[논문]수정된 RLS 기반으로 관절 토크 센서를 이용한 로봇에 가해진 외부 힘 예측 및 펙인홀 작업 구현

정유석; 이철수

doi:10.7746/jkros.2018.13.1.055

수정된 RLS 기반으로 관절 토크 센서를 이용한 로봇에 가해진 외부 힘 예측 및 펙인홀 작업 구현
External Force Estimation by Modifying RLS using Joint Torque Sensor for Peg-in-Hole Assembly Operation 원문보기

로봇학회논문지 = The journal of Korea Robotics Society, v.13 no.1, 2018년, pp.55 - 62

정유석 (Mechanical Engineering, Sogang University) , 이철수 (Mechanical Engineering, Sogang University)

Abstract ▼ AI-Helper

In this paper, a method for estimation of external force on an end-effector using joint torque sensor is proposed. The method is based on portion of measure torque caused by external force. Due to noise in the torque measurement data from the torque sensor, a recursive least-square estimation algorithm is used to ensure a smoother estimation of the external force data. However it is inevitable to create a delay for the sensor to detect the external force. In order to reduce the delay, modified recursive least-square is proposed. The performance of the proposed estimation method is evaluated in an experiment on a developed six-degree-of-freedom robot. By using NI DAQ device and Labview, the robot control, data acquisition and The experimental results output are processed in real time. By using proposed modified RLS, the delay to estimate the external force with the RLS is reduced by 54.9%. As an experimental result, the difference of the actual external force and the estimated external force is 4.11% with an included angle of $5.04^{\circ}$ while in dynamic state. This result shows that this method allows joint torque sensors to be used instead of commonly used external sensory system such as F/T sensors.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 관절 토크 센서에서 얻어지는 정보를 토대로 하여 엔드이펙터에 가해지는 힘에 대한 정보를 예측하는 방법에 대해 제안하였다. 관절 토크 센서에서 측정되는 값과 로봇의 다이나믹 모델을 통해 외부 힘에 대한 여유 토크 성분을 얻을 수 있었다.
본 연구에서는 다 관절 로봇의 조인트 토크 센서를 통해 엔드이펙터에 가해지는 힘에 대한 정보를 예측하는 알고리즘을 제안하고 이를 실험을 통해 검증하였다. 기존의 RLS가 충격에 의한 반응이 일어났을 때 충격 전의 정보와 합쳐서 수렴시키기 때문에 빠르게 반응하지 못한 것을 보완하는 Modified RLS를 힘 예측 알고리즘으로 제안하였다.
실제 산업현장에서 많이 사용되는 펙인홀 작업에 적용하기 위한 절차를 세우고 실험을 진행하였다. 기본적인 홀의 위치가 지정된 상태에서 삽입을 진행할 때 외부 힘에 대한 반응이 발생하면 삽입 위치를 수정하여 다시 삽입을 진행한다.

가설 설정

TDE (Time delay estimation)를 기반으로 외부 힘을 예측하는 연구가 진행되었다. 비선형의 다이나믹은 연속적이거나 부분 연속적이고 시간 지연은 충분히 작다고 가정하였다. 즉 짧은 측정 시간 동안 로봇이 동일한 다이나믹 시스템을 가진다는 것이다.

