Modellprädiktive Bahnplanung für roboterbasierte Bewegungssimulatoren

Bewegungssimulatoren werden im Bereich der Forschung und Entwicklung sowie zu Ausbildungszwecken eingesetzt. Seit einigen Jahren werden Industrieroboter als Bewegungsplattform eingesetzt, um dem Simulatorpiloten das Gefühl einer realistischen Fahrt zu vermitteln. Für die Ansteuerung des Roboters wird im klassischen Ansatz zunächst die Bewegung des simulierten Fahrzeugs mit Hilfe eines Motion-Cueing-Algorithmus verändert, sodass sich die Bewegung noch realistisch anfühlt, aber innerhalb des Arbeitsraumes des Roboters ausgeführt werden kann. Diese veränderte Bewegung wird daraufhin in einen Gelenkwinkelverlauf umgerechnet, mit dem der Roboter angesteuert wird. In diesem zweiten Schritt werden auch Nebenbedingungen berücksichtigt, die aus Beschränkungen des Roboters resultieren.

In dieser Arbeit wird ein neuartiger Algorithmus vorgestellt, der ein Modell der menschlichen Wahrnehmung direkt mit dem Dynamikmodell des Roboters verkoppelt. Durch die Erstellung eines modellprädiktiven Ansatzes (MPC) und speziell entwickelten Trajektorien werden die Beschränkungen des Roboters direkt während der Bewegungserzeugung berücksichtigt. Zudem wird durch die Verwendung dieser Trajektorien sichergestellt, dass jede Lösung des MPC-Modells gleichzeitig eine gültige Lösung ist. Somit kann die Bahnplanung jederzeit unterbrochen werden, beispielsweise aufgrund zeitlicher Begrenzungen, ohne auf eine Lösung verzichten zu müssen.

Der modellprädiktive Algorithmus nutzt für die Vorausberechnung des Systems ein vollständig nichtlineares Modell. Dafür wurde eigens eine Methode entwickelt, die es ermöglicht, ein Simulationsmodell derart einzubinden, dass dieses als Prädiktionsmodell genutzt werden kann und keine Linearisierung notwendig ist. Des Weiteren werden Vergleiche mit bestehenden Algorithmen für die Ansteuerung des Bewegungssimulators DLR Robotic Motion Simulator durchgeführt, um die Vor- und Nachteile des Verfahrens aufzuzeigen.