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
- Child-robot의 모델에서 알 수 있듯이, 본 논문은 실제 시스템에서 발생할 수 있는 불확실성을 고려한다. 이러한 불확실성으로 인한 오차를 최소화 하고자 Kalman Filter를 적용하여 정확한 로봇 위치 및 오염도를 추정한다[25].
- 본 연구에서는 다중로봇을 이용한 고층 빌딩 외벽 유지관리 작업에 대한 개념을 제안하였고, 특히 유지관리 작업 중, 고층 빌딩의 유리 외벽면에 대한 청소 공정을 연구목표로 센서기반의 시스템을 구성하여 이에 대한 운영 방법론을 소개하였다. 유리 외벽면에 대한 오염도 측정용 센서를 개발하였고, ANOVA를 통한 신뢰성 및 유의성을 검증하였으며, 이를 시스템에 적용한 로봇 모션 생성 알고리즘을 개발하였다.
- 본 연구에서는 매우 위험한 환경에서 운용되고 있는 외벽 유지관리 로봇의 안정성 향상을 위하여 건축물에 旣 설치된 rail (이하, BGR: Built-in Guide Rail) 위에서 운용되는 다중로봇의 개념을 제안하고, 다양한 빌딩 외벽면 유지관리 작업 중 커튼월(Curtain-wall) 유리벽면에서 가장 빈번히 수행되어지는 청소작업을 선정하여 이를 분담하고, 결과적으로 위험성을 분산시킬 수 있는 방법에 대하여 다룰 것이다[14-18].
- 앞서 언급한 문제점들을 해결하고자, 본 논문은 고층빌딩의 유지관리를 위한 시스템의 위험성 분산과 효율성 향상을 위한 전략으로써 Built-in guide 타입 다중 로봇 개념을 제안하고, 다양한 유지관리 작업 중 외벽 유리면 청소 작업을 위한 운동 계획(motion planning) 알고리즘을 다룬다[12,13]. Built-in guide 타입의 로봇은 정해진 레일 위를 따라 움직일 수 밖에 없지만, 외벽 유리면의 오염도 측정 센서를 사용하여 이에 따른 위치 및 이동 속도를 제어한다.
- 청소 공정의 경우 “분무(spraying), 문지르기(brushing), 닦아내기(squeezing)”의 3단계를 거치며, 본 연구에서는 고층 빌딩의 외벽 유리면의 분진에 의한 오염도를 판단하고 이에 따른 로봇의 모션을 제어하여, 효율적으로 공정을 운용하는 것을 목표로 한다.
가설 설정
- • H0: 전압의 변화는 유리면의 오염도에 영향을 주지 않는다(또는, 서로 다른 3가지 오염도에 따른 전압의 차이가 없다).
- • H1: 전압의 변화는 유리면의 오염도에 영향을 준다(또는, 서로 다른 3가지 오염도에 따른 전압의 차이가 있다).
- 시뮬레이션을 수행하기 위해 사용된 변수들은 다음과 같다(표 3). 고층 빌딩의 층간 거리는 3 m이며 총 21 개의 수평 레일이 설치되어 있는 건물 환경을 가정한다. 그리고 수평 레일의 길이는 11 m로 가정한다.
- 따라서, 이전 연구에서 제안하였던 IR 센서 기반 오염도 측정용 센서 모듈을 child-robot에 탑재하여 청소 공정을 위한 작업용 툴 모듈을 다음과 같이 구성하였으나, 본 연구에서 다중로봇의 적용 타당성 검증을 위한 시뮬레이션에서는 상기한 청소 공정을 생략하고, child-robot의 빌딩 외벽 BGR을 이동하는 때에 모든 공정이 이루어진다고 가정한다[19,20]. 그러므로, child-robot 각각의 이동 및 작업 성능은 동일하며, 청소 후의 작업 품질은 균일하다고 가정한다. 청소 작업용 툴의 경우에는 물을 필요로 하는 습식과 그렇지 않은 건식과 같이 공정 구분에 의하여 바뀔 수도 있고, 혹은 다중 로봇의 개수 및 담당 역할 등에 따라서도 다양하게 구분될 수 있다.
- 고층 빌딩의 층간 거리는 3 m이며 총 21 개의 수평 레일이 설치되어 있는 건물 환경을 가정한다. 그리고 수평 레일의 길이는 11 m로 가정한다. 그리고 parent-robot의 수직 방향 속도는 0.
