Automatisiertes Teach-In mit externen Messungen
Auf dem Prüfstand
Schnelle Bahnapplikationen und hochdynamische Brems- und Beschleunigungsvorgänge begrenzen die Bahngenauigkeit von Industrierobotern und ziehen lange Einrichtzeiten nach sich. Eine neue kaskadierte Methodik bietet eine deutliche Verbesserung der Bahngenauigkeit durch eine Art automatisiertes Teach-In.
Bild: FH Fachhochschule HannoverTrotz steifer Bauweise werden Knickarmroboter bei hochdynamischen Applikationen vorrangig wegen Getriebeelastizitäten und -losen zu Schwingungen angeregt.
Bild: FH Fachhochschule Hannover
Bild: FH Fachhochschule Hannover
Bild: FH Fachhochschule HannoverTheoretischer Background
Ein kinematisch kalibriertes Robotersystem bildet die Grundlage zur Untersuchung der Bahngenauigkeit. Die Kalibrierung der Roboterkinematik wird unter Verwendung der kartesischen 3D-Erfassungsvorrichtung MoveInspect HF durchgeführt. Dabei werden durch einen modellbasierten Ansatz, dessen Parameter experimentell identifiziert werden, die geometrisch-kinematischen Fehlereinflüsse kompensiert. Das kalibrierte Roboter-Kamera-System wird im Folgenden zur Steigerung der dynamischen Bahngenauigkeit auf Basis externer Messungen verwendet. Basis der modellbasierten Drehmomentvorsteuerung ist ein Modell der inversen Dynamik. Es wird als Starrkörpermodell mithilfe des Joudain'schen Prinzips in parameterlinearer Form hergeleitet und um Verluste in den Antrieben und Gelenken durch ein einfaches Reibmodell, bestehend aus viskosem und coulomb'schen Anteil, ergänzt. Die experimentelle Identifikation der Modellparameter findet auf der Grundlage einer statistischen Analyse statt. Das Ziel ist, aus einem einzigen und geeignet zu wählendem Messvorgang alle Modellparameter des minimalen Parametervektors erwartungstreu und robust zu identifizieren. Der starke Einfluss der wechselnden Reibverhältnisse auf die Reibmodelle wird durch eine Identifikation im stationären Betriebspunkt minimiert. Die Ergebnisse der Parameteridentifikation liefern mit dem analytischen Modell der inversen Dynamik die Drehmomentgrößen zur Vorsteuerung der Roboterantriebe. Grundlage zur weiteren Kompensation von Bahnabweichungen bildet ein iterativ lernender Regelungsalgorithmus (ILC) auf Basis externer Kameramessungen, der in der Lage ist, effektiv unbekannte, aber reproduzierbare Störungen durch Korrekturen zu kompensieren, und somit zu einer erheblichen Genauigkeitssteigerung führt. Wegen der einfachen Anwendung und der hohen Robustheit gegenüber Störeffekten und Modellfehlern kommt ein linearer Ansatz zur Anwendung. Dabei werden vereinfachend alle Einzelachsregelkreise als linear und voneinander entkoppelt angenommen. Auf Grundlage gemessener Bahnabweichungen wird dabei mithilfe einer Lernfunktion die Bahngenauigkeit iterativ durch Korrekturen der Sollbahn erhöht. Um dabei ein stabiles und robustes Konvergenzverhalten des iterativen Lernprozesses zu gewährleisten und eine Anregung von Schwingungen durch Korrektureingriffe zu vermeiden, wird ein Glätten der Solltrajektorie durch eine Regularisierung durchgeführt.
