[논문]얀센메커니즘을 이용한 라인트레이서 설계

김형욱; 손초능; 유지훈; 최영

문제 정의

본 대회는 주어진 라인을 이탈하지 않고 빠르게 가는 것이 목적이므로 궤적과 바닥의 각도보다는 최적의 GL(Ground Length)의크기를 찾는 것을 목적으로 하였다. 또한 구동부가 모터의 토크를 전달하는 방식, 4족 보행과 8족 보행의 차이, 센서의 위치와 그에 따른 적절한 Arduion cording, 전체 로봇의 규격, 발의 마찰력 등에 따라서 보행의 정확성과 속도가 결정되므로 실험을 통해 최적의 설계를 하기로 하였다.

가설 설정

[Figure 5]와 같이 질량분포가 균일한 막대로 가정된 로봇의 몸체가 θ의 각을 가진 커브를 지난다고 가정하자.
실험 결과 커브의 종류와 상관 없이 로봇의 폭이 늘어날수록 완전히 회전하는 데 걸리는 시간도 늘어나는 경향을 보인다. 따라서 폭이 늘어나면 각가속도는 줄어든다는 가정을 위의 실험을 통해 검증하여 실제 로봇의 폭을 주어진 재료의 제한조건을 만족하는 최대한의 길이로 설계하였다.

제안 방법

3cm 내의 GL중 트랙을 정확히 따라가기 위한 최적의 크기를 예측해보기 위해 각각 대략적으로 18mm, 22mm, 26mm GL을 갖도록 하는 링크길이를 m.sketch를 이용하여 설계해 임의로 만든 트랙에서 완주시간을 측정해 보았고 [Figure 3]은 보폭의 크기를 14mm, 18mm, 22mm, 26mm로 고정하였을 때 각각 최적화된 궤적의 모습을 보여준다 그때의 보행시간의 결과는 Table1과 같다.
[Figure 9]은 4개의 센서를 이용한 라인트레이서의 기존코딩과 6개의 센서로 변경된 코딩을 비교해 보여준다. 기존 0000~1111까지 16개의 경우의 수에서 000000~111111로 64개의 경우의 수로 늘어났고 새로운 두 개의 센서가 포함되어 있는 경우를 추가하여 이로 인해 추가된 경우에서 모터의 속도를 지정해줬다. [Figure 10]는 센서를 추가로 달고 코딩을 변경함에 따라 센서가 트랙을 감지하는 모습을 비교한 것이다.
대회에서 주어진 트랙의 두께는 3cm이고 직각커브를 만났을 때 보폭이 3cm가 넘어가면 로봇이 트랙을 인식하지 못하고 지나칠 가능성을 감안하여 3cm 이내의 GL을 가질 수있도록 하였다.
트랙이 진행되며 코스의 곡률이 변해감에 따라서 필요한 적정 t₁ 값은 계속 변하게 된다. 따라서 센서의 위치는 규격 내에서 가능한 가장 앞으로 하고 interval 값을 계속 변화시켜 다양한 곡률을 가진 커브에서 완주시간을 비교해 최적의 t₁을 내는 interval 값을 구하기로 하였다. 다양한 커브에서의 실험 결과는 [Table 3]과 같다.
본 대회는 주어진 라인을 이탈하지 않고 빠르게 가는 것이 목적이므로 궤적과 바닥의 각도보다는 최적의 GL(Ground Length)의크기를 찾는 것을 목적으로 하였다. 또한 구동부가 모터의 토크를 전달하는 방식, 4족 보행과 8족 보행의 차이, 센서의 위치와 그에 따른 적절한 Arduion cording, 전체 로봇의 규격, 발의 마찰력 등에 따라서 보행의 정확성과 속도가 결정되므로 실험을 통해 최적의 설계를 하기로 하였다.
또한 다리가 많이 길지 않아도 원하는 크기의 GL을 얻을 수 있었기 때문에 링크의 연결부위가 심하게 훼손되지 않는 높이의 다리길이를 얻을 수 있었다. 로봇의 앞뒤 크기 역시 링크의 길이를 크게 하지 않아도 원하는 GL을 얻을 수 있었으므로 규격내의 크기에서 센서와 몸체의 거리를 조정하며 최적의 크기를 결정하였다.
sketch의 궤적 최적화 기능을 활용하여 [Figure 2]와 같은 최적화된 궤적을 그릴 수있도록 설계하였다. 이후 도면을 출력하여 레이저 커팅을 이용한 필요한 길이의 아크릴을 재료로 한 링크를 구하였다.

