Designing an Industrial Pick-and-Place Robot - User Case Studies - Maplesoft

Fallstudie:
Ein parametrischer Ansatz zur Entwicklung industrieller Pick-and-Place-Roboter

Challenge
Ein führender Lieferant von Verpackungsmaschinen wollte einen Pick-and-Place-Roboter zum Einbau in eine neue Verpackungsmaschine entwickeln.

Solution
Das Unternehmen entschied sich für Maplesoft, um ein sehr genaues parametriertes Modell des Roboters zu entwickeln. Mit MapleSim wurde die Konstruktion des Roboters simuliert, und in Maple wurden Analysewerkzeuge entwickelt, um dessen Leistung zu optimieren.

Result
So war das Unternehmen nicht nur in der Lage, einen rundum optimierten Pick-and-Place-Roboter für die vorgesehene Anwendung zu erstellen, sondern es stellte sich außerdem heraus, dass sie dasselbe Modell und die Analysewerkzeuge mit anderen Parametern dazu nutzen konnten, andere künftige Pick-and-Place-Roboter zu optimieren.


Die Automatisierung in der Industrie schreitet weiter voran und Maschinen übernehmen immer mehr Aufgaben. Die Entwicklung dieser komplexen Maschinen ist eine anspruchsvolle Aufgabe. Die Ingenieure müssen eine Reihe verschiedener Vorgaben zur Produktivität, zum Platzbedarf, zur Beweglichkeit, zur Tragfähigkeit usw. einhalten. Gleichzeitig wird von ihnen verlangt, dass ihre Entwicklungen möglichst niedrige Produktions- und Wartungskosten verursachen, indem z.B. die kleinstmöglichen Motoren und kürzesten Segmente für die Roboterarme verwendet werden. Außerdem sollen die Belastungen minimiert werden, die Verschleiß verursachen und zu teuren Reparaturen und Ausfallzeiten führen. Alle diese Anforderungen sind bei der Entwicklung von Maschinen zu berücksichtigen, um ein Produkt mit hoher Leistung und möglichst niedrigen Kosten zu gewährleisten.

Ein führender Lieferant von Verpackungsmaschinen wandte sich im frühen Stadium der Entwicklung eines neuen Produkts, das einen Pick-and-Place-Roboter beinhaltet, an das Team von Maplesoft Engineering Solutions. Dabei ging es um Fragen zur Konstruktion des neuen Produkts:

  • Wie ist der Motor für den Roboter zu bemessen?
  • Welche Länge sollten die Segmente haben, um den gewünschten Arbeitsbereich zu erhalten?
  • Welche Auswirkungen haben unterschiedliche Längen der Segmente auf die Konstruktion?
  • Welche Leistung wird vom Motor und vom Getriebe gefordert?


Das Team von Maplesoft Engineering Solutions hat zur Beantwortung dieser Fragen einen parametrischen Ansatz zur physikalischen Modellierung angewandt. Dazu entwickelten sie in MapleSim, der Plattform zur Modellierung und Simulation, ein sehr genaues parametriertes Modell des gewünschten Robotertyps. Sie nutzten die hochentwickelten Rechenfähigkeiten von Maple, um Analysewerkzeuge zu entwickeln, die die Funktion des Systems und sein dynamisches Verhalten mit verschiedenen Sätzen von Parameterwerten zu untersuchen. Diese Analysewerkzeuge in Verbindung mit dem sehr genauen Modell haben dem Kunden die Erkenntnisse geliefert, die benötigt wurden, um Wege zur Optimierung ihrer Entwicklung zu bestimmen, und ihnen einen Satz von Werkzeugen an die Hand gegeben, den sie künftig bei der Entwicklung ähnlicher Produkte leicht anpassen können.

