Die vorliegende Erfindung betrifft ein Verfahren und eine Vorrichtung zum Er- kennen eines Prozesszustands eines Plasmalichtbogenverfahrens.

Bei Plasmalichtbogenverfahren wie beispielsweise Plasmaschneiden können Ereignisse eintreten, die sich negativ auf das zu erzielende Ergebnis auswirken. Dies betrifft beispielsweise die Qualität eines Schnittes, Beschädigungen des Plasmabrenners oder des Schneidmaterials, insbesondere durch einen unvorhergesehenen bzw. unvorhersehbaren Ausfall oder die Verwendung von Verschleißteilen über eine empfohlene Betriebsdauer hinaus. Um dem entgegenzuwirken wird das Plasmalichtbogenverfahren überwacht mit dem Ziel, derartige Ereignisse rechtzeitig detektieren zu können und gegebenenfalls das Verfahren abzubrechen oder einen bzw. mehrere Prozessparameter zu verändern. Dies dient nicht nur einer Optimierung des jeweiligen Plasmalichtbogenverfahrens, sondern auch einem Schutz eines dazu eingesetzten Plasmabrenners bzw. des Werkstücks.

Aus dem Stand der Technik sind hierzu mehrere Ansätze bekannt. Typischerweise wird ein einzelner Parameter wie eine Amplitude oder eine Änderungsrate einer elektrischen Spannung ermittelt und bei Überschreiten eines Schwellwerts eine entsprechende Maßnahme eingeleitet. Beispielsweise offenbart US 5,750,957 A ein Verfahren, bei dem eine Standardabweichung eines elektrischen Signals überwacht und zur Qualitätsbeurteilung des Prozesses herangezogen wird.

Nachteilig an dieser Herangehensweise ist jedoch, dass die Parameter, die für die Qualitätskontrolle herangezogen werden, oftmals abhängig von Verfahrensparametern wie der Geschwindigkeit des Plasmalichtbogenprozesses und einer Materialdicke des Werkstücks sind, der zu bestimmende Schwellwert also Kenntnis dieser Schneidparameter erfordert und nur schwer verallgemeinert werden kann.

Das Durchstechen des Werkstücks als Schneidmaterial kann sich ebenfalls in unterschiedlichen Signalverläufen bei verschiedenen Materialdicken äußern, so dass ein reiner Vergleich mit einem Schwellwert hier in der Regel nur ungenügende Ergebnisse liefert. Gleiches gilt für ein Verschleißteilversagen, das unterschiedliche Signalmuster hervorruft, die unter anderem abhängig sind von der verwendeten Kathode.

Der vorliegenden Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren und eine Vorrichtung vorzuschlagen, die die genannten Nachteile vermeiden, mit denen also in zuverlässiger Weise Prozesszustände, insbesondere Fehler, eines Plasmalichtbogenverfahrens schnell bestimmbar sind. Diese Aufgabe wird erfindungsgemäß gelöst durch ein Verfahren nach Anspruch 1 und eine Vorrichtung nach dem nebengeordneten Anspruch. Vorteilhafte Ausgestaltungen und Weiterbildungen sind in den abhängigen Ansprüchen beschrieben.

Bei einem Verfahren zum Erkennen eines Prozesszustands eines Plasmalichtbogenverfahrens oder Plasmalichtbogenprozesses wird ein Werkstück von einem Plasmabrenner bearbeitet und Messwerte eines zeitlichen Verlaufs einer physikalischen Größe des Plasmalichtbogenverfahrens detektiert. Aus den Messwerten wird ein Signalverlauf ermittelt und eine Mustererkennung an dem Signalverlauf durchgeführt. Hierbei wird mindestens ein Merkmal aus dem Signalverlauf extrahiert und klassifiziert. Abschließend wird abhängig von der Klassifizierung des Merkmals der Signalverlauf einem bestimmten Zustand des Plasmalichtbogenverfahrens zugeordnet.

