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

Mobile Roboter besitzen das Potenzial, zu deutlichen Effizienzsteigerungen in der Fertigung kohlenstofffaserverstrkter Kunststoffe zu fhren, wenn sie die aktuell blichen Sondermaschinen ersetzen. Dazu mssen die mobilen Roboter Bahngenauigkeiten im Submillimeterbereich erreichen. Da stationre Roboter diese Bahngenauigkeiten mit Modellerweiterungen erreichen knnen, ist es die Kernfrage dieser Arbeit, ob diese auf mobile Roboter bertragbar sind. Bahngenauigkeitsuntersuchungen zeigen, dass sich die mobile Plattform in erster Linie durch eine herabgesetzte Fundamentsteifigkeit auswirkt. Weiterhin wird beobachtet, dass die Trgheitskrfte des Roboterarmes gengen knnen, um eine Bewegung der Plattform relativ zum Hallenboden zu erzeugen. Die Arbeit zeigt, dass knstliche neuronale Netze in der Lage sind, den Bahnfehler des mobilen Roboters mit einer mittleren Abweichung zum gemessenen Bahnfehler von 0,3mm vorhersagen zu knnen 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 mglich zu sein, dass Folgearbeiten die Steigerung der Bahngenauigkeit in den Submillimeterbereich nachweisen knnen.