[논문]스마트 팩토리를 위한 제조공정 내에서 단조 부품의 이송자동화를 위한 로봇의 실시간 경로제어에 관한 연구

강정석; 노성훈; 김두범; 배호영; 김상현; 임오득; 한성현

doi:10.21289/ksic.2019.22.3.281

스마트 팩토리를 위한 제조공정 내에서 단조 부품의 이송자동화를 위한 로봇의 실시간 경로제어에 관한 연구
A Study on the Real-Tim Path Control of Robot for Transfer Automation of Forging Parts in Manufacturing Process for Smart Factory 원문보기

한국산업융합학회 논문집 = Journal of the Korean Society of Industry Convergence, v.22 no.3, 2019년, pp.281 - 292

강정석 ((주)스맥) , 노성훈 ((주)영창로보테크) , 김두범 (경남대학교 대학원) , 배호영 (경남대학교 대학원) , 김상현 (경남대학교 대학원) , 임오득 (해군정비창) , 한성현 (경남대학교 기계공학부)

Abstract ▼ AI-Helper

This paper proposed a new technology to control a path forging parts in limited narrow space of manufacturing process automation for smart factory. In the motion control, we adapted the obstacle avoidance technology based on ultrasonic sensors. The new motion control performance test for a mobile robot is experimented in narrow space environments. The travelling path control is performed by a fuzzy control logic. which plays a role for selecting an appropriate behavior in accordance with the situation in the vicinity of the mobile robot. Ultrasonic sensors installed at the front face of the mobile robot are used. In order to update the current position and heading angle of the mobile robot, a new approch is adapted. The reliability is illustrated by simulation and experiments.

주제어

표/그림 (19)

그림 Fig. 1 The coordinates system of robot (X-Y-Z axis)
그림 Fig. 2 The exponential form of repulsive force potential
그림 Fig. 3 Fuzzy logic system
그림 Fig. 4 Schematic of robot controller
그림 Fig. 5 The relation between of robot frame and wall
그림 Fig. 6 Membership function for angle in path planning
그림 Fig. 7 Membership function for distance in path planning
표 Table 1. Fuzzy rules 1 for path planning(Angle)
표 Table 2. Fuzzy rules 2 for path planning(Distance)
그림 Fig. 8 Voice recognition scheme
그림 Fig. 9 Control performance of the intelligent controller for the variation of the velocity trajectory with parameter uncertainties(8%)
그림 Fig. 10 Control performance of the intelligent controller for variation of the velocity trajectory with parameter uncertainties (12%)
표 Table 3. The learning results of Ω_s for reference trajectory
표 Table 4. The 49 control rules for 7 labels
그림 Fig. 11 Control performance of the intelligent controller for the variation of the azimuth trajectory with parameter uncertainties (8%)
그림 Fig.12 Control performance of the intelligent controller for the variation of the azimuth trajectory with parameter uncertainties (12%)
그림 Fig. 13 Voice recognition word registration program
그림 Fig. 14 The scnen of experiment
그림 Fig. 15 experiment result of transfer automation a forging parts

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 모바일 로봇을 이용하여 공장 내의 좁은 공간에서 물건의 이동 및 전달 작업의 실현을 위한 장애물 회피를 고려한 주행제어 방법을 제안한다. 그리고 스마트 공장의 실현 목적으로 사람의 작업명령에 의해 로봇의 작업 모션제어 실현에 관한 연구도 수행하고 실험을 통하여 그 신뢰성을 증명한다.
로봇의 미끄러짐이 가로 방향력(Lateral force)과 미끄러지는 각에 의해서 발생한다고 가정하면, 퍼텐셜 필드 이동경로계획 방식에 따라 장애물을 회피하는 경우 미끄러지는 각이 상대적으로 커질 수 있다. 따라서 이러한 문제를 해결하기 위해 퍼텐셜 필드 이동경로계획에서 척력에 대한 인위적인 힘은 평탄화 될 필요가 있으며, 척력에 대한 인위적인 힘을 평탄화시키는 방식을 제안한다. 척력 퍼텐셜에 관한 식은 식 (10)과 같고 이 경우 Fig.
본 연구에서는 모바일 로봇을 이용하여 공장 내의 좁은 공간에서 물건의 이동 및 전달 작업의 실현을 위한 장애물 회피를 고려한 주행제어 방법을 제안한다. 그리고 스마트 공장의 실현 목적으로 사람의 작업명령에 의해 로봇의 작업 모션제어 실현에 관한 연구도 수행하고 실험을 통하여 그 신뢰성을 증명한다.
본 연구에서는 제조공장내의 좁은 공간에서 단조부품의 이송 및 전달 작업 자동화를 위한 로봇의 실시간 경로 제어 실현을 위하여 장애물회피를 고려한 이송자동화에 대한 새로운 기법을 제안하고, 시뮬레이션 및 실험을 통하여, 그 신뢰성을 확인하였다. 그리고 스마트 팩토리 실현을 위해 음성인식을 통하여 사람과의 간단한 대화형식에 의한 로봇작업 명령제어 성능실험을 통하여 스마트 팩토리의 실현 가능성을 제시하였다.