Durch Aufzeichnen des zeitlichen Verlaufs einer mit dem Plasmalichtbogenverfahren zusammenhängenden physikalischen Größe wird ein für das jeweilige Verfahren typischer (zeitlicher) Signalverlauf dieser physikalischen Größe ermittelt. Indem nun nicht auf eine reine Schwellwertüberschreitung geachtet wird, die aufgrund starken Rauschens, abweichender Prozessparameter o.ä. auch Fehlalarme auslösen kann, sondern durch die Mustererkennung auf ähnliche Muster zu bereits bekannten Prozesszuständen geachtet wird, ist eine zuverlässigere Aussage über den Prozesszustand möglich als mit bekannten Verfahren. Hierzu werden aus den Signalverläufen, die einem zu detektieren- den Muster zugeordnet werden können, Merkmale gewonnen und einer gemeinsamen Klasse zugewiesen (Klassifizierung). Durch die Klassifizierung, d. h. dem Zuordnen zu einem bestimmten Zustand des Plasmalichtbogenverfahrens, kann eine verlässlichere Aussage über den Zustand des Plasmalichtbogenverfahrens getroffen werden als bei einer reinen Schwellwertbetrachtung. Das Verfahren kann somit insbesondere dafür eingesetzt werden, eine Lichtbogenstabilität zu überwachen, ein Versagen von Verschleißteilen zu erkennen und den Betrieb zu beenden, um den Plasmabrenner vor irreparablen Beschädigungen zu schützen. Des Weiteren lassen sich Zustände für eine Reduzierung einer Kathodenlebensdauer, wie ein Brennen des Lichtbogens über ei- nem Loch nach einem Lochstechvorgang oder ein Überfahren eines Werkstückendes bestimmen, um anschließend Maßnahmen zum Erhalt der Kathoden- lebensdauer durch Beeinflussen von Prozessparametern, wie beispielsweise einem Absenken des Plasmabrenners oder einer Reduzierung eines Schneidstroms bzw. eines Schneidgasdrucks vorzunehmen.

Der Signalverlauf kann hierbei direkt im Zeitbereich vorliegen oder auch im Frequenzbereich vorliegen, indem der zeitliche Verlauf der Messwerte beispielsweise durch eine Fourier-Transformation in den Frequenzbereich überführt wird.

Es kann vorgesehen sein, dass die mindestens eine physikalische Größe eine elektrische Spannung, ein elektrischer Spannungsabfall und bzw. oder ein elektrischer Strom ist. Diese Größen sind in der Regel relevant für den Plasmalichtbogen und zuverlässig bestimmbar.

Das mindestens eine Merkmal kann aus Amplituden der Messwerte und bzw. oder einem Amplitudenspektrum ermittelt werden, wobei vorzugsweise das Merkmal aus einer Summe des Amplitudenspektrums über mindestens einen vorherbestimmten Frequenzbereich, besonders vorzugsweise mindestens zwei vorherbestimmte Frequenzbereiche erfolgt. Insbesondere bei Verwendung bestimmter relevanter Frequenzbereiche des Amplitudenspektrums können Prozesszustände, bei denen in diesen Frequenzbereichen liegende Frequenzen oftmals auftreten, mit hoher Genauigkeit ermittelt werden. Der Begriff „Signalverlauf" kann daher sowohl den zeitlichen Verlauf der Messwerte als auch ein daraus gewonnenes Amplitudenspektrum beschreiben.

Es kann aber auch vorgesehen sein, dass das mindestens eine Merkmal aus einer Parametrisierung zumindest eines Teilabschnitts oder mehrerer Teilabschnitte bzw. einer Parametrisierung des gesamten Signalverlaufs ermittelt wird. Dies ermöglicht insbesondere Prozesszuständen, die sich durch eine zeitliche Änderung nachweisen lassen, eine schnelle und zuverlässige Detektion dieser Zustände. Vorzugsweise wird das Merkmal aus einer Parametrisierung eines oder mehrerer einzelner Teilabschnitte des Signalverlaufs durch Bilden einer Folge von Mittelwerten und bzw. oder Änderungsraten und bzw. oder Regressionswerten einer Regressionsanalyse ermittelt. Eine Anzahl der aufgenommenen Messwerte, die einen Signalverlauf bilden, kann mindestens 500 Messwerte, vorzugsweise 10000 Messwerte, besonders vorzugsweise 15000 Messwerte betragen, um eine ausreichend hohe Genauigkeit und damit Zuverlässigkeit des Verfahrens zu erzielen.

Die Zeit zwischen zwei einzelnen Messwerten, die einen Signalverlauf bilden, kann maximal 1 ms, vorzugsweise 0,05 ms, besonders vorzugsweise 0,03 ms betragen, um auch ausreichend schnell Prozesszustände ermitteln zu können. Die Mustererkennung wird dabei typischerweise in Echtzeit durchgeführt, d. h. innerhalb von maximal 1,5 s, oder liegt in Form einer Look-Up-Tabelle vor, in der Ergebnisse der Mustererkennung für beliebige Merkmalskombinationen berechnet und in einer Tabelle gespeichert wurden.