제안 방법

는 RLS를 기반으로 외부 힘 예측 알고리즘을 2 DOF 로봇 시스템에 적용하여 시뮬레이션을 진행하였다^[21]. 2개의 토크 센서를 통해 2차원 평면상의 외부 힘 F_x, F_y 성분에 대한 예측을 진행하였으며 이 때 센서를 계측하여 정보를 얻는데 걸리는 시간은 1 ms이었다. 식 (9)의 λ=0.
6축 로봇의 엔드이펙터에 가해지는 외부 힘에 대한 활용을 위해 펙인홀 작업을 수행하였다. 펙인홀 작업을 수행하기 위해서 필요한 홀을 찾는 작업과 재밍을 방지하며 삽입하는 과정이 있다.
1 sample은 1 ms와 동일하다. Reference논문과의 비교 편의를 위해 sample 단위를 사용하였다. 좌측은 힘이 가해졌을 때 각 축의 토크 센서에서 측정되는 값과 계산된 값을 뺀 레지듀얼토크 값이다.
제안 된 알고리즘은 개발된 6 축 로봇 실험에 적용하여 입증하였다. 검증된 방법을 통해 실제 산업현장에서 사용되는 Peg-in-Hole 작업에 적용하여 그 실용성을 확인하였다.
외부 힘 예측 알고리즘을 통해 펙을 구멍 근처에 충돌을 하였을 때 예측되는 외부 힘에 대해 확인하였다. 구멍의 상하좌우에 대해 실험을 진행하였며 상하좌우를 각각 Case 1~4로 정하였다.
기본적인 홀의 위치가 지정된 상태에서 삽입을 진행할 때 외부 힘에 대한 반응이 발생하면 삽입 위치를 수정하여 다시 삽입을 진행한다. 구멍의 위치를 찾고 삽입을 진행 할 때 재밍이 감지되면 펙의 삽입 각도를 수정하며 진행을 한다.
기본적으로 실험에서 로봇은 2nd , 3rd , 4th 축을 0 ~ 50°를 반복 동작을 하며 힘이 가해졌을 때 원점으로 회귀하는 동작을 수행하였다.
본 연구에서는 다 관절 로봇의 조인트 토크 센서를 통해 엔드이펙터에 가해지는 힘에 대한 정보를 예측하는 알고리즘을 제안하고 이를 실험을 통해 검증하였다. 기존의 RLS가 충격에 의한 반응이 일어났을 때 충격 전의 정보와 합쳐서 수렴시키기 때문에 빠르게 반응하지 못한 것을 보완하는 Modified RLS를 힘 예측 알고리즘으로 제안하였다. 외부의 힘이 엔드이펙터에 가해지면 각 관절에서는 외부 힘에 의한 토크가 발생하며 이 때 별도의 알고리즘을 통하여 외부 힘을 예측하게 된다.
본 연구결과를 통해 각 축에 설치된 관절 토크 센서와 Modified RLS 통해 6축 로봇의 엔드이펙터에 가해진 외부 힘을 예측에 대해 검증하였다. 기존의 방법에 비해 빠르고 정확하게 가해진 외부 힘에 대해 예측 할 수 있었다.
B ~ C, B ~ D는 각각 ModifiedRLS와 RLS 방법이 실제 힘에 수렴하는데 걸리는 시간을 나타낸 것이다. 시스템에서 하드웨어의 스펙에 따라 계측에 걸리는 시간이 달라지므로 몇 개의 정보가 들어 왔다는 의미의 sample 단위를 사용하였다. RLS의 경우 113 samples 뒤에서 실제 힘에 수렴하였으며 Modified RLS를 통해서는 51 samples 후에 실제 힘에 수렴하였다.
알고리즘을 검증하기 위해 [Fig. 6]과 같은 로봇의 각 축 링크 포지션을 q1 = [0°, 10°, 30°, 50°, -90°, 0°] 으로 위치시키고 fE = [fEx, fEy, fEz , mEx, mEy, mEz ] = [0 N, 9.81 N, 0 N, 0 Nm, 0 Nm, 0 Nm]의 힘을 가하는 실험을 진행하였다.
관절 토크 센서에서 측정되는 값과 로봇의 다이나믹 모델을 통해 외부 힘에 대한 여유 토크 성분을 얻을 수 있었다. 여유 토크와 기하학적 정보를 통해 Modified RLS로 외부 힘에 대해 예측 할 수 있었다.
이 때 로봇이 구멍의 근처에서 충돌했을 경우 구멍의 위치를 갱신하기 위한 과정이 필요하다. 외부 힘 예측 알고리즘을 통해 펙을 구멍 근처에 충돌을 하였을 때 예측되는 외부 힘에 대해 확인하였다. 구멍의 상하좌우에 대해 실험을 진행하였며 상하좌우를 각각 Case 1~4로 정하였다.
외부 힘이 발생하였을 때 외부힘이 발생하였음을 판단하는 Force observer를 구성하였다. 힘 관측기에서 외부 힘을 감지하게 되면 새로 들어온 정보에 가중치를 주는 Modified weright function 을 생성하였다.
즉 짧은 측정 시간 동안 로봇이 동일한 다이나믹 시스템을 가진다는 것이다. 이 때 관절 토크 센서를 통해 외부 힘을 예측하였다. 또한 불확실성에 성능이 결정되는 것을 극복하기 위해 EKF (Extend Kalman Filter)를 사용하는 연구가 진행되었다^[13].
기존의 방법에 비해 빠르고 정확하게 가해진 외부 힘에 대해 예측 할 수 있었다. 이를 통해 펙인홀 어플리케이션전략을 수립하고 유용성을 검증하였다.
스포크의 변형이 많이 일어나는 것은 스트레인 게이지를 통한 토크 센서의 측정을 용이하게 하지만 토크 센서가 관절의 사이에 설치되기 때문에 로봇의 제어 성능을 저하시키는 원인이 된다. 이를 해결하기 위해 토크 센서의 스포크 중 스트레인 게이지를 부착할 구멍이 있는 스포크를 두 개만 구성하여 로봇의 제어 성능의 저하를 최소화하고 변형률 측정에 용이하도록 설계하였다^[16-18].
외부의 힘이 엔드이펙터에 가해지면 각 관절에서는 외부 힘에 의한 토크가 발생하며 이 때 별도의 알고리즘을 통하여 외부 힘을 예측하게 된다. 제안 된 알고리즘은 개발된 6 축 로봇 실험에 적용하여 입증하였다. 검증된 방법을 통해 실제 산업현장에서 사용되는 Peg-in-Hole 작업에 적용하여 그 실용성을 확인하였다.
펙인홀 작업 어플리케이션에 적용하기 위해 로봇의 동작을 구현해가며 외부 힘 예측 실험을 진행하였다. 실제로 가한 외부 힘과 예측한 외부힘의 크기 오차는 모든 경우에 대해 최소 2.
각 조인트 모듈은 모터, 모터 드라이버, 하모닉 드라이브, 알루미늄 재질 프레임으로 구성되어 있다. 하모닉 드라이브를 통해 조인트 모듈이 높은 위치 정확도, 토크 출력, 비틀림 강성을 얻을 수 있도록 하였다. [Fig.
8]과 같이 힘을 계측할 수 있는 장비를 구성하였다. 힘의 방향을 측정하기 위해 자이로 센서를 사용하였고 힘의 크기를 측정하기 위해 로드셀 장비를 사용하였다. 이를 하나의 모듈로 만들어 엔드이펙터 끝 단에 위치 할 수 있도록 하였다.
회전식 6축 다 관절 로봇으로 1, 2, 3축 조인트 모듈과 4, 5, 6축의 조인트 모듈, 링크 파트로 크게 나누어져 있다. 힘이 상대적으로 많이 걸리는 하단 축과 적게 걸리는 상단부의 모터 용량을 다르게 하여 로봇 전체의 무게를 줄일 수 있도록 하였다. 각 조인트 모듈은 모터, 모터 드라이버, 하모닉 드라이브, 알루미늄 재질 프레임으로 구성되어 있다.

