Please use this identifier to cite or link to this item: https://hdl.handle.net/10216/135262
Author(s): Tiago Martins Couto
Title: Robotic Welding Optimization using A* Parallel Path Planning and Advanced Machine Learning
Issue Date: 2021-07-13
Abstract: The world of robotics is in constant evolution, trying to find new solutions to improve on top of the current technology and to overcome the current industrial pitfalls. To date, one of the key intelligent robotics components, path planning algorithms, lack flexibility when considering dynamic constraints on the surrounding work cell. This is mainly related to a large amount of time required to generate safe collision-free paths for high redundancy systems. Furthermore, and despite the already known benefits, the adoption of CPU/GPU parallel solutions is still lacking in the robotic field. On top of this, welding physics is complex, and therefore the welding parametrization is time-consuming. In manual welding, the "hand", the experience, and the best sensor of all (the eyes) can compensate for the difficulties in finding the right settings (welding parameters, robot posture, speed, ...) for a specific weld seam. In robotic welding, the robotic arm and the sensors are limited, and the parametrization time escalates. The main goal of this project is to optimize robot welding, by developing a flexible welding robotized system, through the introduction of (knowledge-based) decision support for welding parametrization in an advanced robotic work cell, in combination with advanced (collision-free) offline programming and advanced sensing, and improve path planning by developing a software platform capable of interconnecting the path planning algorithms with parallel computing tools, reducing the time needed to generate a safe path. This project will also investigate the current state of robotics and existing solutions for path planning problems, as well as machine learning algorithms and the most important parameters for welding.
Description: O mundo da robótica está em constante evolução, procurando novas soluções para melhorar as tecnologias atuais e superar os problemas industriais atuais. Um dos principais componentes na robótica, algoritmos de planeamento de trajetórias, não possui flexibilidade quando certas restrições dinâmicas são introduzidas às células robóticas. Este problema é maioritariamente relacionado com a grande quantidade de tempo necessária para gerar uma trajetória, sem colisões, para sistemas muito redundantes. Apesar de todos os benefícios, a utilização de soluções envolvendo paralelização com CPU e GPU ainda não foi devidamente desenvolvida. Além disto, devido à física envolvida na soldadura ser de grande complexidade, a parametrização de um robot consome muito tempo. Na soldadura manual, todos os atributos do operador (entre eles a experiência e a visão) podem compensar as dificuldades em encontrar os parâmetros ideais (para soldadura, posição do robot, velocidade, etc.) para uma determinada peça. Na soldadura com robots, o manipulador e os sensores têm alguns limites, o que faz com que o tempo necessário para a realização da parametrização aumenta significativamente. O objetivo principal deste projeto é otimizar soldadura com robots desenvolvendo um sistema flexível de soldadura, através da utilização de suporte à decisão (baseado em conhecimento) para parametrização de soldaduras numa célula robótica avançada, combinado com programação offline (sem colisões) e sensorização, e de um software capaz de interligar algoritmos de planeamento com ferramentas de computação paralela, para reduzir o tempo necessário para gerar um caminho seguro. Este projeto também fará uma investigação sobre o estado atual da robótica, as soluções existentes para problemas de planeamento de trajetórias, assim como técnicas de aprendizagem computacional e os principais parâmetros na soldadura.
Subject: Engenharia electrotécnica, electrónica e informática
Electrical engineering, Electronic engineering, Information engineering
Scientific areas: Ciências da engenharia e tecnologias::Engenharia electrotécnica, electrónica e informática
Engineering and technology::Electrical engineering, Electronic engineering, Information engineering
TID identifier: 202826104
URI: https://hdl.handle.net/10216/135262
Document Type: Dissertação
Rights: openAccess
Appears in Collections:FEUP - Dissertação

Files in This Item:
File Description SizeFormat 
486021.pdfRobotic Welding Optimization using A* Parallel Path Planning and Advanced Machine Learning14.34 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.