Методы искусственного интеллекта на основе данных для диагностики дефектов сварки в реальном времени: критический обзор и перспективы развития
Data-driven artificial intelligence methods for real-time welding defect diagnosis: A critical review and future outlook
2026-02-02
SCID: 54.1/pkukywpu
Discuss with AI
сверточные нейронные сетитехнологии цифровых двойниковмониторинг в процессе сваркимультимодальное слияние данныхдиагностика дефектов сварки в реальном времени
Figures from the paper
Abstract (AI)
В настоящем обзоре представлен подробный анализ систем обнаружения дефектов сварки в реальном времени с акцентом на критически важную интеграцию передовых технологий сенсорного контроля и искусственного интеллекта для повышения качества сварки. Традиционные методы инспекционного контроля после завершения процесса являются трудоемкими и дорогостоящими и принципиально не соответствуют требованиям современного автоматизированного производства к контролю качества в реальном времени. Это обусловливает переход к системам мониторинга в процессе сварки, способным выявлять дефекты непосредственно во время выполнения операции и обеспечивать немедленное принятие корректирующих мер. В исследовании оценивается эффективность различных сенсорных технологий, включая оптические, электрические, акустические, тепловые и радиографические датчики, для выявления разнообразных дефектов сварки. Далее рассматривается применение передовых методов искусственного интеллекта для диагностики дефектов сварки, включая специализированные модели, такие как сверточные и рекуррентные нейронные сети, трансформерные и генеративные модели, перенос обучения, мультимодальное объединение данных и гибридные подходы. В обзоре также обсуждаются ключевые проблемы, включая качество данных, их получение и недостаток, ограничения вычислительных ресурсов и сложность интеграции систем. Наконец, выделяются перспективные направления дальнейших исследований, включая облегченные модели искусственного интеллекта, усовершенствованные стратегии многосенсорного объединения данных и технологии цифровых двойников. Эти достижения способны повысить точность диагностики и обеспечить действительно своевременное обнаружение дефектов в процессе сварки, что в конечном итоге позволит повысить эффективность производства, сократить отходы и обеспечить изготовление более безопасных и надежных сварных конструкций в критически важных промышленных секторах. К основным результатам относятся всесторонний обзор сенсорных технологий для диагностики дефектов сварки в реальном времени; анализ методов на основе искусственного интеллекта, применяемых для диагностики сварочных аномалий; обсуждение современных проблем; определение перспективных направлений, таких как облегченные модели искусственного интеллекта и адаптивные многосенсорные системы; а также рассмотрение значения концепции Индустрии 4.0 для повышения качества сварки и сокращения отходов.
Key Findings
1
Для диагностики на основе ИИ всё чаще применяются свёрточные и рекуррентные нейронные сети, трансформеры, генеративные модели, перенос обучения, мультимодальное объединение данных и гибридные архитектуры.
2
Перспективными направлениями названы облегчённые модели ИИ, адаптивное объединение данных от нескольких датчиков и цифровые двойники для точной диагностики в реальном времени, снижения отходов и повышения безопасности сварных конструкций.
3
К основным препятствиям относятся недостаточное качество и доступность данных, ограниченные вычислительные ресурсы и сложность интеграции сенсорных систем с ИИ.
4
Оптические, электрические, акустические, тепловые и радиографические датчики способны выявлять различные дефекты сварки непосредственно во время операции.
5
Мониторинг сварки в процессе необходим, поскольку традиционный контроль после сварки занимает много времени, требует значительных затрат и несовместим с автоматизированным производством.
Research Object
Процессы сварки в реальном времени и системы оперативного обнаружения дефектов
Research Subject
Эффективность, интеграция, проблемы и перспективное развитие диагностики сварочных дефектов на основе датчиков и ИИ для контроля качества в реальном времени
Publication Details
Publication Date
2026-02-02
Journal
Publisher
ISSN
Cited by
18
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest