Einsatz hybrider Optimierungsverfahren zur Inbetriebnahme elektromechanischer Systeme

Die Inbetriebnahme mechatronischer Systeme, im Speziellen von elektromechanischen Achsen an Werkzeug- und Produktionsmaschinen, geschieht oft unter Zeit- und Kostendruck. Insbesondere die Reglerparametrierung erfolgt dabei häufig unter Verwendung von einfachen Faustformeln oder intransparenten Automatismen. Dadurch werden häufig vorhandene Kapazitäten und Potentiale der Antriebe und Regelungen nicht ausgeschöpft und führen zu geringerer Produktivität, als dies bei optimaler Einstellung der Regelsysteme möglich wäre. Hauptgrund dafür ist die hohe Vielschichtigkeit der zu betrachtenden Systeme, was zu komplexen Systemmodellen (zum Beispiel mit Nichtlinearitäten) führt, die es nicht erlauben, klassische Verfahren anzuwenden. Daher bietet es sich an, alternative Verfahren, wie beispielsweise Metaheuristiken, zur Anwendung zu bringen. Kern dieser Arbeit bildet die Untersuchung der Eignung von Metaheuristiken für die Optimierung von Regelsystemen an elektromechanischen Achsen im Rahmen einer durchgehenden Inbetriebnahmemethodik. Dies umfasst sowohl die Modellbildung, die Auswahl an geeigneten (hybriden) Optimierungsverfahren, die Bestimmung und Beurteilung von Bewertungskriterien, als auch den Nachweis der Funktionsfähigkeit der Gesamtmethode anhand von ausgewählten Experimenten. Die dabei strikte Modularisierung in Teilkomponenten erlaubt sowohl einen schnellen Austausch einzelner Teile, als auch die Anwendung der Systematik für andere Problemstellungen. The commissioning of mechatronic systems, especially for electromechanical axes on tooling and production machines, is often carried out under time and cost pressure. In particular, the controller parameterization is commonly performed by applying basic tuning rules or by carrying out not disclosed design automatisms. As a result, existing capacities and potentials of the drives and controls are not fully utilized and lead to a lower productivity than would be possible with the optimum adjustment of the control systems. The main reason for this is the high complexity of the investigated systems, which leads to complex system models (for example with non-linearities) which do not allow the application of classical tuning methods. Because of that, it is advisable to apply alternative methods such as metaheuristics. The main aspect of this thesis is the investigation of the suitability of metaheuristics for the optimization of control systems on electromechanical axes as part of a thorough commissioning methodology. This includes the modeling, the selection of suitable (hybrid) optimization methods, the determination and assessment of evaluation criteria as well as the demonstration of the functional capability of the overall method using selected experiments. The strict modularization in subcomponents allows the rapid exchange of individual parts as well as the application of the systematics for other problems.

