Inspection des soudures d'assemblage du stator

Évaluez les soudures des bobines en épingles à cheveux et des tiges de conduction avec nos solutions basées sur le Deep Learning

deep learning inspects stator winding coil hairpins and identifies potential defect

Produits connexes

In-Sight D900

In-Sight D900

Optimisé par le logiciel de vision basé sur le deep learning In-Sight ViDi

VisionPro ViDi Software inspecting computer mouse on monitor

VisionPro Deep Learning

Un environnement de programmation graphique pour l'analyse d'images industrielles basée sur le deep learning

Les tiges de cuivre enroulées autour d'une barre, appelées bobines en épingle à cheveux en raison de leur forme, ont remplacé les enroulements à fils dans le stator de nombreux moteurs électriques. Étant plus rigides que les fils, leur orientation peut être contrôlée de façon plus précise, ce qui permet d'atteindre une efficacité plus élevée et plus prévisible. Les fils en forme d'épingles à cheveux, ou tiges de conduction, sont insérés dans les fentes du stator et soudées ensemble pour former un conducteur enroulé unique. Le soudage peut entraîner des inclusions et une certaine porosité, ce qui augmente la résistance électrique et réduit la résistance mécanique. Les défauts plus importants peuvent ouvrir le circuit et empêcher le stator tout entier de fonctionner.

Les soudures sont sujettes à de nombreuses variations. Il peut s'agir aussi bien de défauts esthétiques sans incidence sur les performances que de défauts les affectant véritablement et dont les signes ne sont pas évidents à déceler. Elles peuvent avoir trop ou pas assez de volume, ne pas avoir correctement fusionné ou présenter des signes de fissure. L'inspection du soudage des bobines en épingles à cheveux doit permettre de détecter tous les défauts possibles.

Plusieurs caméras peuvent être utilisées pour acquérir une image des soudures à des fins d'analyse. Bien qu'une caméra 3D soit nécessaire pour mesurer le volume des soudures, une caméra 2D peut fournir des images permettant détecter tous les autres défauts et garantir le bon positionnement de la soudeuse par points avant le démarrage du processus.

Les outils de détection des défauts et de classification de Cognex Deep Learning sont entraînés à classer et à détecter les défauts à l'aide d'un petit ensemble d'images de soudures conformes et d'un grand nombre d'images de soudures défectueuses.

Produits Cognex connexes

ACCÉDEZ AU SUPPORT ET AUX FORMATIONS POUR VOS PRODUITS ET BIEN PLUS

Rejoindre MyCognex