대상 데이터

얻어진 전압은 증폭, 필터 과정을 거쳐 컴퓨터에서 토크 데이터로 얻어진다. 본 실험에서는 ADC로 HX711 칩을 사용하였다.
스트레인 게이지를 사용하는 토크 센서를 구성하였다. [Fig.

이론/모형

또한 불확실성에 성능이 결정되는 것을 극복하기 위해 EKF (Extend Kalman Filter)를 사용하는 연구가 진행되었다^[13]. 관절 토크 센서를 사용하는 과정에서 측정되는 토크 정보가 노이즈 및 진동이 발생하기 때문에 이를 부드러운 결과 및 외부 힘 예측을 하기 위해 RLS(Recursive least-square)를 사용하였다^[14,15].
Van et al.는 RLS를 기반으로 외부 힘 예측 알고리즘을 2 DOF 로봇 시스템에 적용하여 시뮬레이션을 진행하였다^[21]. 2개의 토크 센서를 통해 2차원 평면상의 외부 힘 F_x, F_y 성분에 대한 예측을 진행하였으며 이 때 센서를 계측하여 정보를 얻는데 걸리는 시간은 1 ms이었다.
본 논문에서 로봇을 제어함에 있어 시스템 모델은 Spong이 제안한 식을 토대로 하였다^[19].
시간에 따라 데이터가 지속적으로 수집되는 상황에서 f_E를 예측하기 때문에 예측된 힘 #의 오차를 줄이기 위해 RLS를 사용하였다^[20].

