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
- 본 논문에서는 이동 로봇이 센서를 이용하여 장애물을 회피하고 목적지까지 이동이 가능한 자율항해시스템을 개발하였다. 장애물 탐지를 위해 다섯 조의 초음파센서와 2개의 모터를 사용하여 이동제어가 가능하도록 설계하였다.
제안 방법
- 또한 장애물의 형태와 초기위치, 목적지 등을 변화시켜 다양한 학습데이터를 획득하였다. LM신경망에 학습데이터를 사용하여 로봇의 각속도를 생성하는 제어기를 생성한 후 이를 로봇 시스템에 적용하여 모의실험을 통해 성능을 평가하였다.
- 그님 1과 같이 다섯 조의 초음파 센서를 장착하여 장애물과의 거리를 측정하였다. 선면센서, 중앙에서 ±15도 기울기를 가지는 센서 두 개, 그리고 좌우 측면에 각각 하나씩을 설치하였다.
- LM 신경망은 경사하강법을 사용하든 기존 신경망에 비해 가우시안-뉴튼 방법을 사용하여 국부최소치에 빠지는 단짐을 보안하였고, 복잡한 비선형 시스템에도 좋은 제어 효과를 가지고 있다. 다섯 조의 초음파를 사용하여 로봇의 시스템을 구성하였고 2개의 BLDC모터를 장착한 2-휠 형태로 제작하여 이동성을 보장하였다.
- 선면센서, 중앙에서 ±15도 기울기를 가지는 센서 두 개, 그리고 좌우 측면에 각각 하나씩을 설치하였다. 두 개의 BLDC모더를 장착하여 로봇의 이동을 제어하며 중앙에 제어기를 설치하여 센서신호 값에 따라 모더의 속도를 제어할 수 있도록 제작하였다. 앞 뒷면의 바닥에는 옴니디렉션휠을 장착하여 모바일 로봇의 자율 이동이 가능하도룩 하였다.
- 로봇을 초기위치부터 목적지까지 이동하면서 발생하는 초음파센서의 신호를 획득하고 이에 따른 각 모더의 각속도를 획득하여 학습데이더를 생성하였다. 또한 장애물의 형태와 초기위치, 목적지 등을 변화시켜 다양한 학습데이터를 획득하였다.
- 본 논문에서는 신경망의 학습데이터를 생성하기 위해 기존 퍼지룰에 따른 모터의 속도를 사용하였다. 즉 각 센서로부터의 들어오는 거리값에 따라 모터의 좌우 속도가 정해질 수 있도록 제작하였다.
- 본 연구의 성능을 평가하기 위하여 모의실험을 진행하였다. 일정 범위 내에 존재하는 임의의 장애물을 회피할 수 있는 능력을 실험하였다.
- 선면센서, 중앙에서 ±15도 기울기를 가지는 센서 두 개, 그리고 좌우 측면에 각각 하나씩을 설치하였다. 두 개의 BLDC모더를 장착하여 로봇의 이동을 제어하며 중앙에 제어기를 설치하여 센서신호 값에 따라 모더의 속도를 제어할 수 있도록 제작하였다.
- 퍼지룰을 기반으로 한 LM신경회로망 제어기를 사용하여 비선형 시스템에 적용이 가능하도록 하였고 기존 방법의 국부최소치 에러를 감소하여 좋은 성능을 획득할 수 있었다. 시뮬레이션을 통해 로봇의 이동 성능과 회피 능력을 검증하였다. 향후 연구로는 실제 필드테스트를 거쳐 보안 로봇이나 서비스 로봇으로의 활용할 수 있는 시스템의 설계가 되겠다.
- 일정 범위 내에 존재하는 임의의 장애물을 회피할 수 있는 능력을 실험하였다. 시작 위치와 목적지를 변경하여 실험하였으펴, 장애물의 크기와 종류를 변경하였다. 그림4는 목적지는 같고 시작점이 다른 실험결과를 보여준다.
- 본 연구의 성능을 평가하기 위하여 모의실험을 진행하였다. 일정 범위 내에 존재하는 임의의 장애물을 회피할 수 있는 능력을 실험하였다. 시작 위치와 목적지를 변경하여 실험하였으펴, 장애물의 크기와 종류를 변경하였다.
- 이동이 가능한 자율항해시스템을 개발하였다. 장애물 탐지를 위해 다섯 조의 초음파센서와 2개의 모터를 사용하여 이동제어가 가능하도록 설계하였다. 퍼지룰을 기반으로 한 LM신경회로망 제어기를 사용하여 비선형 시스템에 적용이 가능하도록 하였고 기존 방법의 국부최소치 에러를 감소하여 좋은 성능을 획득할 수 있었다.
- 모터의 속도를 사용하였다. 즉 각 센서로부터의 들어오는 거리값에 따라 모터의 좌우 속도가 정해질 수 있도록 제작하였다.
대상 데이터
- 로봇을 초기위치부터 목적지까지 이동하면서 발생하는 초음파센서의 신호를 획득하고 이에 따른 각 모더의 각속도를 획득하여 학습데이더를 생성하였다. 또한 장애물의 형태와 초기위치, 목적지 등을 변화시켜 다양한 학습데이터를 획득하였다. LM신경망에 학습데이터를 사용하여 로봇의 각속도를 생성하는 제어기를 생성한 후 이를 로봇 시스템에 적용하여 모의실험을 통해 성능을 평가하였다.
이론/모형
- 학습법으로는 비선형 시스템에 직용이가능하고 국부최소치에러가 적은 Levenberg- Marquardt 신경망 방법을 적용하였다. 기존 역전파신경망이 경사하강법만을 적용하여 오차를 최소화하였다면 LM신경망은 가우스-뉴튼 방법을 적용하여 2차도함수와 헤 시안행렬을 적용하여 신경망의 에러를 최소화하였다. 신경망의 가중치를 갱신하는 방정식은 다음과 같다.
- 신경망의 학습데이터를 구하기 위해 기존 퍼지룰과 최적제어기법을 사용하였다. 로봇을 초기위치부터 목적지까지 이동하면서 발생하는 초음파센서의 신호를 획득하고 이에 따른 각 모더의 각속도를 획득하여 학습데이더를 생성하였다.
- 좌우 모터의 속도값이다. 학습법으로는 비선형 시스템에 직용이가능하고 국부최소치에러가 적은 Levenberg- Marquardt 신경망 방법을 적용하였다. 기존 역전파신경망이 경사하강법만을 적용하여 오차를 최소화하였다면 LM신경망은 가우스-뉴튼 방법을 적용하여 2차도함수와 헤 시안행렬을 적용하여 신경망의 에러를 최소화하였다.
성능/효과
- 장애물 탐지를 위해 다섯 조의 초음파센서와 2개의 모터를 사용하여 이동제어가 가능하도록 설계하였다. 퍼지룰을 기반으로 한 LM신경회로망 제어기를 사용하여 비선형 시스템에 적용이 가능하도록 하였고 기존 방법의 국부최소치 에러를 감소하여 좋은 성능을 획득할 수 있었다. 시뮬레이션을 통해 로봇의 이동 성능과 회피 능력을 검증하였다.
후속연구
- 시뮬레이션을 통해 로봇의 이동 성능과 회피 능력을 검증하였다. 향후 연구로는 실제 필드테스트를 거쳐 보안 로봇이나 서비스 로봇으로의 활용할 수 있는 시스템의 설계가 되겠다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.