제안 방법

9는 인식시스템의 개념적인 모델이다. Endpoint detection에서 음성의 시작점을 검출하면, 검출된 음성에 대해서 front end feature extraction에서 MFCC로 변환하고, MFCC를 이용하여 acoustic matcher에서 speech model과 acoustic score를 구한다.
본 연구에서는 제조공장내의 좁은 공간에서 단조부품의 이송 및 전달 작업 자동화를 위한 로봇의 실시간 경로 제어 실현을 위하여 장애물회피를 고려한 이송자동화에 대한 새로운 기법을 제안하고, 시뮬레이션 및 실험을 통하여, 그 신뢰성을 확인하였다. 그리고 스마트 팩토리 실현을 위해 음성인식을 통하여 사람과의 간단한 대화형식에 의한 로봇작업 명령제어 성능실험을 통하여 스마트 팩토리의 실현 가능성을 제시하였다.
임시 목표가 정해지면 로봇간의 거리를 계산해야하는데 이를 위해 구해진 영상의 정보와 적외선 센서를 이용하였다. 두 개의 카메라에서 각각 얻어진 두 영상을 비교해 보다 정확한 거리를 산출할 수 있는 스테레오 비전 방법도 있지만 본 연구에서는 하나의 카메라로 거리를 측정하였다. 바닥에서 카메라까지의 높이인 h_y, 카메라 앞부분에 존재하는 사각의 거리인 b_y, 카메라로 포착 가능한 최장거리인 l_y+b_y, 카메라의 좌우 폭인 l_x는 실제 측정하고, 이 4개의 측정값을 이용하여 세 가지 각도를 구할 수 있다.
비퍼지화기(Defuzzifier)는 추론엔진에서 추론된 퍼지집합들을 공학적으로 이용 가능한 보통집합으로 변환시킨다. 비퍼지화기에는 최대값 방법, 최대 평균값, 무게중심법 등이 있으며, 제안한 방식에서는 가장 성공적으로 적용되고 있는 무게중심법을 이용한다.
사용된 제어기의 입력으로는 임시목표와 로봇과의 거리, 목표와 로봇의 진행방향과의 차이를 사용하였고, 출력은 회전각과 이동해야 할 거리로 설정하였다. 사용된 제어기의 퍼지화기에 사용된 입력 소속 함수로는 계산이 간단한 삼각파 형태를 사용하였으며, 출력 소수 함수는 singleton을 사용하여 연산량을 최소화 하였다.
위의 이동 로봇 모델의 시뮬레이션 조건에서 샘플링 기간은 5[ms], 기준속도 V_d는 300[mm/s]로써 주어졌고, 상태변수의 초기값은 x= [0 0 0]T로써 주어졌다. 시뮬레이션 실험에 있어서 시뮬레이션 시 고려된 파라메타의 불확실성의 고려는 주어진 이동형 로봇의 모든 제원에서 휠의 관성모멘트 및 점성마찰력에 대한 파라미터 값을 증감시키는 방법으로 실험하였다.
이동로봇의 미끄러짐을 고려하여 미끄러짐 발생 시 이동로봇의 위치를 퍼지 논리 시스템을 이용하여 보정하는 방식을 제안한다. 퍼지 논리 시스템의 뛰어난 추론 능력으로 미끄러짐을 추론할 수 있다.
인식률과 효용성을 높이기 위해 HMM은 음성데이터를 바로 모델링하지 않고, 음성데이터를 사람이 주관적으로 인지하는 주파수 특성을 반영하여 주파수를 mel-scale로 warping 해서 필터뱅크를 비선형적으로 분포시켜 구해지는 MFCC를 음성특징벡터로 변환시켜서 모델링한다. 이 변환과정을 ‘정면 끝’부분에서 수행되어지는 ‘특징 추출’ 기법을 적용하여 실행한다.
임시 목표가 정해지면 로봇간의 거리를 계산해야하는데 이를 위해 구해진 영상의 정보와 적외선 센서를 이용하였다. 두 개의 카메라에서 각각 얻어진 두 영상을 비교해 보다 정확한 거리를 산출할 수 있는 스테레오 비전 방법도 있지만 본 연구에서는 하나의 카메라로 거리를 측정하였다.

