Verfahren und Anordnung zur Steuerung der Positionierung min destens eines maschinell bewegten Objektes, insbesondere Be tankungsrohre und/oder Tanks für einen Betankungsvorgang

Die Erfindung betrifft ein Verfahren zur Steuerung der Posi tionierung mindestens eines maschinell bewegten Objektes, insbesondere Betankungsrohre und/oder Tanks für einen Betan kungsvorgang gemäß dem Oberbegriff des Anspruchs 1, sowie ei ne Anordnung zur Steuerung der Positionierung mindestens ei nes maschinell bewegten Objektes, insbesondere Betankungsroh re und/oder Tanks für einen Betankungsvorgang gemäß dem Ober begriff des Anspruchs 12.

Es ist ein so genanntes „On Spot Loading" bekannt. Hierrunter versteht man ein Verfahren, sowie zugehörige Anordnungen, bei denen Tankwagen teilautomatisiert mit dem Gas oder der Flüs sigkeit betankt wird. Dabei wird von einem Operator ein zum Auslass des Gases oder der Flüssigkeit ausgestaltetes Rohr exakt über der zum Betanken ausgestalteten Öffnung des Tanks, welcher auf einem (Eisenbahn-) Wagen angebracht ist, positio niert und abgesenkt, so dass daraufhin die Betankung durchge führt werden kann.

Die der Erfindung zugrundeliegende Aufgabe ist es eine Anord nung und ein Verfahren anzugeben, welches die Nachteile des Standes der Technik überwindet, insbesondere bei der Betan kung eine automatisierte akkurate Positionierung ermöglicht.

Diese Aufgabe wird durch das Verfahren zur Steuerung der Po sitionierung mindestens eines maschinell bewegten Objektes, insbesondere Betankungsrohre und/oder Tanks für einen Betan kungsvorgang, ausgehend vom Oberbegriff des Anspruchs 1 durch dessen kennzeichnende Merkmale gelöst, sowie durch die Anord nung zur Steuerung der Positionierung mindestens eines ma schinell bewegten Objektes, insbesondere Betankungsrohre und/oder Tanks für einen Betankungsvorgang ausgehend vom Oberbegriff des Anspruchs 11, durch dessen kennzeichnende Merkmale gelöst.

Bei dem erfindungsgemäßen Verfahren zur Steuerung der Positi onierung mindestens eines maschinell bewegten Objektes, ins besondere Betankungsrohres und/oder Tanks für einen Betan kungsvorgang, erfolgt die Generierung von Steuerungsbefehlen zumindest für die Positionierung, insbesondere fortlaufend aktualisiert, zumindest auf Grundlage einer Historie aufge zeichneter Bildsequenzen, insbesondere Videos, bei der die Bildsequenzen jeweils zumindest eine akkurate Positionierung des Objektes an der Zielposition enthalten.

Vorteil des erfindungsgemäßen Verfahrens besteht darin, dass eine automatisierte Bewegung von Objekten auf Grundlage ver gangener erfolgreicher Positionierung am Ziel für zukünftige Abläufe optimiert werden kann, wobei insbesondere das in Be zug setzen der Generierung von Steuerungsbefehlen mit zumin dest der einen Bildaufnahme einer akkurate Positionierung des Objektes an der Zielposition in besonderem Maße hierzu bei trägt, da es offensichtlich eine erfolgreiche Steuerungsbe fehlssequenz in Bezug mindestens zu der Aufnahme der akkura ten Positionierung setzt.

Bei der erfindungsgemäßen Anordnung zur Steuerung der Positi onierung mindestens eines maschinell bewegten Objektes, ins besondere Betankungsrohres und/oder Tanks für einen Betan kungsvorgang, sind Mittel zur Durchführung des Verfahrens vorgesehen .

Durch die erfindungsgemäße Anordnung wird Implementierung des erfindungsgemäßen Verfahrens erreicht und damit die Verwirk lichung der Vorteile der Erfindung und dessen Weiterbildungen ermöglicht .

Bei einer Weiterbildung des erfindungsgemäßen Verfahrens er folgt die die Generierung der Steuerungsbefehle auf Grundlage eines maschinellen Lernens derart, dass zumindest eine Bild- aufnahmevorrichtung und/oder Bildaufnahmespeichervorrichtung, eine das maschinelle Lernen bereitstellenden Daten verarbei tenden Struktur und eine Steuerungseinrichtung derart funkti onal miteinander verbunden sind, dass der Struktur als Ein gangsgröße eine zumindest eine der aufgezeichneten Bildse quenzen zur Verfügung gestellt wird, die Struktur mit jeder Eingangsgröße einen Trainings- und/oder Lerndurchlauf für das Positionieren gemäß maschinellem Lernen durchführt und auf Grundlage mindestens eines Durchlaufs der Steuerungseinrich tung Steuersignale für die laufende Steuerung zur Verfügung gestellt werden.

