Assistierende virtuelle Kraftfelder bei handgeführten Robotern

Handgeführte Schwerlastroboter zählen zu den Mensch-Roboter-Kooperationen und werden in der Industrie eingesetzt, um Arbeitern beim Heben von schweren Lasten zu unterstützen. Ziel der vorliegenden Arbeit ist es, die Bedienung solcher Roboter für den Nutzer zu vereinfachen und intuitiver zu gestalten. Zu diesem Zweck wurden die assistierenden Kraftfelder entwickelt, deren Algorithmus aus einer Lern- und einer Anwendungsphase besteht. In der Lernphase werden die Bewegungsdaten von erfahrenen Arbeitern innerhalb einer speziellen Arbeitsaufgabe aufgezeichnet. Aus diesen Daten wird in der Anwendungsphase ein assistierendes virtuelles Kraftfeld (AKF) generiert, welches den Nutzer auf die Pfade der erfahrenen Arbeiter leitet. Aufgrund der nichtlinearen Rückkopplung des Kraftfeldes und die durch die Reaktionszeit bedingte zeitverzögerte Rückkopplung des Menschen ist eine Stabilitätsbetrachtung des Gesamtsystems notwendig. Hierfür erfolgt eine Vorstellung von verschiedenen Menschmodellen mit aktiven und passiven Parametern sowie einer Totzeit. Zur Stabilitätsbetrachtung dieser polynomialen Totzeitsysteme wurden basierend auf dem Ljapunow-Krasovskii-Funktional zwei Methoden entwickelt. Um zusätzlich Anwendungsfälle mit mehreren Nutzern betrachten zu können, wurden Modelle und Methoden entsprechend angepasst und ebenfalls untersucht. Mit Hilfe von Simulationsstudien wurden verschiedene Parametrierungen des AKF betrachtet. Daraus leiteten sich Parametrierungsrichtlinien für spätere Anwender ab. Des Weiteren wurden zwei Nutzerstudien durchgeführt. Bei den Versuchen mit dem AKF reduzierte sich die Fehleranzahl der Probanden im Schnitt um die Hälfte. Darüber hinaus zeigten die Ergebnisse bezüglich Versuchsdauer, Arbeitsbelastung und Nutzerkomfort ebenfalls signifikante Verbesserungen.