Die Zeit zum Messen und zum Bilden eines Signalverlaufs kann maximal 1500 ms, vorzugsweise maximal 500 ms und besonders vorzugsweise maximal 350 ms betragen, um zeitnah Informationen über den Prozesszustand zu erlangen. Die Messzeit ist vorzugsweise größer als die Zeit, die für die Gewinnung der Merkmale bzw. die Mustererkennung benötigt wird.

In der Regel ist zum Erhöhen der Zuverlässigkeit des Verfahrens auch vorgesehen, mindestens zwei Merkmale zu ermitteln und zur Ermittlung des Prozesszustands heranzuziehen, d. h. mindestens zwei Merkmale aus dem Signalverlauf zu extrahieren und zu klassifizieren. Die Anzahl der Merkmale ist jedoch typischerweise kleiner als die Anzahl der einzelnen Messwerte.

Klassen der Klassifizierung umfassen typischerweise mindestens einen stabilen Prozesszustand und bzw. oder mindestens einen instabilen Prozesszustand. Bei Vorliegen des stabilen Prozesszustands wird das Plasmalichtbogenverfahren unverändert fortgesetzt, wohingegen bei Vorliegen des instabilen Prozesszustands das Plasmalichtbogenverfahren vorzugsweise abgebrochen wird, um Beschädigungen zu vermeiden. Der instabile Prozesszustand kann insbesondere durch beschädigte oder verschlissene Verschleißteile verursacht sein bzw. diese anzeigen. Es lassen sich auch weitere Zustände klassifizieren, die auf Fehler wie einen Auswurf von Hafnium der Kathode oder Doppellicht- bögen zwischen Kathode und Düse hinweisen, aber kein Eingreifen in den Prozess erfordern.

Das Plasmalichtbogenverfahren ist typischerweise Plasmaschneiden mit einem Plasmaschneidbrenner. Prinzipiell können jedoch alle Prozesse, bei denen eine Werkstoffbearbeitung mittels eines Plasmalichtbogens erfolgt als Plasmalichtbogenverfahren angesehen werden. In diesem Fall können die Klassen als Prozesszustände einen Leerlauf, ein Zünden eines Pilotlichtbogens, Brennen des Pilotlichtbogens, Einstechen in das Werkstück, Durchstechen des Werkstücks, Schneiden des Werkstücks, Überfahren einer Schnittfuge, Überfahren einer Werkstückkante, Vorliegen eines beschädigten Verschleißteils und bzw. oder Vorliegen eines verschlissenen Verschleißteils oder mehrerer verschlissener Verschleißteile aufweisen. Alternativ oder zusätzlich kann der Verbrauch eines Verschließteils bzw. insbesondere das Einteilen in die Klassen Vorliegen eines beschädigten Verschleißteils, Vorliegen eines neuen Verschleißteils, Vorliegen eines gebrauchten Verschleißteils und/oder Vorliegen eines verschlissenen Verschleißteils anhand des Rückbrands der Kathode (gemessen in Millimetern) und bzw. oder anhand des Rückbrands bezogen auf eine vorgegebene Lebensdauer klassifiziert werden. Im ersten Fall kann beispielsweise eine Klasseneinteilung nach der verbleibenden Länge der Kathode erfolgen, d. h. beispielsweise eine Länge im Bereich 0 mm bis 1 mm, eine Länge im Bereich 1 mm bis 1,8 mm und eine verbleibende Länger größer als 1,8 mm. Bezogen auf eine maximale Lebensdauer, die sich in einem maximal möglichen Rückbrand manifestiert, kann auch eine Klassifizierung anhand Prozenten zwischen 0 Prozent, d. h. keinem Rückbrand, und 100 Prozent, d. h. maximalem Rückbrand und Erreichen der maximalen Lebensdauer, erfolgen.

In Abhängigkeit von einem Ergebnis der Klassifizierung kann ein optisches, akustisches, elektrisches und bzw. oder elektronisches Signal bzw. ein optisch, akustisch, elektrisch und bzw. oder elektronisch auswertbares Signal generiert bzw. ausgegeben werden, um das Plasmalichtbogenverfahren zu stabilisieren oder zu beenden. Das Signal kann auch ein Warnsignal sein, um einen Menschen zum Eingreifen zu veranlassen.