Durch diese Weiterbildung der Erfindung wird dem erfindungs gemäßen Verfahren mit dem maschinellen Lernen eine sehr ef fektive Methode zur Verfügung gestellt, in dem die das ma schinelle Lernen bereitstellenden Daten verarbeitenden Struk tur in geeigneter Weise mit erfindungsgemäß vorgesehenen und verfahrensgemäß genutzten Vorrichtungen verbunden sowie in vorteilhafter Weise mit geeigneten Daten trainiert wird.

Vorzugsweise wird das erfindungsgemäße Verfahren derart wei tergebildet, dass beim Trainings- und/oder Lerndurchlauf zu mindest der Schritt mindestens einer Zuordnung zumindest ei nes Bildes der Sequenz von Bildern zu einem Steuerungssignal erfolgt und/oder diese organisiert gespeichert wird.

Hierdurch wird sichergestellt, dass zumindest eine Zuordnung von einer aktuell ausgeführten Steuerungsbefehlssequenz und einem Bild verfügbar gemacht wird, so dass beispielsweise das maschinelle Lernen im Bild enthaltene Informationen, die für die Bewegung wesentlich sind, wie beispielsweise temporäre oder dauerhafte Ereignisse, wie beispielsweise Hindernisse oder Wettergegebenheiten, einer Generierung von Steuerungsbe fehlen zu Grunde legen kann. Damit kann beispielsweise die Reaktion der Steuerung beim Bewegungsablauf durch eine auf Grundlage der Zuordnung optimierte Steuerung bei zukünftigem Vorhandensein gleicher oder ähnlicher Ereignisse verbessert, beispielsweise zügiger oder effektiver, erfolgen. Vorzugsweise wird das erfindungsgemäße Verfahren derart wei tergebildet für jede Sequenz von Bildern, insbesondere Vi deos, beginnend bei einem Bild der Sequenz, welches die Auf nahme der akkuraten Positionierung des Objektes, insbesondere Betankungsrohre und/oder Tanks für einen Betankungsvorgang, an der Zielposition enthält, sequentiell fortgesetzt zu min destens einem weiteren im Verhältnis zur Aufnahmereihenfolge vorhergehendem Bild der Sequenz einem maschinellen Lernen derart zugeführt, dass als Ergebnis des maschinellen Lernens die Zuordnung des Steuersignals erfolgt und/oder diese orga nisiert gespeichert wird.

Durch diese Weiterbildung wird erreicht, dass auch Zuordnun gen von zeitlich vorhergehenden Steuerungsbefehlssequenzen zu zeitlich vorhergehenden Positionen, beispielsweise dem ma schinellen Lernen, zur Verfügung gestellt werden kann, so dass ein Wissen über den Ablauf der Bewegung in Bezug auf aus dem jeweiligen Bild entnehmbaren Informationen für eine Opti mierung genutzt werden können.

Alternativ oder ergänzend wird das erfindungsgemäße Verfahren derart weitergebildet, dass nun eine Mehrzahl sequentieller Bildaufnahmen, insbesondere Videos, derart generiert werden, dass dies zueinander zumindest in einem Parameter, insbeson dere Ort der Anlage, Position der Aufnahmevorrichtung/-en und/oder Zeit der Generierung, disjunkt erfolgt.

Hierdurch wird sichergestellt dass möglichst viele sich un terscheidende Situationen vorliegen die wiederum in den Bild informationen erfasst worden sind und somit eine umfangreiche Datensammlung generiert wird, die das maschinelle Lernen ef fizienter werden lässt, weil beispielsweise hierdurch mit we niger Durchläufen eine von der Leistung her eine mit der menschlichen Intelligenz vergleichbare automatische Steuerung der Bewegungsabläufe erreicht werden kann. Bevorzugt wird dabei das erfindungsgemäße Verfahren derart weitergebildet, dass das maschinelle Lernen, gemäß Machine- Learning Algorithmen, insbesondere dem so genannten „Probabi- listic Graphical Models" - PGM, dem so genannten „Random Fo- rests", dem so genannten „Support Vector Machine" - svn und/oder Derivaten hiervon, betrieben wird.

