Künstliche Intelligenz Via KI thermische Spindelverlagerungen korrigieren

In einem aktuellen Forschungsvorhaben untersucht das WZL die Potenziale von KI zur Korrektur thermo-elastischer Fehler an S von Werkzeugmaschinen. Durch den kombinierten Einsatz von Simulations- und Messdaten entstehen in diesem Zusammenhang schnell parametrierbare, praxistaugliche Korrekturmodelle.

In modernen Werkzeugmaschinen mit Hochgeschwindigkeits-Motorspindeln sind thermo-elastische Verlagerungen der Spindelwelle häufig die Hauptursache thermisch induzierter Fehler am Werkstück. Modelle zur Korrektur der axialen Wellenausdehnung werden in kommerziellen Anwendungen in der Regel empirisch parametriert, indem das zu ermittelnde Spindelverhalten mit diskreten Temperaturstützstellen linear korreliert wird. Um den Parametrierungsaufwand dabei überschaubar zu halten, werden meist nur vergleichsweise wenige Lastfälle betrachtet, sodass in der industriellen Praxis gängige Korrekturmodelle nur im Be-reich der parametrierten Lastfälle die gewünschte Genauigkeit erreichen.

Neben rein datenbasierten Ansätzen existieren umfangreiche Arbeiten zur Modellierung basierend auf der Finite-Elemente-Methode. Während diese Vorgehensweise eine günstige Bereitstellung großer Datenmengen erlaubt, kann das reale Spindelverhalten aufgrund von Modellunsicherheiten und notwendiger Vereinfachungen nicht exakt abgebildet werden. Beide Arten der Datengenerierung (Empirie und Theorie) bergen somit individuelle Vorteile, weshalb eine Verknüpfung der Ansätze zielführend ist.