Eine Vorrichtung zum Erkennen eines Prozesszustands eines Plasmalichtbo- genverfahrens weist einen Plasmabrenner auf, der eingerichtet ist, ein Werkstück zu bearbeiten. Die Vorrichtung umfasst außerdem eine Messwertauf- nahmevorrichtung, die ausgebildet ist, Messwerte eines zeitlichen Verlaufs einer physikalischen Größe des Plasmalichtbogenverfahrens aufzunehmen und einen Signalverlauf aus den Messwerten zu ermitteln. Zudem ist eine Auswerteeinheit Teil der Vorrichtung, die eingerichtet ist, mindestens ein Merkmal aus dem Signalverlauf zu extrahieren und zu klassifizieren und abhängig von der Klassifizierung des Merkmals den Signalverlauf einem bestimmten Zustand des Plasmalichtbogenverfahrens zuzuordnen.

Der Plasmabrenner weist typischerweise zumindest eine Elektrode und eine Düse auf und wird von einer elektrischen Stromquelle oder einer elektrischen Spannungsquelle, die ebenfalls Teil der Vorrichtung sein können, mit elektrischer Energie versorgt. Das Werkstück dient hierbei als zweite Elektrode. Zudem kann eine Steuereinheit vorgesehen sein, die die Strom- oder Spannungsquelle steuert, insbesondere auch basierend auf von der Auswerteeinheit erhaltenen Signalen.

Die Vorrichtung kann auch ein induktives Bauelement aufweisen, das elektrisch in Reihe zu dem Plasmabrenner geschaltet ist. Die Messwertaufnahmevorrichtung ist in diesem Fall auch dazu ausgebildet, einen elektrischen Strom, der durch das induktive Bauteil fließt, oder einen elektrischen Spannungsabfall über dem induktiven Bauteil zu messen. Durch das induktive Bauteil fließt hierbei in der Regel zumindest ein Teil des elektrischen Stroms, der auch durch die Elektrode des Plasmabrenners fließt.

Die zu messende elektrische Spannung kann die elektrische Spannung zwischen der Elektrode des Plasmabrenners und dem Werkstück, die elektrische Spannung zwischen der Elektrode und der Düse und bzw. oder der Spannungsabfall über dem induktiven Bauteil, das typischerweise als Drossel ausgebildet ist, sein.

Der zu messende elektrische Strom kann insbesondere der elektrische Strom sein, der von der Elektrode zur Düse und bzw. oder von der Elektrode zum Werkstück fließt. Die beschriebene Vorrichtung ist typischerweise zum Durchführen des beschriebenen Verfahrens eingerichtet, d. h. das erläuterte Verfahren kann mit dieser Vorrichtung durchgeführt werden.

Ein Computerprogrammprodukt umfasst ein Computerprogramm, das Softwaremittel zum Durchführen des beschriebenen Verfahrens und bzw. oder zum Ansteuern der beschriebenen Vorrichtung aufweist, wenn das Computerprogramm in einem Automatisierungssystem bzw. Recheneinheit ausgeführt wird.

Ausführungsbeispiele der Erfindung sind in den Zeichnungen dargestellt und werden nachfolgend anhand der Figuren 1 bis 11 erläutert.

Es zeigen:

Fig. 1 eine schematische seitliche Ansicht einer Vorrichtung zur Plasmalichtbogenbearbeitung;

Fig. 2 ein Diagramm mit über einen bestimmten Zeitraum aufgenommenen Messwerten physikalischer Größen;

Fig. 3 einen schematischen Verfahrensablauf einer Mustererkennung;

Fig. 4 eine Figur 3 entsprechende Ansicht eines detaillierten Verfahrensablaufs zur Mustererkennung;

Fig. 5 eine schematische Darstellung eines Signalverlaufs aus Spannung und Strom zum Ermitteln des Zustands von Verschleißteilen;

Fig. 6 eine schematische Darstellung eines Signalverlaufs bei defektem Verschleißteil;

Fig. 7 eine Figur 6 entsprechende schematische Darstellung eines Signalverlaufs bei Überfahren einer Fuge oder Verlassen eines Blechs; Fig. 8 eine schematische Darstellung eines Aufsummierens eines Amplitu- denspektrums;

Fig. 9 ein schematisches Diagramm zur Mustererkennung mittels Parametrisierung;

Fig. 10 eine schematische Darstellung eines Merkmalsraums und

Fig. 11 eine reale Darstellung eines Merkmalraums.

