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
- 예를 들면 이륜 역진자 로봇의 자세 제어에 대한 여러 가지 알고리즘에 대한 연구[1-4], 이륜 역진자 로봇에 내비게이션 시스템을 장착한 SLAM형태의 로봇에 대한 연구[5]등이 진행되어 오고 있다. 본 논문에서는 이륜 역진자 로봇에 사람이 탑승하여 주행할 수 있게 만든 이륜 역진자 로봇인 Segway에서 탑승자의 무게에 따른 PD 제어기를 제안한다. 기존의 일반적인 PD 제어 방식에서 Segway 탑승자 몸무게에 따라 제어특성이 달라지는데, 몸무게 값에 따라 적절한 PD 이득값을 발생시켜 우수한 제어 특성을 갖도록 하는 알고리즘을 사용한다.
제안 방법
- 먼저, 시행착오적으로 구한 각도 PD 이득과 신경회로망으로 튜닝한 각도PD 이득을 그래프를 통해 비교하여 나타낼 것이다. 그리고 그 이득 값을 이용하여 설계한 제어기를 실제 실험을 통해 로봇에 적용시켜 로봇의 밸런싱 성능을 비교한다.
- 그에 따라 JPδ는 ΘP = 0에 대응하는 관성 모멘트로 근사화 시킬 수 있다. 그리고 제어기를 단순화시키기 위해 주행 시 원심력에 의한 미끄럼 현상이 발생하지 않는다는 조건과 각각의 바퀴가 지면에 밀착한다는 조건을 두었다. 또한 모터의 시정수는 Segway 로봇의 시정수에 비해 매우 작으므로 모터에 대한 동역학 요소를 배제시킬 수 있다.
- 앞에서 제안된 방식의 정당성을 검증하기 위해 이륜 역진자 로봇의 밸런싱 각도 실험을 실행하였다. 먼저, 시행착오적으로 구한 각도 PD 이득과 신경회로망으로 튜닝한 각도PD 이득을 그래프를 통해 비교하여 나타낼 것이다. 그리고 그 이득 값을 이용하여 설계한 제어기를 실제 실험을 통해 로봇에 적용시켜 로봇의 밸런싱 성능을 비교한다.
- 목표 입력 값과 측정된 출력 값의 차이로 오차 값을 도출한 후, 각각의 PID 제어기의 이득 값을 곱해 준다. 이때 이 PID 이득 값은 사용자의 무게에 따라 그 값이 다르게 적용이 되는데, 기존 PID 제어 실험을 통해 시행착오적으로 구한 PID 제어기 이득 값들을 이용하여, 신경회로망 튜닝을 거쳐서 각각의 사용자 몸무게에 대해 최적화된 PID 제어기 이득 값을 구한다.
- 본 논문에서 이륜 역진자 로봇의 안정적인 밸런싱 제어기를 설계하고 구현하기 위해, 기존PD 제어기 이득을 무게에 따라 시행착오적으로 구한 뒤, 신경회로망 알고리즘을 통해 일반화 시킨 이득을 찾아 제어기에 적용시켰다. 신경회로망을 이용한 PD 제어기와 기존의 PD 제어기의 성능을 실험을 통해 비교 검토하였다.
- 인공신경회로망은 생물체의 신경시스템을 공학적으로 모델링한 것으로 지능제어 분야에서 가장 많이 쓰이는 방식중 하나이며 우수한 제어 성능을 보여주고 있다[9]. 본 논문에서는 기존 PID 제어기에서 실험을 통해 시행착오적으로 구한 PID 제어기 이득인 Kp, Ki, Kd 를 신경회로망으로 일반화시켜 PID 제어기의 일반화된 이득 값을 찾는다. 사용되는 신경회로망은 그림 5와 같은 구조를 가진다.
- 본 논문에서 이륜 역진자 로봇의 안정적인 밸런싱 제어기를 설계하고 구현하기 위해, 기존PD 제어기 이득을 무게에 따라 시행착오적으로 구한 뒤, 신경회로망 알고리즘을 통해 일반화 시킨 이득을 찾아 제어기에 적용시켰다. 신경회로망을 이용한 PD 제어기와 기존의 PD 제어기의 성능을 실험을 통해 비교 검토하였다. 로봇 무게가 41.
- 실제 구현한 이륜 역진자 로봇의 무게를 일정하게 바꾸어 주고, 바뀐 무게에 따른 제어기의 성능을 비교하였다. 그림 7에서 실제로 구현한 이륜 역진자 로봇의 외관을 보여주고, 로봇 시스템 구조를 블록선도로 나타내었다.
- 이러한 이륜 역진자 로봇에 기존 제어기와 신경회로 망을 이용한 제어기의 성능비교 실험을 실시하였다. 실험은 일정한 입력을 주었을 때의 밸런싱 각도를 측정하였으며, 로봇의 기울기가 10도에서 앞쪽으로 일정한 힘을 주어 실행하였다. 실험의 결과는 그림 10-15와 같다.
- 입력의 무게 값은 40kg부터 1kg 단위로 70kg까지 측정하여 입력하였다. 실험을 통해 시행착오적으로 구한 Kp, Kd를, 위의 신경회로망 알고리즘의 interpolation 기능에 의해 일반화시켰다. 실험을 통해 시행착오적으로 구한 Kp, Kd 값을 갖는 PD 제어기보다 신경회로망에 의한 PD 제어기의 제어성능이 더 우수함을 실험적으로 확인할 수 있다.
- 앞에서 제안된 방식의 정당성을 검증하기 위해 이륜 역진자 로봇의 밸런싱 각도 실험을 실행하였다. 먼저, 시행착오적으로 구한 각도 PD 이득과 신경회로망으로 튜닝한 각도PD 이득을 그래프를 통해 비교하여 나타낼 것이다.