Modellentwicklung mit MapleSim

Abbildung 1 zeigt ein typisches Beispiel eines Pick-and-Place-Roboters. Das Robotermodell ist auf einer Referenzbasis montiert, an der drei Segmente befestigt sind, die den Roboterarm bilden. Die Segmente werden von drei Servomotoren für die Drehbewegung und die Steuerung der drei Freiheitsgrade angetrieben. Der Endeffektor des Roboters besteht aus einer verschiebbaren Komponente, die am dritten Segment angebracht ist, um die gewünschte Pick-and-Place-Funktion zu realisieren.


Abbildung 1: Entwicklung eines Pick-and-Place-Roboterarms mit drei Segmenten in MapleSim

Jede dieser Segmentstrukturen enthält Sensorkomponenten, die Informationen zu Kraft und Drehmoment liefern, mit deren Hilfe später radiale und axiale Kräfte sowie Biegemomente an den einzelnen Lagern bestimmt werden können. Das Modell umfasst außerdem zahlreiche Sensoren an strategischen Punkten der Konstruktion, um Leistungsmerkmale wie die erforderliche Motordrehzahl und das Drehmoment sowie den Gelenkwinkel und einschränkungen zu überwachen.

Die ersten Simulationen wurden in MapleSim durchgeführt, um das Verhalten des Systems zu beobachten, wobei die Informationen der Sensoren in verschiedenen Plots dargestellt wurden. Anschließend wurde das Modell zur gründlichen Analyse in Maple geladen.

Analyse von Entwicklungen mit Maple

Das Team von Maplesoft Engineering Solutions erstellte einen Satz von Analysewerkzeugen in Maple, die dem Kunden Informationen zu verschiedenen Bereichen seiner Entwicklungen liefern und dabei helfen, Entscheidungen zur Konstruktion des Endprodukts zu treffen. Diese Werkzeuge nutzen die Vorteile der umfassenden Parametrierbarkeit der mit MapleSim entwickelten hochgenauen Modelle und die symbolische Rechenengine von Maple, um dem Kunden die Möglichkeit zu geben, bei den Simulationen zahlreiche Iterationen vorzusehen, um die beste Parameterkombination zu ermitteln.

Das erste von Maplesoft erstellte Entwicklungswerkzeug ermöglichte es dem Kunden, kinematische Analysen durchzuführen. Anhand dieser kinematischen Analysen konnte der Kunde den Arbeitsraum des Roboters überprüfen, seine Bewegungen visualisieren und eventuell erforderliche Anpassungen der Pfade bestimmen. Die Bewegung des Roboters wird davon beeinflusst, ob sein Ellenbogen sich auf der rechten oder der linken Seite befindet. Eine der Funktionen der Werkzeugs zur kinematischen Analyse war es, die Berechnungen zur inversen Kinematik auszuführen und beide Positionen des Ellenbogens zu untersuchen. Durch die Beobachtung des Verhaltens in beiden Fällen konnte der Kunde eine fundierte Entscheidung dazu treffen, auf welcher Seite der Ellenbogen angebracht werden sollte. Diese Entscheidung wurde anschließend in alle weiteren Analysen übernommen.

Der nächste Schritt diente dazu, zu ermitteln, ob der Roboter innerhalb des zulässigen Bewegungsbereichs arbeitete und ob einzelne Winkel der Gelenke die gewünschten Grenzwerte überschritten.


Abbildung 2: Analyse von Gelenken in Maple

Bei jedem Gelenk wurde für die gewünschten Bewegungspfade des Endeffektors eine Reihe von Variablen, einschließlich des Gelenkwinkels, der Winkelgeschwindigkeit und der Winkelbeschleunigung, bestimmt. Die Ergebnisse zeigten, dass der ursprünglich vorgesehene Bewegungspfad des Endeffektors zu ausgeprägten Spitzen bei der Winkelbeschleunigung führte, was darauf hinwies, dass der Kunde noch einige änderungen vornehmen musste, um die Bewegung zur Betätigung der Gelenke zu glätten. Diese Anpassung hat nicht nur die Spitzen bei der Beschleunigung verringert, sondern auch die Belastung der Gelenke sowie die Beanspruchung der Motoren und Lager reduziert.

