이터를 측정하였고, 측정된 데이터를 이용하여용접부 비드 형상 및 용접 결함에 미치는 용접 공정 변수의 효과에 대한 연구를 수행하였다[9]. 비전 카메라 기반의 용접품질 검사 기술에 대한 선행 연구는 대부분 3차원 레이저 비전센서 기반의 검사 기술이 주를 이루고 있으며, 이는 2차원 형상 측정 기반 기술은 3차원 영상을 측정하는 것에 한계가 명확하기 때문이다. 또한 레이저 비전 센서 기반의 용접부 품질검사 기술의 현장 적용 및 기술의 확대보급을 위해서는 레이저 비전 센서를 통해 측정된 용접부 외관 형상 정보 및 영상 데이터를 사용하여 용접부의 인장 전단 강도 및 용접부 내부형상 등을 예측하거나 검사하는 기술에 대한 활발한 연구가 필요한 실정이다.본 연구는 자동차 샤시 부품의 가스메탈아크 용접부의 품질 예측 기술에 적용이 가능한레이저 비전 센서 기반의 용접품질 예측 모델과 기술에 대한 것이다. 이를 위해 레이저 비전 센서의 하드웨어 제작, 용접부 외관 형상 프로파일(profile)의 3차원 복원(reconstruction)을 위한 알고리즘 등을 개발하였다. 측정된 용접부 외관 영상 데이터를 입력으로, 그리고용접부 인장강도 및 내부 형상을 출력으로 하는 인공신경망 모델에 대한 연구를 수행하였다. 또한 입력 데이터와 출력 데이터의 형상과 구성에 따른 용접부 품질검사 모델에 대한연구를 진행하였다.