- 목표 입력 값과 측정된 출력 값의 차이로 오차 값을 도출한 후, 각각의 PID 제어기의 이득 값을 곱해 준다. 이때 이 PID 이득 값은 사용자의 무게에 따라 그 값이 다르게 적용이 되는데, 기존 PID 제어 실험을 통해 시행착오적으로 구한 PID 제어기 이득 값들을 이용하여, 신경회로망 튜닝을 거쳐서 각각의 사용자 몸무게에 대해 최적화된 PID 제어기 이득 값을 구한다. 이렇게 구한 제어기의 이득 값을 적용한 후, 사용자의 몸무게에 대한 정보가 들어 왔을 경우에 그 몸무게에 가장 알맞은 PID 제어기의 이득 값을 신경회로망으로 찾아 각각의 바퀴에 걸리는 토크 값을 도출한다.
- 이러한 이륜 역진자 로봇에 기존 제어기와 신경회로 망을 이용한 제어기의 성능비교 실험을 실시하였다. 실험은 일정한 입력을 주었을 때의 밸런싱 각도를 측정하였으며, 로봇의 기울기가 10도에서 앞쪽으로 일정한 힘을 주어 실행하였다.
- 이러한 제어기는 무게에 대해 최적화되어 있기 때문에 무게 값이 변화하더라도 안정적인 주행이 가능하다. 이렇게 신경회로망을 이용한 제어기를 기존의 일반적 PD 제어기와 실험적으로 비교, 검토한다.
- 기존의 일반적인 PD 제어 방식에서 Segway 탑승자 몸무게에 따라 제어특성이 달라지는데, 몸무게 값에 따라 적절한 PD 이득값을 발생시켜 우수한 제어 특성을 갖도록 하는 알고리즘을 사용한다. 이륜 역진자 로봇의 무게에 따라 무게중심 값이 변형되어 밸런싱 각도에 영향을 주게 되는데[6], 본 논문에서는 이를 보완하는 방법으로 PD제어기의 이득 값을 신경회로망으로 튜닝하여 Segway의 무게에 따라 적절한 PD 이득 값을 구하는 제어기를 구현한다. 이러한 제어기는 무게에 대해 최적화되어 있기 때문에 무게 값이 변화하더라도 안정적인 주행이 가능하다.
대상 데이터
- 그림 7에서 실제로 구현한 이륜 역진자 로봇의 외관을 보여주고, 로봇 시스템 구조를 블록선도로 나타내었다. 실험시이륜역진자로봇의무게는41.2[kg], 52.4[kg], 59.8[kg]으로 3가지 경우를 두었다. 우선 PC에서 DSP-JTAC-에뮬레이터를 이용하여 작성한 C코드를 로봇 DSP 제어부로 전송한다.
데이터처리
- 표 1에서는 무게의 범위에 따른 PD 제어기의 이득 범위를 나타내었다. 표 1에서의 데이터를 포함한 기존의 PD 제어기에서 실험적으로 구한 이득값과 신경회로망 튜닝을 통해 구한 PD 이득 값을 그래프를 통하여 비교할 것이다. 비교한 그래프는 그림 6과 같다[11].
이론/모형
- 그리고 회전 각도와 회전 각속도는 로봇에 부착된 조향장치(knob)를 통해서 값을 받을 수 있다. 로봇의 밸런싱 각도 제어는 PD 알고리즘이 적용되고, 회전각도와 위치를 제어하는데 PID 알고리즘이 적용된다.
성능/효과
- 52.4[kg]의 무게를 주었을 때의 실험결과는 그림 12와 13에서 나타내었는데 41.2[kg]을 주었을 때의 로봇의 밸런싱 각도와 마찬가지로 기존의 제어기는 약 2.5초 지점에서 밸런싱됨에 반해, 신경회로망을 이용한 제어기는 약 1.5초 지점에서 밸런싱됨을 볼 수가 있고 오버슈트 및 진동 부분에 있어서도 개선된 성능을 보임을 알 수 있다.
- 실험의 결과는 그림 10-15와 같다. 그림 10과 11에서 41.2[kg]일 때, 기존 PD 제어기의 경우 약 1.5초에서 밸런싱되고, 논문에서 제안한 신경 회로망 PD 제어기는 약 1초에서 밸런싱됨을 확인할 수 있다.
- 신경회로망을 이용한 PD 제어기와 기존의 PD 제어기의 성능을 실험을 통해 비교 검토하였다. 로봇 무게가 41.2[kg], 52.4[kg], 59.8[kg] 3가지인 경우 실험하였으며, 본 논문에서 제안한 제어기가 기존 제어기보다 더 우수함을 확인할 수 있었다.
- 5초의 시간을 단축 하는 효과가 나타난다. 뿐만 아니라, 이륜역진자형 로봇의 각도 오버 슈터 부분과 로봇의 진동 부분에 있어서 기존의 제어기와 비교하였을 때 본 논문에서 제안한 신경 회로망 PD제어기가 크게 개선됨을 실험그래프를 통해서 확인 할 수 있다.
- 실험을 통해 시행착오적으로 구한 Kp, Kd를, 위의 신경회로망 알고리즘의 interpolation 기능에 의해 일반화시켰다. 실험을 통해 시행착오적으로 구한 Kp, Kd 값을 갖는 PD 제어기보다 신경회로망에 의한 PD 제어기의 제어성능이 더 우수함을 실험적으로 확인할 수 있다.
- 이상과 같이 시행착오적으로 구한 이득을 갖는 제어기보다, 신경회로망을 이용하여 구한 이득을 갖는 제어기가 더 안정적이고 빠르게 제어됨을 실험 결과를 통해 확인할 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.