Ein intelligenter Aktor muss nicht nur das leisten, was man im Alltag als intelligent bezeichnet, sondern dies auch effizient und mit einem Minimum an Energieeinsatz tun. Dies geht Hand in Hand mit einem mechatronischen Design, das oft zu anspruchsvollen integrierten Designlösungen führt, die auf höchstem Qualitätsniveau arbeiten.

Künstliche Intelligenz

Während einfache Regelungsmechanismen nach einem vordefinierten Regelungsgesetz reagieren, können intelligente Aktoren in ihrem Verhalten nach weiteren Aspekten wie Lastsituation, geänderten Umgebungs- oder Verschleißbedingungen etc. unterscheiden, die bei einer Standardregelung üblicherweise nicht als Eingaben verwendet werden. Dadurch können die Aktoren verschiedene Verhaltensmuster erlernen und annehmen, zu denen sie bei einer konventionellen Steuerung nicht in der Lage wären.

Effizienz

Um intelligent zu sein, muss man effizient sein. Das Ziel ist es, mit einem Minimum an Energieeinsatz so viel gewinnbringenden Output in Form von Systemleistung aus einem System zu gewinnen. Es kann als sehr netter Nebeneffekt gesehen werden, dass diese Bemühungen, neben den technischen Vorteilen, den Aktor in die Richtung der "grünen" Technologie bewegen.

Anspruchsvolles mechatronisches Design:

Intelligenz und Effizienz sind bedeutungslos, wenn sie nicht in einem System umgesetzt werden, das bis an die Grenzen der Physik ausgelegt ist. Die treibenden Faktoren sind hier Größe, Leistungsdichte, Performance und nicht zuletzt die Kosten. Ein ausgeklügeltes mechatronisches Design nutzt die eingesetzten Materialien optimal aus, hält die Kosten niedrig und ermöglicht einen hohen Integrationsgrad.

Qualität

Zuverlässigkeit, Wiederholbarkeit, Genauigkeit, Präzision und viele weitere Kriterien, die die Qualität eines Produktes definieren, sind untrennbar mit intelligenten Aktoren verbunden. Zum Beispiel hat eine wartungsfreie Lebensdauer in Kombination mit einer hermetischen Designlösung große technologische Vorteile und bewegt das System gleichzeitig in Richtung umweltfreundlicher Lösungen.

Elektronik und Leistungselektronik

Die Leistungselektronik spielt bei elektrischen Antrieben eine große Rolle. Sie muss die Leistung genau so bereitstellen, dass der oft an seiner physikalischen Grenze ausgelegte Antrieb die gewünschte Leistung erbringen kann, während gleichzeitig ein hoher Wirkungsgrad erreicht werden muss. Dies führt zur Entwicklung von nicht standardisierten Leistungselektronikeinheiten für elektrische Antriebe.

Elektrische Komponenten, die in modularen Kondensatorentladungs-Zündsystemen verwendet werden, spielen eine ähnliche Rolle bei der Definition der Systemleistung.

Leistungselektronik für elektrische Hochleistungsantriebe

Das Hauptforschungsgebiet widmet sich der spezifischen Leistungselektronik für den hochdynamischen Betrieb von elektromagnetischen Aktoren.

Große Systeme führen zwangsläufig zu großen Modellen, die sehr bald nicht mehr handhabbar sind. Daraus ergibt sich der Wunsch, die Modelle so einfach wie möglich, aber so genau wie nötig zu halten, um die gestellte Aufgabe zu erfüllen. Daher müssen bei der Untersuchung eines Systems verschiedene Methoden der Modellierung angewendet werden. Dies führt dazu, dass während des Entwurfs- und Optimierungsprozesses verschiedene Modelle von Subsystemen und Komponenten benötigt werden - alle so entwickelt, dass sie zu den besten Ergebnissen in Bezug auf die Ziele führen.

Angewandte Modellierungsmethoden für Komponenten und/oder Systeme:

• Lumped-Parameter-Modelle (z. B. Equivalent Circuit Modeling)
• Verteilte Parameter-Modelle
• Finite-Elemente-Simulation
• Mehrbereichssimulation
• Experimentelle Modelle

Modellierung von Linearmotoren und Aktuatoren

Linearmotoren und -aktuatoren können aufgrund ihrer begrenzten Länge signifikante Endeffekte aufweisen.

Ausgehend von einem parametrischen Geometriemodell wird der elektromagnetische Kreis mit FE-Methoden berechnet.

Für das resultierende Modell werden Lookup-Tabellen berechnet, die den Maschinenzustand in Abhängigkeit von Position und Laststrom angeben.

Die Berechnung ist in dem Entwicklungs- und Optimierungstool MagOpt implementiert, das an der JKU unter Beteiligung des JKU HOERBIGER Forschungsinstituts für Intelligente Aktuatoren entwickelt wird.

