The aim of this Ph.D. project is the study and development of mechatronic systems and machine learning models for machine tools and robotic applications to improve their performances. The industrial demands have imposed an ever-increasing accuracy and efficiency requirement whilst constraining the cost. In this context, this project focuses on machining processes (e.g. milling) that include complex systems such as 5-axes machine tool and industrial robots, employed for various applications. Beside the issues related to the machining process itself, the interaction between the machining centre and the robot must be considered for the complete industrial plant’s improvement. This scenario´s complexity depicts both specific machining problematics (e.g. vibrations) and more general issues related to the complete plant, such as machine tending with an industrial robot and energy consumption. Regarding the immensity of this area, this project is divided in two parts, the study and development of two mechatronic devices, based on piezoelectric stack actuators, for the active vibration control during the machining process, and the robot machine tending within the robotic cell, employing machine learning schemes for the trajectory definition and robot reachability to improve the corresponding positioning accuracy. In conclusion, this thesis aims to provide a set of solutions, based on mechatronic devices and machine learning schemes, to improve the conventional machining centre and the robotic systems performances. The studied systems can be integrated within a robotic cell, focusing on issues related to the specific machining process and to the interaction between robot-machining centre. This research required a thorough study of the state-of-the-art, the formulation of theoretical models, the functional design development, the identification of the critical aspects in the prototype designs, the simulation and experimental campaigns, and the analysis of the obtained results.

Obiettivo del presente progetto di dottorato è lo studio e sviluppo di sistemi meccatronici e di modelli machine learning per macchine operatrici e celle robotizzate al fine di incrementarne le prestazioni operative e gestionali. Le pressanti esigenze del mercato hanno imposto lavorazioni con livelli di accuratezza sempre più elevati, tempi di risposta e di produzione ridotti e a costi contenuti. In questo contesto nasce il progetto di dottorato, focalizzato su applicazioni di lavorazioni meccaniche (e.g. fresatura), che includono sistemi complessi quali, ad esempio, macchine a 5 assi e, tipicamente, robot industriali, il cui utilizzo varia a seconda dell’impiego. Oltre alle specifiche problematiche delle lavorazioni, si deve anche considerare l’interazione macchina-robot per permettere un’efficiente capacità e gestione dell’intero impianto. La complessità di questo scenario può evidenziare sia specifiche problematiche inerenti alle lavorazioni (e.g. vibrazioni) sia inefficienze più generali che riguardano l’impianto produttivo (e.g. asservimento delle macchine con robot, consumo energetico). Vista la vastità della tematica, il progetto si è suddiviso in due parti, lo studio e sviluppo di due specifici dispositivi meccatronici, basati sull’impiego di attuatori piezoelettrici, che puntano principalmente alla compensazione di vibrazioni indotte dal processo di lavorazione, e l’integrazione di robot per l’asservimento di macchine utensili in celle robotizzate, impiegando modelli di machine learning per definire le traiettorie ed i punti di raggiungibilità del robot, al fine di migliorarne l’accuratezza del posizionamento del pezzo in diverse condizioni. In conclusione, la presente tesi vuole proporre soluzioni meccatroniche e di machine learning per incrementare le prestazioni di macchine e sistemi robotizzati convenzionali. I sistemi studiati possono essere integrati in celle robotizzate, focalizzandosi sia su problematiche specifiche delle lavorazioni in macchine operatrici sia su problematiche a livello di impianto robot-macchina. Le ricerche hanno riguardato un’approfondita valutazione dello stato dell’arte, la definizione dei modelli teorici, la progettazione funzionale e l’identificazione delle criticità del design dei prototipi, la realizzazione delle simulazioni e delle prove sperimentali e l’analisi dei risultati.

Study and Development of Mechatronic Devices and Machine Learning Schemes for Industrial Applications / Tagliani, FRANCO LUIS. - (2023 Apr 27).

