Startseite Modellbasierte prädiktive Kraftregelung beim Fräsen
Artikel
Lizenziert
Nicht lizenziert Erfordert eine Authentifizierung

Modellbasierte prädiktive Kraftregelung beim Fräsen

Steigerung der Produktivität durch sichere Prozessführung
  • Oliver Adams , Max Schwenzer , Sebastian Stemmler , Fritz Klocke und Dirk Abel
Veröffentlicht/Copyright: 19. April 2017
Veröffentlichen auch Sie bei De Gruyter Brill
Manuskript einreichen Informationen für Autor*innen
Zeitschrift für wirtschaftlichen Fabrikbetrieb
Aus der Zeitschrift Zeitschrift für wirtschaftlichen Fabrikbetrieb Band 112 Heft 3

Kurzfassung

Die Zerspankraft liefert in spanenden Fertigungsverfahren eine wichtige Information über den Prozesszustand. Trotz optimal ausgelegter Prozesse wird selten eine konstante Zerspankraft erreicht, da Unsicherheiten, wie z. B. Werkzeugverschleiß oder Materialkenngrößen, diese beeinflussen. Aus Schutz vor Überlast, werden die Prozessparameter so gewählt, dass die vom Werkzeug ertragbare Last auch zum Standzeitende nicht überschritten wird. Damit einher geht ein Produktivitätsverlust bei schneidscharfem Werkzeug. Durch Regelung der Prozesskraft kann eine signifikante Produktivitätssteigerung erreicht werden. Die modellbasierte prädiktive Regelung (MPR) erlaubt die explizite Berücksichtigung von Nichtlinearitäten sowie zeitvariantem Übertragungsverhalten und ermöglicht so eine deutlich höhere Regelgüte als klassische PI-Regler.

Abstract

Being one of the criteria for machinability (surface, chip form, cutting force and tool wear), the cutting force provides key information about the status of the cutting process. Even in an optimal designed process, the cutting force is almost never constant. This is due to uncertainties such as tool wear or varying material properties. Avoiding overload is crucial to prevent damage of the tool and the machine. Therefore, process parameters are very conservative chosen so that the maximum allowed tool load is never exceeded – even at the end of the tool life. This results in a non-optimal productivity with a sharp tool. Controlling the process force leads to a significant gain of productivity. Model-based predictive control (MPC) can explicitly consider technological constraints while controlling the process force. Nonlinearities and time-varying system behavior of the process are considered. This leads to a major performance increase compared to classical controllers, such as PI-controllers.

Max Schwenzer, M.Sc., geb. 1989, studierte an der TU München Luft- und Raumfahrttechnik, wo er sich auf intelligente Systeme spezialisierte. Seit 2015 promoviert er am WZL der RWTH Aachen über die Kraftregelung beim Fräsen. Im Exzellenzcluster „Integrative Produktionstechnik für Hochlohnländer” ist er verantwortlich für den Bereich der „Selbstoptimierenden Fertigungsverfahren”.

Dr.-Ing Oliver Adams, geb. 1985, studierte an der RWTH Aachen mit Fachrichtung Produktionstechnik. Er arbeitet als Wissenschaftlicher Mitarbeiter am WZL der RWTH Aachen mit Promotion zum Thema „Modellbasierte prädiktive Kraftregelung beim Fräsen” im Rahmen des Exzellenzclusters.

Prof. Dr.-Ing. Dr.-Ing. E. h. Dr. h. c. Fritz Klocke, geb. 1950, studierte Maschinenbau in Lemgo und Berlin, wo er auch am Institut für Werkzeugmaschinen und Fabrikbetrieb promovierte. 1984 wechselte er zur Ernst Winter & Sohn GmbH & Co. bevor er 1995 zum Professor und Mitglied des Direktoriums des Werkzeugmaschinenlabors WZL der RWTH Aachen und des Fraunhofer Instituts für Produktionstechnik (IPT) berufen wurde. Seitdem prägt er maßgeblich die Entwicklung der Produktionstechnik in Wissenschaft und Industrie.

