PT Unknown
AU Gust, P
   Hürten, C
   Boumann, R
   Bruckmann, T
AU 10. IFToMM D-A-CH Konferenz, 5./6. März 2024, Universität Rostock
TI Methoden des maschinellen Lernens als Notfallstrategie nach Seilrissen bei parallelen Seilrobotern
SE Zehnte IFToMM D-A-CH Konferenz 2024: 05./06. März 2024, Universität Rostock
PD 03
PY 2024
VL 2024
DI 10.17185/duepublico/43383
LA de
AB In einem aktuellen Projekt der Universität Duisburg-Essen, gefördert durch die Deutsche Forschungsgemeinschaft (DFG), werden Strategien zur Schadensvermeidung nach Seilrissen in parallelen Seilrobotern entwickelt. Die zunehmend anwendungsorientierten Forschungsarbeiten auf dem Gebiet der Seilrobotik, beispielsweise der automatische Mauerroboter CARLO oder die weltweit in Stadien eingesetzte SkyCam, werfen die Frage nach der Sicherheit von Seilrobotern auf. Die sehr kritische Fehlerquelle eines Seilrisses ist bereits mehrmals bei bekannten Seilrobotern aufgetreten. Um das Risiko für Mensch und Maschine zu reduzieren, sind aus der Literatur einige Notfallstrategien nach Seilrissen bekannt. Diese Ansätze sind in der Simulation analysiert und experimentell validiert worden, müssen aber Einschränkungen in Kauf nehmen, um die Echtzeitfähigkeit zu erreichen. In diesem Beitrag wird einen Ansatz aus dem Bereich des maschinellen Lernens vorgestellt.
ER