Study and Development of Mechatronic Devices and Machine Learning Schemes for Industrial Applications

TAGLIANI, FRANCO LUIS
2023-04-27

Abstract

The aim of this Ph.D. project is the study and development of mechatronic systems and machine learning models for machine tools and robotic applications to improve their performances. The industrial demands have imposed an ever-increasing accuracy and efficiency requirement whilst constraining the cost. In this context, this project focuses on machining processes (e.g. milling) that include complex systems such as 5-axes machine tool and industrial robots, employed for various applications. Beside the issues related to the machining process itself, the interaction between the machining centre and the robot must be considered for the complete industrial plant’s improvement. This scenario´s complexity depicts both specific machining problematics (e.g. vibrations) and more general issues related to the complete plant, such as machine tending with an industrial robot and energy consumption. Regarding the immensity of this area, this project is divided in two parts, the study and development of two mechatronic devices, based on piezoelectric stack actuators, for the active vibration control during the machining process, and the robot machine tending within the robotic cell, employing machine learning schemes for the trajectory definition and robot reachability to improve the corresponding positioning accuracy. In conclusion, this thesis aims to provide a set of solutions, based on mechatronic devices and machine learning schemes, to improve the conventional machining centre and the robotic systems performances. The studied systems can be integrated within a robotic cell, focusing on issues related to the specific machining process and to the interaction between robot-machining centre. This research required a thorough study of the state-of-the-art, the formulation of theoretical models, the functional design development, the identification of the critical aspects in the prototype designs, the simulation and experimental campaigns, and the analysis of the obtained results.
27-apr-2023
Obiettivo del presente progetto di dottorato è lo studio e sviluppo di sistemi meccatronici e di modelli machine learning per macchine operatrici e celle robotizzate al fine di incrementarne le prestazioni operative e gestionali. Le pressanti esigenze del mercato hanno imposto lavorazioni con livelli di accuratezza sempre più elevati, tempi di risposta e di produzione ridotti e a costi contenuti. In questo contesto nasce il progetto di dottorato, focalizzato su applicazioni di lavorazioni meccaniche (e.g. fresatura), che includono sistemi complessi quali, ad esempio, macchine a 5 assi e, tipicamente, robot industriali, il cui utilizzo varia a seconda dell’impiego. Oltre alle specifiche problematiche delle lavorazioni, si deve anche considerare l’interazione macchina-robot per permettere un’efficiente capacità e gestione dell’intero impianto. La complessità di questo scenario può evidenziare sia specifiche problematiche inerenti alle lavorazioni (e.g. vibrazioni) sia inefficienze più generali che riguardano l’impianto produttivo (e.g. asservimento delle macchine con robot, consumo energetico). Vista la vastità della tematica, il progetto si è suddiviso in due parti, lo studio e sviluppo di due specifici dispositivi meccatronici, basati sull’impiego di attuatori piezoelettrici, che puntano principalmente alla compensazione di vibrazioni indotte dal processo di lavorazione, e l’integrazione di robot per l’asservimento di macchine utensili in celle robotizzate, impiegando modelli di machine learning per definire le traiettorie ed i punti di raggiungibilità del robot, al fine di migliorarne l’accuratezza del posizionamento del pezzo in diverse condizioni. In conclusione, la presente tesi vuole proporre soluzioni meccatroniche e di machine learning per incrementare le prestazioni di macchine e sistemi robotizzati convenzionali. I sistemi studiati possono essere integrati in celle robotizzate, focalizzandosi sia su problematiche specifiche delle lavorazioni in macchine operatrici sia su problematiche a livello di impianto robot-macchina. Le ricerche hanno riguardato un’approfondita valutazione dello stato dell’arte, la definizione dei modelli teorici, la progettazione funzionale e l’identificazione delle criticità del design dei prototipi, la realizzazione delle simulazioni e delle prove sperimentali e l’analisi dei risultati.
Study and Development of Mechatronic Devices and Machine Learning Schemes for Industrial Applications / Tagliani, FRANCO LUIS. - (2023 Apr 27).
File in questo prodotto:
Non ci sono file associati a questo prodotto.

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11379/578545
 Attenzione

Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo

Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact