1. 서 론
아크 용접은 다양한 산업에서 널리 사용되는 공정으로, 조선/해양, 자동차 에너지 산업을 포함한 전 분야에서 수동용접을 대체하는 자동화 기술이 개발되고 있다
1). 아크 용접의 자동화를 위해서 가장 필요한 것은 다양한 환경 (온습도, 시편간의 갭 및 단차 등) 및 조건 (전류, 전압, 용접 속도 등)에 따라서 비드 형상이 어떻게 달라지는지 아는 것과 이를 통하여 환경 변화에 강건한 최적 조건을 찾는 것이다. 따라서 다양한 소재 및 용접법에 대하여 이와 관련된 다양한 연구들이 진행되고 있다. Nobrega et al.은 오스테나이트계 스테인리스강 튜브의 gas metal arc welding (GMAW)에서 용접 전압(welding voltage), 토치 각도(travel angle), 용접 전류(welding current)를 각각 3수준으로 설정하여 실험을 진행하고 Taguchi method와 분산분석(analysis of variance: ANOVA)을 활용하여 적절한 용입과 비드 너비를 위한 최적값을 도출하였다
2). Cho et al.은 submerged arc welding (SAW)에 대하여 공정 변수가 품질에 미치는 영향력을 연구하기 위하여 computational fluid dynamics (CFD)를 활용한 SAW의 3차원 시뮬레이션 모델을 개발하였으며, 이를 활용하여 토치각, 전류 극성의 변화가 비드 형상에 어떻게 영향을 미치는지에 대하여 규명하였다. 또한, 개발된 모델을 활용하여 낮은 전류에서 발생하는 flux- wall guided transfer을 모사하기 위하여 flux wall boundary model을 제시하였으며, 텐덤 SAW에서 선행하는 전극과 후행하는 전극의 전류 조건에 따라서 변화하는 아크 간섭(arc interaction)과 용적이 떨어지는 방향에 대한 연구를 진행하였다
3-5). Penttila et al.은 다양한 용접 조건에서의 일정한 용접 품질을 위하여 artificia neural network (ANN)을 활용한 실시간 GMAW 공정 조건 최적화에 대한 연구를 수행하였다. 용접 전, 머신 비전 시스템의 레이저 센서가 심 프로파일링을 통하여 획득한 데이터를 decision-making 시스템이 위치에 따라 용접 조건을 최적화하도록 알고리즘을 구성하였으며, 루트 간격과 루트면을 input data로 이용하여 용접 전류 및 전압에 대한 학습을 진행하였다. 이후, 학습된 데이터를 통하여 실제 용접을 진행하였고 용접부 표면 및 X-ray 검사, 경도 및 조직 검사를 통하여 품질이 일정함을 검증하여 ANN 기반 적응형 GMAW 시스템을 개발하였다
6). Choi et al.은 산업 현장의 다양한 외란에 의하여 발생하는 조인트의 갭에 대응하는 최적 용접 조건을 도출하기 위하여 알루미늄 필렛 용접에서 와이어 송급 속도(wire feed rate: WFR), 전류 극성 비율(EN ratio), 와이어 겨냥 위치(teaching point)에 대하여 3수준으로 실험을 진행하고 조인트 갭을 잡음 인자로 설정하여 Taguchi method를 활용한 용접 공정 조건 최적화를 수행하였다
7). Park et al.은 one pulse one drop (OPOD) pulse- GMAW (P-GMAW)를 활용한 V-groove 용접에서 루트 간격, 용접 속도, 위빙이 비드 형상에 미치는 영향력을 초고속 카메라를 통하여 규명하고 이때의 경도와 조직에 대하여 분석하였다
8). Mvola et al.은 GMAW 공정에 사용되는 보호가스의 제어에 대한 연구를 진행하였으며, 순수 가스와 2종 혼합가스 및 3종 이상의 혼합가스가 미치는 영향력, 솔레노이드 밸브를 통한 flow rate 제어를 통해 전류 파형과 동기화시켰을 때의 영향력, 전자식 밸브를 통하여 시간별로 다른 가스를 사용할 때의 영향력 등을 분석하였다
9). Moghaddam et al.은 V-groove GMAW에서 용접 비드 형상과 열 영향부(HAZ)에 대한 최적값을 얻기 위하여 용접 속도, WFR, 용접 전압, 개선 각, 팁-모재간 거리(contact tip to workpiece distance: CTWD)에 대하여 Taguchi matrix에 의거 실험을 진행한 후 back propagation neural network (BPNN)을 통하여 비드 형상과 HAZ를 예측하는 알고리즘을 제안했으며, 이를 particle swarm optimization (PSO) 알고리즘에 삽입시켜 최적 조건을 도출하였다
10).
