Schlussbericht AI4DI: Teilvorhaben "Sensitive Strukturen für die Mensch-Maschine-Interaktion in digitalisierten Prozessketten"

Research output: Preprint/documentation/reportProject report (Final and progress reports)

Abstract

Förderkennzeichen BMBF 16ESE0341S
Verbundnummer 01187374
Laufzeit des Vorhabens: 01.06.2019 bis 31.12.2022

Die Arbeiten der TUD im AI4DI Projekt erfolgten im Rahmen der SupplyChain 3 „Machinery“ und sind dem Thema „Smart Robot“ zugeordnet. Heutige Roboter sind großenteils nicht in Lage, gezielte Mensch-Maschine-Interaktionen durchzuführen. Es gibt erste Ansätze, Roboter über zusätzliche Sensoren in die Lage zu versetzen, mit Menschen kollaborativ zusammenzuarbeiten, dies geht aber einher mit einer signifikanten Steigerung der Kosten sowie deutlichen Einschränkungen der technischen Leistungsfähigkeit der Roboter.
Um Robotern jeder Größe und Leistungsklasse den "Tastsinn" – als Grundvoraussetzung der gezielten Mensch-Maschine-Interaktion – zu ermöglichen, ist im Rahmen dieses Teilprojekts von der TUD ein neuartiges Sensorsystem auf Basis der elektrischen Zeitbereichsreflektometrie (EZBR) entwickelt worden. Dabei ermöglicht die Nutzung des EZBR-Prinzips die Herstellung von Sensoren die sowohl kraft- als auch ortsaufgelöste Messung durchführen können. Zudem sind EZBR-Sensoren vergleichsweise einfach und kostengünstig fertigbar und in der Größe skalierbar, weshalb sich derartige Sensoren im besonderen Maße für den industriellen Masseneinsatz eigenen. Allerdings ist die technische Reife derartiger Sensoren bisher gering.
Das Ziel der TU Dresden war es daher, die EZBR-Sensortechnologie weiterzuentwickeln, so dass sie am Ende des Projekts in die industrielle Entwicklung überführt werden kann. Voraussetzung hierfür war die wissenschaftliche Durchdringung der multi-physikalischen Fragestellungen bei der Sensorauslegung, Signalvor- und -aufbereitung sowie der gezielten Auswertung der Sensordaten. Dabei ist dem Messprinzip inhärent, dass zur Interpretation der Messsignale ein inverses elektro-magnetisches Problem mit einer großen Anzahl an unbekannten oder unsicheren Parametern gelöst werden muss. Dies hat zur Folge, dass die Datenauswertung mittels Analytik kaum mehr möglich ist, was die Anwendungsgebiete derartiger Sensoren bisher stark einschränkt, insbesondere vor dem Hintergrund verschiedener Sensorgrößen, -aufbauten und Applikationsmöglichkeiten.
Daher wurde im Rahmen von AI4DI eine robuste Methodik auf Basis des maschinellen Lernens entwickelt, die den Aufbau der Analysewerkzeuge, das Offsite- und Onsite-Training, sowie die Validierung der Messergebnisse in ausführlichen Testreihen umfasst. Erst hierdurch wird es möglich das Potential dieser Messtechnik einer breiten Masse zu eröffnen.
Im Rahmen von AI4DI wurden daher neue EZBR-Sensoren entwickelt, um die Grenzen der Anwendbarkeit bzgl. Sensorgröße, -ortsauflösung, -dynamik und -sensitivität zu erforschen. Im Anschluss daran wurde untersucht, wie die neuartigen Sensoren in flächige und einfach gekrümmte Strukturbauteile integriert werden können, wie sie etwa bei Industrierobotern vorkommen und welche Auswirkungen dies auf die Sensorfunktionen hat. Parallel hierzu wurde die Methodik zur Dateninterpretation auf Basis des maschinellen Lernens entwickelt.
Um diese Fragenstellungen gezielt beantworten zu können, arbeiteten zwei Institute der TU Dresden, das Institut für Leichtbau und Kunststofftechnik (ILK) sowie das Zentrum für Informationsdienste und Hochleistungsrechnen (ZIH), Hand in Hand mit den weiteren Partnern der SupplyChain 3.

Details

Original languageGerman
Number of pages22
Publication statusPublished - 2023
No renderer: customAssociatesEventsRenderPortal,dk.atira.pure.api.shared.model.researchoutput.WorkingPaper

External IDs

ORCID /0000-0003-2834-8933/work/161408016

Keywords