Algorithmik
Bei der kosteneffizienten, robotergestützten Lasermaterialbearbeitung (engl. Laser Material Processing; LMP) sind Bahnabweichungen das Haupthindernis, das es zu überwinden gilt, bevor die Technologie auf breiter Basis eingesetzt werden kann. Daher werden in der Gruppe Digitale Photonische Produktion prozessspezifische Algorithmen zur Überwindung dieses Hindernisses erforscht.
Beim LMP hängt die Werkzeugspitze (engl. Tool Center Point; TCP) - der Ort der Wechselwirkung zwischen Laser und Material - von verschiedenen Komponenten ab, die sich in drei Gruppen zusammenfassen lassen (vgl. Bild 1).
- Handhabungssystem: Das Handhabungssystem bietet im dargestellten Fall insgesamt sechs Freiheitsgrade (engl. Degree of Freedom; DOF) durch die Drehgelenke des Robotersystems.
- Optisches System: Der hier dargestellte Bearbeitungskopf bietet zwei Freiheitsgrade durch die Positionierung des Laserstrahls in einer X-Y-Ebene mittels Galvanometer-Scanner.
- Prozess: Der Prozess bietet vier DOFs. Diese ergeben sich aus einem geringen Spielraum in z-Richtung (Abstand), Rotationsfreiheit entlang der optischen Achse (Rotationssymmetrie des Laserstrahls) und kegelförmigem Spielraum zur Oberflächennormalen (Prozessstabilität bei geringer Abweichung der optischen Achsen von der Oberflächennormalen).
Problem
Für eine vollständige Beschreibung einer Pose (Position und Orientierung) im Raum müssen drei Koordinaten und drei Rotationen definiert werden, d.h. es gibt sechs DOFs je Pose. Im abgebildeten Fall (vgl. Bild 1) stehen 12 DOFs zur Verfügung, während nur sechs DOFs zur Definition der Pose erforderlich sind, d. h. wir haben es mit einer redundanten Zustandsdarstellung zu tun.
Wir modellieren die kinematische Kette aller wichtigen Komponenten von LMP-Systemen, entweder als physische oder als virtuelle Gelenke. Daraus ergibt sich eine vollständige, prozessspezifische Redundanzbeschreibung des LMP-Zustands.
Auf der Grundlage dieser Beschreibung nutzen wir diese Redundanz zur Optimierung unser Aufgabe: Minimierung der Pfadabweichung, Glättung der Trajektorie, Energieverbrauch, Bearbeitungszeit, Materialverbrauch. Die Optimierung wird mit verschiedenen modernen Optimierungsverfahren durchgeführt: Particle Swarming-basierte Optimierung, graphenbasierte Optimierung, Reinforcement Learning und Deep Learning.
Forschungsschwerpunkt
Die Forschung wird sowohl in-silico als auch in-situ durchgeführt, d.h. in der Simulation und experimentell validiert:
- Kinematische und dynamische Modellierung von Robotik, Bearbeitungsköpfen und LMP-Prozessen
- Trajektorienplanung für robotergestütztes LMP, d.h. bspw. Redundanzauflösungsstrategien
- Strategien zur prozessspezifischen Trajektorienoptimierung