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

Mobile Roboter besitzen das Potenzial, zu deutlichen Effizienzsteigerungen in der Fertigung kohlenstofffaserverstarkter Kunststoffe zu fuhren, wenn sie die aktuell ublichen Sondermaschinen ersetzen. Dazu mussen die mobilen Roboter Bahngenauigkeiten im Submillimeterbereich erreichen.  Da stationare Roboter diese Bahngenauigkeiten mit Modellerweiterungen erreichen konnen, ist es die Kernfrage dieser Arbeit, ob diese auf mobile Roboter ubertragbar sind. Bahngenauigkeitsuntersuchungen zeigen, dass sich die mobile Plattform in erster Linie durch eine herabgesetzte Fundamentsteifigkeit  auswirkt. Weiterhin wird beobachtet, dass die Tragheitskrafte des Roboterarmes genugen konnen, um eine Bewegung der Plattform relativ zum Hallenboden zu erzeugen.  Die Arbeit zeigt, dass kunstliche neuronale Netze in der Lage sind, den Bahnfehler des mobilen Roboters mit einer mittleren Abweichung zum gemessenen Bahnfehler von 0,3mm vorhersagen zu konnen 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 moglich zu sein, dass Folgearbeiten die Steigerung der Bahngenauigkeit in den Submillimeterbereich nachweisen konnen.