비드 형상 최적화에 관련한 연구에 대하여, 특히나 파이프 원주 용접과 같은 돌림용접을 위한 연구가 활발하게 진행되고 있다. 원주 용접의 경우 용접 중 중력의 방향이 계속 변화하기 때문에 용융풀이 중력의 영향을 받아 모든 구간에서 비드 형상이 다르게 나타나기 때문에 이에 대응하기 위해서는 각 구간별로 용접조건에 대한 최적화가 필요하다. 따라서, 이를 위한 최적화 연구가 활발하게 이루어지고 있다. Park et al.은 파이프 원주 용접 자동화를 위한 연구로 P-GMAW 방법을 사용했을 때, bead on plate (BOP) 용접에서 flat position, vertical down position, overhead position에서의 OPOD 현상을 초고속 카메라 및 전류, 전압 데이터를 계측하여 분석하고, 종단면을 통하여 비드 형상, 경도 및 조직에 대한 분석을 수행하였으며
11), 이 중 vertical down position에 대한 computational fluid dynamics (CFD) 해석을 통해 하진 자세에서 용융풀이 앞으로 흘러내리는 과정을 모사하고 이를 방지하기 위하여 용접속도를 증가시킬 경우 용입, 용착 효율 및 희석률이 증가하는 현상을 발견하였다
12). Cho et al.은 V-groove 용접에서 용접 자세에 따라 중력이 용융풀에 미치는 영향력과 이에 따른 비드 형상의 변화에 대한 연구를 수행하였고, 초층과 second pass에 대하여 CFD 해석을 통해 자세별 비드 형성 과정을 모사하였으며, 용입 부족(inefficient penetration: IP), 융합 불량(lack of fusion: LF), 용락(burn through) 등의 용접 불량이 발생하는 과정 또한 모사하였다
13,14). Liu et al.은 원주용접에서 널리 사용되는 narrow gap GMAW (NG-GMAW)의 단점인 LF를 보완하기 위해서 WFR, 용접 속도(welding speed), 용접 자세, 용접 전압 및 위빙 거리를 입력 변수로 설정하여 반응표면볍(response surface methodology: RSM)을 사용한 수학적 모델을 제시하였으며, 이를 검증하기 위하여 ANOVA를 사용하였다
15). Chen et al.은 CO
2 laser-MAG hybrid 용접 시, 동일한 조건에서 용접 자세(아래보기 자세, 수평 자세, 수직 하진 자세)에 따라 변하는 용적의 거동에 대한 연구를 수행하였으며, 용접 자세에 따라 용적이 떨어지는 위치, 주기가 달라지는 현상을 분석하였으며, 동일한 조건이라도 수평 자세에서는 스프레이 이행 모드로 용적 이행이 발생하고 수직 하진 자세에서는 단락 이행 모드로 용적 이행이 발생하는 현상을 발견하였다
16).
하지만, 이러한 연구는 대부분 수직 하진, 위보기 자세 등에 대한 연구로, 용접 각도에 대하여 세분화하여 연구한 사례는 거의 존재하지 않는다. 따라서 본 연구는 SS400강에 대한 GMAW에서, 용접 각도를 세분화하여 실험을 진행하였으며, 각 조건별 중력에 따른 용융풀의 거동 변화가 비드의 형상과 용적 이행 모드에 미치는 영향력을 초고속 카메라 및 전류 전압 신호를 통하여 분석하였다.