{"id":744,"date":"2020-07-07T15:40:31","date_gmt":"2020-07-07T13:40:31","guid":{"rendered":"https:\/\/websites.fraunhofer.de\/stec\/?post_type=projects&p=744"},"modified":"2023-03-10T14:09:30","modified_gmt":"2023-03-10T13:09:30","slug":"steigerung-der-absolutgenauigkeit-von-industrierobotern","status":"publish","type":"projects","link":"https:\/\/s-tec.de\/en\/projects\/steigerung-der-absolutgenauigkeit-von-industrierobotern\/","title":{"rendered":"Steigerung der Absolutgenauigkeit von Industrierobotern"},"content":{"rendered":"\n\n
\n
\n
\n
\n
\n
\"Die
\u00a9 Fraunhofer IPA; Foto: Rainer Bez<\/figcaption><\/figure>\n<\/div>\n<\/div>
<\/div>
<\/div><\/div><\/div>\n<\/div><\/div>\n\n\n\n
\n
Bearbeitungszeitraum:<\/strong> 01.02.2022 – aktuell<\/a><\/div>\n<\/div>\n\n\n\n

Machine-Learning-Verfahren zur Optimierung der Absolutgenauigkeit von Industrierobotern<\/h4>\n\n\n\n

Ziel des Projekts \u00bbSteigerung der Absolutgenauigkeit von Industrierobotern\u00ab ist es, das bestehende analytisch entwickelte \u00bbwhite box\u00ab-Modell um ein zus\u00e4tzliches \u00fcber Maschine Learning entwickeltes \u00bbblack box\u00ab-Modell zu erg\u00e4nzen, um mit dem so entstandenen \u00bbgrey box\u00ab-Modell eine h\u00f6here Absolutgenauigkeit von Industrierobotern f\u00fcr den Einsatz in der Inlinemesstechnik zu erreichen.<\/p>\n\n\n\n

Derzeitige rein modellbasierte Ans\u00e4tze erreichen die geforderten Genauigkeiten von 0,2mm oder besser nicht (\u00bbwhite box\u00ab-Modell). Durch den Einsatz nachgeschalteter Machine-Learning-Verfahren soll ein sogennantes \u00bbblack box\u00ab-Modell entwickelt werden. Dieses soll dem \u00bbwhite box\u00ab-Modell nachgeschaltet werden, was zu einem \u00bbgrey box\u00ab Modell f\u00fchrt. Das neue Gesamtmodell soll die Restfehler kompensieren, welche von den bisherien Modellen nicht erfasst werden, und eine h\u00f6here Absolutgenauigkeit erm\u00f6glichen.<\/p>\n\n\n\n

Mit einem Lasertracker werden Roboterposen in Form von Datenpaaren gemessen und aufgenommen. Anschlie\u00dfend kann mit diesen Daten das Modell trainiert werden. Um verwertbare Daten zu generieren, ist eine geeignete Konfiguration bez\u00fcglich des Arbeitsbereichs, der Messobjekte und der Posen des Messroboters wichtig. W\u00e4hrend des Quick-Check Projekts stellten wir fest, dass ein solches hybrides Modell effektiv sein k\u00f6nnte, da das neuronale Netzwerk im Gegensatz zu einem reinen KI-Ansatz nicht die grundlegende Roboter-Kinematik lernen muss.<\/p>\n\n\n\n

\"Setup
\u00a9 Fraunhofer IPA, Fanuc<\/figcaption><\/figure>\n\n\n\n

<\/p>\n\n\n\n

Projektablauf<\/h4>\n\n\n\n

Aufnahme von Datenpaaren<\/h6>\n\n\n\n