- 다중로봇 시스템은 parent-robot과 child-robot으로 구분되어지고, 1개의 parent-robot은 n개의 child-robot을 싣고 이동 장소까지 운반한다고 가정한다(그림 2). 각각은 수직과 수평 방향으로만 운동이 가능하며, 실제 고층 빌딩의 외벽 유지관리 작업은 n개의 child-robot이 수행하는데, 이들 로봇에는 모듈 형태의 외벽 유지관리 툴이 있다(그림 3).
- 청소 공정의 경우 “분무(spraying), 문지르기(brushing), 닦아내기(squeezing)”의 3단계를 거치며, 본 연구에서는 고층 빌딩의 외벽 유리면의 분진에 의한 오염도를 판단하고 이에 따른 로봇의 모션을 제어하여, 효율적으로 공정을 운용하는 것을 목표로 한다. 따라서, 이전 연구에서 제안하였던 IR 센서 기반 오염도 측정용 센서 모듈을 child-robot에 탑재하여 청소 공정을 위한 작업용 툴 모듈을 다음과 같이 구성하였으나, 본 연구에서 다중로봇의 적용 타당성 검증을 위한 시뮬레이션에서는 상기한 청소 공정을 생략하고, child-robot의 빌딩 외벽 BGR을 이동하는 때에 모든 공정이 이루어진다고 가정한다[19,20]. 그러므로, child-robot 각각의 이동 및 작업 성능은 동일하며, 청소 후의 작업 품질은 균일하다고 가정한다.
- 여기서 parent-robot은 n 개의 child-robot을 한꺼번에 이송시킬 수 있다고 가정한다. 또한 수평 레일 위에는 장애물이 없다고 가정한다(그림 7). 그리고 청소 로봇의 청소 운동 계획 시에 n개의 child-robot 위치 및 로봇 전방의 오염도는 앞서 III 장에서 언급한 Kalman filter로 추정한 결과를 사용한다.
- 이러한 방법을 검증하고자 오염도 측정 시뮬레이션을 수행했다. 시간에 따라 주기 함수와 같은 형태의 오염도가 주어진다고 가정하며, 여기서 센서로 계측되는 오염도의 분산은 0.07이다. 칼만 필터를 적용하여 그림 8과 같이 노이즈가 포함된 계측 신호에서 참 값에 유사한 오염도를 추정할 수 있음을 알 수 있다.
- 단 이러한 속도 변화는 양의 방향으로 수평 레일을 움직일 때, 즉 초기 청소를 할 경우에만 적용되며, 청소 후 음의 방향으로 다시 돌아올 때에는 최대 속도 vc,max 로 돌아온다. 여기서 child-robot이 오염도에 변화하는 속도로 이동할 경우, 해당 위치에서 오염 물질을 제거하기 위한 청소 작업은 충분히 수행 된다고 가정한다.
- 수평 레일의 번호는 위에서부터 아래로 부여되며, 청소 작업은 최 상위 층, 즉 첫 번째 수평 레일부터 수행한다. 여기서 parent-robot은 n 개의 child-robot을 한꺼번에 이송시킬 수 있다고 가정한다. 또한 수평 레일 위에는 장애물이 없다고 가정한다(그림 7).
- 이 두 가지 시뮬레이션에 대해서 오염도는 각 층 마다 균일하게 분포되는 것으로 가정하며, 분포된 오염도는 0에서 0.7사이의 렌덤한 값을 갖는다. 앞의 첫 번째 시나리오에서는 child-robot이 수평 레일 상의 오염물질이 얼마나 있는지 모르므로 항상 집중 청소를 수행하고, 두 번째 시나리오는 본 연구에서 제안된 방법으로써 오염도에 의해 필요한 이동 속도, 즉 청소 정도를 조절하는 것이다.
- 청소 작업용 툴의 경우에는 물을 필요로 하는 습식과 그렇지 않은 건식과 같이 공정 구분에 의하여 바뀔 수도 있고, 혹은 다중 로봇의 개수 및 담당 역할 등에 따라서도 다양하게 구분될 수 있다. 하지만 본 연구에서는 청소용재 및 물을 사용하는 습식형태의 청소 방법을 고려함으로써, 분무 및 닦아내기 작업은 건물 위쪽에서부터 순차, 독립적으로 이루어진다고 가정한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.