선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이러한 단점에 의해 정밀한 위치측정 기술이 요구되는 생산 자동화 현장에서는 이용이 어렵다. 따라서 본 논문에서는 UKF를 이용하여 레이저 내비게이션과 자이로, 엔코더의 데이터를 융합함으로써 위치측정 정밀도를 향상 시키는 방법을 제안한다.
- 본 논문은 AGV의 위치측정 정밀도를 향상시키기 위해 UKF를 이용한 센서 융합에 관해 이야기 하였다. 제안된 방법의 실험을 위해, 직접 설계한 차축구동방식의 지게차 AGV를 이용하였고 제안된 방법인 UKF를 적용하기 위해 운동 모델과 관측 모델을 설계하였다.
제안 방법
- AGV의 주행 속도와 조향 각을 제어하기 위해, 아날로그 출력과 디지털 입 · 출력이 가능한 DAQ을 이용하였다.
- 본 논문에서는 주행 속도에 따른 위치측정을 위해, AGV의 조향 각을 50°로 고정한 상태로 주행 속도를 12 cm/s에서 44 cm/s까지 4 cm/s씩 증가시키며 실험하였다.
- AGV의 주행 속도와 조향 각을 제어하기 위해, 아날로그 출력과 디지털 입 · 출력이 가능한 DAQ을 이용하였다. 전역 위치측정 센서인 레이저 내비게이션과 지역위치측정 센서인 엔코더와 자이로는 각각 425 ms와 100 ms 마다 ATmega128을 통해 계측하였고 RS-232 통신을 통해 산업용 PC로 전송되도록 하였다. 표 1은 AGV에 설치된 장비들의 주요 사양들을 보여준다.
- 제안된 방법의 성능을 비교 분석하기 위해서 실험은 주행 속도와 조향 각에 따른 레이저 내비게이션의 위치측정 결과들(①)과 제안된 방법의 위치측정 결과들(②)을 비교 분석하였다. 제안된 방법의 실험을 위해 지역 위치센서인 엔코더와 자이로의 데이터를 분석하여 시스템 오차 w로 사용 하였고, 측정 오차 v는 레이저 내비게이션의 스펙에 명시된 오차 값을 이용하였다.
- 본 논문은 AGV의 위치측정 정밀도를 향상시키기 위해 UKF를 이용한 센서 융합에 관해 이야기 하였다. 제안된 방법의 실험을 위해, 직접 설계한 차축구동방식의 지게차 AGV를 이용하였고 제안된 방법인 UKF를 적용하기 위해 운동 모델과 관측 모델을 설계하였다. 성능 분석을 위해, AGV의 조향 각과 주행 속도에 따른 제안된 방법의 RMSE와 레이저 내비게이션의 RMSE 비교하였다.
대상 데이터
- 실험 환경에는 레이저 내비게이션을 위해서 반사체를 설치하였으며, 반사율을 극대화하기 위해서 지름이 9 cm 에 높이 80 cm 인 원통에 부착하여 15개를 설치하였다.
- 전역위치측정 센서인 레이저 내비게이션은 헤더의 시야가 확보되어야 반사체를 원활하게 인식하기 때문에 AGV의 최상단에 설치하였다. 엔코더는 구동 모터에 부착되어 있는 것을 사용하였다. 그림 1은 AGV의 주행 제어와 데이터 계측을 위한 전체 시스템 구성을 보여준다.
- 제안된 방법의 실험을 위한 환경은 2200 cm × 2130 cm 크기의 공간에서 수행하였고, 이는 그림 3과 같다.
- 제안된 방법의 실험을 위해, 레이저 내비게이션과 엔코더, 자이로가 설치된 지게차 타입의 AGV를 이용하였다. 전역위치측정 센서인 레이저 내비게이션은 헤더의 시야가 확보되어야 반사체를 원활하게 인식하기 때문에 AGV의 최상단에 설치하였다.
데이터처리
- 제안된 방법의 실험을 위해, 직접 설계한 차축구동방식의 지게차 AGV를 이용하였고 제안된 방법인 UKF를 적용하기 위해 운동 모델과 관측 모델을 설계하였다. 성능 분석을 위해, AGV의 조향 각과 주행 속도에 따른 제안된 방법의 RMSE와 레이저 내비게이션의 RMSE 비교하였다. 실험 결과, 제안된 방법의 위치측정 정밀도 성능이 레이저 내비게이션에 비해 약 16.
