Eine der wichtigsten Eigenschaften einer Werkzeugmaschine ist ihre Dynamik. Agilere Maschinen benötigen weniger Zeit für den Bearbeitungsprozess und verursachen damit geringere Stückkosten. Maschinen, die große Bauteile bearbeiten sollen, müssen jedoch selbst auch groß sein. Aufgrund des 2. Newtonschen Gesetzes (F=m*a) implizieren schwerere Maschinenstrukturen geringere Beschleunigungen bei konstanten Antriebskräften. Durch überlagerte Kinematiken ist es möglich, Werkzeuge in großen Arbeitsbereichen hochdynamisch zu bewegen. Die vorliegende Arbeit beschäftigt sich mit verschiedenen Konzepten und den daraus resultierenden Algorithmen, um die Bewegung für die redundanten Achsen zu zerlegen. Ziel der Dissertation ist es, Algorithmen und Konzepte zur Bewegungszerlegung für redundante Achsen zu entwickeln und in Bezug auf Praxistauglichkeit und Realisierbarkeit in aktuellen Steuerungen vergleichend zu evaluieren. / One of the most important features of machine tools is its dynamics. Fast machines mean less time for the working process and lower running costs. However, a machine tool for working on large workpieces, has to be big, too. Because of the Newton's 2nd axiom (F=m*a), heavy structures imply low accelerations to keep the driving force constant. This doctoral thesis refers to an approach using more drives than the applied degrees of freedom, which means redundancy. In this way, it is possible to build up hierarchical drive structures with different dynamics and specialized tasks. For example, small, lightweight 5DOF structures can be supported by additional large, heavy machine structures. Long travels are done by the large machine structure and high acceleration and jerk are provided by the small unit. Several algorithms have been developed and evaluated to split a trajectory for a machine tool with hierarchical drive structures.

Zugl.: Duisburg, Essen, Univ., Diss., 2006

Zugl.: Hamburg, Techn. Univ., Diss., 2009

Bielefeld, Univ., Fakultät f. Linguistik u. Literaturwiss., Magisterarb., 1994.

Zugl.: München, Univ. der Bundeswehr, Diss., 2008

Zugl.: Hamburg, Techn. Univ., Diss., 2009

The human motor system is adaptive in two senses. It adapts to the properties of the body to enable effective control. It also adapts to different situational requirements and constraints. This thesis proposes a new neural network model of both kinds of adaptivity for the motor cortical control of human reaching movements, called SURE_REACH (sensorimotor unsupervised learning redundancy resolving control architecture). In this neural network approach, the kinematic and sensorimotor redundancy of a three-joint planar arm is encoded in task-independent internal models by an unsupervised learning scheme. Before a movement is executed, the neural networks prepare a movement plan from the task-independent internal models, which flexibly incorporates external, task-specific constraints. The movement plan is then implemented by proprioceptive or visual closed-loop control. This structure enables SURE_REACH to reach hand targets while incorporating task-specific contraints, for example adhering to kinematic constraints, anticipating the demands of subsequent movements, avoiding obstacles, or reducing the motion of impaired joints. Besides this functionality, the model accounts for temporal aspects of human reaching movements or for data from priming experiments. Additionally, the neural network structure reflects properties of motor cortical networks like interdependent population encoded body space representations, recurrent connectivity, or associative learning schemes. This thesis introduces and describes the new model, relates it to current computational models, evaluates its functionality, relates it to human behavior and neurophysiology, and finally discusses potential extensions as well as the validity of the model. In conclusion, the proposed model grounds highly flexible task-dependent behavior in a neural network framework and unsupervised sensorimotor learning. / Das motorische System des Menschen ist in zweierlei Hinsicht anpassungsfähig. Es passt sich den Eigenschaften des Körpers an, um diesen effektiv zu kontrollieren. Es passt sich aber auch unterschiedlichen situationsabhängigen Erfordernissen und Beschränkungen an. Diese Dissertation stellt ein neues neuronales Netzwerk Modell der motor-kortikalen Steuerung von menschlichen Zeigebewegungen vor, das beide Arten von Anpassungsfähigkeit integriert (SURE_REACH, Sensumotorische, unüberwacht lernende, redundanzauflösende Kontrollarchitektur). Das neuronale Netzwerk speichert kinematische und sensumotorische Redundanz eines planaren, dreigelenkigen Armes in aufgabenunabhängigen internen Modellen mittels unüberwachter Lernverfahrenen. Vor der Ausführung einer Bewegung bereitet das neuronale Netzwerk einen Bewegungsplan vor. Dieser basiert auf den aufgabenunabhängigen internen Modells und passt sich flexibel äu"seren, aufgabenabhängigen Erfordernissen an. Der Bewegungsplan wird dann durch propriozeptive oder visuelle Regelung umgesetzt. Auf diese Weise erklärt SURE_REACH Bewegungen zu Handzielen die aufgabenabhängige Erfordernisse berücksichtigen, zum Beispiel werden kinematische Beschränkungen miteinbezogen, Erfordernisse nachfolgender Aufgaben antizipiert, Hindernisse vermieden oder Bewegungen verletzter Gelenke reduziert. Desweiteren werden zeitliche Eigenschaften menschlicher Bewegungen oder die Ergebnisse von Primingexperimenten erklärt. Die neuronalen Netzwerke bilden zudem Eigenschaften motor-kortikaler Netzwerke ab, zum Beispiel wechselseitig abhängige Raumrepräsentationen, rekurrente Verbindungen oder assoziative Lernverfahren. Diese Dissertation beschreibt das neue Modell, vergleicht es mit anderen Modellen, untersucht seine Funktionalität, stellt Verbindungen zu menschlichem Verhalten und menschlicher Neurophysiologie her und erörtert schlie"slich mögliche Erweiterungen und die Validität des Models. Zusammenfassend stellt das vorgeschlagene Model eine Erklärung für flexibles aufgabenbezogenes Verhalten auf ein Fundament aus neuronalen Netzwerken und unüberwachten sensumotorischen Lernen.

