Datenbasierte Modellierung von Fräsrobotern/Data-driven models of milling robots – Modelling the pose-dependency of the structural dynamics using modern algorithms for machine learning
In: Werkstattstechnik: wt, Band 110, Heft 9, S. 624-628
ISSN: 1436-4980
Industrieroboter werden aufgrund ihres großen Arbeitsraumes zunehmend für die Fräsbearbeitungen großer Werkstücke eingesetzt. Dynamische Instabilitäten während des Prozesses schränken jedoch ihre Produktivität ein. Maschinelle Lernverfahren gewinnen hierbei an Popularität, um Strukturmodelle aus experimentellen Daten abzuleiten. Das Institut für Werkzeugmaschinen und Betriebswissenschaften (iwb) der Technischen Universität München entwickelt in Zuge dessen Methoden, die mit maschinellen Lernverfahren Simulations- und Experimentaldaten verbinden, um dadurch die Strukturdynamik von Fräsrobotern zu modellieren.
Industrial robots are increasingly used for milling applications of large workpieces due to their large working area. However, dynamic instabilities during the process limit their productivity. Thus, machine learning methods are becoming increasingly popular for deriving system models from experimental data. The Institute for Machine Tools and Industrial Management (iwb) at the Technical University of Munich is developing methods to fuse simulation data and experimental data using machine learning methods to model the structural dynamics of milling robots.