EuropaWire: Selbstführende Laserbearbeitung nutzt Kameras und Mikrofone
Empa, SUPSI und Bystronic entwickeln ein neues Laserbearbeitungsverfahren, das Kameras und Mikrofone zur Beurteilung der Schnittqualität und zur automatischen Anpassung der Maschineneinstellungen nutzt. Das Projekt zielt darauf ab, die Geschwindigkeit und Präzision beim Metallschneiden zu verbessern.
Forscher von Empa, SUPSI und dem Schweizer Maschinenhersteller Bystronic haben ein selbstführendes Laserbearbeitungsverfahren entwickelt, das Kameras und Mikrofone sowie maschinelles Lernen nutzt, um die Schnittqualität zu beurteilen und die Maschineneinstellungen automatisch anzupassen. Dieses Projekt adressiert die gängige Herausforderung, dass Laserbearbeitungsmaschinen zeitaufwendige Testreihen und Neukalibrierungen für verschiedene Legierungen und Materialdicken erfordern, insbesondere bei der Bearbeitung von dickem Metall.
Das System zielt darauf ab, der Laserbearbeitungsmaschine "Augen" und "Ohren" zu geben, um den Prozess autonom zu überwachen. SUPSI entwickelt eine kamerabasierte Bewertung der Schnittqualität, während Empa akustische Methoden entwickelt, die Tonaufnahmen von Mikrofonen im Inneren der Maschine nutzen. Die Forscher stellten fest, dass die akustische Bewertung die Schnittqualität fast so gut wie Kameras beurteilen kann, jedoch weniger teure Ausrüstung erfordert.
Zur Schulung ihrer Modelle führte das Team Tests mit Metallstärken von 6 mm, 10 mm, 15 mm und 25 mm durch, wobei der Fokus auf Schnittkantenrauheit und Gratbildung lag. Sie verwendeten neun an verschiedenen Positionen in der Maschine platzierte Mikrofone und nahmen gleichzeitig Umgebungsgeräusche auf, um die akustischen Modelle zu trainieren.
Die Projektpartner verknüpfen nun die akustischen und optischen Modelle mit einem zentralen Steuerungssystem, das es der Laserbearbeitungsmaschine ermöglichen soll, ihre Einstellungen sofort zu optimieren. Diese Fähigkeit könnte den Bedarf an aufwendigen Testreihen eliminieren, indem sie eine automatische Anpassung an die besten Parameter für jedes Material ermöglicht. Das zweijährige Projekt wird voraussichtlich im Herbst 2026 abgeschlossen sein, und das daraus resultierende System soll für bestehende Maschinen nachrüstbar sein.