Thermische Modellierung

Das Erreichen der physikalischen Grenzen ist stark mit thermischen Fragestellungen verbunden. Daher ist eine hinreichend genaue thermische Modellierung notwendig, ohne dass der Aufwand in übertriebener Detaillierung verloren geht. Eine Lösung ist der Ansatz eines verteilten Lumped-Parameter-Modells, das zur Abschätzung der thermischen Verteilung von Systemen entwickelt wurde.

Am Beispiel einer Rotationsgeometrie wird der Querschnitt diskretisiert und die Eigenschaften werden in der entsprechenden Materialmatrix definiert.

Jedes Element der Matrix wird über die äquivalente elektrische Netzdarstellung definiert. Es stehen Randelemente zur Verfügung, um Konvektion, Strahlung oder Kontaktsituationen zur Umgebung zu berücksichtigen.

Dies ermöglicht die Berechnung guter Abschätzungen der instationären und statischen Wärmeverteilung einschließlich thermischer Flussdiagramme.

Als Ergebnis können verschiedene Lastfälle in der Simulation getestet, Maximalbedingungen abgeleitet und der Kühlzustand im Hinblick auf die definierten Lastanforderungen optimiert werden. Dies ist besonders wichtig für Linearantriebe oder Aktuatoren, da diese sehr häufig unter wechselnden Lastbedingungen eingesetzt werden.

Multi-Domain-Simulation

Das Softwaretool MagOpt ermöglicht eine parametrierte Mehrdomänensimulation. Als Beispiel wird die Mehrdomänensimulation eines von HOERBIGER entwickelten Stanzaktors dargestellt.

Die beteiligten Domänen sind:

• Elektro-Magnetisch
• Hydraulisch
• Leistungselektronik
• Steuerung
• Thermisch
• Mechanik

Nicht alle Bereiche sind gleich wichtig. Vereinfachungen sind notwendig und können individuell für verschiedene Entwicklungsphasen angewendet werden.

Smarte Aktuatoroptimierung und mechatronische Systemoptimierung

Smarte Aktoren bieten eine optimale Anwendbarkeit im Hinblick auf die Ziele, für die sie optimiert wurden. Idealerweise lassen sich diese Ziele direkt aus den Systemanforderungen ableiten. Wird der untersuchte Aktor jedoch in verschiedenen Anwendungsfällen eingesetzt, ist dies nicht mehr möglich. Ein Beispiel ist eine moderne Stanzmaschine. Sie kann eine Vielzahl von Aufgaben erfüllen, vom Stanzen, Nibbeln oder Signieren bis hin zum Pressen, Biegen oder Laserschneiden. Ein einziges Optimierungsziel kann also nicht mehr definiert werden.

Solche anspruchsvollen Aufgaben führen zur Notwendigkeit einer flexiblen Modellierungsumgebung und der Anwendung eines Mehrzieloptimierungsverfahrens. Hier kommt das Multi-Domain-Optimierungs-Software-Tool MagOpt zum Einsatz. Mit den Ergebnissen, die als Pareto-Flächen der Optimierungsziele ausgegeben werden, kann die beste Lösung für den gewünschten Anwendungsfall einfach ausgewählt werden.

Adaptive nichtlineare prädiktive Modellregelung

Bei vielen komplexen Systemen kann es heutzutage vorkommen, dass eine einfache Rückkopplungsregelung nicht das volle Potenzial des Systems und damit die bestmögliche Leistung erzielt. Weiterhin kann das Verhältnis zwischen optimaler Nachführung von Zwischenreferenzen einen Einfluss auf das übergeordnete Leistungsziel haben.

Das Konzept der modellprädiktiven Regelung kann eine Alternative darstellen:

• Explizite Verwendung eines Systemmodells zur Vorhersage des zukünftigen Verhaltens
• Optimale Steuerung mit Hilfe einer Zielfunktion
• Nebenbedingungen können berücksichtigt werden
• Dennoch ist eine Referenz erforderlich
• Einrichtung und Abstimmung ist eine nicht triviale Aufgabe

Mögliche Anwendungen:

Optimale Regelung von Motoren

• Emissionsoptimale Regelung unter Beibehaltung anderer Kriterien (z.B. Drehmomentverhalten
• Ausnutzen der Systemleistung

Lernende Regelung

Eine häufige industrielle Anforderung:

• schnelle und präzise Ansteuerung
• unter Ausnutzung der durch das mechanische System gegebenen Möglichkeiten
• Vorteil der lernenden Regelung:
• Erlaubt unverzögertes Handeln
• Keine kausale Filterung (Blick in die Zukunft)
• Einfach zu implementieren, insbesondere für SISO-Systeme
• Normoptimale Eingangsberechnung
• Lernende Regelung kann nur auf sich wiederholende Systeme angewendet werden, um sich wiederholende Fehler zu korrigieren.
• Ziele der aktuellen Forschungsprojekte:
• Neue Tuning-Methode basierend auf Methoden aus dem Bereich der adaptiven Identifikation
• Multi-Punkt-zu-Punkt-Trajektorien (Terminal ILC)
• Iteratives Verfahren zur Ermittlung der optimalen Trajektorie für die Nachlaufregelung