Planungs- und Steuerungswerkzeuge zur impliziten Geräteprogrammierung in Roboterzellen

Files
14330_031_Reinisch_web2.pdf (40.84 MB)
Diss. Reihe Fertigungstechnik, Band 31

Language
de
Document Type
Doctoral Thesis
Issue Date
2020-08-13
Issue Year
1992
Authors
Reinisch, Hubert
Editor
Geiger, Manfred
Feldmann, Klaus
Publisher
Carl Hanser
ISBN
3-446-17380-3
Abstract

Distributed tools were designed for the goal of implicit sensor and device programming. They communicate in a CAE / CAM process chain. For this purpose, tools in the CAD area as well as a process-related tool at workshop level were developed within the scope of the present work. First, their architecture was worked out. This was done on the basis of object-oriented approaches and standards (Unix, C), as well as with regard to future multiprocessor device controls in robot cells. Artificial intelligence methods were used for implicit device programming. This makes manufacturing cells more intelligent. Powerful, complex resources are easier to use. Furthermore, essential components of the implicit action planning and control were conceived and implemented as a prototype. For this purpose, processes had to be developed for the independent decomposition of implicit, product-related manufacturing instructions (targets) into promotion primitives. This requires massive use of computers. This, and the geometry analysis of CAD solid models, is also the basis for the processing of previously created assembly plans that contain implicit manufacturing actions. The resolution of the manufacturing commands results in the automated creation of control code for the device controls involved. In practice, offline systems often have difficulties due to the distance from the actual process. Solutions have therefore been developed that combine the advantages of online processes with those of offline processes. For this purpose, methods for implicit sensor integration (e.g. CCD sensor that can be gripped by the industrial robot) were developed, with the help of which the system model that is always running can be compared with the real system geometry. Compared to CAD or AV tools, stricter requirements had to be taken into account for the workshop-oriented system, for example with regard to runtime properties and ease of operation. The central element in the background is a data and method database, which the tools access in a distributed manner. For this, a conceptual database schema was designed and implemented in a relational database. This includes the development of a tool that supports the phase of resource selection or design, and in parallel fills the knowledge base. Implicit manufacturing operations first had to be defined and modeled in terms of content (manufacturing technology) and suitable for computers. As a consequent further development of conventional, analytical methods of resource programming, an approach was developed that includes learning with artificial, neural networks in production plants. On the basis of the KEE expert system tool, a CAE tool was designed and implemented as an example that combines knowledge-based methods and neural approaches. It automates the learning pattern recording and the training process up to automatic network connection and downloading to the target hardware. To demonstrate practical suitability, ready-to-use, trained neural networks were loaded from the development tool into the target hardware ’SPS’ and tested there using the example of pattern recognition tasks. All learning processes were carried out exclusively on the basis of an extended back propagation process. Fine motion control, which is tolerant of inaccuracies, is particularly important in automated assembly cells. On the basis of a recursive feed-forward network, possibilities for learning the fine motor skills (sensor-motor behavior) of a 6-axis industrial robot during fine assembly movements were examined. This approach was implemented with the aid of sensor simulation and simple movements (insertion in the corner of the room) in the cell simulation. For this purpose, a neural motion controller was implemented, which processes are trained instead of being programmed. To test the developed methods and tools, a robot cell with an image processing system and computer communication was set up as a test stand.