성능/효과

RLS의 경우 113 samples 뒤에서 실제 힘에 수렴하였으며 Modified RLS를 통해서는 51 samples 후에 실제 힘에 수렴하였다. 가중치 함수의 변경을 통해 실제 힘에 수렴하는데 걸리는 시간을 54.9% 감소시킬수 있었다.
본 논문에서는 관절 토크 센서에서 얻어지는 정보를 토대로 하여 엔드이펙터에 가해지는 힘에 대한 정보를 예측하는 방법에 대해 제안하였다. 관절 토크 센서에서 측정되는 값과 로봇의 다이나믹 모델을 통해 외부 힘에 대한 여유 토크 성분을 얻을 수 있었다. 여유 토크와 기하학적 정보를 통해 Modified RLS로 외부 힘에 대해 예측 할 수 있었다.
본 연구결과를 통해 각 축에 설치된 관절 토크 센서와 Modified RLS 통해 6축 로봇의 엔드이펙터에 가해진 외부 힘을 예측에 대해 검증하였다. 기존의 방법에 비해 빠르고 정확하게 가해진 외부 힘에 대해 예측 할 수 있었다. 이를 통해 펙인홀 어플리케이션전략을 수립하고 유용성을 검증하였다.
각 그래프에서 여유 토크가 크게 증가하는 부분은 힘 측정 장비에 힘을 가한 순간이다. 로봇의 끝 단을 손으로 잡고 미는 동작을 행하였기 때문에 여유 토크 부분이 크게 증가, 감소하고 나서 적은 진동이 발생하는 것을 확인 할 수 있다.
펙인홀 작업 어플리케이션에 적용하기 위해 로봇의 동작을 구현해가며 외부 힘 예측 실험을 진행하였다. 실제로 가한 외부 힘과 예측한 외부힘의 크기 오차는 모든 경우에 대해 최소 2.81%, 최대 5.34%, 평균은 4.11%로 나타났다. 또한 실제로 가한 외부 힘 벡터와 예측한 외부 힘 벡터 사이각도는 최소 3.

질의응답

핵심어	질문	논문에서 추출한 답변
	로봇과 주변 환경 사이의 접촉 및 힘에 대한 정보를 얻는 것이 로봇 제어에서 중요한 이유는 무엇인가?	로봇을 단순히 반복작업 및 복잡한 작업의 대체 용도로 사용한다면 외부 환경에 대한 고려 없이 지정된 경로를 잘 따라 움직일 수 있으면 된다. 하지만 주의 방해물이 있는 상황에서의 반복 작업, 인간과의 협력 작업 환경, 펙인홀 작업과 작업물체를 비틀기, 밀기, 자르기 등과 같은 작업에서는 로봇의 링크 및 엔드이펙터에서 외부 힘에 대해 인지하고 경로 수정 피드백 제어를 할 수 있어야 한다. 이러한 이유로 로봇과 주변 환경 사이의 접촉 및 힘에 대한 정보를 얻는 것은 로봇을 제어함에 있어서 중요한 요소이다[2-5].
	산업용 로봇의 정의는?	산업용 로봇은 프로그램 된 동작을 행함으로써 부품이나 장치, 도구 등을 움직일 수 있는 다 기능한 기계장치로 정의되어져 있다. 로봇이 지속적으로 개발되고 연구되면서 현재는 로봇의 활용도가 증대되고 인간의 능력을 대체할 수 있게 되었다.
	RLS를 사용하는 이유는 무엇인가?	또한 불확실성에 성능이 결정되는 것을 극복하기 위해 EKF (Extend Kalman Filter)를 사용하는 연구가 진행되었다[13]. 관절 토크 센서를 사용하는 과정에서 측정되는 토크 정보가 노이즈 및 진동이 발생하기 때문에 이를 부드러운 결과 및 외부 힘 예측을 하기 위해 RLS(Recursive least-square)를 사용하였다[14,15].

참고문헌 (21)

J.B. Beak, J.U. Jeong, and S.U. Son, "The case study on robot gripper for gripping force control robot gripper," KSPE Spring Conference, Jeju, Korea, pp. 435-436, 2015.
M.T. Mason, "Compliance and force control for computer controlled manipulators," IEEE Transactions on Systems, Man, and Cybernetics, Vol. 11, No. 6, pp. 418-432, 1981.

상세보기
T. Tsuji, A. Jazidie, and M. Kaneko, "Multi-point impedance control for redundant manipulators," IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics), Vol. 26, No. 5, pp. 707-718, 1996.

상세보기
C.H. Park, J.H. Kyung, D.I. Park, K.T. Park, D.H. Kim, and D.G. Gweon, "Direct teaching algorithm for a manipulator in a constraint condition using the teaching force shaping method," Advanced Robotics, Vol. 24, No. 8-9, pp. 1365-1384, 2010.

