Kollisionsvermeidung Brückenkran & AGV: Dynamischer Fensteransatz

In Szenarien mit mehreren Geräten auf einer gemeinsamen Schiene – Brückenkrane, AGV und RGV – entscheidet der Kollisionsvermeidungsalgorithmus über Sicherheit und Effizienz der kooperativen Arbeitsabläufe. Anders als feste Sicherheitsverriegelungen an definierten Positionen berechnet der Algorithmus in Echtzeit optimale Bewegungsparameter für jedes Gerät und weicht Hindernissen aktiv aus. Dieser Beitrag vergleicht die drei gängigen Verfahren DWA, VO und APF und leitet daraus eine Empfehlung für einen hybriden Ansatz ab.

DWA-Verfahren: Dynamische Fenster für die Bahnplanung

Das Kernprinzip des Dynamic Window Approach (DWA) besteht darin, den Geschwindigkeitsraum (v,w) des Brückenkrans oder AGV abzutasten und für jede Abtastkombination eine Bewertungsfunktion zu berechnen. Die Kombination mit der höchsten Bewertung wird als Bewegungsbefehl für den nächsten Zyklus ausgegeben. Der Geschwindigkeitsraum ist definiert als v∈[0,v_max] und w∈[-w_max,w_max]. Typische Abtastauflösung: 30 Stufen für die Lineargeschwindigkeit, 30 Stufen für die Winkelgeschwindigkeit – insgesamt 900 (v,w)-Kombinationen pro Abtastzyklus.

Bewertungsfunktion G(v,w)=a·heading(v,w)+b·dist(v,w)+c·vel(v,w). Der heading-Term bewertet die Winkelabweichung zwischen Bewegungsrichtung und Zielrichtung (je kleiner die Abweichung, desto besser). Der dist-Term bewertet den Abstand zum nächsten Hindernis entlang der Trajektorie (je größer der Abstand, desto sicherer). Der vel-Term bewertet die Lineargeschwindigkeit (höhere Geschwindigkeit steigert die Effizienz, verschlechtert jedoch die Hindernisvermeidung). Alle drei Terme werden auf [0,1] normalisiert und gewichtet summiert. Die gemessene Ausführungszeit von DWA auf einem NVIDIA Jetson Orin NX beträgt ca. 120–180 ms (inkl. Datenerfassung, Geschwindigkeitsabtastung, Bewertungsberechnung und Befehlsausgabe) und erfüllt damit die Zyklusanforderung von 200 ms. Die von Kelude auf dem Jetson implementierte DWA-Variante ist in C++ geschrieben und nutzt CUDA zur parallelen Beschleunigung der Abtastberechnung – die parallele Bewertung von 90 (v,w)-Kombinationen benötigt nur 8 ms.

Anpassung von DWA an den Brückenkran: Der Brückenkran besitzt nur einen translatorischen Freiheitsgrad (Bewegung entlang der Schiene in X-Richtung). Der Geschwindigkeitsraum reduziert sich daher auf eine eindimensionale Abtastung v_x∈[0,v_max] (Winkelgeschwindigkeit w ist konstant null). Die Anzahl der Abtastkombinationen sinkt von 900 auf 30, wodurch sich die Berechnungsdauer auf 30–50 ms verkürzt. Da der Bremsweg des Brückenkrans länger ist als der eines AGV (ca. 0,5 m bei 1 m/s), muss das Gewicht des dist-Terms in der Bewertungsfunktion auf b=0,5 erhöht werden (bei AGV-Szenarien b=0,3), um einen ausreichenden Sicherheitsabstand beim Bremsen zu gewährleisten. Die Standardparameter der Kelude-DWA für Brückenkrane lauten: a=0,3, b=0,5, c=0,2 – in sechs Projekten validiert.

Kollisionsvermeidung im Vergleich: DWA, VO und APF

Die drei Algorithmen unterscheiden sich deutlich in ihrer Eignung für kooperative Szenarien mit Brückenkran und AGV. DWA zeigt die beste Leistung in dynamischen, unbekannten Umgebungen (Bewertungsfunktion kombiniert Kurs, Distanz und Geschwindigkeit). VO bietet die höchste Präzision bei der Geschwindigkeitskoordination mehrerer Geräte (geometrische Herleitung über den Geschwindigkeitskegel). APF überzeugt durch minimale Rechenlast und schnellste Reaktionszeit bei bekannter statischer Bahnplanung. Die folgende systematische Gegenüberstellung über fünf Dimensionen – mathematische Grundlage, Berechnungszyklus, Hardwareanforderungen, dynamische Anpassungsfähigkeit und Implementierungsaufwand – unterstützt Ingenieure bei der Auswahl des optimalen Algorithmus für ihre jeweilige Einsatzbedingung.

