Online-Bahnplanung für mehrere Flugroboter in veränderlicher Umgebung mithilfe der Kurvenflussmethode

Abstract

Um für zukünftige Produktionslinien eine möglichst hohe Flexibilität zu ermöglichen, wird für den Kleinteiletransport aktuell der Einsatz unbemannter Flugfahrzeuge (UAVs, engl. unmanned aerial vehicles) untersucht. Gegenüber boden- und liniengebundenen und häufig starren Materialflusseinrichtungen bieten UAVs die Möglichkeit den meist ungenutzten Luftraum innerhalb der Produktionsstätten auszunutzen. Um dem hohen Kollisionspotenzial, welches dabei durch parallele und unabhängige Flugbewegungen entsteht, zu begegnen, wird im Rahmen dieser Arbeit mit der Kurvenflussmethode (KFM) eine neue Bahnplanungsmethode entworfen. Auf Basis eines in Echtzeit aktualisierten Umgebungsmodells werden die Flugbahnen durch Aufprägung virtueller Kräfte zur Laufzeit derart an den aktuellen Umgebungszustand angepasst, dass sie stets um statische (z.B. Gebäudeelemente, Versorgungsleitungen) sowie dynamische (z.B. weitere UAVs) Hindernisse herumführen. Obgleich die in der mobilen Robotik eingesetzte Elastic-Bands-Methode (EBM) ein der KFM ähnelndes Funktionsprinzip besitzt, konnten in einer Voruntersuchung einige Schwächen der EBM identifiziert werden. Diese betreffen vorwiegend die begrenzte numerische Stabilität sowie die abstrakte Parametrierung der EBM und werden durch die KFM behoben. Dazu wird die KFM zunächst als verallgemeinerte Bahnplanungsmethode theoretisch hergeleitet. Eine systemtheoretische Analyse des Bahnverhaltens ermöglicht die Herleitung der Kenngrößen für die Parametrierung der KFM anhand physikalischer Größen. Ein abschließender Vergleich zeigt folgende signifikante Vorteile der KFM gegenüber der EBM: Numerisch stabile Lösbarkeit, analytische Parametrierbarkeit, Skalierungsunabhängigkeit sowie eine etwas höhere Recheneffizienz. Losgelöst von der EBM werden anschließend weitere Steuerungsfunktionen, welche für die Anwendung der KFM auf die Problemstellung (parallele Bewegungsführung mehrerer UAVs) benötigt werden, erläutert. Dazu zählen z.B. Hindernis- und Arbeitsraummodellierung, Initialisierung, Bahninterpolation sowie Start- und Landemanöver. Abschließend werden mehrere parallel ausgeführte Instanzen der KFM auf jeweils eigenen Industriesteuerungen, welche über eine lokale Cloud vernetzt sind, in Betrieb genommen. Die KFM wird dabei als eigene (kollisionsfreie) Punkt-zu-Punkt-Interpolationsart implementiert, sodass mithilfe von Ablaufprogrammen nacheinander verschiedene Punkte angeflogen werden können, ohne das Kollisionspotenzial bei der Programmierung explizit berücksichtigen zu müssen. Verschiedene Validierungsszenarien werden zunächst in Form einer Hardware-in-the Loop-Simulation mit Dynamikmodellen der UAVs und schließlich mit realen UAVs durchgeführt.

To achieve a high degree of flexibility for future production lines, the usage of unmanned aerial vehicles (UAVs) for transportation of small parts is currently being widely studied. In contrast to fixed ground- and line-bound material flow devices, UAVs provide the possibility to exploit the frequently unused airspace inside a manufacturing plant. To counter the potentially high risk of collision that arises due to parallel and independent flight movements of such UAVs, a new path planning method, the so-called Curve Shortening Flow Method (CFM), is presented as the scope of this work. Using artificial forces that are derived from a real-time model of the environment, the flight paths are constantly adjusted at runtime to avoid static (e.g. parts of the building or supply lines) and dynamic (e.g. other UAVs) obstacles. Although the widespread Elastic Bands Method (EBM) has a similar working principle, several shortcomings of the EBM were identified in a preliminary study. These shortcomings are mainly related to the EBM’s limited stability and its abstract parameterization. The CFM provides a solution to these shortcomings. The CFM is derived as a generalized path planning method. A system-theoretical oriented analysis of the path behavior allows for the parameterization of the CFM by means of physical quantities. A conclusive comparison points out the following significant advantages of the CFM over the EBM: Numerically stable solvability, analytical parameterability, independency from space-scaling, and a slightly better computational efficiency. Additional control functions that are necessary to apply the CFM to the problem statement (parallel flight movements of multiple UAVs in a shared air space) are also addressed separately from the EBM. These include, among other things, modelling of obstacles and workspace, path initialization, path interpolation as well as take-off and landing maneuvers. Finally, several instances of the CFM are executed in parallel on individual industrial controls that are linked via a local cloud. The CFM is implemented as a new type of (collision-free) point-to-point interpolation and allows the sequential controller programs to fly the UAVs to consecutive goals without having to explicitly consider the potential for collisions during programming. Different validation scenarios are performed, namely in the form of a hardware-in-the-loop simulation using dynamic models of the UAVs and finally using real UAVs.