Natürlich wollte der Kunde die kleinstmöglichen Motoren einsetzen, wobei dennoch gewährleistet sein musste, dass der Roboter mit den ausgewählten Motoren die Leistungsvorgaben erfüllen würde. Das Team von Maplesoft Engineering Solutions entwickelte daraufhin ein Analysewerkzeug, das dem Kunden bei der Bemessung der Motoren hilft. Drehzahl, Drehmoment und Energie der Motoren werden bestimmt und grafisch dargestellt. Anschließend werden diese Kurven und die vom Hersteller gelieferten Leistungskurven der vorgesehenen Motoren übereinander gelegt. Die Leistungskurven der Motoren wurden aus einer in Maple importierten Liste von Daten möglicher Motoren ausgewählt. Bei jedem dieser Motoren konnte der Kunde anschließend die simulierten Ergebnisse mit den Daten verschiedener Motoren aus den Spezifikationen der Hersteller vergleichen. Mit diesem Analysewerkzeug konnte der Kunde verschiedene Motorkonfigurationen untersuchen, die von der Leistung her im gewünschten Bereich lagen. Ein ähnlicher Ansatz mit dem grafischen Vergleich von Herstellerdaten und simulierten Daten wurde dazu herangezogen, die Grenzwerte für das Getriebe zu untersuchen und die verschiedenen übersetzungsverhältnisse auszuwählen.

Ein weiteres von Maplesoft entwickeltes Analysewerkzeug war ein Parameter-Sweep, um die Auswirkung verschiedener Segmentlängen auf den Betrieb des Roboters zu untersuchen. Die Simulation des Modells mit verschiedenen Segmentlängen innerhalb des vorgegebenen zulässigen Bereichs erlaubten es dem Kunden, die Auswirkungen auf Leistungsmerkmale wie die Motordrehzahl, das Drehmoment, die Lastanforderungen und die änderungen des Arbeitsbereichs zu beobachten. Maple nutzt automatisch die Parallelverarbeitung, wodurch der Rechner des Anwenders gleichzeitig mehrere Simulationen mit verschiedenen Parameterwerten ausführen und die Ergebnisse anschließend übereinander gelegt in einem Fenster für den schnellen und einfachen Vergleich anzeigen konnte.


Abbildung 3: Beispiel für die Ergebnisse eines Parameter-Sweeps mit Variation der Segmentlängen



Mit Hilfe dieser und zahlreicher anderer Werkzeuge, die das Team von Maplesoft Engineering Solutions entwickelt hatte, konnte der Kunde seine Entwicklungsentscheidungen umfassend analysieren und zu einer idealen Konstruktion seines industriellen Pick-and-Place-Roboters gelangen.

Zusammenfassung

Das Team von Maplesoft Engineering Solutions entwickelte eine hochgradrig konfigurierbare Lösung, die dem Kunden dabei geholfen hat, die Herausforderungen bei der Entwicklung eines industriellen Pick-and-Place-Roboters zu bewältigen. Die Entwicklung eines umfassend parametrierbaren Systemmodells in MapleSim lieferte den Zugang zu allen Systemparametern, die erforderlich waren, um das Verhalten des Systems zu analysieren und zu optimieren. Die symbolische Rechenengine von Maple ermöglichte die Entwicklung einer Reihe von Analysewerkzeugen zur Untersuchung der Beziehungen zwischen den Systemparametern und ihrer Auswirkungen auf die Gesamtleistung. Dieser parametrische Ansatz hat dazu geführt, dass das Verpackungsunternehmen nicht nur fundierte Entscheidungen zur Konstruktion treffen und eine optimale Konfiguration für die vorgesehene Anwendung entwickeln konnte, sondern diese Werkzeuge können in anderen Zusammenhängen jederzeit wiederverwendet werden. Sie können dasselbe Modell und die Analysewerkzeuge mit anderen Parametern dazu nutzen, die künftige Entwicklung anderer Pick-and-Place-Roboter zu optimieren und zu validieren.