KR102618327B1 - 로봇아암 관절마찰 추정장치 및 추정방법 - Google Patents

Abstract

본 발명은 로봇아암에서 발생하는 마찰토크를 실시간으로 정확하게 추정하여 로봇아암의 제어 정밀도를 향상시킬 수 있는 로봇아암 관절마찰 추정장치 및 추정방법에 관한 것으로,
본 발명의 실시예에 따른 로봇아암 관절마찰 추정장치는,
외력이 없는 임의의 자세에서의 로봇아암의 마찰토크값과 관절속도값을 매칭한 입력 데이터 세트를 수집하는 데이터 수집부; 상기 입력 데이터 세트를 입력값으로 재귀선형회귀 모델을 구동하여 마찰 파라미터를 추정하는 재귀선형회귀 모델부; 및, 상기 추정된 마찰 파라미터를 이용하여 추정 마찰토크를 산출하고, 산출된 추정 마찰토크를 로봇아암의 동작을 제어하는 제어부로 전송하는 마찰토크 추정부;를 포함한다.

Description

로봇아암 관절마찰 추정장치 및 추정방법 {Robot arm joint friction estimation device and estimation method}

본 발명은 로봇아암에서 발생하는 마찰토크를 실시간으로 정확하게 추정하여 로봇아암의 제어 정밀도를 향상시킬 수 있는 로봇아암 관절마찰 추정장치 및 추정방법에 관한 것이다.

최근 다양한 로봇들이 개발되고 있다. 그 중에서도 관절을 구비하여 높은 자유도를 가진 다관절 구조의 로봇아암이 생활 및 산업 분야에서 널리 보급되고 있다. 로봇아암은 작업물을 지지하거나 운반하기 위해 사용될 수 있다.

이러한 로봇아암의　관절에서 발생하는　마찰력은 로봇의 위치 및 속도 오차, 응답성능 저하, stick-slip 운동 등과 같은 비선형　마찰현상을 야기하여 로봇의 정밀 제어 및　관절토크 기반 제어의 성능을 저하하는 주요 원인이다.

마찰현상으로 인한 로봇의 제어성능 저하를 로봇의　관절　마찰력을 예측하여 적절히 보상함으로써 개선할 수 있으며, 이러한 기술을 로봇아암의　마찰　보상 기술이라 한다.

로봇의　관절에서 발생하는　마찰력을 예측하기 위해서는　마찰력의 수학적 모델을 구성해야 하며,　마찰력의 수학적 모델을 구성하기 위해서는　마찰력을　추정하는 과정이 필요하다.

한국공개특허 10-2017-0086862

본 발명은 로봇아암에서 발생하는 마찰토크를 실시간으로 정확하게 추정하여 로봇아암의 제어 정밀도를 향상시킬 수 있는 로봇아암 관절마찰 추정장치 및 추정방법을 제공하는 것을 목적으로 한다.

본 발명의 실시예에 따른 로봇아암 관절마찰 추정장치는,

외력이 없는 임의의 자세에서의 로봇아암의 마찰토크값과 관절속도값을 매칭한 입력 데이터 세트를 수집하는 데이터 수집부; 상기 입력 데이터 세트를 입력값으로 재귀선형회귀 모델을 구동하여 마찰 파라미터를 추정하는 재귀선형회귀 모델부; 및, 상기 추정된 마찰 파라미터를 이용하여 추정 마찰토크를 산출하고, 산출된 추정 마찰토크를 로봇아암의 동작을 제어하는 제어부로 전송하는 마찰토크 추정부;를 포함한다.

본 발명의 실시예에 따른 로봇아암 관절마찰 추정장치에 있어서, 상기 데이터 수집부는, 상기 입력 데이터 세트 중에서 관절속도값이 동일한 입력 데이터 세트 중 적어도 어느 하나는 노이즈 처리할 수 있다.

본 발명의 실시예에 따른 로봇아암 관절마찰 추정장치에 있어서, 상기 재귀선형회귀 모델부는, 하기 식 (a)의 예측 모델을 이용하여 최소자승법 재귀선형회귀 모델을 구동할 수 있다.

식 (a) :

(여기서, 는 마찰토크, 는 관절속도, 는 쿨롬 마찰계수, , , 는 점성계수임)

본 발명의 실시예에 따른 로봇아암 관절마찰 추정장치에 있어서, 상기 재귀선형회귀 모델부는, 상기 데이터 수집부에서 실시간으로 수집된 입력 데이터 세트를 반영하여 실시간으로 마찰 파라미터(, , , )를 갱신할 수 있다.

본 발명의 실시예에 따른 로봇아암 관절마찰 추정장치에 있어서, 상기 재귀선형회귀 모델부는, 하기 식 (b)의 예측 모델을 이용하여 최소자승법 재귀선형회귀 모델을 구동하여 실시간으로 마찰 파라미터(, , , )를 갱신할 수 있다.

식 (b) :

(여기서, 는 i번째 데이터 수집 주기에서의 마찰 파라미터 행렬, 는 (i-1)번째 데이터 수집 주기에서의 마찰 파라미터 행렬, 는 i번째 데이터 수집 주기에서의 마찰토크 행렬, 는 i번째 데이터 수집 주기에서의 관절속도 을 포함하는 행렬임)

본 발명의 실시예에 따른 로봇아암 관절마찰 추정방법은,

외력이 없는 임의의 자세에서의 로봇아암의 마찰토크값과 관절속도값을 매칭한 입력 데이터 세트를 수집하는 데이터 수집단계; 상기 입력 데이터 세트를 입력값으로 재귀선형회귀 모델을 구동하여 마찰 파라미터를 추정하는 마찰 파라미터 추정단계; 및, 상기 추정된 마찰 파라미터를 이용하여 추정 마찰토크를 산출하는 마찰토크 추정단계;를 포함한다.

본 발명의 실시예에 따른 로봇아암 관절마찰 추정방법에 있어서, 상기 데이터 수집단계는, 상기 입력 데이터 세트 중에서 관절속도값이 동일한 입력 데이터 세트 중 적어도 어느 하나는 노이즈 처리할 수 있다.

본 발명의 실시예에 따른 로봇아암 관절마찰 추정방법에 있어서, 상기 마찰 파라미터 추정단계는, 하기 식 (a)의 예측 모델을 이용하여 최소자승법 재귀선형회귀 모델을 구동할 수 있다.

식 (a) :

(여기서, 는 마찰토크, 는 관절속도, 는 쿨롬 마찰계수, , , 는 점성계수임)

본 발명의 실시예에 따른 로봇아암 관절마찰 추정방법에 있어서, 상기 마찰 파라미터 추정단계는, 상기 데이터 수집단계에서 실시간으로 수집된 입력 데이터 세트를 반영하여 실시간으로 마찰 파라미터(,, , )를 갱신할 수 있다.

본 발명의 실시예에 따른 로봇아암 관절마찰 추정방법에 있어서, 상기 마찰 파라미터 추정단계는, 하기 식 (b)의 예측 모델을 이용하여 최소자승법 재귀선형회귀 모델을 구동하여 실시간으로 마찰 파라미터(, , , )를 갱신할 수 있다.

식 (b) :

(여기서, 는 i번째 데이터 수집 주기에서의 마찰 파라미터 행렬, 는 (i-1)번째 데이터 수집 주기에서의 마찰 파라미터 행렬, 는 i번째 데이터 수집 주기에서의 마찰토크 행렬, 는 i번째 데이터 수집 주기에서의 관절속도 을 포함하는 행렬임)

기타 본 발명의 다양한 측면에 따른 구현예들의 구체적인 사항은 이하의 상세한 설명에 포함되어 있다.

본 발명의 실시 형태에 따르면, 로봇아암에서 발생하는 마찰토크를 실시간으로 정확하게 추정 및 갱신하여 로봇아암의 제어 정밀도를 향상시킬 수 있다.

도 1은 종래 방법에서 마찰토크를 산출하고, 이를 로봇아암 제어에 반영하는 과정이 개념적으로 도시된 순서도이다.
도 2는 본 발명의 일 실시예에 따른 로봇아암 관절마찰 추정장치에서 마찰토크를 추정하고, 이를 로봇아암 제어에 반영하는 과정이 개념적으로 도시된 순서도이다.
도 3은 로봇 아암의 개략적인 모식도이다.
도 4는 본 발명의 일 실시예에 따른 로봇아암 관절마찰 추정장치가 도시된 블록도이다.
도 5는 본 발명의 일 실시예에 따른 로봇아암 관절마찰 추정장치의 마찰 파라미터 실시간 갱신 관련 수식들이 도시된 도면이다.
도 6은 본 발명의 일 실시예에 따른 로봇아암 관절마찰 추정방법이 도시된 순서도이다.
도 7은 본 발명의 실시예에 따른, 컴퓨팅 장치를 나타내는 도면이다.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예를 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

본 발명에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 발명에서, '포함하다' 또는 '가지다' 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

먼저, 도 1을 참조하여 종래 방법에서 마찰토크를 산출하는 과정을 설명한다. 도 1은 종래 방법에서 마찰토크를 산출하고, 이를 로봇아암 제어에 반영하는 과정이 개념적으로 도시된 순서도이다.