Dipl.-Ing. Sebastian Stemmler, geb. 1989, studierte Mechatronik an der TU Dresden. Seit 2013 ist er Wissenschaftlicher Mitarbeiter am Institut für Regelungstechnik der RWTH Aachen, tätig im Exzellenzcluster „Integrative Produktionstechnik für Hochlohnländer” mit dem Schwerpunkt: Regelungen für Produktionssysteme. Seit 2015 ist er Gruppenleiter der Gruppe „Industry”.

Univ.-Prof. Dr.-Ing. Dirk Abel, geb. 1958, absolvierte das Studium des Maschinenbaus, Fachrichtung Grundlagen des Maschinenwesen an der RWTH Aachen. Im Anschluss war er von 1983 bis 1987 Wissenschaftlicher Mitarbeiter am Institut für Regelungstechnik der RWTH Aachen, an dem 1987 die Promotion erfolgte. Im Rahmen der sich daran anschließenden Tätigkeit als Oberingenieur an dem genannten Institut habilitierte er 1993. Von 1993 bis 1998 war er als Projekt- bzw. Gruppenleiter bei der Hoechst AG, Frankfurt am Main, im Bereich Chemieanlagenbau/Automatisierung tätig. Anschließend war er von 1998 bis 2001 Geschäftsführer der DBT Automation GmbH, Lünen. Seit 2001 ist er Universitätsprofessor und Leiter des Instituts für Regelungstechnik der RWTH Aachen.

References

1. Fussell, B. K.; Srinivasan, K.: An Investigation of the End Milling Process Under Varying Machining Conditions. Journal of Engineering for Industry111 (1987) 1, S. 27–3610.1115/1.3188729Suche in Google Scholar

2. Yamazaki, K.; Kojima, N.; Sakamoto, C.; Saito, T.: Real-Time Model Reference Adaptive Control of 3-D Sculptured Surface Machining. CIRP Annals-Manufacturing Technology40 (1991) 1, S. 479–48210.1016/s0007-8506(07)62034-4Suche in Google Scholar

3. Nolzen, H.; Isermann, R.: Fast Adaptive Cutting Force Control for Milling Operation. In: Proceedings of the 4th IEEE Conference on Control Applications. The Desmond Hotel, Albany, New York, September 28–29, 1995, S. 760–76510.1109/cca.1995.555844Suche in Google Scholar

4. Altintas, Y.; Ma, C. C. H.: Direct Adaptive Control of Milling Force. In: Proceedings of the IEEE International Workshop on Intelligent Motion Control. Bogazici University, Istanbul, Aug. 20–22, 1990, S. 13–2010.1109/imc.1990.687288Suche in Google Scholar

5. Daneshmend, L. K.; Pak, H. A.: Model Reference Adaptive Control of Feed Force in Turning. Journal of Dynamic Systems. Measurement, and Control108 (1986) 3, S. 215–22210.1115/1.3143770Suche in Google Scholar

6. Lauderbaugh, L. K.; Ulsoy, A. G.: Model Reference Adaptive Force Control in Milling. Journal of Engineering for Industry111 (1989) 1, S. 13–2110.1115/1.3188726Suche in Google Scholar

7. Richalet, J.; Rault, A.; Testud, J. L.; Papon, J.: Model Predictive Heuristic Control. Automatica14 (1978) 5, S. 413–42810.1016/0005-1098(78)90001-8Suche in Google Scholar

8. Prett, D. M.; Gillette, R. D.: Optimization and Constrained Multivariable Control of a Catalytic Cracking Unit. Joint Automatic Control Conference17 (1980), S. 73–78Suche in Google Scholar

9. García, C. E.; Prett, D. M.; Morari, M.: Model Predictive Control: Theory and Practice — A Survey. Automatica25 (1989) 3, S. 335–34810.1016/0005-1098(89)90002-2Suche in Google Scholar

10. Dittmar, R.; Pfeiffer, B.-M.: Modellbasierte prädiktive Regelung: eine Einführung für Ingenieure. Oldenbourg Verlag, München200410.1515/9783486594911Suche in Google Scholar

