Umfassende Identifikation und Bewertung parametrischer Unsicherheit in der dynamischen Modellierung eines 3D-Kransystems

Warum das Verständnis der Kranbewegung wichtig ist

Kräne sind die Arbeitspferde der modernen Industrie und heben schwere Lasten in Werften, Fabriken und auf Baustellen. Doch jede Bewegung eines Krans versetzt seine Last in eine Pendelbewegung, und kleine Änderungen in Höhe oder Reibung können eine ruhige Hebung in ein riskantes Manöver verwandeln. Dieses Papier betrachtet eingehend einen dreidimensionalen (3D) Labor-Kran und stellt eine praktische Frage: Wie können wir sein reales Verhalten, einschließlich seiner Eigenheiten und Unsicherheiten, in einem Modell erfassen, das Ingenieure tatsächlich zur Auslegung sichererer, verlässlicherer automatischer Regelungssysteme nutzen können?

Ein Tischmodell als Stellvertreter für reale Kräne

Die Forschenden arbeiteten mit einem kompakten 3D-Kransystem, das die Bewegungen großmaßstäblicher Anlagen nachbildet. Drei Elektromotoren bewegen einen kleinen Wagen in den horizontalen X- und Y-Richtungen und heben bzw. senken die Last entlang der Z-Achse. Ein 200-Gramm-Gewicht hängt an einem Kabel und kann frei vorwärts–rückwärts sowie seitlich schwingen. Präzise Positions- und Winkelsensoren zeichnen auf, wie sich Last und Wagen verhalten, wenn die Motoren gezielt elektrische Signale erhalten. Durch Variation der Lasthöhe und das Anwenden von schrittartigen sowie impulsartigen Eingängen erstellte das Team einen detaillierten Datensatz, der sowohl erfasst, wie weit und wie schnell der Wagen sich bewegt, als auch wie die Last als Reaktion schwingt.

Bewegung in ein nutzbares Modell überführen

Um rohe Bewegungsdaten in etwas zu verwandeln, mit dem Konstrukteure arbeiten können, entwickelten die Autorinnen und Autoren eine mathematische Beschreibung des Krans, die Ursache und Wirkung in den Mittelpunkt stellt: Eingangsspannung hinein, Position und Schwingung heraus. Sie verwendeten gängige Kurvenanpassungstechniken, um einfache Formeln zu finden, die das Verhalten jeder Bewegungsachse reproduzieren, zusammengefasst durch einige Schlüsseldaten wie die Reaktionsstärke auf eine Eingabe (Verstärkung), die Geschwindigkeit der Reaktion (Zeitkonstanten) und wie schnell die Schwingung abklingt (Dämpfungsverhältnisse). Wichtig ist, dass sie sich nicht mit einem einzigen besten Wert für jede Größe begnügten. Stattdessen kartierten sie durch wiederholte Experimente bei unterschiedlichen Lasthöhen und Eingangsgrößen realistische Bereiche—Intervalle, die abbilden, wie diese Parameter mit Konfiguration und Betriebsbedingungen schwanken.

Verborgene Eigenheiten und Kopplungen aufdecken

Reale Maschinen verhalten sich selten perfekt glatt oder symmetrisch, und dieser Kran bildete da keine Ausnahme. Das Team entdeckte eine asymmetrische „Totzone“ in jedem Motor: Kleine Eingangsspannungen bewegten den Wagen aufgrund von Reibung und mechanischem Widerstand schlicht nicht, und die Schwelle unterschied sich für Vorwärts- und Rückwärtsbewegungen. Diese Totzonen quantifizierten sie für alle drei Achsen, sodass sie explizit in das Modell aufgenommen werden konnten. Die Experimente zeigten außerdem, dass eine Änderung der vertikalen Position der Last beeinflusst, wie schnell der Wagen reagiert und wie stark die Last schwingt, insbesondere entlang einer horizontalen Achse. Bei hohen Lastpositionen wurden die Schwingungen im Hauptschwingwinkel deutlich ausgeprägter, was unterstreicht, dass Höhe und Schwingung eng verknüpft sind und gemeinsam betrachtet werden müssen, wenn Regelungsstrategien entworfen werden.

Abgleich mit Herstellermodellen und vollphysikalischen Simulationen

Um die Nützlichkeit ihres kompakten Modells zu beurteilen, verglichen die Autorinnen und Autoren es mit zwei anderen Beschreibungen des Herstellers: einer detaillierten nichtlinearen Simulation auf Basis der vollständigen Physik eines schwingenden Massenpunkts und einem einfacheren „nominalen“ linearen Modell mit festen Parametern. In direkten Vergleichen mit experimentellen Daten verfolgte das neu identifizierte Modell—mit seinen Parameterbereichen und gemessenen Totzonen—die Reaktionen des realen Krans in vielen Szenarien eng. Das nominale Werksmodell neigte dazu, zu konservativ und zu träge zu sein, während das vollständige nichtlineare Modell in Extremfällen das Schwingen überschätzen konnte. Das unsicherheitsbewusste Modell traf hingegen einen praktischen Kompromiss: schlicht genug für gängige Regelungsentwurfswerkzeuge, aber ausreichend aussagekräftig, um die Bandbreite der im Labor beobachteten Verhaltensweisen abzubilden.

Was das für sicherere, intelligentere Kräne bedeutet

Für Nicht-Spezialisten ist das wichtigste Ergebnis, dass die Studie eine realistische, kompakte Beschreibung eines 3D-Krans liefert, die Unsicherheit offen anerkennt statt sie zu verschleiern. Ingenieure können nun Regler entwerfen, die nicht nur auf einen idealen Parametersatz abgestimmt sind, sondern robust gegenüber der Bandbreite an Verstärkungen, Zeitkonstanten, Dämpfungen und Totzonen sind, die tatsächlich auftreten, wenn sich Lasthöhe und Betriebsbedingungen ändern. Obwohl die Arbeit auf einem Laborsystem basiert und mäßige Geschwindigkeiten sowie kleine Schwingwinkel annimmt, schafft sie eine Grundlage für intelligentere Regelungsstrategien in realen Kränen, die in Bauwesen, Logistik und automatisierten Lagerhäusern eingesetzt werden—und trägt letztlich dazu bei, Lasten stabiler zu halten, Abläufe vorhersehbarer zu machen und die Sicherheit der Beschäftigten zu erhöhen.

Zitation: Shaikh, I., Matušů, R., Wendimu, A.A. et al. Comprehensive identification and parametric uncertainty assessment in the dynamic modelling of a 3D crane system. Sci Rep 16, 11158 (2026). https://doi.org/10.1038/s41598-026-41515-1

Schlüsselwörter: 3D-Krandynamik, Systemidentifikation, parametrische Unsicherheit, Lastschwingung, robuste Regelung