This page in EN

Veranstaltung

Innovative Konzepte zur Programmierung von Industrierobotern [SS2424179]

Typ
Vorlesung (V)
Präsenz
Semester
SS 2024
SWS
2
Sprache
Deutsch
Termine
14
Links
ILIAS

Dozent/en

Einrichtung

  • IAR Hein

Bestandteil von

Literatur

Weiterführende Literatur

Planning Algorithms: By Steven M. LaValle, Copyright 2006, Cambridge University Press, 842 pages, downloadbar unte http://planning.cs.uiuc.edu/

Veranstaltungstermine

  • 19.04.2024 11:30 - 13:00 - Room: 40.28 Raum 001
  • 26.04.2024 11:30 - 13:00 - Room: 40.28 Raum 001
  • 03.05.2024 11:30 - 13:00 - Room: 40.28 Raum 001
  • 10.05.2024 11:30 - 13:00 - Room: 40.28 Raum 001
  • 17.05.2024 11:30 - 13:00 - Room: 40.28 Raum 001
  • 31.05.2024 11:30 - 13:00 - Room: 40.28 Raum 001
  • 07.06.2024 11:30 - 13:00 - Room: 40.28 Raum 001
  • 14.06.2024 11:30 - 13:00 - Room: 40.28 Raum 001
  • 21.06.2024 11:30 - 13:00 - Room: 40.28 Raum 001
  • 28.06.2024 11:30 - 13:00 - Room: 40.28 Raum 001
  • 05.07.2024 11:30 - 13:00 - Room: 40.28 Raum 001
  • 12.07.2024 11:30 - 13:00 - Room: 40.28 Raum 001
  • 19.07.2024 11:30 - 13:00 - Room: 40.28 Raum 001
  • 26.07.2024 11:30 - 13:00 - Room: 40.28 Raum 001

Anmerkung

Die fortschreitende Leistungssteigerung heutiger Robotersteuerungen eröffnet neue Wege in der Programmierung von Industrierobotern. Viele Roboterhersteller nutzen die frei-werdenen Leistungsressourcen, um zusätzliche Modellberechnungen durchzuführen. Die Integration von Geometriemodellen auf der Robotersteuerung ermöglicht beispielsweise Kollisionserkennung bzw. Kollisionsvermeidung während der händischen Programmierung. Darüber hinaus lassen sich diese Modelle zur automatischen kollisionsfreien Bahnplanung und Bahnoptimierung heranziehen. Vor diesem Hintergrund vermittelt dieses Modul nach einer Einführung in die Themenstellung die theoretischen Grundlagen im Bereich der Kollisionserkennung, automatischen Bahngenerierung und –optimierung unter Berücksichtigung der Fähigkeiten heutiger industrieller Robotersteuerungen. Die behandelten Verfahren werden im Rahmen kleiner Implementierungsaufgaben in Python umgesetzt und evaluiert.