VO-Verfahren zur Kollisionsvermeidung in der Praxis

Der Kern des VO-Algorithmus (Velocity Obstacle) besteht darin, im Geschwindigkeitsraum jene Bereiche zu identifizieren, die zu einer Kollision führen würden. Definition: Das Geschwindigkeitshindernis VO(A,B) für Gerät A ist VO(A,B)=v_A|(p_B-p_A)/t gehört zu D(p_B-p_A,r_A+r_B), wobei p_A/p_B die Positionsvektoren der beiden Geräte, r_A/r_B die Radien der Hüllkreise und t die Vorhersagezeit darstellen. Vereinfacht ausgedrückt: Bewegt sich Gerät A mit der Geschwindigkeit v_A und Gerät B mit v_B, so kommt es innerhalb der nächsten t Sekunden zu einer Kollision, wenn die Relativgeschwindigkeit v_rel=v_A-v_B von B aus Sicht von A innerhalb des VO-Bereichs liegt.

Implementierung von VO in der SPS: Die S7-1500-SPS realisiert den VO-Algorithmus in SCL mit etwa 150 Codezeilen. In jedem Berechnungszyklus (100 ms) werden nacheinander die VO-Bereiche aller Gerätepaare (insgesamt N×(N-1)/2 Paare) berechnet und die aktuelle Geschwindigkeit jedes Geräts daraufhin geprüft, ob sie in einem VO-Bereich liegt. Ist dies der Fall, wird eine Ausweichgeschwindigkeit (die sicherste Geschwindigkeit am Rand des VO-Bereichs) berechnet und als Geschwindigkeitsbegrenzungsbefehl an das jeweilige Gerät ausgegeben. Bei 6 Geräten ergibt sich ein Rechenaufwand von etwa 15 Paaren × ca. 50 Befehlen pro Paar = 750 Befehlen, was die S7-1500 in etwa 2–3 ms abarbeitet. Bei parallelem Betrieb von DWA+VO übernimmt die SPS den VO-Teil (2–3 ms), während Jetson den DWA-Teil (120–180 ms) ausführt; die Kommunikation erfolgt über Profinet.

Grenzen und Verbesserungen von VO: VO geht von einer gleichförmigen, geradlinigen Bewegung des anderen Geräts aus – bei plötzlicher Beschleunigung, Verzögerung oder Richtungsänderung verliert die VO-Vorhersage ihre Gültigkeit. Zwei Verbesserungsansätze: ① Einbeziehung von Beschleunigungsgrenzen – der Geschwindigkeitskegel wird unter Berücksichtigung der maximalen Beschleunigung des Gegenübers zu einem Beschleunigungskegel (Accelerated VO) erweitert; ② Verkürzung der Vorhersagezeit t – von t=5 s im Brückenkran-Szenario auf t=2 s, wobei Echtzeit gegen Vorhersagegenauigkeit getauscht wird: Bei t=2 s liegt die Kollisionsvorhersagegenauigkeit bei ca. 92 %, bei t=5 s sinkt sie auf 78 %. Kelude empfiehlt t=3 s als Standardwert mit einer Gesamtgenauigkeit von ca. 88 %.

Hybrider Algorithmus im Praxiseinsatz

Ein Koordinationsprojekt für den Materialtransport in der Endmontage eines Automobilwerks umfasst 6 Brückenkräne, 12 AGV und 4 RGV und deckt den gesamten Materialfluss vom Presswerk-Ausgang bis zur Schweißwerkstatt ab. Anlagenlayout: Spannweite der Brückenkräne 28–31,5 m, AGV-Fahrgassenbreite 2,5–3 m, 6 Übergabestationen Kran-AGV und 4 Übergabepunkte AGV-RGV. In der Spitzenstunde werden ca. 280 Transporte durchgeführt (durchschnittlich 12,8 s pro Transport). Die Brückenkräne übernehmen das Umsetzen zwischen den Hallen, die AGV den Bodentransport und die RGV den Langstreckentransport auf Schienen. An insgesamt 18 Kreuzungspunkten der Fahrwege besteht ein hohes Kollisionsrisiko.