- 제안된 방법의 성능을 비교 분석하기 위해서 실험은 주행 속도와 조향 각에 따른 레이저 내비게이션의 위치측정 결과들(①)과 제안된 방법의 위치측정 결과들(②)을 비교 분석하였다. 제안된 방법의 실험을 위해 지역 위치센서인 엔코더와 자이로의 데이터를 분석하여 시스템 오차 w로 사용 하였고, 측정 오차 v는 레이저 내비게이션의 스펙에 명시된 오차 값을 이용하였다.
이론/모형
- Unscented 변환은 비선형 방정식을 이용하여 랜덤변수의 통계적 특성을 계산하고 이용한다[11-13]. 비선형 방정식 y=f(x)의 평균(xm), 공분산(Px)을 가질 때 시그마 포인트(xi)는 평균(xm)에서 거리 +ui, -ui 만큼 떨어진 지점을 나타내며 이를 식 (1)과 같이 나타낼 수 있다.
성능/효과
- 실험 결과, 주행 속도가 빨라짐에 따라 RMSE와 오차 분산이 커지는 것을 확인 할 수 있다. ①의 결과를 보면, RMSE와 오차 분산의 평균이 각각 23.78 mm와 501.26 mm를 가짐을 확인할 수 있으며, ②는 각각 18.54 mm와 348.25 mm로 ①의 성능과 평균적으로 3.8988 mm의 RMSE와 153.01 mm의 오차 분산의 차이가 있음을 확인할 수 있다.
- 전체적인 실험 결과, 그림 4와 6의 주행 궤적은 AGV 의 조향 각이 고정된 상태에서의 주행이기 때문에 원에 가까울수록 위치측정 오차가 적다는 것을 의미하고 제안된 방법(②)이 원에 더 가깝다는 것을 확인할 수 있다. 또한 그림 5와 7을 보면, 제안된 방법의 오차 변화가 레이저 내비게이션(①)의 오차 변화에 비해 안정된 것을 확인할 수 있다. 표 2와 3을 보면, 제안된 방법의 위치측정 RMSE가 레이저 내비게이션의 RMSE보다 약 16.
- 실험 결과, ②의 결과가 ①에 비해 RMSE가 평균적으로 2.97 mm 줄어 든 것을 확인할 수 있다. 그림 6와 7은 각각 AGV의 조향 각과 속도가 60°와 44cm/s로 고정하여 주행할 때에 레이저 내비게이션과 제안된 방법의 주행 궤적 결과와 시간에 따른 오차 변화를 보여준다.
- 성능 분석을 위해, AGV의 조향 각과 주행 속도에 따른 제안된 방법의 RMSE와 레이저 내비게이션의 RMSE 비교하였다. 실험 결과, 제안된 방법의 위치측정 정밀도 성능이 레이저 내비게이션에 비해 약 16.2% 향상됨을 확인할 수 있었다. 향후 연구로는 UKF를 적용할 때 운동 모델과 관측 모델을 비교하여 오차 공분산을 조절함으로써 위치측정 정밀 도를 향상 시킬 것이다.
- 실험 결과, 주행 속도가 빨라짐에 따라 RMSE와 오차 분산이 커지는 것을 확인 할 수 있다. ①의 결과를 보면, RMSE와 오차 분산의 평균이 각각 23.
- 전체적인 실험 결과, 그림 4와 6의 주행 궤적은 AGV 의 조향 각이 고정된 상태에서의 주행이기 때문에 원에 가까울수록 위치측정 오차가 적다는 것을 의미하고 제안된 방법(②)이 원에 더 가깝다는 것을 확인할 수 있다. 또한 그림 5와 7을 보면, 제안된 방법의 오차 변화가 레이저 내비게이션(①)의 오차 변화에 비해 안정된 것을 확인할 수 있다.
- AGV의 조향 각이 고정된 속도로 주행을 하므로 실제 주행 목표는 원에 가깝게 나오는 것이 좋은 결과로 볼 수 있다. 제안한 방법인 붉은색 선을 보면 파란색 선인 레이저 내비게이션의 궤적 보다 원에 근접하는 것을 확인할 수 있다.
- 또한 그림 5와 7을 보면, 제안된 방법의 오차 변화가 레이저 내비게이션(①)의 오차 변화에 비해 안정된 것을 확인할 수 있다. 표 2와 3을 보면, 제안된 방법의 위치측정 RMSE가 레이저 내비게이션의 RMSE보다 약 16.2% 향상되었음을 확인 할 수 있다.
후속연구
- 2% 향상됨을 확인할 수 있었다. 향후 연구로는 UKF를 적용할 때 운동 모델과 관측 모델을 비교하여 오차 공분산을 조절함으로써 위치측정 정밀 도를 향상 시킬 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.