Einsatz von Verstärkungslernen für eine effiziente Bahnplanung von parallelen Robotern bei der Handhabung biegeschlaffer Objekte

• Antragsteller: Professor Dr. Tobias Glasmachers; Professor Dr.-Ing. Bernd Kuhlenkötter
• Fachliche Zuordnung: Automatisierungstechnik, Mechatronik, Regelungssysteme, Intelligente Technische Systeme, Robotik ; Produktionsautomatisierung und Montagetechnik
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 555175075

Parallelroboter haben aufgrund ihrer kinematischen Struktur und Leichtbauweise hervorragende dynamische Eigenschaften, die sich insbesondere in hohen Geschwindigkeiten und Beschleunigungen widerspiegeln. Sie werden typischerweise in Sortieraufgaben eingesetzt, beispielsweise in der Lebensmittelindustrie. Das Problem bei diesen Robotern ist jedoch, dass Schwankungen im Produktionsbetrieb sich aufgrund ihrer Leichtbauweise sehr stark auf die Dynamik des Systems auswirken können. Bisherige Regelungsverfahren für Parallelroboter weisen zudem Unzulänglichkeiten auf, sodass die hochdynamischen Eigenschaften und Potentiale der Roboter nicht vollständig ausgeschöpft werden können. Dadurch fallen die erzielten Geschwindigkeiten und Beschleunigungen in der Praxis oft deutlich geringer aus, als sie im Datenblatt angegeben sind. Außerdem können unerwünschte Schwingungen des gehandhabten Objekts auftreten, die zu Schäden am Objekt führen können. Um die Effizienz und optimierte Bewegungsausführung von hochdynamischen Parallelrobotern zu erhöhen, sind neuartige Planungs- und Regelungskonzepte erforderlich, für die Methoden des maschinellen Lernens entwickelt und umgesetzt werden sollen. Die zentrale Idee besteht darin, Verstärkungslernen als Ansatz zur Bahnoptimierung von Parallelrobotern zu verwenden. Eine vorzeitige Planung und Optimierung der Roboterbahn bringt wesentliche Vorteile mit sich, da die Prozess- und Zykluszeit durch eine optimierte Roboterbahn minimiert sowie auftretende Schwingungsphänomene des Handhabungsobjekts durch eine geeignete Schwingungskompensation im Vorfeld reduziert werden können. Um das Verstärkungslernen zu implementieren, ist eine große Menge an Daten erforderlich, um eine geeignete Lerndatenbasis für die Bahnoptimierung zu schaffen. Eine Datenbasis, die auf Messdaten basiert, erfordert jedoch eine sehr große Zahl von Versuchsreihen mit dem realen Robotersystem, das dann für die Produktion nicht zur Verfügung steht. Darüber hinaus sind erneute Versuchsdurchführungen notwendig, sobald kleinste Änderungen im Produktionsbetrieb auftreten. Um die erforderlichen Versuchsumfänge zu minimieren, soll eine geeignete Simulationsumgebung des Roboterbewegungsverhaltens unter variierenden Produktionsbedingungen umgesetzt werden. Ein Teilproblem ist die Berechnung und Simulation von Roboterbewegungen, in denen das vom Roboter gehandhabte Objekte verformbar ist, da sich die Verformbarkeit nur sehr schwer im Detail simulieren lässt. Das Ziel ist, eine passende Simulationsumgebung für Parallelroboter zu entwickeln. Diese soll die Bewegungen des Roboters, seine unterschiedlichen Lasten und die Objekte, die gehandhabt werden, realistisch darstellen. Die Simulationsumgebung dient anschließend als Datenlieferant für die zu entwickelnden Methoden des Verstärkungslernens und der Bahnoptimierung.

• DFG-Verfahren: Sachbeihilfen