Zusammenfassung
Die Robotertechnik findet für viele Aufgaben in der Industrie selbstverständlichen Einsatz. Für diese Aufgaben werden die Roboter geteacht. Dafür müssen die zu bearbeitenden Bauteile sowohl geringe Toleranzen, als auch eine hohe Positioniergenauigkeit vorweisen. Bei kleineren Bauteilen, wie beispielsweise in der Automobilindustrie, kann diese Genauigkeit durch Einspannvorrichtungen erreicht werden.
In der Bauindustrie sollen Robotersysteme ebenfalls mehr Anwendung finden, um die Verarbeitung zu beschleunigen und die Herstellungskosten zu minimieren. Die üblichen Toleranzen liegen hier allerdings im Zentimeterbereich. Daher setzt der Roboter-Einsatz Selbstkorrektur-Strategien voraus, welche mit geeigneten Sensoren und parametrisierbaren Prüfprogrammen die Abweichungen identifizieren.
Die Abweichungen gegenüber den CAD-Daten können mit den beschränkten Möglichkeiten von Systemen zur Selbstkorrektur nur vereinfacht abgebildet werden. Daher kommt es zu Schweißnähten, die keine Qualität hoher Güte aufweisen. Die Aufarbeitung von Ausschussteilen erfordert manuelle und kostenintensive Reparaturarbeiten. Aus diesem Kontext ergibt sich ein Handlungsbedarf, bestehende Selbstkorrektur-Strategien zu optimieren.
Die vorliegende Arbeit beschreibt das Konzept einer CAD-basierten Korrekturstrategie, welche eine höhere Genauigkeit bietet als die bisher eingesetzten Systeme. Mit einer am Roboter montierten optischen 3D-Sensorik kann die äußere Form des zu schweißenden Bauteils ermittelt, und anschließend auf die CAD-Daten projiziert werden. Eine selektive Form des CAD-Messdaten-Vergleichs minimiert den Einfluss von störenden Einspannvorrichtungen und erhöht die Genauigkeit der ermittelten Korrekturen. Gegenüber der merkmalbasierten Selbstkorrektur sinkt der Aufwand zum Parametrisieren des Prüfprogramms und Teachen des Roboters deutlich.
Im Rahmen eines Projekts im Spitzencluster intelligente technische Systeme Ostwestfalen- Lippe konnte die Integration einer 3D-Sensorik am Schweißroboter evaluiert werden.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
1. Statista Homepage, http://de.statista.com/statistik/daten/studie/250212/umfrage/geschaetzterbestand-von-industrierobotern-weltweit (2016).
2. VDMA Homepage, https://www.vdma.org/article/-/articleview/10032142, last accessed 13.05.2017
3. Loughlin, C.: “Welding - just scratching the surface”, Industrial Robot: An International Journal 32(4), (2005)
4. Norm DIN EN 10029:2010 (2010)
5. Sikström, F., Ericsson, M., Nylén, P., Christiansson, A.: 3D-Scanning for Weld Distortion Measuring. In: IMTC 2006 – Instrumentation and Measurement Technology Conference Proceedings, IEEE, Sorrento, Italy (2006).
6. Weber, W.: “Industrieroboter”, ISBN 978-3-446-41031-2, Hanser Verlag, (2009)
7. Siegert, H., Bocionek, S.: “Robotik: Programmierung intelligenter Roboter“, ISBN 9783642800672, Springer-Verlag, (2013)
8. Tsai, M., Ann, N.: “An Automatic Golf Head Robotic Welding System Using 3D Machine Vision System”, In: International Conference on Advanced Robotics and its Social Impacts Conference Proceeding, IEEE, Taipei, Taiwan, (2008)
9. Zych, A., Harmel, A., Jacobi, K., Staschko, R.: „Senspro - Sensorbasierte Roboterprogrammierung zur automatisierten Fertigung hoher orthogonaler Volumenstrukturen“, In: Abschlussbericht Senspro, Universität Rostock, Rostock, (2016)
10. Chalus, M., Liska, J.: “3D Robotic Welding with a Laser Profile Scanner”, In: 2016 International Conference on Control, Automation and Information Sciences (ICCAIS) Conference Proceedings, IEEE, Ansan, Korea, (2016)
11. Gernot, K., Gernot, K.: „Automatisches Kopieren von per Hand geführten Schweißnähten“, In: 9. Forschungsforum der Östereichischen Fachhochschulen Conference Proceedings, Wien, (2015)
12. Rodrigues, M., Kormann, M., Schuhler, C., Tomek, P.: “MARVIN: An intelligent real time 3D vision system for robotic welding tasks”, In: 9th International Symposium on Mechatronics and its Applications (ISMA) Conference Proceeding, IEEE, Amman, Jordan, (2013)
13. Antonelli D., Astanin S., Galetto M., Matrogiacomo, L.: Training by Demonstration for Welding Robots by Optical Trajectoty Tracking. 8th CIRP Conference on Intelligent Computation in Manufacturing Engineering, (2013)
14. Todtermuschke, M., Kusch, M., Thurner, S., Lang, H., Schneider, W., Letsch, H., Schober, D.: „Schweißtechnik“, Carl Hanser Verlag München, pp. 273-279, ISBN 978-3-446-44561-1, München, (2016)
15. Hesse, S.: „Industrieroboterpraxis“, pp. 250-258, ISBN 3-528-06887-6, Vieweg Verlag, Plauen, Germany, (1998)
16. Wihsbeck, M.: „Finden, Folgen, Füllen. Einsatz von Sensorsystemen bei robotergestützten Schweißprozessen“, In: Industrie 4.0 – die intelligente Fabrik der Zukunft, Tagungsband, Klein, Wien, Östereich, (2014)
17. Caggiano, A., Nelea, L., Sarnoa, E.; Teti, R.: 3D Digital Reconfiguration of an Automated Welding System for a Railway Manufacturing Application. 8th International Conference on Digital Enterprise Technology - DET 2014 – “Disruptive Innovation in Manufacturing Engineering towards the 4th Industrial Revolution”, (2014)
18. Dietz, T.: “CoWeldRob –Der Schweißroboterassistent”, In: interaktiv das Kundenmagazin des Fraunhofer IPA 2.2014, (2014)
19. Lin, X., Maoyong, C., Haixia, W., Michael, C.: A Method to Locate Initial Welding Position of Container Reinforcing Plates using Structured-Light. Proceedings of the 27th Chinese Control Conference, Kunming, Yunnan, China, 2008; pp. 310–314.