성능/효과

GL의 크기가 클수록 보폭이 커져 앞으로 크게 나아가겠지만 지나치게 커지면 센서와 로봇의 보폭 간의 오차로 인해 주어진 경로를 이탈할 가능성이 있다. m.sketch를사용하여 기존 비스트레이서 링크의 길이를 바탕으로 궤적을 살펴본 결과 링크의 길이가 길어 몸체가 큰 반면 [Figure 1]과 같이 궤적과 바닥이 이루는 각도가 크고 GL은 그에 비해 짧은 6mm의 보폭을 가지는 것을 보일 수 있었다. 이는 기존 링크의 형태가 매우 비효율적임을 보여준다.
[Figure 10]는 센서를 추가로 달고 코딩을 변경함에 따라 센서가 트랙을 감지하는 모습을 비교한 것이다. 감지범위가 증가하고 기존에 있던 센서 간의 간격이 좁아지게 되면서 보다 정밀한 감지가 가능했고 트랙에서 로봇이 밖으로 벗어나는 일도 줄어들었다. 또 커브 곡률의 크기를 대략적으로 파악할 수 있게 되었기 때문에 곡률반경이 작은 커브에서는 회전을 크게, 곡률반경이 큰 커브에서는 회전을 작게 하여 좀 더 빠르게 트랙을 돌 수있게 하였다.
실험 결과 커브의 종류와 상관 없이 로봇의 폭이 늘어날수록 완전히 회전하는 데 걸리는 시간도 늘어나는 경향을 보인다. 따라서 폭이 늘어나면 각가속도는 줄어든다는 가정을 위의 실험을 통해 검증하여 실제 로봇의 폭을 주어진 재료의 제한조건을 만족하는 최대한의 길이로 설계하였다.

후속연구

또한 GL크기를 설계변수로 한 실험이나 Arduino cording의 Interval 값을 설계변수로한 실험의 경우 변수의 크기와 결과값의 정확한 상관관계를 알지 못하였기 때문에 단순히 설계변수를 바꿔가면서 최적값을 찾을수 밖에 없었다. 따라서 이후의 연구를 통해 상관관계를 찾아낸다면 최적값을 얻는 일이 훨씬 정교해지고 수월해 질 것으로 판단된다. 또한 각 설계변수사이에서도 독립적이지 않고 couple 되어 영향을 주는 요인도 반드시 존재할 것으로 생각되므로 각 변수들 사이의 상관관계에 대한 연구도 진행되어야 할 것이다.
따라서 이후의 연구를 통해 상관관계를 찾아낸다면 최적값을 얻는 일이 훨씬 정교해지고 수월해 질 것으로 판단된다. 또한 각 설계변수사이에서도 독립적이지 않고 couple 되어 영향을 주는 요인도 반드시 존재할 것으로 생각되므로 각 변수들 사이의 상관관계에 대한 연구도 진행되어야 할 것이다.
이는 기존 링크의 형태가 매우 비효율적임을 보여준다. 또한 크기와 이에 비례하여 로봇의 질량 역시 증가할 것으로 예상되므로 속도를 빠르게 하기 위해서는 같은 링크의 모양을 유지하면서 기존 과학상자 재료가 아닌 다른 가벼운 재료로 바꿀 필요가 있었다.

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

얀센메커니즘을 이용한 라인트레이서 설계 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

얀센메커니즘을 이용한 라인트레이서 설계 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

초록
AI-Helper

AI 본문요약
AI-Helper