Entwicklung und Integration eines intelligenten Roboter-Greifers in Kombination mit einer adaptiv anpassbaren Regelung für einen industriellen Roboterprototyp
Schlagworte: Roboter, Steuerung, Automatisierung, Regelungstechnik, Greifsysteme
Entwicklung und Integration eines intelligenten Roboter-Greifers in Kombination mit einer adaptiv anpassbaren Regelung für einen industriellen Roboterprototyp
Aufgabenbeschreibung:
In Zukunft wird die Aufgabe der Mensch-Maschineinteraktion einen immer wichtigeren Stellenwert im Bereich der industriellen Produktion einnehmen. Hierzu ist es nötig, dass Roboter intelligent ihre Umgebung wahrnehmen und mit dieser interagieren können. Im Zuge dessen soll ein Robotergreifer über eine kraftbasierte Regelung dazu benutzt werden Bauteile zu erkennen und unabhängig von Form und Lage aufzunehmen.
Hierfür wird ein bestehendes Greifermodell eines Industrieroboterprotoypen mit einer intelligenten Regelung modifiziert. Regelung uns soll im Rahmen der Thesis entwickelt/ausgelegt und in den bestehenden Prototypen implementiert werden. Hierfür steht der XR101 von NectOne zur Verfügung. Dieser soll mit einer Time-of-Flight Kamera Lage und Form der Bauteile erkennen und die Position zu dem Greifer übermitteln. Dieser kann über die Intelligente Regelung die Kraft, mit der dieser zugreift adaptiv anpassen und Objekte innerhalb des Arbeitsbereiches um positionieren. Im Rahmen der Thesis werden weiterhin die Greif-Backen des Greifers modifiziert und für eine bessere Handhabung der Bauteile neu ausgelegt.
Die Arbeit gliedert sich im Wesentlichen in folgende Teilaufgaben:
- Literaturrecherche zum Stand der Technik im Bereich Kraftbasierter Regelung von Industriellen Roboter-Greifern
- Einarbeitung in Matlab/Simulink
- Einarbeitung in den Themenbereich der Ansteuerung von Sensorik und Aktuatorik über eine echtzeitbasierte Regelung
- Optimierung des bisherigen physikalischen Aufbaus der Klemmbacken
- Ansteuerung des integrierten DC-Motors über eine momentenbasierten Regelung
- Implementierung des Fertigen Aufbaus in den Roboterprototyp XR101
- Durchführung von Versuchen zur Feinabstimmung der Greifkraft
- Dokumentation und Präsentation der Arbeit.
Dauer: 4-6 Monate
Optimierung eines bestehenden Deep-Learning Algorithmus zur echtzeitbasierten Objektidentifizierung auf einem Embedded Steuergerät
Schlagworte: Neuronale Netze, Bildverarbeitung, Gesichtserkennung, Objekterkennung, Raspberry
Optimierung eines bestehenden Deep-Learning Algorithmus zur echtzeitbasierten Objektidentifizierung auf einem Embedded Steuergerät
Aufgabenbeschreibung:
Im Rahmen eines Entwicklungsprojektes in Zusammenarbeit mit einem Unternehmen aus der Medizintechnik wurde ein Prototyp eines autonomen Embedded-Systems entwickelt, der Videoaufnahmen in Echtzeit über eine Infrarotkamera erfasst und analysiert. Im Zuge der Weiterentwicklung, soll der Prototyp weiter industrialisiert und optimiert werden. Hierzu wird in Zusammenarbeit mit dem Unternehmen, eine Analyse des bestehenden Gesamtsystems erstellt und im Anschluss ein auf Matlab/Simulink basierender Algorithmus dazu verwendet eine Objekterkennung durch zu führen.
Die Arbeit gliedert sich im Wesentlichen in folgende Teilaufgaben:
- Literaturrecherche zum Stand der Technik in Kamerabasierten Objekterkennung
- Einarbeitung in Matlab/Simulink
- Einarbeitung in den Themenbereich des Deep-Learning basierend auf neuronalen Netzen
- Einarbeitung in den Themenbereich Bilderkennung/Perzeption mit Kamera-basierten Systemen
- Optimierung des bisherigen Verfahrens und Implementierung auf einen bestehenden Hardware-Prototyp
- Erstellen eines Industrialisierungskonzepts
- Dokumentation und Präsentation der Arbeit.
