Hochpräzise Linearbewegungen durch Machine-Learning-kompensierte Rastkräfte

Das Cogging bzw. die Rastkräfte bei Linearmotoren entstehen durch die magnetische Anziehung zwischen dem Eisenkern im Primärteil und den Permanentmagneten im Sekundärteil. Dieser physikalische Effekt führt zu einem ungewollten und ungleichmäßigen „Einrasten“ des Motors, sodass sich Applikationen mit extrem hohen Anforderungen an Genauigkeit und Gleichlauf nur begrenzt realisieren lassen. Eine optimale Lösung hierfür bieten die Linearmotoren AL8000 in Verbindung mit der Software TwinCAT Cogging Compensation: Mit ihrer Hilfe werden die Rastkräfte zuverlässig kompensiert, wobei neben den magnetischen Effekten auch solche der mechanischen Konstruktion bzw. von Energieketten berücksichtigt werden können. Dadurch erweitern sich die Einsatzmöglichkeiten der eisenbehafteten Linearmotoren AL8000 deutlich.

Die Cogging Compensation basiert auf der vollständig automatisierten Anwendung von maschinellem Lernen in TwinCAT. Die erforderlichen Daten werden von TwinCAT Cogging Compensation selbstständig aufgenommen, und zwar in der jeweiligen Kundenanwendung während einer Referenzfahrt über die gesamte Magnetbahnlänge. Mithilfe der dabei erfassten Daten trainiert die Software ein neuronales Netz, welches schließlich zur Stromvorsteuerung in die Regelung eingebunden wird. Durch die so angepasste Stromvorsteuerung kann – ohne eine Hardware-Änderung am AL8000 – der Schleppfehler bis zu einem Faktor 7 reduziert und der Gleichlauf der Maschine um bis zu Faktor 5 erhöht werden.