Figur 1 zeigt in einer schematischen seitlichen Ansicht eine Vorrichtung zum Durchführen und Überwachen eines Plasmalichtbogenverfahrens, im dargestellten Ausführungsbeispiel Plasmaschneiden. Ein Plasmabrenner 2 bzw. Plasmaschneidbrenner, der eine Düse und eine Elektrode aufweist (sowie weitere Bestandteile wie Kühlmittelzuflüsse u.ä., die aber aus dem Stand der Technik bekannt sind und daher aus Übersichtsgründen hier nicht weiter aufgeführt sind), ist mit einer Stromquelle 4 elektrisch verbunden und emittiert einen Plasmalichtbogen 3, um ein Werkstück 1, das ebenfalls mit der Stromquelle 4 elektrisch verbunden ist, zu schneiden. Im dargestellten Ausführungsbeispiel ist eine Drossel 7 als induktives Bauelement elektrisch in Reihe mit dem Plasmabrenner 2 geschaltet, in weiteren Ausführungsbeispielen kann aber auch auf die Drossel 7 verzichtet werden. Über eine Messwertaufnahmevorrich- tung 5 werden Messwerte eines zeitlichen Verlaufs einer physikalischen Größe wie elektrischer Strom, elektrischer Spannung oder elektrischer Spannungsabfall aufgenommen, insbesondere während des Schneidevorgangs und in einer Auswerteeinheit 6 ausgewertet.

Die Auswerteeinheit 6 ist dazu eingerichtet, aus den erhaltenen Messwerten und eines von der Messwertaufnahmevorrichtung 5 ermittelten Signalverlaufs eine Mustererkennung an diesem Signalverlauf durchzuführen. Mindestens ein Merkmal, typischerweise jedoch zwei Merkmale, werden von der Auswerteeinheit 6 aus dem Signalverlauf extrahiert und klassifiziert, wobei die verschiedenen Klassen der Klassifikation einen bestimmten Zustand des Plasmalichtbogenverfahrens darstellen. In Abhängigkeit von der ermittelten Klasse kann die Auswerteeinheit 6 ein elektrisches Signal an die Stromquelle 4 ausgeben, die entsprechend den elektrischen Strom steuert oder regelt. In weiteren Ausführungsbeispielen kann statt der Stromquelle 4 auch eine Spannungsquelle verwendet werden, die entsprechend eine elektrische Spannung regelt.

In dem in Figur 1 gezeigten Ausführungsbeispiel ist die Messwertaufnahme- vorrichtung 5 auch dazu ausgebildet, einen Spannungsabfall über der Drossel 7 zu messen. Die gemessene elektrische Spannung kann hierbei sowohl die Spannung zwischen der Elektrode und dem Werkstück 1 als auch die Spannung zwischen der Elektrode und der Düse und bzw. oder der schon genannte Spannungsabfall über der Drossel 7 sein. Der gemessene elektrische Strom kann der elektrische Strom sein, der von der Elektrode zur Düse fließt, und bzw. oder der elektrische Strom sein, der von der Elektrode zum Werkstück 1 fließt.

Typischerweise ist die Auswerteeinheit 6 und die Messwertaufnahmeeinheit 5 als eine einzige Recheneinheit ausgebildet, auf der in der Regel ein Computerprogrammprodukt ausgeführt werden kann. Das Computerprogrammprodukt weist Softwaremittel auf, die die in Figur 1 gezeigte Vorrichtung ansteuern cider das nachfolgend noch näher beschriebene Verfahren durchführen, wenn das Computerprogrammprodukt in dieser Recheneinheit als Automatisierungseinheit ausgeführt wird.

Figur 2 zeigt ein Diagramm, bei dem über der Zeit in Sekunden ein typischer Verlauf von der Messwertaufnahmevorrichtung 5 aufgezeichneten Größen wie elektrischer Spannung oder elektrischer Strom dargestellt ist. In diesem Diagramm ist der Schneidstrom in Ampere (oberste Kurve), die Spannung zwischen Elektrode und Werkstück 1 in Volt (mittlere Kurve) und die elektrische Spannung zwischen Elektrode und Düse in Volt (untere Kurve) aufgetragen. Im Bereich ab 1,5 s kommt es dabei verstärkt zu Fluktuationen, ab 2,9 s zu einem Spannungseinbruch. Jegliche dieser Abweichung deutet auf Fehler im Prozessverlauf hin und erfordert zum Schutz des Plasmabrenners ein schnelles Beenden des Schneidprozesses. Die Fluktuationen im Bereich bei 0,7 s werden unter anderem durch Hafnium im Lichtbogen bzw. Doppellichtbögen zwischen Kathode und Düse verursacht. Da insbesondere bei den Fluktuationen bei 0,7 s allerdings ein Schwellwert, der laut dem Stand der Technik als Fehlerindikator dienen soll, überschritten werden kann (und gegebenenfalls der Prozess unterbrochen wird) und das Verfahren anschließend doch wieder regulär fortgesetzt werden kann, wird bei dem beschriebenen Verfahren eine Musterer- kennung durchgeführt, um zuverlässiger tatsächliche Fehlerereignisse zu de- tektieren, die einen Abbruch des Plasmalichtbogenverfahrens notwendig machen.

