Intelligente Regelungsstrategien als Schlüsseltechnologie selbstoptimierender Fertigungssysteme

• Intelligent control strategies as an enabler for self-optimizing manufacturing systems

Stemmler, Sebastian; Abel, Dirk (Thesis advisor); Brecher, Christian (Thesis advisor)

Aachen (2020)
Doktorarbeit

Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2020

Kurzfassung

Die Einstellungen von Fertigungssystemen beruhen vielfach auf den Erfahrungen des Maschinenbedieners, zuvor identifizierter Technologietabellen oder Simulationstools. Regelkreise auf Maschinenebene gewährleisten, dass sich die gewählten Maschinengrößen reproduzierbar umsetzen lassen. Veränderliche Materialeigenschaften und Umgebungsbedingungen beeinflussen jedoch das Prozessverhalten und somit die Bauteilqualität, weshalb Prozess- und Qualitätsregelkreise erforderlich sind. Hierfür ist jedoch die Messung der Werkstückqualität notwendig, die häufig erst nach Abschluss der Fertigung bestimmt werden kann. Daher beschäftigt sich die vorliegende Arbeit mit dem Konzept der modellbasierten Selbstoptimierung für Fertigungssysteme. Essentieller Bestandteil dieses Konzepts ist ein Qualitätsmodell, welches den Zusammenhang zwischen relevanten Qualitätsgrößen und Prozessgrößen beschreibt. Dieses ermöglicht die Prädiktion der Bauteilqualität und die Bestimmung optimaler Prozessgrößenverläufe, welche durch unterlagerte Prozessregelungen umgesetzt werden. Im Speziellen wird untersucht, wie Prozess- und Qualitätsregelkreise mithilfe intelligenter Regelungsverfahren realisiert werden können. Hierfür werden zunächst Modellierungsansätze vorgestellt, die explizit in einer Regelung verwendet werden können. Weiterhin wird zur Schätzung nicht messbarer Zustandsgrößen, das Konzept der Zustandsschätzung eingeführt. Anschließend werden die modellbasierte, prädiktive Regelung und die iterativ lernende Regelung vorgestellt, welche die explizite Berücksichtigung von Modellwissen, Beschränkungen und beliebigen Regelungszielen ermöglichen. Das Konzept der modellbasierten Selbstoptimierung wird anschließend in Verbindung mit den vorgestellten Regelungsansätzen auf das Schruppfräsen und das Kunststoffspritzgießen übertragen. Beim Kunststoffspritzgießen wird eine Qualitätsregelung aufgebaut, welche die Regelung des Formteilgewichts adressiert. Ausgehend von dem gewünschten Formteilgewicht bestimmt die pvT-Optimierung zunächst basierend auf einem Materialmodell den optimalen Verlauf für den Werkzeuginnendruck. Zur Regelung des nichtlinearen Prozessverhaltens werden eine modellbasierte, prädiktive und eine iterativ lernende Regelung untersucht. Darüber hinaus wird gezeigt, dass die Formteilkonstanz, durch die Kombination der vorgestellten Regelungsansätze mit der pvT-Optimierung, deutlich gesteigert werden kann. Beim Schruppfräsen wird eine modellbasierte, prädiktive Zerspankraftregelung mit dem Ziel der Reduktion der Fertigungsdauer erforscht. Die Regelung prädiziert mithilfe eines Zerspankraftmodells, die am Fräser angreifende Zerspankraft und adaptiert unter Berücksichtigung eines hinterlegten Maschinenmodells die Vorschubgeschwindigkeit. Um die Genauigkeit des Zerspankraftmodells zu erhöhen, werden die Parameter zur Laufzeit identifiziert. Es zeigt sich, dass sowohl die Vorschubgeschwindigkeit als auch die Zerpankraft zuverlässig geregelt werden können. Die vorgestellten Untersuchungen beweisen, dass mithilfe intelligenter Regelungsverfahren neuartige Prozessregelungen realisiert werden können. Diese sind wiederum Grundvoraussetzung zur Umsetzung der modellbasierten Selbstoptimierung bei Fertigungssystemen. Die Parametrierung der Regelungen erfolgt dabei anhand des Regelstreckenmodells, sodass die vorgestellten Ansätze durch Austausch des Prozessmodells auf weitere Fertigungsprozesse übertragen werden können.