Hiermit ist ein für diesen Zweck sehr geeigneter und sehr gut in diesem Umfeld implementierbarer Ansatz gegeben mit denen die umfangreichen Daten sowie die sich hierdurch ergebenden umfangreichen Zuordnungen und Korrelationen zwischen Bildin formationen und Steuerung effektiv ausgewertet und genutzt werden können, so dass für die Steuerung letztlich eine künstliche Intelligenz zum Einsatz kommt.

Dieser Vorteil kommt besonders zum Tragen wenn das erfin dungsgemäße Verfahren derart weitergebildet wird, dass das maschinelle Lernen gemäß einem Algorithmus des so genannten „Bestärkenden Lernens", auch als „Reiinforcement Learning" bekannt, und/oder gemäß einem so genannten „Deep Lerning" Al gorithmus wie dem so genannten „Deep Neural Networks DNNs", insbesondere gemäß und/oder zumindest nach Art des so genann ten „keras", so genannten „Tensorflow" , so genannten „Caffe", so genannten „Theano", so genannten „Torch", vergleichbaren Bibliotheken und/oder Derivaten hiervon, betrieben wird.

Eine effektive Methode zum organisierten Speichern ist unter anderem dann geboten wenn das erfindungsgemäße Messeverfahren derart weitergebildet wird, dass die Sequenzen von Bildern als Videoaufnahmen codiert werden.

Unter anderem für einen standardisierten Datenaustausch bzw.- zugriff ist es die Weiterbildung des erfindungsgemäßen Ver fahrens bei dem die Bilder, Sequenzen der Bilder, Zuordnungen und oder Videoaufnahmen, insbesondere als Datenbank organi siert, gespeichert werden, besonders von Vorteil, insbesonde re wenn das Verfahren derart weitergebildet wird, dass die Datenbank dem maschinellen Lernen zugrunde gelegt und/oder auf Basis des maschinellen Lernens aktualisiert wird.

Weitere Vorteile und Einzelheiten der Erfindung werden nun ausgehend von den in den Figuren dargestellten Ausgangssitua tionen und Ausführungsbeispielen der Erfindung näher erläu tert. Dabei zeigt die

Figur 1 eine schematische vereinfachter Ablauf eines Aus führungsbeispiels der Erfindung

In der Figur 1 ist ein Ablaufdiagramm eines Ausführungsbei spiels der Erfindung dargestellt, welches die Implementierung der Erfindung bei der Betankung von beispielsweise Tankzügen mit einem beweglichen Betankungsrohr, dass gesteuert werden kann .

Das Ausführungsbeispiel der Erfindung hebt schon dadurch vom Stand der Technik ab, dass diese Steuerung im Gegensatz hier nicht überwiegend manuell durch eine Operator erfolgt, son dern im Wesentlichen, also beispielweise nach manueller Vor bereitung und/oder Aktivierung, automatisch.

Der Automatismus wird dabei wie die Figur 1 skizzieren soll durch geeignete Implementierung des erfindungsgemäßen Verfah rens in eine erfindungsgemäße Anordnung realisiert. Dies soll das Ausführungsbeispiel durch einen vereinfachten schemati schen Ablaufplan darstellen.

Zu erkennen ist, dass der implementierte Ablauf ausgehend von einem in einem ersten Schritt S1 gegebenen Zustand „On Spot Loading" den Vorgang des Platzierens mit einer Videoaufzeich nung der Positionen des Betankungsrohres, insbesondere dem Bereich des Füllstutzens, in einem zweiten Schritt S2 be ginnt .

Das zwingend erforderliche Aufnehmen der Bewegung unterschei det sich die Erfindung und damit auch das dargestellte Aus- führungsbeispiel der Erfindung bereits in einem ersten Merk mal von einem aus der Fachwelt bekannten Ansatz des reinen Automatisierens eines bis dato manuell durchgeführten Vor gangs .

In einem dem zweiten Schritt S2 folgenden dritten Schritt S3 erfolgt der Beginn und somit die Ausführung der Steuerung zur Positionierung des Füllrohres, wobei dieser Schritt auch dem Beging der Videoaufnahme zeitlich vorhergehen, gleichzeitig oder nachfolgend erfolgen kann ohne das Wesen der Erfindung zu behindern.

Um die Positionierung des Betankungsrohres (Füllrohrs) zu au tomatisieren, sind dabei gemäß der Erfindung und insbesondere dem Ausführungsbeispiel weitere Schritte angedacht, damit beispielsweise mit, insbesondere etablierten, Methoden der Bildverarbeitung und Regelungstechnik arbeiten zu können und so eine Implementierung der Erfindung in Anordnungen vorneh men zu können, insbesondere um ohne große Änderungen der An ordnung und bestehenden Implementierungen dies zu ermögli chen .

Zu diesen Schritten gehört beispielsweise eine im vierten Schritt S4 folgende Speicherung von sich während der Positio nierung, also beispielsweise während der Bewegung, ändernden Parametern. Dies kann beispielsweise ein Zeitstempel je Bild der das Video ergebenden Bildsequenz, die Position des Füll rohres und/oder Umgebungsänderungen oder Vergleichbares sein.

Erfassung von Umgebungsänderungen als Parameter dienen vor allem um beispielsweise trotz Behinderung (Wettereinflüsse, Beleuchtung, Lichtverhältnisse, Schatten, Nebel, Verschmut zungen des Wagens, usw.) eine zuverlässige Erkennung eines Loch, also der Zielposition, durch Verwertung der Parameter für zukünftige Steuerungen zu ermöglichen. Dabei können klas sische Methoden des automatisierten Erkennens zum Einsatz kommen. Um den damit verbundenen erheblichem Entwicklungsauf wand mit dem zu rechnen ist, bis mit diesen klassischen Me- thoden eine zuverlässige Erkennung des Lochs per Video zu er reichen ist, zu umgehen, sind die gezeigten Schritte insoweit auch vorteilhaft, als dass sie besonders geeignet sind als eine weitere Ausführungsform der Erfindung den Einsatz neuro naler Netze zu ermöglichen.

Der erfindungsgemäße Einsatz erscheint trotz des unter Um ständen aufwändigen Erkennens dennoch gegenüber einem einfa cheren Einsatz von Sensoren überlegen, da beispielweise mit aktiven Sensoren, wie Laserscannern, zwar das Erkennen we sentlich leichter zu erreichen zu sein scheint, allerdings sind diese nicht ohne Weiteres für die explosionsgefährdete Umgebung geeignet und müssen hierfür besondere Anforderungen (ATEX) erfüllen. Hier gibt es nur sehr wenige Modelle, die sehr teuer sind, so dass die Erfindung sich bei umfassender Betrachtung deutlich vorteilhafter einsetzbar ist.

Der dritte Schritte S3 und der vierte Schritt S4 werde solan ge wiederholt, und damit die Bewegung ausgeführt, bis eine in einem fünften Schritt S5 erfolgende Erfassung, ob das Betan kungsrohr seine Zielposition erreicht hat, bejaht werden kann .

Ist die Zielposition erreicht worden, so wird in einem sechs ten Schritt S6 mit der Anwendung eines Trackingalgorithmus auf das gespeicherte Video derart angewandt, dass ausgehend von dem Bild der Zielposition ein Rückwärtstracking in Ver bindung derart mit den weiteren gespeicherten Daten in einem siebten Schritt S7 erfolgt, dass einzelnen Bildern Parameter zugeordnet werden können, beispielsweise unter Zuhilfenahme des Zeitpunktes der Aufnahme als beiden zugrundeliegender Fixpunkt, so dass in einem achten Schritt S8 diese Zuordnung in einer Datenbank gespeichert werden kann.

Mit den genannten Schritten wird folgender allen Ausführungs beispielen gemeinsamer erfinderischer Gedankengang zugrunde gelegt und verwirklicht. Wenn das Füllrohr erfolgreich abgesenkt worden ist, kann als sicher angenommen werden, dass Loch offensichtlich genau un ter dem Füllrohr platziert ist, also in bekannter Position.

Hat man den Positionierungsvorgang bis dahin als Video aufge zeichnet kennt man bei Abschluss die Position am Ende des Vi deos. Dann kann man den Tracking Algorithmus (neuronal oder klassisch) auf das rückwärts abgespielte Video anwenden, um jeweils die Position in allen vorigen Bildern zu bestimmen.

Mit den so gewonnenen korrelierenden Daten, kann man eine Datenbank aufbauen mit Bildern, die mit den korrekten Positi onen des Lochs annotiert sind. Dies kann durch vorteilhafte Weiterbildung der Erfindung bzw. des gezeigten Beispiels über einen größeren Zeitraum und mehreren Anlagen geschehen, um eine repräsentative Menge an solchen Bildern zu erhalten.

Hierdurch werden etliche variierende Umgebungsparameter ge sammelt, wie beispielsweise Jahreszeiten, Waggon-Typen, Ver schmutzungsgrade, Sonnenstand, die vorgehend auch schon er läutert das Erkennen des Lochs und der korrekten Position be einflussen. Anhand jeder neuen Speicherung einer neuen Gege benheit als Parameter aus all diesen unterschiedlichen Gege benheiten in Verbindung mit der Position des Bildes aus den Videos in dieser Datenbank wird dann in einem neunten Schritt S9 ein (weiterer) Durchlauf eines maschinellen Lernens, wel ches beispielsweise nach DNN funktioniert, durchgeführt und damit die Steuerung trainiert, um aus einem gegebenen Bild zuverlässig die Anwesenheit und Position des Lochs für zu künftige Steuerungen zu bestimmen, die in einem durch ein Er reichen eines Zustandes „Bereitschaft für neuen Vorgang" ge kennzeichneten zehnten Schritt S10 beispielsweise durch Wech sel in den ersten Schritt S1 in derselben Anlage erfolgen kann aber nicht muss, da die Datenbank als eine Weiterbildung der Erfindung durch geeignete Vernetzung allen erfindungsge mäßen Anlagen zur Verfügung gestellt werden kann. Die Erfindung ist aber nicht auf die genannten Ausführungs beispiele beschränkt, sondern umfasst auch andere Ausgestal tungsvarianten, die im Umfang der Ansprüche die Punkte

• Lernen der Loch-Erkennung mit aktuellen Deep-Learning Methoden

• Lernen des Systemmodells für die Steuerung mit aktuellen Deep-Learning Methoden

• Erzeugen der dazu notwendigen gelabelten Daten aus ope rativem Betrieb bisheriger Anlagen. einzeln oder in Kombination enthalten und/oder in Kombination durch einzelne oder kombinierte Merkmalen der Unteransprüche und deren Kombinationen weitergebildet worden sind.

Als ein weiteres hierunter fallendes Ausführungsbeispiel wäre es denkbar das die Generierung der Steuerungskommandos auf grund der, insbesondere in der Datenbank gespeicherten, Er gebnisse durch Verwendung von klassischer Regelungstechnik zu generieren .

Auch ist es denkbar, dass dann in einer Ausbaustufe dieser Teil, also die Generierung der Befehle, durch ein zweites ma schinelles Lernen, insbesondere gemäß dem so genannten Deep Learning, DNN, gelernt wird.

Hier sind dann die Labels direkt gegeben, indem die Steue rungskommandos des Operators zusammen mit den Positionsdaten aufgezeichnet werden.

Dies ist eine alternative Variante zum Ausführungsbeispiel bei dem nur ein Netz für die gesamte Aufgabe „End2End" trai niert wird. Input sind sozusagen ausschließlich die Bilder, Output sind dann direkt die Steuerungskommandos.

Zum Training wäre bei diesem Ausführungsbeispiel dann die selbe Datenbank einsatzfähig und geeignet wie oben, mit dem Unterschied, dass hier die Steuerungskommandos direkt an die Bilder annotiert werden, ohne Indirektion über Positionsbe stimmung .

Ein weiterer Vorteil der Erfindung kann darin gesehen werden, dass hierdurch unter anderem wegen des Rückwärtstrackings , erfolgreich und effektiv maschinelles Lernen auf automati sierte Bewegungssteuerungen übertragbar wird. Dieser Vorteil entfaltet sich vor allem bei besonderen Anforderungen unter worfenen Anwendungen, wie der Betankung. Dieser Vorteil kommt insbesondere dadurch zum Tragen und wird verwirklicht, indem die spezielle Situation in dieser Anwendung ausgenutzt wird, um das sonst sehr teure manuelle Labein komplett zu vermeiden und zwar dadurch, dass Daten aus dem heutigen manuellen Be trieb genutzt werden, und indem ausgenutzt wird, dass man beim Training Daten quasi „aus der Zukunft" zur Verfügung hat, d.h. vom Ende einer Aufzeichnung her vorgehen kann.

Eine automatische Lösung spart zudem Personalkosten im Be trieb, ist zuverlässiger und potentiell schneller und damit interessanter für den Einsatz bei solchen Anwendungen. Da die Anzahl verkaufter Anlagen begrenzt ist müssen andererseits die Investitionskosten gering bleiben um einen Marktfähigen Preis zu ermöglichen. Beides zu erreichen scheint mit klassi schem Entwurf schwer zu erreichen, mit der Erfindung aber durchaus .

Obwohl DNNs am aussichtsreichsten sind und durch die gute Werkzeugunterstützung (z.B. keras, Tensorflow) mit begrenztem Aufwand realisierbar, ist die Erfindung nicht auf diese Aus gestaltung beschränkt. Es kommen auch je nach Anforderungen der Anwendung oder der Implementierung auch andere Machine- Learning Ansätze in Betracht, wie beispielsweise PGM, Random Forests, svn oder Derivate hiervon.