Titelaufnahme
- TitelStrukturierter Entwurf selbstoptimierender mechatronischer Systeme / von Oliver Oberschelp
- Autor
- Erschienen
- HochschulschriftPaderborn, Univ., Diss., 2008
- SpracheDeutsch
- DokumenttypDissertation
- URN
- Social MediaShare
- Nachweis
- IIIF
Deutsch
Entstanden ist die Arbeit im Rahmen des Sonderforschungsbereichs 614 „Selbstoptimierende Systeme des Maschinenbaus“. Ziel der Arbeit ist die Darstellung von Grundlagen für die Entwicklung von selbstoptimierenden mechatronischen Systemen. Schwerpunkte bilden die Bereiche strukturierte Entwicklung, Methoden der Optimierung, Rekonfiguration, Numerik und Informationsverarbeitung. Verschiedene Anwendungsbeispiele, unter anderem aus dem Bereich des Projektes „RailCab - Neue Bahntechnik Paderborn“, verdeutlichen das große Potential der Selbstoptimierung. Selbstoptimierung kann in allen Domänen der Mechatronik stattfinden. Neben der Optimierung von Systemparametern kann die Struktur des Systems selbst optimiert werden. Ein Ansatz ist die Rekonfiguration von vorhandenen Systemkomponenten. Eine Grundlage für die Modellierung solcher Systeme liefern hierarchische Blockschaltbilder. Da in der hierarchischen Blockschaltbilddarstellung eine Hierarchieebene wiederum als Block dargestellt wird, kann eine Rekonfiguration auch durch Austausch von Hierarchieelementen erfolgen. Die Steuerung kann durch ein der rekonfigurierbaren Hierarchie fest zugeordnetes Statechart erfolgen. Diese erweiterten Hierarchieelemente werden als hybride Hierarchieelemente bezeichnet. Die Informationsverarbeitung eines selbstoptimierenden mechatronischen Systems muss eine Vielzahl von Funktionen erfüllen. Der Ansatz des Operator-Controller-Moduls (OCM) zur Strukturierung der Informationsverarbeitung greift diese Anforderungen auf. Es besteht aus den drei Hauptkomponenten Kognitive Operator, Reflektorischer Operator und Controller. Die echtzeitfähige Simulation mechatronischer Systeme besteht im Wesentlichen aus der numerischen Integration von Differentialgleichungen. Durch eine getrennte Berechnung der Teilmodelle mit Schrittweiten, die an die jeweiligen Zeitkonstanten angepasst sind, kann die Effizienz der Auswertung gesteigert werden. Solche Verfahren werden auch als Multirate-Verfahren bezeichnet. Die dabei auftretenden Störungen können durch Verfahren wie Extrapolation und Glättung der Kopplungsdaten reduziert werden. In einem rekonfigurierbaren System kann die Reihenfolge der Auswertung nicht während der Codegenerierung bestimmt werden, sondern erst im Betrieb. Ziel muss sein, Teilsysteme so zu erzeugen, dass, abgesehen von algebraischen Schleifen, die sich grundsätzlich nur in der Modellbildung verhindern lassen, beliebige Kopplungszustände zwischen Ein- und Ausgängen möglich sind. Für die Berechnung der Auswertereihenfolge genügt die Beziehung zwischen Eingang, Ausgang und Zustand; Gleichungen innerhalb der Blöcke müssen nicht berücksichtigt werden. Der Algorithmus für die Berechnung der Auswertereihenfolge kann verallgemeinert auf hierarchische Systeme übertragen werden. Grundlage der meisten Optimierungsverfahren ist das Durchlaufen eines Test- oder Anregungsfalls mit anschließender Bewertung und eine darauf folgende gezielte Veränderung der Systemparameter. Eine solche Form der Selbstoptimierung ist bei wiederkehrenden oder vergleichbaren Anregungsfällen besonders zweckmäßig. Werden die Ergebnisse mehrerer Systeme gemeinsam genutzt, kann von einer verteilten Optimierung gesprochen werden. Dieses Szenario wird am Beispiel des RailCab näher erläutert.
English
This work was developed in the context of the Collaborative Research Centre 614 – Self-Optimizing Concepts and Structures in Mechanical Engineering. The aim of the work is to display foundations for the development of self-optimizing mechatronic systems. Main aspects are the areas of structured development, methods of optimization, reconfiguration, numerical evaluation and information processing. Several different application examples, i.e., from the project “RailCab – Neue Bahntechnik Paderborn”, demonstrate the potential inherent in self-optimization. Self-optimization can be applied to nearly every domain of mechatronics. In addition to optimizing parameters, it is even possible to optimize the structure of a system. One approach is the reconfiguration of existing system components. The basis for modelling such systems is given by hierarchical block diagrams. As in them the construction of a hierarchical level is itself represented as a block, reconfiguration can also be performed by exchanging hierarchical configurations. This is controlled by a state-chart allocated to the reconfigurable hierarchy. These extended hierarchical elements are called hybrid. The information processing of a self-optimizing mechatronic system has to fulfill a wide range of functions. The approach of the operator-controller module (OCM) to structure the information processing takes these requirements into account. It consists of three main components, namely cognitive operator, reflective operator, and controller. A simulation of mechatronic systems that is suitable for real-time applications basically comprises the numerical integration of differential equations. The efficiency of the evaluation can be increased by a separate calculation of submodels using step sizes matching the individual time constants. Such procedures are also known as multi-rate procedures. The occurring disturbances can be reduced by the use of methods such as extrapolation and smoothing of the coupling data. In a reconfigurable system the evaluation order cannot be determined during code generation, but at run-time. The goal is to generate separate parts of the system so that any coupling condition between inputs and outputs is allowed, except for algebraic loops which can be avoided only by model design. For computing the evaluation order it is sufficient to know the relations between inputs, outputs and states; equations within blocks do not have to be considered. The algorithm for the calculation of the evaluation order can be applied to hierarchical systems in a generalised form. The basis of most optimization procedures is execution of different test runs with subsequent evaluation, followed by a targeted alteration of the system parameters. Such a form of self-optimization is particularly suitable with recurrent or comparable excitation cases. If the results of several systems are used jointly, this is called distributed optimization. This scenario will be explained in detail using the RailCab as an example.
- Das PDF-Dokument wurde 50 mal heruntergeladen.