Online erschienen: 2017-04-19
Erschienen im Druck: 2017-03-27

© 2017, Carl Hanser Verlag, München

Artikel in diesem Heft

  1. Editorial
  2. Das Phänomen Digitalisierung
  3. Inhalt/Contents
  4. Inhalt
  5. Innovative Technologien
  6. Schüttgutklebtechnologie
  7. Additive Fertigungsverfahren
  8. Schlanke Produktion
  9. Bewertung des Aufwands von Lean-Methoden
  10. Das Darmstädter Shopfloor Management-Modell
  11. Kundenindividuelle Fertigung
  12. Prozessübergreifende Fertigung von metallischen Hochleistungsbauteilen
  13. PPS-Verfahren
  14. Adaptive Produktionsplanung und -steuerung
  15. Unsichere Auftragszeiten in der Unikatfertigung
  16. Prozessregelung
  17. Modellbasierte prädiktive Kraftregelung beim Fräsen
  18. Optimierung der Schleifbearbeitung mittels OPC UA
  19. Montageplanung
  20. Konzept zur Rekonfiguration flexibler Montagesysteme
  21. Modellierung
  22. Dämpfung in verspannten Fugen
  23. Architekturbewertung
  24. Bewertung variabler Systemarchitekturen
  25. Energieeffizienz
  26. Energieeffiziente Produktionsstätte durch bedarfsabhängige und innovative Gebäudeautomation
  27. Mitarbeiterkompetenz
  28. Durch Mitarbeiterkompetenz zur Ressourceneffizienz
  29. Mitarbeitermotivation
  30. Gamification in der Montage
  31. Anwenderbericht
  32. Nachhaltiges Gebäude mit LED-Beleuchtung
  33. Toleranzmanagement
  34. Toleranzmanagement im Kontext von Industrie 4.0
  35. Arbeitsorganisation
  36. Strategie der integralen Unternehmensentwicklung bedingt eine neue Rolle der IT
  37. Assistenzsysteme
  38. Modulare Assistenzsysteme für heterogene Produktionsumgebungen – CyProAssist
  39. Vorschau/Preview
  40. Vorschau
https://doi.org/10.3139/104.111682

Artikel in diesem Heft

  1. Editorial
  2. Das Phänomen Digitalisierung
  3. Inhalt/Contents
  4. Inhalt
  5. Innovative Technologien
  6. Schüttgutklebtechnologie
  7. Additive Fertigungsverfahren
  8. Schlanke Produktion
  9. Bewertung des Aufwands von Lean-Methoden
  10. Das Darmstädter Shopfloor Management-Modell
  11. Kundenindividuelle Fertigung
  12. Prozessübergreifende Fertigung von metallischen Hochleistungsbauteilen
  13. PPS-Verfahren
  14. Adaptive Produktionsplanung und -steuerung
  15. Unsichere Auftragszeiten in der Unikatfertigung
  16. Prozessregelung
  17. Modellbasierte prädiktive Kraftregelung beim Fräsen
  18. Optimierung der Schleifbearbeitung mittels OPC UA
  19. Montageplanung
  20. Konzept zur Rekonfiguration flexibler Montagesysteme
  21. Modellierung
  22. Dämpfung in verspannten Fugen
  23. Architekturbewertung
  24. Bewertung variabler Systemarchitekturen
  25. Energieeffizienz
  26. Energieeffiziente Produktionsstätte durch bedarfsabhängige und innovative Gebäudeautomation
  27. Mitarbeiterkompetenz
  28. Durch Mitarbeiterkompetenz zur Ressourceneffizienz
  29. Mitarbeitermotivation
  30. Gamification in der Montage
  31. Anwenderbericht
  32. Nachhaltiges Gebäude mit LED-Beleuchtung
  33. Toleranzmanagement
  34. Toleranzmanagement im Kontext von Industrie 4.0
  35. Arbeitsorganisation
  36. Strategie der integralen Unternehmensentwicklung bedingt eine neue Rolle der IT
  37. Assistenzsysteme
  38. Modulare Assistenzsysteme für heterogene Produktionsumgebungen – CyProAssist
  39. Vorschau/Preview
  40. Vorschau
Jetzt anmelden und 20% sparen
Institutioneller Zugang
Wie funktioniert Authentifizierung?
Haben Sie eine Idee, wie wir unsere Website verbessern können?
Bitte schreiben Sie uns.
© 2025 De Gruyter Brill
Heruntergeladen am 20.9.2025 von https://www.degruyterbrill.com/document/doi/10.3139/104.111682/html
Button zum nach oben scrollen