Steigerung der Bahngenauigkeit mobiler Industrieroboter durch eine Modellerweiterung mittels künstlicher neuronaler Netze

Mobile Roboter besitzen das Potenzial, zu deutlichen Effizienzsteigerungen in der Fertigung kohlenstofffaserverstärkter Kunststoffe zu führen, wenn sie die aktuell üblichen Sondermaschinen ersetzen. Dazu müssen die mobilen Roboter Bahngenauigkeiten im Submillimeterbereich erreichen. Da stationäre Roboter diese Bahngenauigkeiten mit Modellerweiterungen erreichen können, ist es die Kernfrage dieser Arbeit, ob diese auf mobile Roboter übertragbar sind. Bahngenauigkeitsuntersuchungen zeigen, dass sich die mobile Plattform in erster Linie durch eine herabgesetzte Fundamentsteifigkeit auswirkt. Weiterhin wird beobachtet, dass die Trägheitskräfte des Roboterarmes genügen können, um eine Bewegung der Plattform relativ zum Hallenboden zu erzeugen. Die Arbeit zeigt, dass künstliche neuronale Netze in der Lage sind, den Bahnfehler des mobilen Roboters mit einer mittleren Abweichung zum gemessenen Bahnfehler von 0,3mm vorhersagen zu können und damit potentiell dazu geeignet sind, die Bahngenauigkeit eines mobilen Roboters in den Submillimeterbereich zu steigern. Durch den Austausch des Bahninterpolators zwischen der Aufnahme der Trainingsdaten und der Erprobung der Modellerweiterung kann die Arbeit keine Genauigkeitssteigerungen zeigen. Mit einer Erweiterung des Trainingsdatensatzes oder durch den Einsatz nur eines einzigen Bahninterpolators scheint es jedoch möglich zu sein, dass Folgearbeiten die Steigerung der Bahngenauigkeit in den Submillimeterbereich nachweisen können.