도 1을 참조하면, 종래에는 미리 정해진 마찰 파라미터를 마찰모델에 적용하여 마찰토크를 산출하고, 산출된 마찰토크를 제어부로 전송하였다. 그리고, 제어부는 이를 로봇 동역학에 반영하여 로봇아암의 동작을 제어하였다.

그러나, 로봇아암의 관절에서 발생하는 관절마찰은 작동시간, 작동온도 등의 작동 환경 및 조건에 따라 가변하는 물성치이므로, 미리 정해진 고정된 마찰 파라미터를 이용하여 산출된 마찰토크를 기반으로 하는 로봇아암 제어는 실제 기대되는 작동 특성을 보이지 못하는 문제가 있다. 즉, 부정확하게 산출된 관절마찰로 인해 로봇 동역학 기반 협동로봇의 기능(직접교시, 충돌감지, 강성/힘 제어, 위치 제어 등)의 성능을 제한하는 문제가 있다.

이에, 본 발명의 발명자들은 로봇아암에서 발생하는 마찰토크를 실시간으로 정확하게 추정하여 로봇아암의 제어 정밀도를 향상시킬 수 있도록 하였다.

이하, 도 2 내지 도 4를 참조하여 본 발명의 일 실시예에 따른 로봇아암 관절마찰 추정장치를 설명한다. 도 2는 본 발명의 일 실시예에 따른 로봇아암 관절마찰 추정장치에서 마찰토크를 추정하고 이를 로봇아암 제어에 반영하는 과정이 개념적으로 도시된 순서도이고, 도 3은 로봇 아암의 개략적인 모식도이며, 도 4는 본 발명의 일 실시예에 따른 로봇아암 관절마찰 추정장치가 도시된 블록도이다.

도 2를 참조하면, 본 발명의 일 실시예에 따른 로봇아암 관절마찰 추정장치는, 미리 정해진 고정된 마찰 파라미터를 이용하는 것이 아니라, 하기 식 (1)과 같이 관절 속도()의 함수로 표현되는 마찰모델을 이용하여 실시간으로 가변하는 마찰 파라미터를 추정한다.

식 (1) :

여기서, 는 마찰토크, 는 관절속도, 는 쿨롬 마찰계수(Coulomb friction coefficient), 는 점성계수(Viscous coefficient)이다. i값은 1, 2, 3이나 이에 한정되지 않고, n(≥4)이 될 수 있다.

식 (1)을 전개하면 하기 식 (2)와 같다.

식 (2) :

한편, 로봇아암의 일반적인 동역학식은 하기 식 (3)과 같은 링크 측 동역학식과, 식 (4)와 같은 모터 측 동역학식으로 표현된다.

식 (3) :

식 (4) :

여기서, 는 링크 관성 토크, 는 링크 코리올리 및 구심력 토크, 는 링크 중력 토크, 는 관절 토크, 는 외력 토크, 는 모터 관성 토크, 은 모터 토크이다. 은 하기 식 (5)와 같이 모터의 전류를 측정하여 산출될 수 있다.

식 (5) :

여기서, 는 모터 토크 상수(Nm/A)이고, 는 모터 전류(A)이다.

관절 토크 센서가 있는 경우에는, 는 관절 토크 센서에 의해 측정될 수 있으므로, 식 (4)만을 이용하여 마찰 토크를 산출할 수 있다.

관절 토크 센서가 없는 경우에는, 의 값을 알 수 없으므로, 식 (3)과 식 (4)를 합하여 하기 식 (6)을 도출한다.

식 (6) :

식 (6)에서, 외력이 없는 경우, = 0 이므로, 하기 식 (7)과 같다.

식 (7) :

여기서, 은 모터 전류를 측정하여 얻을 수 있고, 는 엔코더의 측정값으로 얻을 수 있고, 은 를 미분하여 얻을 수 있으며, 은 엔코더 측정값을 두번 미분하여 얻을 수 있다. 그러나, 엔코더 측정값을 두번 미분하여 을 구할 경우, 노이즈가 심하게 되어 부정확하게 되므로, 로봇아암을 제어하는 제어부에서 산출하는 모션 계획값()으로 을 대체한다. 모션 계획값은, 작업자가 입력한 타겟 위치, 관절 속도(통상 최대 속도), 관절 가속도값(통상 최대 가속도)을 수행하기 위해 로봇아암의 제어부가 자체적으로 계획하여 제어하는 값이다. 이러한 모션 계획값은 현재 로봇아암 분야에서는 잘 알려진 기술 내용이므로 상세한 설명은 생략한다.