Bild: Hochschule HannoverPrüfstand und Experimentierumgebung
Der Prüfstand zur Untersuchung der abtriebsseitigen Bahngenauigkeit beinhaltet eine hardwaretechnische Anbindung der Servomotoren eines Industrieroboters KR 6-2 von Kuka an das Antriebssystem 9400 von Lenze. Die kaskadiert aufgebauten Einzelachsregelkreise werden experimentell parametriert. Die entwickelte Steuerung zeichnet sich wie folgt aus: integrierte Entwicklungsumgebung, hohe Abtastrate (Zykluszeit = 1ms), Drehmomentschnittstelle und Möglichkeit zur messtechnischen Fusionierung der zur Identifikation und Validierung notwendigen Datensätze. Dadurch lassen sich die modellbasierten Ansätze mithilfe einer mit MathWorks Simulink-Real-Time geschaffenen Entwicklungsumgebung effektiv implementieren. Zur effektiven Steigerung der abtriebsseitigen Bahngenauigkeit findet in dieser Arbeit das Lernen auf Basis externer Messungen statt. Dafür misst Aicons kartesisches 3D-Messsystem MoveInspect HF hochfrequent mit 500Hz die Position eines Messwerkzeugs mit einer Genauigkeit bis zu 0,1mm und ermöglicht somit genaue Aussagen über die reale Bahngenauigkeit des Robotersystems. Der Hauptvorteil der abtriebsseitigen Messung resultiert daraus, dass alle systematischen Fehlereinflüsse (Elastizitäten, Lose, Reibung usw.) in ihrer realen Wirkung auf den Endeffektor in die Untersuchung eingehen. Zur Anwendung des Verfahrens wird mithilfe einer ortsfesten Referenz die Position des TCP messtechnisch durch das externe 3D-Messsystem erfasst und ein Koordinatensystem mit einer Orthogonalbasis in Referenzkoordinaten aufgespannt. Zur Analyse der Bahngenauigkeit wird die Transformation der externen Messungen bezüglich der Basis des Roboters im Rahmen einer nichtlinearen Optimierung bestimmt. Zur Kompensation der systematischen Fehlereinflüsse müssen jedoch die zentral berechneten Korrekturen auf den kaskadierten PID-Einzelachsregelkreisen stattfinden. Hierzu werden die externen kartesischen Messungen des Endeffektors mithilfe der inversen Kinematik auf die einzelnen Roboterachsen umgerechnet.
Ergebnisse und Schlussfolgerungen
Die integrierte modellbasierte Drehmomentvorsteuerung auf Basis eines verkoppelten Mehrkörpermodells, führt motorseitig zu einer deutlichen Reduktion der Schleppfehler. Abtriebsseitig ist ebenfalls zu erkennen, dass das Überschwingen bei der Positionierung im vorgesteuerten Modus (MFTC) gegenüber der einfachen kaskadierten PID-Regelung (CF) verringert wird. Da nur die Starrkörper- und Reibungsdynamik im inversen Modell berücksichtigt werden, bleiben wie prädiziert systematische Regelfehler insbesondere bei hoher Dynamik bestehen. Diese unterliegen der Wirkung zusätzlicher physikalischer Effekte auf die Dynamik, wie Gelenkelastizitäten. Der anschließende Einsatz von ILC zeigt zusätzlich eine signifikante Verbesserung der Bahngenauigkeit. Die Ergebnisse zeigen eine schnelle Konvergenz der iterativen Bahnkorrektur. Ein geringer stationärer kartesischer Fehler wird bereits nach wenigen Iterationen erreicht. Besonders deutlich wird das Überschwingen bei der Positionierung verringert. Zusätzlich werden die kinematischen Bahnfehler, resultierend aus der Nachgiebigkeit der Gelenke, durch den Einsatz des ILC eindrucksvoll reduziert. Zentral für die erfolgreiche Umsetzung ist somit die Synergie der verschiedenen Methoden mit ihren jeweiligen Vorteilen. Jedoch fällt auf, dass die Wirkung von Gelenkelastizitäten trotz eines performanten Regelfolgeverhaltens durch die modellbasierte Vorsteuerung sowie durch die ILC-Korrekturen nicht vollständig beseitigt werden kann. Zur weiteren Steigerung der dynamischen Bahngenauigkeit muss die Anregung abtriebsseitiger Schwingungen im ILC-Algorithmus berücksichtigt werden. Dazu werden in Zukunft anspruchsvollere ILC-Ansätze untersucht.
Schnelle Bahnapplikationen und hochdynamische Brems- und Beschleunigungsvorgänge begrenzen die Bahngenauigkeit von Industrierobotern und ziehen lange Einrichtzeiten nach sich. Eine neue kaskadierte Methodik bietet eine deutliche Verbesserung der Bahngenauigkeit durch eine Art automatisiertes Teach-In.
Bild: FH Fachhochschule HannoverTrotz steifer Bauweise werden Knickarmroboter bei hochdynamischen Applikationen vorrangig wegen Getriebeelastizitäten und -losen zu Schwingungen angeregt.Bild: FH Fachhochschule Hannover
FH Fachhochschule Hannover
Dieser Artikel erschien in ROBOTIK UND PRODUKTION 1 2017 - 18.04.17.Für weitere Artikel besuchen Sie www.robotik-produktion.de
