Design optimization of machines and manufacturing plants on the basis of component-oriented behavior models
Final Report Abstract
Im Rahmen des Projekts wurde ein neues Konzept zur Antriebsauslegung entwickelt. Entgegen dem Industrie-üblichen Verfahren kann hierbei die Grob- und Feinauslegung in einem Schritt ausgeführt werden und so Zeit und Geld gespart werden. Ein Optimierer sucht nach den optimalen Komponenten aus Bauteilekatalogen und stellt die Regler nach unterschiedlichen Optimierungskriterien (z. B. dem Dämpfungsoptimum) ein. Der Fokus der Arbeit lag dabei auf der grundsätzlichen Auslegung und Optimierung von Vorschubachsen von Werkzeugmaschinen. So wurde anhand ausgewählter Beispielachsen von Werkzeugmaschinen der Nachweis geführt, wie Antriebe vom grundsätzlichen Vorgehen her effizient ausgewählt werden können. Dazu wurde im ersten Schritt durch Befragung untersucht, wie Maschinenhersteller typischerweise das Problem der Antriebsauslegung lösen. Daraus ergaben sich dann häufige Anwendungsfälle, die u. a. in UML-Anwendungsfalldiagrammen festgehalten wurden. Typische Zielszenarien dabei waren, das Optimum der Positioniergenauigkeit einzustellen oder die Kosten durch kleine Motoren niedrig zu halten. Eine neue Open-Source-Modelica-Bibliothek wurde prototypisch konzipiert und entwickelt, die mechanische, thermische und elektrische Gleichungen und Randbedingungen miteinander verknüpft. Sie enthält in der grundsätzlichen Gestaltung alle wesentlichen Komponenten von Vorschubachsen: Linearmotoren, Synchronmotoren, diverse Arten von Getrieben, Kupplungen, Kugelgewindetriebe, Zahnstange-Ritzel-Antriebe und Massen-Schwinger-Elemente zur Modellierung der Schlitten- oder Tischdynamiken. Dabei wurden die Antriebe mit und ohne Feldschwächung untersucht. Um die Simulationszeit klein zu halten, wurden die Gleichungen als differential-algebraisches System, aber ohne partielle Differentialgleichungen, implementiert. Diese Modellierungsmethode hat den Vorteil, dass die Komponenten einfach parametrisiert werden können. Allerdings führt das Vorgehen insbesondere im Bereich von Eigenfrequenzen der Vorschubachse dazu, dass das Nachgiebigkeitsverhalten des Maschinenbetts nur grob angenähert werden kann. In der frühen Phase sind aber auch FEM-Methoden mit hoher Unsicherheit belastet, da vor allem Dämpfungsparameter unbekannt sind. Die entwickelte Optimierungsschnittstelle fragt im derzeitigen Konzept die Komponentenparameter aus einer Datenbank ab, sodass eine Vielzahl von Komponenten durchgetestet werden kann. Um die Antriebsauslegung zu beschleunigen, kamen Black-Box-Optimierer wie z. B. genetische Algorithmen und Verfahren, die mit Surrogate-Modellen arbeiten, zum Einsatz. Eine entwickelte Benutzerschnittstelle ermöglicht es, Randbedingungen und Optimierungsziele (z. B. Überschwingverhalten, max. Motorstrom) durch Benutzereingabe festzulegen. Während der Projektlaufzeit hat sich herausgestellt, dass es keine verfügbaren Methoden gibt, um das dynamische Antriebsoptimierungsproblem, direkt mit gradientenbasierten Verfahren zu lösen. Daher wurde auf unterschiedliche Black-Box-Löser zurückgegriffen. Diese Black-Box-Löser können Auslegungsprobleme mit wenigen Freiheitsgraden effizient lösen, wie sie beispielsweise bei der Optimierung einer Bewegungsachse auftreten. Wenn allerdings die Anzahl der Freiheitsgrade durch eine detailliertere Modellierung oder eine Mehrachsbetrachtung erhöht wird, sind die angewendeten Black-Box-Verfahren nicht mehr effizient. Daher wird in einem Nachfolgeprojekt gemeinsam mit einem mathematischen Institut untersucht, wie durch Umformulierung des mathematischen Problems schneller ein Optimum gefunden werden kann. Darüber hinaus gibt es folgende Anknüpfungspunkte für Folgearbeiten, die teilweise schon im Nachfolgeprojekt behandelt werden: • Modellbildung und Optimierung von Mehrachssystemen; • Berücksichtigung von Prozesskräften und Parameterunsicherheiten bei der Antriebsoptimierung; • Visualisierung des Optimierungsverhaltens für den Menschen.
Publications
- Approaching the Dilemma between Plan and Value in Computer Aided Engineering of Production Machines. In: Proc. of the 48th CIRP Conference on Manufacturing Systems, Ischia, 2015, S. 141 -146
Özdemir, D.; Herfs, W.; Brecher, C.
(See online at https://doi.org/10.1016/j.procir.2016.01.017) - Design of Feed Drives with Object-Oriented Behavior Models. In: 8th Vienna/IFAC International Conference on Mathematical Modelling, 2015, S. 268–273
Özdemir, D.; Herfs, W.; Lohse, W.; Brecher, C.
(See online at https://doi.org/10.1016/j.ifacol.2015.05.022) - Modelica Library for Feed Drive Systems. In: 11th International Modelica Conference, Paris, 2015, S. 117-125
Özdemir, D.; Motschke, T.; Herfs, W.; Brecher, C.
- Object-oriented Modeling of Machine Tool Feed Axes: an Approach to Analysis of Control Parameters. In: IEEE International Conference on Mechatronics and Automation, Beijing, 2015, S. 1332-1337
Xie, Y.; Özdemir, D.; Herfs, W.
(See online at https://doi.org/10.1109/ICMA.2015.7237678) - Simulation in Machine Tool Design: From Systems for Experts to Encapsulated Complexity. In: 6th International Conference on Competitive Manufacturing (COMA), 2016, S. 95-100
Özdemir, D.; Herfs, W.; Brecher, C.