20. Park, J., Lee, S., Lee, I.: „Precise 3D Lug Pose Detection Sensor for Automatic Robot Welding Using a Structured-Light Vision System”, In: Sensors Journal 2009, 9, 7550-7565, Basel, Switzerland, (2009)
21. Bohnenberg, R., Zych, A., Kothe, U.: „Abschlussbericht MAPRO“, Fakultät für Maschinenbau und Schiffstechnik, Universität Rostock, Rostock, (2012)
22. Hahn, D.: „Robotereinsatz in der werkstattorientierten Fertigung“, Dissertation, Fakultät für Maschinenbau, Gottfried Wilhelm Leibniz Universität Hannover, Hannover, (2007)
23. Lee, S., Park, J.: „Iterative Measurement for Precise Welding Plane Detection”, 10th International Conference on Ubiquitous Robots and Ambient Intelligence (URAI) Conference Proceedings, IEEE, Jeju, Korea, (2013)
24. Kuss, A., Dietz, T.: “Method for 3D measurement ans evaluation of joint geometries for adaptive robotic arc welding in the automotive industry”, 17. Internationales Stuttgarter Symposium: Automobil- und Motorentechnik Conference Proceedings, Springer Verlag, Stuttgart, Germany, (2017)
25. Geraerds, J.: „Handschweißen ist out – Moderne, vollautomatische Stahlbaufertigung“, In: Stahlbau Journal 86(3) pp. 201-300, Ernst & Sohn Verlag, Berlin, Germany, (2017)
26. Tuominen, V.: „The measurement-aided welding cell—giving sight to the blind”, In: The International Journal of Advanced Manufacturing Technology 86 (1) pp.371-386, Springer London, London, Great Brittain, (2015)
27. „Leitfaden zur optischen 3D-Messtechnik“, ISBN 978-3-8396-0761-9, Fraunhofer Verlag, Fürth, Germany, (2014)
28. Hering, E., Schönfelder, G.: „Sensoren in Wissenschaft und Technik“, pp. 304, ISBN 978-3- 8348-0169-2, Vieweg + Teubner, Wiesbaden, Germany, (2012)
29. Benthack, D.: „Auswahlkonzepterstellung zur Einführung eines optischen Messsystems zur Erfassung von Bauteil- oder Umformwerkzeuggeometrien im Presswerk und Betriebsmittelbau eines Automobilherstellers“, Bachelor Thesis, HAW Hamburg, Hamburg, (2013)
30. Wilmsmeyer, H.: „Experimentelle Untersuchung mit bildgebenden 3D-Bildsensoren an Stahlbauteilen mit großen Toleranzen und Herleitung Sensorspezifischer Prüfstrategien zur Erweiterung einer bestehenden Roboterschweißanlage“, Master Thesis, Fachhochschule Bielefeld, Bielefeld, (2014)
31. Datenblatt GOM Atos Core 500, Gesellschaft für optische Messtechnik, Braunschweig, (2014)
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2018 Springer-Verlag GmbH Deutschland
About this paper
Cite this paper
Wilmsmeyer, H., Flasskamp, M., Schierenberg, MO. (2018). Intelligente Korrektur eines Schweißroboters. In: Jasperneite, J., Lohweg, V. (eds) Kommunikation und Bildverarbeitung in der Automation. Technologien für die intelligente Automation. Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-55232-2_22
Download citation
DOI: https://doi.org/10.1007/978-3-662-55232-2_22
Published:
Publisher Name: Springer Vieweg, Berlin, Heidelberg
Print ISBN: 978-3-662-55231-5
Online ISBN: 978-3-662-55232-2
eBook Packages: Computer Science and Engineering (German Language)