상세보기
P.W. Jeon, "Implementation and control of crack tracking robot using force control: Part II. Force Control," Journal of Institute of Control, Robotics and Systems, Vol. 11, No. 4, pp. 337-343, 2005.
Springer Handbook of Robotics, B. Siciliano and K. Oussama, eds., Springer, Berlin, Heidelberg, 2008, doi: 10.1007/978-3-540-30301-5.
O. Kerpa, K. Weiss, and H. Worn, "Development of a flexible tactile sensor system for a humanoid robot," 2003 IEEE/RSJ International Conference on Intelligent Robots and Systems, Las Vegas, NV, USA, 2003, doi: 10.1109/IROS.2003.1250596.
A. Stolt, M. Linderoth, A. Robertsson, and R. Johansson, "Force controlled robotic assembly without a force sensor," 2012 IEEE International Conference on Robotics and Automation, Saint Paul, MN, USA, 2012, doi: 10.1109/ICRA.2012.6224837.
S. Lu, J.H. Chung, and S.A. Velinsky, "Human-robot collision detection and identification based on wrist and base force/torque sensors," 2005 IEEE International Conference on Robotics and Automation, Barcelona, Spain, 2005, doi: 10.1109/ROBOT.2005.1570699.
P.J. Hacksel, and S.E. Salcudean, "Estimation of environment forces and rigid-body velocities using observers," 1994 IEEE International Conference on Robotics and Automation, San Diego, CA, USA, 1994, doi: 10.1109/ROBOT.1994.351233.
N. Prajumkhaiy, "Sensorless force estimation of SCARA robot system with friction compensation," Procedia Computer Science, Vol. 86, pp. 120-123, 2016.

상세보기
M. Jin, S.H. Kang, and P.H. Chang, "Robust compliant motion control of robot with nonlinear friction using time-delay estimation," IEEE Transactions on Industrial Electronics, Vol. 55, No.1, pp. 258-269, 2008.

상세보기
J. Jung, J. Lee, and K. Huh, "Robust contact force estimation for robot manipulators in three-dimensional space," Proceedings of the Institution of Mechanical Engineers, Part C: Journal of Mechanical Engineering Science, Vol. 220, No. 9, pp. 1317-1327, 2006.

상세보기
A. Stolt, M. Linderoth, A. Robertsson, and R. Johansson, "Force controlled robotic assembly without a force sensor," 2012 IEEE International Conference on Robotics and Automation, Saint Paul, MN, USA, 2012, doi: 10.1109/ICRA.2012.6224837.
Y.-J. Park, and W.-K. Chung, "Exact external torque sensing system for flexible-joint robot: kalman filter estimation with random-walk model," The Journal of Korea Robotics ciety, Vol. 9, No. 1, pp. 11-19, 2014.

원문보기 상세보기
D. Tsetserukou, R. Tadakuma, H. Kajimoto, and S. Tachi, "Optical torque sensors for implementation of local impedance control of the arm of humanoid robot," 2006 IEEE International Conference on Robotics and Automation, Orlando, FL, USA, 2006, doi: 10.1109/ROBOT.2006.1641947.
J.-K. Min, H.-S. Yu, K.-H. Ahn, and J.-B. Song, "Robot joint module equipped with joint torque sensor with disk-type coupling for torque error reduction," International Conference on Intelligent Robotics and Applications, Springer, Cham, pp 371-378, 2015.
J.-K. Min, H.-S. Kim, and J.-B. Song, "Joint module with joint torque sensor having disk-type coupling for torque error reduction," Transactions of the Korean Society of Mechanical Engineers A, Vol. 40, No. 2, pp. 133-138, 2016.

원문보기 상세보기
M.W. Spong, "Modeling and control of elastic joint robots," Journal of dynamic systems, measurement, and control, Vol. 109, No. 4, pp. 310-318, 1987.

상세보기
Ljung, L, "System identification," Signal Analysis and Prediction, Birkhauser, Boston, MA, 1998, doi: 10.1007/978-1-4612-1768-8_11.
M. Van Damme, P. Beyl, B. Vanderborght, V. Grosu, R. Van Ham, I. Vanderniepen, A. Matthys, and D. Lefeber, "Estimating robot end-effector force from noisy actuator torque measurements," 2011 IEEE International Conference on Robotics and Automation, Shanghai, China, 2011, doi: 10.1109/ICRA.2011.5980210.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증