식 (7)에 모션 계획값()을 반영하면, 하기 식 (8)과 같다.

식 (8) :

식 (8)에서, 은 모터 전류를 측정하여 얻을 수 있고, 는 엔코더의 측정값으로 얻을 수 있고, 은 를 미분하여 얻을 수 있으며, 은 모션 계획값으로부터 얻을 수 있다. 따라서, 관절 토크 센서가 없는 경우에도 마찰토크 의 값을 산출할 수 있게 된다.

다시 식 (2)을 참조하면, 식 (2)에서, 는 관절 토크 센서의 유무에 따라 식 (4) 또는 식 (8)로부터 산출되고, 은 엔코더 측정값 를 미분하여 얻을 수 있다. 본 발명에서는 및 을 제외한 나머지값 (, , , )들을 추정하며, 추정 대상인 (, , , )들을 마찰 파라미터라 한다.

그리고, 추정된 마찰 파라미터(, , , )를 이용하여 추정 마찰토크를 산출하고, 산출된 추정 마찰토크를 로봇아암의 동작을 제어하는 제어부로 전송한다. 제어부는 이를 로봇 동역학에 반영하여 로봇아암의 동작을 제어한다. 도 3 및 도 4를 참조하여 이에 대해 설명한다.

도 3을 참조하면, 일반적으로 로봇아암(10)은 하나 이상의 관절부(11)를 구비하고, 관절부(11)에는 가동을 위한 구동모터(미도시)가 배치된다. 도 3에서 는 관절부(11)에서 감속기 등의 기계적 요소에서 발생하는 관절부(11)에 대한 마찰토크를 의미하고, 은 관절부(11)에 대응하는 구동모터에서 생성되는 모터토크를 의미한다. 도 3에는 일축 로봇아암이 도시되어 있으나, 본 발명은 이에 한정되지 않고 다축 로봇아암도 적용 가능하다.

도 4를 참조하면, 본 발명의 일 실시예에 따른 로봇아암 관절마찰 추정장치(100)는, 데이터 수집부(110), 재귀선형회귀 모델부(120), 마찰토크 추정부(130)를 포함한다.

데이터 수집부(110)는 외력이 없는 임의의 자세에서의 로봇아암의 마찰토크값()과 관절속도값()을 매칭한 입력 데이터 세트(,)를 수집한다. 예시적으로 구하고자하는 마찰 파라미터는 4개일 수 있으며, 데이터 수집부(110)는 최소한 4개의 입력 데이터 세트를 수집할 수 있다. 물론, 식 (1)에서 i가 n(≥4) 일때는, 데이터 수집부(110)는 최소한 n개의 입력 데이터 세트를 수집한다. 마찰토크값()은 토크 센서에 의해 측정되는 값이거나 또는 관절을 구동하는 모터의 전류값으로부터 산출되는 값이고, 관절속도값()은 엔코더 측정값 를 미분하여 획득되는 값이다.

데이터 수집부(110)에서 수집되는 입력 데이터 세트(,)가 많을수록 관절속도값()에 대한 추정 마찰토크가 정확하게 산출될 수 있다. 입력 데이터 세트(,)에 관절속도값()이 일정(즉, 관절가속도값이 0)한 등속 데이터가 포함되어도 무방하나, 관절속도값()이 같으면 실질적으로 중복 데이터가 되므로, 등속 데이터를 필터링하여 제거하는 것이 바람직하다. 즉, 선택적으로, 데이터 수집부(110)는 수집된 입력 데이터 세트 중에서 관절속도값이 동일한 입력 데이터 세트 중 적어도 어느 하나는 노이즈 처리할 수 있다.

재귀선형회귀 모델부(120)는 입력 데이터 세트(,)를 입력값으로 재귀선형회귀 모델을 구동하여 마찰 파라미터(, , , )를 추정한다.