Algorithmus-Konfiguration: Jetson Orin NX (100 TOPS) führt DWA aus (lokale Bahnplanung AGV / Zyklus 200 ms), S7-1500-SPS führt VO aus (Geschwindigkeitskoordination mehrerer Fahrzeuge / Zyklus 100 ms), APF übernimmt die globale Bahnführung (eine Berechnung bei Aufgabenverteilung / ca. 10 ms). Die drei Algorithmen greifen wie folgt ineinander: APF erzeugt die globale Bahn, VO-Konflikterkennung generiert Geschwindigkeitsbegrenzungen, DWA sampelt innerhalb dieser Grenzen und gibt den optimalen (v,w)-Befehl aus. Die Kommunikation zwischen der Leit-SPS und Jetson erfolgt über Profinet IRT (Zyklus 2 ms), die gemessene Latenz der Übertragungskette beträgt ca. 280 ms.

Ergebnisse: 12 Monate Dauerbetrieb ohne einen einzigen Kollisionsvorfall. Die durchschnittliche Wartezeit der Aufträge sank von 25 s bei manueller Disposition auf 12 s (−52 %), die Leerstandsrate der Brückenkräne von 41 % auf 23 %, die der AGV von 38 % auf 19 %, und die Materialfluss-Effizienz der Linie stieg um 37 %. Kelude bietet kundenspezifische Algorithmenentwicklung an – von der Bestandsaufnahme über Simulation und Algorithmusauswahl bis hin zu Jetson-Implementierung, SPS-Programmierung und einem vierteiligen Test- und Abnahmeprozess.

Simulations- und Validierungsprozess für Kollisionsschutz-Algorithmen

Vor der Inbetriebnahme muss jeder Kollisionsschutz-Algorithmus eine vierteilige Simulations- und Testphase durchlaufen.

Phase 1: Reine Softwaresimulation (Gazebo+Rviz): In einer ROS-2-Umgebung werden 3D-Simulationsmodelle der Brückenkräne und AGV erstellt, das Fabriklayout (inkl. Schienen, Fahrwege und Übergabestationen) importiert und 200 zufällige Transportaufträge ausgeführt (davon 5 % Eilaufträge und 3 % Gerätestörungen). Erfasst werden Kollisionshäufigkeit und Bahneffizienz. Bestehenskriterium: keine Kollision + durchschnittliche Bahneffizienz ≥ 85 % der manuellen Disposition.

Phase 2: Hardware-in-the-Loop (HIL)-Simulation: Der Jetson-Edge-Computer und die SPS mit dem tatsächlich eingesetzten Algorithmus werden an die Simulationsumgebung angeschlossen. Jetson empfängt simulierte Gerätestatusmeldungen von der SPS (über Profinet), führt den DWA+VO-Algorithmus aus und sendet Geschwindigkeitsbefehle an die virtuellen Geräte. Prüfschwerpunkte: Einhaltung der 100-ms-Zykluszeit bei der Profinet-Kommunikation und Einhaltung der Zyklusbudgets der Algorithmen auf der realen Hardware (DWA ≤ 200 ms, VO ≤ 100 ms).

Phase 3: Leerfahrt auf der realen Anlage: Brückenkräne und AGV fahren 48 Stunden ohne Last auf der realen Produktionslinie, begleitet von Sicherheitspersonal, das Fehlauslösungsrate und ungewöhnliches Verhalten des Algorithmus erfasst.

Phase 4: Probebetrieb unter Last: Die Geschwindigkeit wird schrittweise auf den Nennwert erhöht. Der Betrieb läuft 168 Stunden (7 Tage). Das Dispositionssystem erfasst über integrierte KPIs die durchschnittliche Auftragswartezeit, Konfliktrate und Pünktlichkeitsquote; eine Woche vor und nach der Inbetriebnahme werden die Werte verglichen. Kelude bietet den vollständigen vierteiligen Testservice an und erstellt für jede Phase einen Prüfbericht.

Häufige Fragen zur Kollisionsvermeidung