Figur 3 zeigt in einer schematischen Ansicht einen entsprechenden Ablauf der Mustererkennung. In einem Schritt S3-1 wird der von der Messwertaufnah- mevorrichtung 5 aus den Messwerten ermittelte Signalverlauf gespeichert und gegebenenfalls an die Auswerteeinheit 6 übergeben. In Schritt S3-2 wird mindestens ein Merkmal aus dem Signalverlauf (bzw. bei Vorliegen der Signalverläufe mehrerer physikalischer Größen aus jedem der Signalverläufe bzw. zumindest aus mindestens zwei Signalverläufen) ermittelt. In Schritt S3-3 wird eine Mustererkennung über einen Ähnlichkeitsvergleich durchgeführt, um festzustellen, welchem bekannten Muster bzw. welchem Zustand des Plasmalichtbogenverfahrens der vorliegende Signalverlauf ähnelt.

Unter einer Mustererkennung soll hierbei die Fähigkeit verstanden werden, in einer Menge von Daten wie den Messwerten bzw. dem Signalverlauf Regelmäßigkeiten, Wiederholungen, Ähnlichkeiten oder Gesetzmäßigkeiten zu erkennen. Die für ein Muster bestimmten Merkmale dienen zur Unterscheidung vom Inhalt anderer Klassen. Neben der Erfassung der Daten durch Sensoren (wie zuvor schon beschrieben) kann auch eine Vorverarbeitung zur Datenreduktion zur Verbesserung der Datenqualität vorgesehen sein. Durch Extraktion der Merkmale im Rahmen der Mustererkennung werden die Muster bei einer Merkmalsgewinnung anschließend in einen Merkmalsraum transformiert. Im Merkmalsraum sind die Muster als Punkte repräsentiert, wobei sich die Merkmale typischerweise mathematisch als Vektoren, den sogenannten Merkmalsvektoren, darstellen lassen. Hierbei werden die Merkmale als Zahlenwerte gemessen und zu einem (mehrdimensionalen) Merkmalsvektor zusammengefasst. Gegebenenfalls kann im Verfahrensablauf noch ein Zwischenschritt einer Merkmalsreduktion vorgesehen sein, um die Muster auf das Wesentliche zu beschränken. Durch eine Klassifikation wird einem zu untersuchenden Merkmalsvektor eine Zugehörigkeit zu einer Klasse zugewiesen, die die größte Übereinstimmung oder Ähnlichkeit mit dem zu untersuchenden Merkmalsvektor liefert, d. h. deren Merkmale die größte Übereinstimmung cider Ähnlichkeit mit dem zu untersuchenden Merkmalsvektor liefern. Dies kann durch eine mathematische Funktion, wie dem Skalarprodukt zwischen dem zu untersuchenden Merkmalsvektor und einem bzw. mehreren die jeweilige Klasse repräsentierenden Vektoren oder einem Klassifikator erfolgen, der die Merkmale verschiedenen Klassen zuordnet und dadurch einen Prozesszustand abbildet. Wird hierbei im nachfolgenden Schritt S3-4 beispielsweise ein fehlerhafter Zustand eines Verschleißteils erkannt (indem das Muster in die entsprechende Klasse klassifiziert wurde), kann in Schritt S3-5 beispielsweise ein Abschalten der Stromquelle 4 erfolgen.

Im Rahmen der Vorverarbeitung kann der Signalverlauf beispielsweise ein Hochpassfilter, ein Tiefpassfilter oder ein Bandpassfilter durchlaufen. Alternativ oder zusätzlich können die Messwerte auch normiert werden. Die eigentlichen Merkmale können unterschiedliche ausgeprägt sein und beispielsweise auch Kennzahlen einer Verteilungsfunktion, Momente wie den Erwartungswert und die Varianz oder Korrelation und Faltung umfassen.

Zudem ist es auch möglich, durch eine Transformation wie eine diskrete Fourier-Transformation die Messwerte in den Frequenzbereich zu überführen, um einen besser handhabbaren Merkmalsraum zu erhalten.

In Figur 4 ist in einer detaillierten Darstellung die Mustererkennung ebenfalls in einem Ablaufplan wiedergegeben. Nach dem Start in Schritt S4-1 wird in Schritt S4-2 ein Speicher in der Messwertaufnahmevorrichtung 5 für insgesamt M Samples als Abtastwerte erstellt. Die Zahl der Samples beträgt hierbei mindestens 5000 für das gewählte Ausführungsbeispiel und ein Zeitraum zwischen der Aufnahme zweier Samples maximal 0,1 ms. Der gesamte Messzeitraum kann im wiedergegebenen Beispiel maximal 1 s betragen.

In Schritt S4-3 werden N Samples der Spannung zwischen Elektrode und Düse abgetastet und diese Samples dem Speicher hinzugefügt (wobei N<M ist). In Schritt S4-4 wird geprüft, ob der Speicher voll ist, sich also insgesamt M Samples im Speicher befinden. Falls nein, wird der Schneidprozess weiter aufgenommen, falls ja, wird das Mustererkennungsverfahren in den Schritten S4-6, S4-7 und S4-8 durchgeführt. Hierzu wird in Schritt S4-6 in dem dargestellten Ausführungsbeispiel zunächst eine Vorverarbeitung der M Samples durchgeführt und in Schritt S4-7 die Merkmale aus dem Signalverlauf gewonnen. In Schritt S4-8 wird geprüft, ob ein vorab definierter Klassifikator eine größte Übereinstimmung mit einer bestimmten Klasse, beispielsweise der Klasse „Kathodenversagen" oder „Verschleißteilversagen", liefert. Falls nein, werden in Schritt S4-5 die N ältesten Samples aus dem Speicher entfernt und der Prozess fortgeführt. Falls ja, wird der Schneidprozess in Schritt S4-9 beendet und auf einer Anzeigeeinheit beispielsweise die Fehlermeldung „Verschleißteilversagen" ausgegeben, bevor das Ende in Schritt S4-10 erreicht ist. Im dargestellten Ausführungsbeispiel können als weitere Klassen „regulärer Prozessablauf" (hier läuft das Plasmalichtbogenverfahren weiter) sowie „unregelmäßiger Prozessablauf" (hier wird das Verfahren ebenfalls fortgeführt, aber eine Warnmeldung an einen Benutzer ausgegeben, beispielsweise bei den in Figur 2 gezeigten Fluktuationen bei 0,7 s) definiert sein.

Generell kann auch eine „Anlernphase" vorgesehen sein, in der die Auswerteeinheit 6 eine Datenbank mit mehreren Mustern und den zugehörigen Klassen abspeichert bzw. durch ein Klassifikationsverfahren angelernt. Hierbei kann beispielsweise auch ein künstliches neuronales Netz oder eine „Support Vector Machine" zum Einsatz kommen.

In Figur 5 ist eine elektrische Spannung über einer elektrischen Stromstärke aufgetragen, um verschiedene Klassen zu veranschaulichen. Als Ergebnis der Klassifikation wird der Signalverlauf in eine Klasse „neue Verschleißteile", eine Klasse „gebrauchte Verschleißteile" oder eine Klasse „verschlissene Verschleißteile eingeteilt. Weitere Klassen können anhand des Kathodenrück- brands im Bereich von 0 Prozent bis 100 Prozent bezogen auf einen maximal möglichen Rückbrand vorgenommen werden. In den Figuren 6 und 7 sind Signalverläufe wiedergegeben, bei denen jeweils eine elektrische Spannung in V über der Zeit in s aufgetragen wurde und beispielhafte Signalverläufe für die Klasse „defekte Verschleißteile" (Figur 6) bzw. für die Klasse „Fahrt aus dem Blech" (durchgezogene Linie in Figur 7) und „Fuge Überfahren" (gestrichelte Linien in Figur 7) bzw. „Lochstechvorgang abgeschlossen" (abwechselnd ge- strichelte und gepunktete Linie in Figur 7) dargestellt sind. Beispielsweise können auch die Klassen „Leerlauf", „Zünden eines Pilotlichtbogens", Aufrechterhalten des Pilotlichtbogens", „Einstechen in das Werkstück", „Durchstechen des Werkstücks", „Schneiden des Werkstücks" oder „Überfahren einer Werkstückkante" definiert und die Merkmale entsprechend zugeordnet werden.