Abstract

Für das Ziel der impliziten Sensor- und Geräteprogrammierung wurden verteilte Werkzeuge konzipiert. Sie kommunizieren in einer CAE/CAM-Verfahrenskette. Hierzu wurden im Rahmen der vorliegenden Arbeit Werkzeuge im CAD-Bereich, sowie ein prozeßnahes Werkzeug auf Werkstattebene entwickelt. Zunächst wurde deren Architektur erarbeitet. Dies erfolgte auf der Basis objektorientierter Ansätze und Standards (Unix, C), sowie in Hinblick auf zukünftige Multiprozessor-Gerätesteuerungen in Roboterzellen. Methoden der Künstlichen Intelligenz wurden für die implizite Geräteprogrammierung genutzt. Fertigungszellen werden dadurch intelligenter. Leistungsfähige, komplexe Betriebsmittel werden einfacher bedienbar. Im weiteren wurden wesentliche Komponenten der impliziten Aktionsplanung und -Steuerung konzipiert und prototypisch realisiert. Hierzu mußten Verfahren entwickelt werden, zur selbständigen Zerlegung von impliziten, produktnahen Fertigungsanweisungen (Zielvorgaben) in Aktionsprimitive. Dies erfordert massiven Rechnereinsatz. Hierauf, und auf der Geometrieanalyse von CAD-Volumenmodellen, basiert auch die Abarbeitung von vorab erstellten Montageplänen, die implizite Fertigungsaktionen beinhalten. Die Auflösung der Fertigungsbefehle mündet in die automatisierte Erstellung von Steuerungscode für die beteiligten Gerätesteuerungen. In der Praxis entstehen bei reinen Offline-Systemen häufig Schwierigkeiten aufgrund der Entfernung vom eigentlichen Prozeß. Es wurden deshalb Lösungen entwickelt, die die Vorteile der Online-Verfahren mit denen der Offline-Verfahren kombinieren. Hierzu wurden Methoden zur impliziten Sensorintegration (z.B. vom Industrieroboter greifbarer, mitbewegter CCD-Sensor) entwickelt, mit deren Hilfe das stets mitlaufende Anlagenmodell mit der realen Anlagengeometrie abgeglichen werden kann. Gegenüber CAD- oder AV-Werkzeugen mußten für das werkstattorientierte System verschärfte Anforderungen, wie beispielsweise bezüglich Laufzeiteigenschaften und Einfachheit der Bedienung, berücksichtigt werden. Zentrales Element im Hintergrund ist eine Daten- und Methodenbank, auf die die Werkzeuge verteilt zugreifen. Hierfür wurde ein konzeptionelles Datenbankschema entworfen und in einer relationalen Datenbank implementiert. Dies umfaßt die Entwicklung eines Werkzeuges, das die Phase der Betriebsmittelauswahl bzw. Konstruktion unterstützt, und parallel dazu die Wissensbasis füllt. Implizite Fertigungsoperationen mußten zunächst inhaltlich (Fertigungstechnologie) und rechnergeeignet definiert und modelliert werden. Als konsequente Weiterentwicklung konventioneller, analytischer Verfahren der Betriebsmittelprogrammierung wurde ein Ansatz entwickelt, der Lernen mit künstlichen, neuronalen Netzwerken in Produktionsanlagen umfaßt. Auf der Basis des Expertensystem-Tools KEE wurde hierzu ein CAE-Werkzeug konzipiert und exemplarisch realisiert, das wissensbasierte Verfahren und neuronale Ansätze verbindet. Es automatisiert die Lernmuster-Aufzeichnung und den Trainingsprozeß bis hin zur automatischen Netzwerkverschaltung und Downloading in die Zielhardware. Zum Nachweis der praktischen Eignung wurden betriebsfertig trainierte, neuronale Netzwerke, vom Entwicklungswerkzeug aus, in die Zielhardware ’SPS’ geladen und dort am Beispiel von Mustererkennungsaufgaben erprobt. Alle Lernprozesse wurden ausschließlich auf Grundlage eines erweiterten Back-Propagation-Verfahrens ausgeführt. Besondere Bedeutung in automatisierten Montagezellen besitzt eine Feinbewegungssteuerung, die gegenüber Ungenauigkeiten tolerant ist. Auf der Grundlage eines rekursiven Feed-Forward-Netzwerkes wurden hierzu Möglichkeiten zum Lernen der Feinmotorik (sensor-motorisches Verhalten) eines 6-Achs-Industrieroboters während Montagefeinbewegungen untersucht. Dieser Ansatz wurde mit Hilfe der Sensorsimulation und anhand einfacher Bewegungen (Einlegen in Raumecke) in der Zellensimulation realisiert. Hierzu wurde ein neuronaler Bewegungs-Controller implementiert, dem Abläufe eintrainiert, anstatt programmiert werden. Zur Erprobung der entwickelten Verfahren und Werkzeuge wurde als Versuchsstand eine Roboterzelle mit Bildverarbeitungssystem und Rechnerkommunikation aufgebaut.

Series
Fertigungstechnik - Erlangen
Series Nr.
31
Notes
Nach Rechteübertragung des Meisenbach-Verlags auf die FAU digitalisiert und online gestellt durch Geschäftsstelle Maschinenbau und Universitätsbibliothek der FAU im Jahr 2020. Koordination der Reihe: Dr.-Ing. Oliver Kreis. Für weitere Informationen zur Gesamtreihe siehe https://mb.fau.de/diss
Faculties & Collections
Zugehörige ORCIDs