Detailseite
Projekt
Daten- und Antwortflächen-gesteuerter Entwurfsassistent für geregelte flexible Mehrkörpersysteme
Fachliche Zuordnung
Mechanik
Förderung
Förderung seit 2022
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 501840485
Flexible Mehrkörpersysteme finden sich in vielen Anwendungen, von Industrierobotern in der Fertigung bis hin zu Chirurgierobotern, wobei die Systeme üblicherweise aktuiert und geregelt sind. IngenieurInnen zu unterstützen, bessere Entwürfe für solche Systeme zu entwickeln, hat daher eine erhebliche praktische Bedeutung. Das Vorgehen beim Systementwurf in diesem Bereich basiert heutzutage noch stark auf reinen Analysen, wobei der Entwurf auf Basis einer subjektiven Interpretation von Simulations- und Experimentergebnissen von Hand angepasst wird. Das Ergebnis hängt dabei stark von der individuellen Expertise ab und ist oft alles andere als optimal hinsichtlich formal definierter Kriterien. Überdies werden meist zuerst die mechanischen Systemanteile ohne Beachtung regelungstechnischer Belange entworfen. Würden letztere hingegen bereits beim mechanischen Entwurf berücksichtigt, könnte die Effektivität des geregelten Systems wesentlich verbessert werden. Dies ist bisher oft unmöglich, da EntwurfsingenieurInnen selten über gleichwertiges Expertenwissen in unterschiedlichen Disziplinen verfügen. Der in diesem Projekt entwickelte, künstlich intelligente Entwurfsassistent soll diese Kluft überwinden und den Design- und Analyseprozess von geregelten flexiblen Mehrkörpersystemen durch die vielfältige Nutzung von maschinellen Lernmethoden revolutionieren. Der Assistent wird den mechanischen und regelungstechnischen Entwurf bezüglich praktischer, oft transienter Gütekriterien gleichzeitig optimieren. Groß angelegte statistische Analysen spielen dabei eine Schlüsselrolle, um das Systemverhalten zu bewerten. Viele der statistischen Analysen werden hierbei erst durch die Nutzung kriterienspezifischer, maschinengelernter Antwortflächen ermöglicht, was auch die Verwendung und Konzeption von Entwurfskriterien einschließt, deren Nutzung in einem automatisierten, optimierungsbasierten Entwurfsprozess bisher aus Rechenzeitgründen undenkbar war. Weiterhin werden maschinelle Lernmethoden die Berücksichtigung von flexiblen Mehrkörpersystemen erlauben, bei denen Systemteile nicht zufriedenstellend auf Basis von herkömmlicher, konstitutiver Modellbildung nachgebildet werden können, was datengetriebene Lernmethoden erforderlich macht. Maschinengelernte Ersatzmodelle und Modellteile werden die Echtzeitfähigkeit von modellbasierten Reglern sicherstellen, wobei die Regler gemeinsam mit den mechanischen Systemanteilen entworfen werden. Dazu wird ein Programmsystem entwickelt, das auf Basis des Systemmodells automatisch passende modellbasierte Regler entwirft und so exportiert, dass sie direkt für die Echtzeitausführung geeignet sind. Methoden der künstlichen Intelligenz werden Mehrkriterienoptimierungsalgorithmen darin unterstützen, Regionen des Entwurfsraums mit besseren Entwürfen zielsicherer zu finden als dies traditionelle, heuristische Algorithmen tun. All diese methodologische Forschung wird im Ergebnis IngenieurInnen automatisiert zu besseren Entwürfen leiten.
DFG-Verfahren
Schwerpunktprogramme