Inhalt
1 Einleitung, Motivation und Zielstellung 2 Stand der Technik 2.1 Antriebstechnik 2.1.1 Einteilung nach der Energieform 2.1.2 Einteilung nach der Bewegungskomplexität 2.2 Steuerung/Regelung 2.2.1 Allgemein 2.2.2 Einteilung von Maschinensteuerungen 2.3 Modellerstellung für dynamische Systeme 2.3.1 Theoretische Modellbildung/Modellierung 2.3.2 Experimentelle Modellbildung/Identifikation 2.3.3 Modellbildung von elektromechanischen Achsen (EMA) 2.4 Reglerparametrierung 2.4.1 Vorgehen 2.4.2 Vorstellung ausgewählter Verfahren zum Parametrieren von Reglerstrukturen 2.4.2.1 Inbetriebnahmemethode nach Ziegler/Nichols 2.4.2.2 Einstellregel nach Samal 2.4.2.3 Betragsoptimum 2.4.2.4 Symmetrisches Optimum 2.4.2.5 Automatische Reglerparametrierung der Antriebshersteller 2.4.2.6 Anwendung von Optimierungsverfahren (OV) 2.4.3 Zusammenfassung 2.5 Automatisierte Inbetriebnahme 2.6 Resümee 3 Operations Research 3.1 Einführung 3.1.1 Phasen des Operations Research (OR) 3.1.2 Bedeutung von Modellen 3.1.3 Einteilung nach der Anzahl von Zielfunktionen 3.1.3.1 Einkriterielle Optimierung 3.1.3.2 Mehrkriterielle Optimierung 3.1.4 Teilgebiete des Operations Research (OR) 3.2 Simulationsbasierte Optimierung (SBO) 3.3 Vorstellung ausgewählter Verfahren 3.3.1 Partikel-Schwarm-Optimierung (PSO) 3.3.2 Nelder-Mead Verfahren (NM) 4 Hybride Optimierung 4.1 Kopplung zu hybriden Verfahren 4.1.1 PSO NM 4.1.2 PSO NM V2 4.2 Vorstellung der entwickelten Optimierungssoftware 4.2.1 Simulation and Optimization Tool (SOT) 4.2.2 SOT Starter 4.3 Zusammenfassung 5 Module zur Inbetriebnahme elektromechanischer Achsen 5.1 Automatische Modellgewinnung 5.1.1 Ziel/Zweck des Moduls 5.1.2 Schnittstelle des Moduls 5.1.3 Vorgehen 5.1.3.1 Indirekte Regelung mechanischer Systeme 5.1.3.2 Direkte Regelung mechanischer Systeme 5.1.3.3 Modellierung Lagereglerkaskade Siemens 5.1.3.4 Berücksichtigung von Nichtlinearitäten (NL) 5.1.4 Fazit und Handlungsempfehlungen 5.2 Identifikation von Leistungs-/Bewertungskriterien und Nebenbedingungen 5.2.1 Ziel/Zweck 5.2.2 Schnittstelle 5.2.3 Vorgehen 5.2.3.1 Optimierungskriterien und Nebenbedingungen im Zeitbereich 5.2.3.2 Optimierungskriterien und Nebenbedingungen im Frequenzbereich 5.2.3.3 Optimierungskriterien und Nebenbedingungen als Kombination von Zeit- und Frequenzkriterien 5.2.4 Fazit und Handlungsempfehlungen 5.3 Leistungsbewertung der untersuchten Optimierungsverfahren 5.3.1 Ziel/Zweck 5.3.2 Schnittstelle 5.3.3 Vorgehen 5.3.3.1 Testfunktionen 5.3.3.2 Auswertung 5.3.4 Fazit und Handlungsempfehlungen 6 Implementierung und Auswertung 6.1 Streckenmodelle 6.1.1 Zweimassensystem (ZMS) 6.1.1.1 Modellierung 6.1.1.2 Regler- und Kaskadenparametrierung 6.1.2 Dreimassensystem (DMS) 6.1.2.1 Modellierung 6.1.2.2 Regler- und Kaskadenparametrierung 6.2 Versuchsstand SALTUS 6.2.1 Modellierung 6.2.2 Parametrierung des Drehzahlregelkreises 6.2.2.1 Indirekt 6.2.2.2 Direkt 6.2.2.3 Indirekt, mit Advanced Position Control (APC) 6.3 Servospindelpresse (SSP) 6.3.1 Modellierung 6.3.2 Parametrierung des Lage- und Drehzahlregelkreises 7 Zusammenfassung und Ausblick A Anhang A.1 Parameter Optimierer A.2 Simulation and Optimization Tool (SOT) A.3 Modellgewinnung A.3.1 Algorithmus A.3.2 Ermittelte Modellparameter A.3.2.1 SALTUS A.3.2.2 Servospindelpresse (SSP) A.4 Leistungsuntersuchung A.4.1 Parametrierung PSO A.4.2 Parametrierung PSO NM A.4.3 Parametrierung PSO NM V2 A.5 Maschinendaten A.6 Zusatzparametrierung Versuchsstand SALTUS A.7 Reglerparametrierung bei freier Vorgabe der erwünschten Systemdämpfung