Machine learning kompenserer for hastighedsripler i højpræcisions lineære bevægelser
Kraftriplen i lineære motorer er forårsaget af den magnetiske tiltrækning mellem jernkernen i den primære del og de permanente magneter i den sekundære del. Denne fysiske påvirkning resulterer i uønsket og ujævn bevægelse i motoren, hvilket betyder, at anvendelser der kræver højpræcision og synkronisation kun kan udføres i et begrænset omfang. Det er her, at AL8000 lineære motorer kombineret med TwinCAT Cogging Compensation softwaren melder sig på banen med en optimal løsning: denne software, som ikke blot tager højde for de magnetiske påvirkninger, men også påvirkninger fra det mekaniske design eller energikæderne, vil pålideligt kompensere for de kraftripler som skabes. Dette resulterer i en betydelig udvidelse af de mulige anvendelser for AL8000 jernkerne lineære motorerne.
Kraftrippelkompensationen er baseret på den fuldt automatiske anvendelse af machine learning i TwinCAT. Softwaren registrerer selv den nødvendige kompensation i kundens anvendelse, som en del af et referenceforløb over den fulde længde på den lineære motors magnetiske spor. Softwaren bruger den indhentede data til at oplære et neuralt netværk, som i sidste ende vil blive integreret i kontrolsystemet. Ved at tilpasse strøm controlleren på denne måde, kan lag-fejl reduceres med op mod en faktor på 7 og maskinens synkronisation med en faktor op til 5 uden nogle hardwareændringer for AL8000.