Innovationsförderung in Robotik und Fertigung

In diesem Artikel wird ein neuer hybrider Ansatz (H-CCPP) zur Optimierung der Abdeckungspfadplanung für Agrarroboter vorgestellt. Im Gegensatz zu früheren Methoden verbessert H-CCPP die Verarbeitungsgeschwindigkeit, erforscht verschiedene Fahrtrichtungen und integriert Reihenüberspringungsmuster sowohl für einfache als auch für komplexe Felder. Das Verfahren bestimmt automatisch Ein- und Ausstiegspunkte und wurde anhand eines Datensatzes von 30 französischen Feldern rigoros evaluiert. Dabei zeigte sich eine überragende Leistung bei der Minimierung der Neigungskosten bei gleichzeitiger Beibehaltung der Effizienz in anderen Schlüsselmetriken. Zukünftige Forschungsarbeiten werden sich auf die Verbesserung der Vorgewendeabdeckung, die Integration von Experimenten in der realen Welt, den Umgang mit Hindernissen und die Optimierung der Multi-Roboter-Koordination konzentrieren.

Der Artikel untersucht Methoden zur Verbesserung der vorausschauenden Instandhaltung durch Verbesserung der Datenaufbereitung für die Vorhersage der Restnutzungsdauer (RUL). Die Studie vergleicht den traditionellen "Capping"-Ansatz, der die RUL-Werte begrenzt, mit einer neuen "Filter"-Methode, die sich ausschließlich auf Daten aus der Degradationsphase konzentriert und Daten aus dem Normalbetrieb ausschließt. Während die Kappung die Fehler in der normalen Betriebsphase reduziert, verzerrt sie die Vorhersagen während der Degradationsphase. Im Gegensatz dazu verbessert der Filteransatz die Genauigkeit, indem das Modell ausschließlich auf Degradationsdaten trainiert wird, was zu präziseren RUL-Schätzungen führt. Die Ergebnisse zeigen, wie wichtig die Auswahl relevanter Daten ist, um die Leistung und Zuverlässigkeit von Modellen zur vorausschauenden Wartung zu verbessern.

In diesem Beitrag, der auf der ICARA-Konferenz 2023 vorgestellt wurde, wird eine einstufige CCPP-Methode vorgeschlagen, die einen Abdeckungspfad mit einem Skip-Row-Muster bereitstellen kann. Der vorgestellte Ansatz maximiert die abgedeckte Fläche bei gleichzeitiger Minimierung der Überlappungen, der Länge des Nicht-Arbeitsweges, der Anzahl der Abbiegungen mit Rückwärtsfahrten und der Gesamtfahrzeit. Er deckt die Vorgewende automatisch ab und berücksichtigt dabei die Geometrie sowohl des Roboters als auch seines Arbeitsgeräts. Wir haben den vorgeschlagenen Ansatz mit unserem früheren Ansatz verglichen und gezeigt, dass die Berücksichtigung sowohl des sequenziellen als auch des Skip-Row-Musters die Möglichkeit erhöht, die optimale Lösung zu finden. Es erhöht auch die Fähigkeit eines CCPP-Ansatzes, eine geeignete Lösung für eine Vielzahl von Parametern und Feldformen zu finden.