Modellbasierte Regelverfahren

Hörsaal: SN 23.2
Zeit: Donnerstags, 15:00 - 16:30
Donnerstags, 16:45 - 18:15
Dozent: Prof. Dr.-Ing. Walter Schumacher
Übung: SN 23.2
Prüfung: mündlich
Semester: WS
Umfang: 4 SWS (2 VL + 2 Ü)
Voraussetzung: Grundlagen der Regelungstechnik
Beginn: 18.10.2018
Beratung/Sprechstunde: nach Absprache mit dem jeweiligen Betreuer

Hinweis: Die Vorlesung wird im Sommersemester 2021 nicht vom IfR angeboten. Sie wird ab dem Wintersemester 2021/22 von Prof. Steil am iRP weitergeführt.

Inhalt der Vorlesung

In industriellen Anwendungen dominieren PID-Reglerstrukturen, da sie intuitiv verständlich und mit ein wenig Erfahrung schnell parametrierbar sind. Darüberhinaus lassen sie sich sowohl mit analoger, als auch mit digitaler Hardware einfach implementieren und liefern für ein breites Spektrum an Aufgaben zufriedenstellende Ergebnisse. Bei der Reglerauslegung ist allerdings immer ein Kompromiss zwischen guter Führungsgrößenfolge auf der einen und ausreichender Störunterdrückung auf der anderen Seite zu finden. In der klassischen ein- oder mehrschleifigen PID-Regelstruktur bleibt das Wissen über die Struktur des Systems und eventueller Störungen weitestgehend ungenutzt; die Regler werden immer nur dann aktiv, wenn sich an ihrem Eingang bereits eine Regeldifferenz herausgebildet hat, auf die sie dann reagieren.

Bei einigen regelungstechnischen Aufgaben, wie beispielsweise der Bewegungsregelung mechatronischer Systeme, ist es daher wünschenswert vorhandenes Wissen über die Systemdynamik und den geplanten Führungsgrößenverlauf zu nutzen, um das System vorzusteuern. Das anhand des Systemmodells erwartete Verhalten wird durch die Aufschaltung näherungsweise kompensiert (vgl. Beispiel in Abbildung 1), sodass sich mit den Modellinformationen ein deutlich verbessertes Führungsgrößenfolgeverhalten realisieren lässt. Die Aufgabe der Regler ist dann lediglich die Unterdrückung nichtmodellierter Effekte in der Strecke, sodass sie auf gute Störunterdrückung ausgelegt werden können.

bsb
Abbildung 1: Beispiel für eine Regelungsstruktur in der Bewegungsregelung von Robotersystemen[1] : Dynamische Kräfte, wie Trägheits- und Corioliskräfte, sowie die Gravitationskräfte werden durch Aufschaltung der erwarteten Größen aus dem Systemmodell näherungsweise kompensiert, sodass in der Kaskadenregelung lediglich externe Störungen und nichtmodellierte dynamische Effekte ausgeregelt werden müssen.

Sämtliche modellbasierte Regelverfahren setzen die Verfügbarkeit eines genügend genauen Regelungsstreckenmodells voraus. Als Einführung in die Modellbildung werden daher in den ersten Vorlesungsveranstaltungen zunächst wichtige Modellierungsmethoden für die ingenieurstechnische Praxis wiederholt.

Die Vorlesung wird Verfahren zur Führungsgrößenvorsteuerung mithilfe der inversen Dynamik, sowie die Vorsteuerung über Modellfolgeregelungen umfassen. Die Optimierung der Vorsteuerung bei sich wiederholenden Prozessen über Iterative Learning Control wird darüberhinaus vorgestellt. Neben der Berücksichtigung der nichtlinearen Dynamik in der Vorsteuerung wird auch die modellbasierte Kompensation nichtlinearer Terme im Regelkreis durch die sog. Feedback-Linearisierung dargestellt werden. In zwei Veranstaltungen wird die bei der Regelung von Werkzeugmaschinen relevante Fragestellung adressiert, wie sich eine möglichst gute Einhaltung geforderter Endeffektorbahnen gewährleisten lässt, trotz nichtlinearer Transformationen zwischen Arbeitsraum- und Gelenkkoordinaten und dem Auftreten von sättigendem Verhalten der Stellglieder.

Die vorgestellten Verfahren werden jeweils anhand von Simulationsbeispielen realer Strecken illustriert und praktisch erfahrbar gemacht. Bei erfolgreicher Implementierung der Regler werden diese mithilfe der am Institut vorhandenen Rapid-Control-Prototyping-Systemen an realen Regelstrecken getestet. Hierzu steht am Institut bereits ein Modell eines elastischen Antriebsstranges zur Verfügung. Dieser erlaubt die Implementierung der ersten grundlegenden Verfahren, wie der Modellfolgeregelung und der Störgrößenaufschaltung.

bsb
Abbildung 2: Versuchsträger Inteco 3D Crane mit Last[2]
bsb
Abbildung 3: Versuchsträger Manipulatorstruktur angetrieben durch pneumatische Muskelaktoren[3][4]
bsb
Abbildung 4: Versuchsträger Inteco Servo-Module[5]

Literatur

Chung, W.; Fu, L.-C.; Hsu, S.-H.: Motion Control
In: Siciliano, B.; Khatib, O. (eds): Springer Handbook of Robotics, Springer Berlin Heidelberg,
ISBN 978-3-540-30301-5, 2008, pp. 133-159;
[Link]

Siciliano, B.; Sciavicco, L.; Villani, L.; Oriolo, G.: Robotics - Modelling,
Planning and Control, Springer Berlin Heidelberg,
ISBN 978-1-84628-642-1, 2009;
[Link]

Khalil, H. K. : Nonlinear systems,
Prentice Hall,3rd ed., ISBN 0-13-067389-7, 2002

Lutz, H.; Wendt, W.: Taschenbuch der Regelungstechnik,
Verlag Harri Deutsch, ISBN 3-8171-1705-1, 2003

Quellen

[1] Kolbus, M.; Wobbe, F.; Reisinger, T.; Schumacher, W.: Integrated Force and Motion Control of Parallel Robots - Part 1: Unconstrained Space. In: Robotic Systems for Handling and Assembly, vol. 67, Institute of Control Engineering, Technische Universität Braunschweig, Hans-Sommer-Straße 66, 38106 Braunschweig, Germany, Springer Berlin / Heidelberg, 2011, pp. 233-252
[2] Inteco: 3DCrane - Getting Started Guide (Version 1.3) http://www.inteco.com.pl/
[3] Schmitt, J.; Grabert, F.; Raatz, A.: Design of a hyper-flexible assembly robot using artificial muscles. IEEE International Conference on Robotics and Biomimetics (ROBIO), 2010, pp. 897 - 902.
[4] Schreiber, F.; Skliarenko, Y.; Calabria, M.; Schumacher, W.; Schmitt, J.; Schlüther, K.; Raatz, A.: Nonlinear model-based control architecture for antagonistic pairs of fluidic muscles in manipulator motion control. In: 8th International Fluid Power Conference, March 26-28, Dresden, 2012
[5] Inteco: Modular Servo - An easy to reconfigure set-up to demonstrate servo control problems http://www.inteco.com.pl/

Letzte Änderung: 21.10.2021 11:08