Figur 8 zeigt das Ergebnis einer Fourier-Transformation eines mit einer Abtastrate von 50 kHz erhaltenen Signalverlaufs dar. In den grau schattierten Frequenzbereichen werden die Amplituden aufsummiert (LI und L2) und die Summen als Merkmale für die Klassifizierung verwendet, d. h. ausgehend von den erhaltenen Zahlen kann ein Merkmalvektor gebildet und einer bestimmten Klasse zugeordnet werden. Durch Verwenden der Fourier-Transformation kann eine Bewertung des Signalverlaufs unabhängig von Betrag der Spannungsamplituden o.ä. und Änderungsraten erfolgen. In Figur 8 sind hierbei ein Signalverlauf eines regulären Schneidvorgangs (durchgezogene Kurve) und ein Signalverlauf eines Defekts eines Verschleißteils (gestrichelte Kurve) dargestellt. Zwischen 50 Hz und 100 Hz liegen Schwebungen vor, die durch die Stromquelle 4 hervorgerufen werden und daher bei der Auswertung vernachlässigt werden. Die beiden gebildeten Summen entsprechen zwei Merkmalen und durch die hierdurch erhaltenen Zahlenwerte ist eine klare Unterscheidung möglich. In einem Speicher wurden im dargestellten Ausführungsbeispiel die letzten 327 ms des Verfahrens zwischengespeichert, woraus sich 16384 Samples ergeben, die durch die Ermittlung der Merkmale im Amplitudenspektrum auf gerade zwei Kennziffern zur Berechnung der Klassenzugehörigkeit reduzieren lassen. Als Klassifikator wurde im dargestellten Ausführungsbeispiel ein „k nächster Nachbar"-Klassifikator „k nearest neighbor" verwendet. In weiteren Ausführungsbeispielen kann aber auch, je nach Anwendungszweck, ein Klassifikator „linear support vector machine (linear SVM)", „radial basis function support vector machine (RBF SVM)", „Gauß-Prozess", „random forest", „neuronales Netz", „adaptives Boosting", „naive Bayes" oder „quadratisch (quadratic discriminant analysis, QDA)" oder eine Berechnung einer Distanz zwischen den Klassen zugehörigen Merkmalsvektoren und dem zu untersuchenden Merkmalsvektor eingesetzt werden. Die Berechnung der Klassenzugehörigkeit für eine Merkmalskombination erfolgt durch Bestimmen der aus der Anlernphase klassifizierten k nächsten Objekte. Ein Merkmal bzw. Objekt wird der Klasse zugeordnet, die unter den k nächsten Nachbarn am häufigsten vorkommt.

In Figur 9 ist eine Parametrisierung von einzelnen Teilbereichen durchgeführt. In den Diagrammen (im linken Diagramm für neue Verschließteile, im rechten Diagramm für Verschleißteile vor dem Lebensdauerende) ist die elektrische Spannung zwischen Elektrode und Düse über der Stromstärke aufgetragen und die Bereiche zwischen 75 A und 150 A, 170 A und 250 A, sowie zwischen 250 A und 300 A wird für eine Regressionsrechnung verwendet. Die Koeffizienten al, bl, cl, a2, b2, c2 und a3, b3, c3, d3, gewonnen durch die Regressionsrechnung, können als Merkmale zur Klassifizierung verwendet werden. Generell können als Merkmale hierbei aber auch die Amplitude, ein konkaver cider konvexer Verlauf und bzw. oder ein Anstieg verwendet werden.

Figur 10 zeigt einen schematischen zweidimensionalen Merkmalsraum, in dem zwei verschiedene Merkmale auf den Achsen aufgetragen sind und ein Merkmalsvektor gebildet aus diesen Merkmalen auf einen bestimmten Punkt im Merkmalsraum gerichtet ist. Zum Erstellen des in Figur 10 dargestellten Merkmalsraums werden in einem ersten Schritt aus einem Trainingsdatensatz die Merkmale (in Figur 10 als Punkte dargestellt) erhoben und Klassen zugewiesen. Durch Training eines Klassifikators wird eine Funktion gewonnen, die einem neuen Merkmalsvektor automatisch eine Klasse zuweist. Der Klassifikator weist somit einer Merkmalskombination die Klasse mit der „höchsten" Übereinstimmung zu, wie beispielhaft an den beiden Pfeilen erkennbar. In dem in Figur 10 dargestellten Ausführungsbeispiel werden daher drei Klassen gebildet. Figur 11 schließlich zeigt einen realen Merkmalsraum, in den Endpunkte der Merkmalsvektoren eingezeichnet sind. Die drei Klassen entsprechen hierbei „Zerstörung der Verschleißteile", „regulärer Schneidbereich" und „unregelmäßiger Prozessablauf".

Lediglich in den Ausführungsbeispielen offenbarte Merkmale der verschiedenen Ausführungsformen können miteinander kombiniert und einzeln beansprucht werden.