Advertisement

... in der Robotereinsatzplanung

  • C. Woenckhaus
  • S. Krüger
  • P. Mul
  • D. Wloka
Chapter
Part of the Fortschritte in der Simulationstechnik book series (XFS)

Zusammenfassung

Zur Planung von Produktionszellen werden heute vielfach aufwendige Pilotanlagen aufgebaut, mit deren Hilfe eine möglichst günstige Anordnung von Einzelkomponenten gesucht wird. In dieser Testumgebung werden dann die Steuerprogramme für die eingesetzten Roboter erstellt. Die erzielbaren Taktzeiten werden bei der anschließenden Ausführung dieser Programme ermittelt. Die interaktive grafische Simulation stellt ein Hilfsmittel dar, mit dem diese Untersuchungen an einem Rechnerarbeitsplatz durchgeführt werden können. Damit können nicht nur verschiedene Zellenmodelle (Bild I.7.1) erzeugt und visualisiert, sondern auch die Programme der verwendeten Roboter erstellt und simuliert werden. Die echtzeitfähige Bewegungssimulation kann unter anderem zu Kollisionsuntersuchungen und zur Taktzeitermittlung herangezogen werden. Neben einer Übersicht über die Einsatzmöglichkeiten grafischer Robotersimulationssysteme werden in diesem Kapitel einige aktuelle Entwicklungen aus diesem Bereich vorgestellt.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. [Bal 92]
    Baloch A., Waxman, A.: Visual learning, adaptive expectations, and behavioral conditioning of the mobile robot mavin. Neural Networks 4, (1992), S. 271–302.CrossRefGoogle Scholar
  2. [Ber 91a]
    Berns, K.: Anwendungen neuronaler Netze in der Robotik. Robotersysteme 7, (1991), S. 23–32.Google Scholar
  3. [Ber 91b]
    Berns, K., Hofstetter, R.: Die Anwendung eines Backpropagation-Algorithmus zur Steuerung einer Folgefahrt. Robotersysteme 7, (1991), S. 53–58.Google Scholar
  4. [Fra 90]
    Franklin, J.; Selfridge, O.: Some New Directions for Adaptive Control Theory in Robotics, S. 349–360. Neural Networks for Control. Miller, W.; Sutton, R.;Werbos, P., MIT Press, 1990.Google Scholar
  5. [Hor 90]
    Horne, B; Jamshidi, M; Vadiee, N.: Neural networks in robotics: A survey. Journal of Intelligent and Robotic Systems 3, (1990) S. 51–66.CrossRefGoogle Scholar
  6. [Hec 90]
    Hecht-Nielsen, R.: Neurocomputing. Addison-Wesley Publishing Company, Reading, Massachusetts, USA, 1990.Google Scholar
  7. [Hir 91]
    Hirzinger, G; Sanchez, V.; Lange, F.: Neuronale Netze in der Robotik. Informationstechnik (IT) 33(6) (1991) S. 317–322.Google Scholar
  8. [ISO 91]
    The EXPRESS Language Reference Manual. ISO CD 10303–11. International Organization for Standardization. Gaithersburg, 1991.Google Scholar
  9. [Kan 88]
    Kandziora, B.: CAD/CAM-System zur Planung und Simulation automatisierter Planungsvorgänge. Fortschrittsberichte VDI-Reihe 20 Nr. 9. Düsseldorf, VDI-Verlag, 1988.Google Scholar
  10. [Kun 89]
    Kung, S.; Hwang, J.: Neural network architectures for robotic applications. In: IEEE Transactions on Robotics and Automation 5(5) (1989) S. 641–657.CrossRefGoogle Scholar
  11. [Lee 91]
    Lee, S.; Bekey, G.: Applications of Neural Networks to Robotics, Vol 39 of Control and Dynamic Systems, S. 1–69. Academic Press, advances in robotic systems, part 1 of 2 edition, 1991.Google Scholar
  12. [Mie 91]
    Miesbach, S.; Schürmann, B.: Wenn Roboter arbeiten lernen: Ideen und methoden der Neuroinformatik zur Regelung und Steuerung. Informationstechnik (IT) 33(6) (1991), S. 300–309.Google Scholar
  13. [Mie 92]
    Miesbach, S.; Schürmann B.: Concepts and methods of neurocomputing for control. Proceedings Applications of Neural Nets, Kiel (1992).Google Scholar
  14. [Mil 89]
    Milberg, J.; Schuster, G.: Modellierung von Sensoren für die Montagesimulation. ZwF84 11 (1989), S. 650–654.Google Scholar
  15. [N.N. 90]
    Marktübersicht: Roboter Off-Line-Programmiersysteme.Verlag moderne industrie, Roboter (1990).Google Scholar
  16. [Pat 88]
    Pati, Y.et.al.: Neural networks for tactile perception. In Proceedings of 1988 IEEE International Conference on Robotics and Automation, 134–140, addIEEE88, monIEEE88, 1988.Google Scholar
  17. [San 92]
    Sanchez V; Hirzinger, G.: State-of-the-Art robot learning: control based on artificial neural networks — an overview. The robotics review 2. MIT Press, O. Khatib(ed.), 1992.Google Scholar
  18. [Sch 92]
    Schuster, G.: Rechnergestütztes Planungssystem für die flexibel automatisierte Montage. Dissertation, TU-München, 1992.CrossRefGoogle Scholar
  19. [Ste 91]
    Stetter, R.: Konzeption einer Simulatorplattform zur Überwachung des Handhabungsprozesses. Autonome Mobile Systeme, 7. Fachgespräch, Karlsruhe (1991) 245–258.Google Scholar
  20. [Ste 92]
    Stetter, R.: Einbindung physikalischer Effekte in die 3D-Simulation eines Handhabungsprozesses. Robotersysteme 8 (1992) S. 134–138.Google Scholar
  21. [Wlo 91]
    Wloka, D. (Hrsg.): Robotersimulation. Springer-Verlag, 1991.Google Scholar
  22. [Wlo 92]
    Wloka, D.: Wissensbasierte Simulation. Robotersysteme 3 (1992) S. 1–3.Google Scholar
  23. [Woe 90]
    Woenckhaus, C.: ADAMS in robot simulation. 6th ADAMS NewsConference, Wiesbaden, (1990) Proceedings.Google Scholar
  24. [Woe 93]
    Woenckhaus, C.: Planning of Three-Dimensional Layouts Using Numerical Optimization Methods. In: Proceedings of the 1993 IEEE International Conference on Robotics and Automation. Atlanta (1993) Vol.3 S. 44–49.Google Scholar
  25. [Wrb 90]
    Wrba, P.: Simulation als Werkzeug in der Handhabungstechnik. Dissertation, TU-München, 1990.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 1993

Authors and Affiliations

  • C. Woenckhaus
  • S. Krüger
  • P. Mul
  • D. Wloka

There are no affiliations available

Personalised recommendations