Die als Aufstellungssystematik konzipierte Regensburger Verbundklassifikation (RVK) ist eine Zusammenstellung einzelner Fachsystematiken und enthält zahlreiche Doppelstellen. In seinem Vortrag erläutert er die Problematik an einem Beispiel und stellt drei Ansätze vor, potentielle Doppelstellen in der RVK zu finden: Neben der Analyse der vorhandenen "Siehe-auch"-Verweisungen sind dies der Vergleich der Klassenbezeichnungen und eine Analyse des gemeinsamen Auftretens von Notationen in einer großen Menge von nach RVK erschlossenen Titeldaten. Die Ergebnisse einer prototypischen Umsetzung zeigen, dass die Ansätze prinzipiell funktionieren und miteinander kombiniert werden können. Eine konsistente Dokumentation der Doppelstellen anhand dieser Ergebnisse ist mit überschaubarem Aufwand möglich.

Die vorliegende Arbeit beschreibt die Entwicklung eines redundanten, mikromechanischen Beschleunigungssensorarrays. Die Redundanz wird genutzt, um Messabweichungen zu korrigieren. Die Einflussfaktoren auf die Genauigkeit der Sensoren werden analysiert und die erzielten Verbesserungen beim Einsatz von Sensorarrays aufgezeigt. Neben den stochastischen Einflüssen können mithilfe des Arrays auch deterministische Fehler bzw. Querempfindlichkeiten korrigiert werden. Die Fertigung des Sensorarrays erfolgt mittels einer MEMS-Technologie mit einem hohen Aspektverhältnis im einkristallinen, anisotropen Silizium. Das Design ist so gestaltet, dass für jedes Sensorelement dieses Arrays bei gleichbleibenden mechanischen und elektrischen Sensoreigenschaften beliebige Messrichtungen realisierbar sind. Die messtechnische Charakterisierung der Sensorarrays und die Signalauswertung werden ausführlich beschrieben. Für die Signalauswertung der kapazitiv arbeitenden Sensorelemente wird ein angepasstes Trägerfrequenzmessverfahren entwickelt. Die Sensorarrays arbeiten mittels eines digitalen Reglers in einem geschlossenen Regelkreis. Die Verbesserungen des Messsignals durch die redundante Anordnung werden aufgezeigt.

Techn. Universiẗat, Diss., 2006--Darmstadt.