Modul

Siehe Teilleistung

Qualifikationsziele: Die Teilnehmer kennen neuartige Herangehensweisen bei der Programmierung von Industrierobotern und sind in der Lage diese geeignet auswählen, einzusetzen und Aufgabenstellungen in diesem Kontext selbständig zu bewältigen.

Lernziele:

- beherrschen die theoretischen Grundlagen, die für den Einsatz modellgestützter Planungsverfahren (Kollisionsvermeidung, Bahnplanung, Bahnoptimierung, Kalibrierung) notwendig sind.

- beherrschen im Bereich der Off-line Programmierung aktuelle Algorithmen und modellgestützte Verfahren zur kollisionsfreien Bahnplanung und Bahnoptimierung.

- besitzen die Fähigkeit die behandelten Verfahren zu analysieren und zu beurteilen, wann und in welchem Kontext diese einzusetzen sind.

- beherrschen grundlegenden Aufbau und Konzepte neuer Sensorsysteme (z.B. taktile Sensoren, Näherungssensoren).

- beherrschen Konzepte für den Einsatz dieser neuen Sensorsysteme im industriellen Kontext.

- Die Teilnehmer können die behandelten Planungs- und Optimierungsverfahren anhand von gegebenem Pseudocode in der Programmiersprache Python implementieren (400 - 800 Zeilen Code) und graphisch analysieren. Sie sind in der Lage für die Verfahren Optimierungen abzuleiten und diese Verfahren selbständig weiterzuentwickeln.

Siehe Teilleistung

Die fortschreitende Leistungssteigerung heutiger Robotersteuerungen eröffnet neue Wege in der Programmierung von Industrierobotern. Viele Roboterhersteller nutzen die frei-werdenen Leistungsressourcen, um zusätzliche Modellberechnungen durchzuführen. Die Integration von Geometriemodellen auf der Robotersteuerung ermöglicht beispielsweise Kollisionserkennung bzw. Kollisionsvermeidung während der händischen Programmierung. Darüber hinaus lassen sich diese Modelle zur automatischen kollisionsfreien Bahnplanung und Bahnoptimierung heranziehen. Vor diesem Hintergrund vermittelt dieses Modul nach einer Einführung in die Themenstellung die theoretischen Grundlagen im Bereich der Kollisionserkennung, automatischen Bahngenerierung und –optimierung unter Berücksichtigung der Fähigkeiten heutiger industrieller Robotersteuerungen. Die behandelten Verfahren werden im Rahmen kleiner Implementierungsaufgaben in Python umgesetzt und evaluiert.

Siehe Teilleistung

(2 SWS + 2,5 x 2 SWS) x 15 + 15 h Klausurvorbereitung = 120h/30 = 4 ECTS

Aufwand 2,5/SWS entsteht insbesondere durch die geforderte Implementierung der Verfahren in Python.