Eine offene Steuerungsarchitektur für die Anwendung von Methoden des maschinellen Lernens in der Lasermaterialbearbeitung

Laserprozesse sind ein vielseitiges Verfahren zur Materialbearbeitung. Allein durch die gezielte Einstellung der Prozessparameter lassen sich unterschiedlichste Fertigungsverfahren realisieren. Die Identifikation geeigneter Prozessparameter stellt jedoch aufgrund der Vielzahl von Parametern eine wesentliche Herausforderung bei der Beherrschung von Laserprozessen dar. Methoden des maschinellen Lernens bieten das Potenzial, diesem Umstand zu begegnen, können aber aufgrund technischer Restriktionen, wie der mangelnden Offenheit und Durchgängigkeit bestehender Steuerungsarchitekturen, nur bedingt eingesetzt werden.

Im Rahmen dieser Arbeit wird eine offene und durchgängige Steuerungsarchitektur entworfen, die es erlaubt, Methoden des maschinellen Lernens zur Ermittlung und Anwendung geeigneter Prozessparameter zur Laufzeit des Steuerungssystems einzusetzen. Die Steuerungsarchitektur wird anhand einer lernenden Prozesssteuerung für die Laserbeschriftung demonstriert und validiert. Mit Hilfe eines künstlichen neuronalen Netzes, das automatisiert trainiert, in die Steuerung integriert und zur Laufzeit ausgeführt wird, ist es möglich, farbige Bilder auf Edelstahl zu lasern.