데이터처리

로봇의 위치 및 속도제어 성능시험을 퍼지 제어기법에 의해 실험을 수행하고 성능을 검증하였다. 수치실험은 미지의 외란 및 파라미터의 불확실성을 고려한 상태에서 이동용 로봇의 속도 및 방향제어에 대한 성능 시험을 수행하였고 그 결과를 토크 계산법과 비교하였다. 위의 이동 로봇 모델의 시뮬레이션 조건에서 샘플링 기간은 5[ms], 기준속도 V_d는 300[mm/s]로써 주어졌고, 상태변수의 초기값은 x= [0 0 0]T로써 주어졌다.

이론/모형

로봇의 위치 및 속도제어 성능시험을 퍼지 제어기법에 의해 실험을 수행하고 성능을 검증하였다. 수치실험은 미지의 외란 및 파라미터의 불확실성을 고려한 상태에서 이동용 로봇의 속도 및 방향제어에 대한 성능 시험을 수행하였고 그 결과를 토크 계산법과 비교하였다.
이 변환과정을 ‘정면 끝’부분에서 수행되어지는 ‘특징 추출’ 기법을 적용하여 실행한다.
사용된 제어기의 퍼지화기에 사용된 입력 소속 함수로는 계산이 간단한 삼각파 형태를 사용하였으며, 출력 소수 함수는 singleton을 사용하여 연산량을 최소화 하였다. 퍼지 추론부에는 Mamdani의 min-max 연산을 사용하였고, 비퍼지화기에서는 무게 중심법을 사용하였다.[17,18]

성능/효과

HMM 모델은 연속 HMM과 이산 HMM으로 나뉘는데, 연속 HMM이 음성인식, 화자 인증 또는 인식 등에서 우수한 성능을 보인다. 연속 HMM은 연속 관측 확률밀도함수를 사용하는데 아래의 식으로 표현된다.
11은 8%의 파라미터 불확실성을 고려한 경우에서의 지능제어기의 방향각궤적추적 성능 실험 결과를 나타내고 있다. 성능실험결과 8% 파라미터 불확실성시 최대 오버슈트량은 약 0.001 (rad)를 나타내고, 정착시간(settling time)은 약 0.6초를 나타내고 있다. 두가지 방향각기준궤적에 대한 추적성능이 매우 양호함을 보여주고 있다.
2에서 수평축의 좌표 값 1인 점 주위에서 움직이게 될 것이다. 이 좌표 값의 주위에서 퍼텐셜 장벽의 기울기를 비교해 보면 제안한 방식이 좀 더 평탄함을 알 수 있다. 로봇이 움직이는 경로가 완만해지므로 미끄러짐을 좀 더 방지할 수 있다.
10는 12%의 파라미터 불확실성을 고려한 상태에서 제안된 지능제어기의 속도궤적추적 성능 실험 결과를 나타내고 있다. 파라미터 불확실성을 12% 고려한 상태에서의 제안된 지능제어시의 최대 오버슈트량은 약 0.6(m/s)를 나타내고, 정착시간(settling time)은 약 0.08초를 나타내고 있다. Fig.

질의응답

핵심어	질문	논문에서 추출한 답변
	가로 방향력과 미끄러지는 각에 의해서 발생하는 로봇의 미끄러짐을 해결할 수 있는 방안은?	로봇의 미끄러짐이 가로 방향력(Lateral force)과 미끄러지는 각에 의해서 발생한다고 가정하면, 퍼텐셜 필드 이동경로계획 방식에 따라 장애물을 회피하는 경우 미끄러지는 각이 상대적으로 커질 수 있다. 따라서 이러한 문제를 해결하기 위해 퍼텐셜 필드 이동경로계획에서 척력에 대한 인위적인 힘은 평탄화 될 필요가 있으며, 척력에 대한 인위적인 힘을 평탄화시키는 방식을 제안한다. 척력 퍼텐셜에 관한 식은 식 (10)과 같고 이 경우 Fig.
	이동 로봇의 위치 및 속도 오차의 정의는?	이동 로봇의 위치 및 속도 오차는 기준궤적과 실제궤적 사이의 차로 정의 되며, 실궤적은 엔코더에서 검출된 구륜속도를 본체속도로 변환함으로써 계산될 수 있다.
	통신기술에서 소리의 특징과 개발현황은?	이러한 통신 기술은 기본적으로 인간과 인간 사이의 통신의 자유도를 향상시키는 방향으로 발전되어 왔는데, 최근에는 이를 뛰어 넘어 인간과 기계 사이에 음성을 이용한 대화를 가능케 하는 기술에 대한 연구 및 개발에 큰 관심이 집중되고 있다. 한편, 소리는 인간의 가장 자연스러운 통신방법으로, 사람과 기계사이의 자연스러운 통신을 위해 소리인식에 관한 연구가 꾸준히 진행되어 왔으며 수십단어 정도의 어휘를 대상으로 불특정 화자의 음성을 인식하거나, 화자 적응을 통해 수만 단어를 인식할 수 있는 시스템들이 상용화되기 시작했다.[1]

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