재귀선형회귀 모델(recursive linear regression model)은 종속 변수(y)와 한 개 이상의 독립 변수(또는 설명 변수, x)와의 선형 상관 관계를 모델링하되 실시간으로 추가되는 데이터를 반복하여 적용하는 회귀분석 기법이다. 재귀선형회귀 모델은 여러 사용 사례가 있지만, 본 발명에서는 실시간으로 가변하는 마찰 파라미터를 예측하는 용도로 사용될 수 있다. 값을 예측하는 것이 목적일 경우, 선형회귀를 사용해 데이터에 적합한 예측 모델을 개발한다. 개발한 선형 회귀식을 사용해 y가 없는 x값에 대해 y를 예측하기 위해 사용할 수 있다. 선형회귀 모델은 일반적으로 최소 자승법(least square method)을 사용해 선형회귀 모델을 세운다. 물론, 최소 자승법 외에 다른 기법으로도 선형회귀 모델을 세울 수 있다. 이러한 선형회귀 모델은 현재 알려진 내용이므로, 이에 대한 상세한 설명은 생략한다.

본 발명의 실시예에서, 예측 모델은 식 (2)로 표시될 수 있으며, 예측 대상은 식 (2)의 각 계수인 마찰 파라미터(, , , )이다.

식 (2) :

는 마찰토크, 는 관절속도, 는 쿨롬 마찰계수, , , 는 점성계수(Viscous coefficient)이다.

수집된 입력 데이터 세트(,)의 개수가 n개인 경우에 대해, 식 (2)는 하기 식 (9)와 같이 행렬식으로 표시될 수 있다.

식 (9) :

식 (9)에서 마찰 파라미터(, , , )를 제외한 나머지 값들은 측정값 또는 입력값들로부터 산출되는 값이므로, 재귀선형회귀 모델부(120)는 식 (9)로 표시되는 최소 자승법 재귀선형회귀 모델을 구동하여 마찰 파라미터(, , , )를 추정할 수 있다.

마찰토크 추정부(130)는 재귀선형회귀 모델부(120)에서 추정된 마찰 파라미터(, , , )를 이용하여 추정 마찰토크를 산출한다. 그리고, 산출된 추정 마찰토크를 로봇아암의 동작을 제어하는 제어부로 전송한다. 제어부는 이를 로봇 동역학에 반영하여 로봇아암의 동작을 제어한다.

재귀선형회귀 모델부(120)는 식 (9)로 표시되는 최소 자승법 재귀선형회귀 모델을 구동하여 마찰 파라미터(, , , )를 추정하는데, 입력 데이터 세트(,)가 많아질수록 처리해야할 연산량이 많아져서 실시간으로 마찰 파라미터(, , , )를 추정하기 어려울 수 있다.

이에, 재귀선형회귀 모델부(120)는 데이터 수집부(110)에서 이전 수집 주기에서 추정된 마찰 파라미터(, , , )에 현재 수집 주기에서 수집된 입력 데이터 세트를 반영하여 실시간으로 마찰 파라미터(, , , )를 신속하게 갱신할 수 있다.

즉, 재귀선형회귀 모델부(120)는 첫번째 데이터 수집 주기에서 수집된 입력 데이터 세트를 이용하여 마찰 파라미터를 1차 추정하고, 2번째 데이터 수집 주기에서 수집된 입력 데이터 세트를 이용하여 1차 추정된 마찰 파라미터를 2차 추정(1차 갱신)한다.

이와 같은 방식으로, 재귀선형회귀 모델부(120)는 n번째 데이터 수집 주기에 수집된 입력 데이터 세트를 이용하여 (n-1)차 갱신된 마찰 파라미터를 추정할 수 있다. (n차 추정 마찰 파라미터)

이에 대해 도 5의 수식들을 참조하여 설명한다.

먼저, 식 (9)를 아래와 같이 표현한다.

식 (9') : ,

여기서, i는 1, 2, 3 ?? n이며, 데이터 수집부(110)의 데이터 수집 주기를 의미한다.

도 5의 (a)를 참조하면, 구하고자 하는 마찰 파라미터(, , , )의 행렬 는 하기 식 (10)으로 정리된다.

식 (10) :

식 (10)의 일부인 행렬 를 행렬 라고 한다.

도 5의 (b)를 참조하면, 행렬 는 하기 식 (11)로 정리된다.

식 (11) :

도 5의 (c)를 참조하면, n번째 데이터 수집 주기에서의 마찰 파라미터의 행렬 는 하기 식 (12)로 정리된다.

식 (12) :

식 (11)을 식 (12)에 대입하면, 하기 식 (13)으로 정리된다. 식 (13)에서 데이터 수집 주기를 의미하는 아래 첨자 n은 i로 대체하여 표현한다.

식 (13) :

식 (13)을 참조하면, (i-1)번째 데이터 수집 주기에서의 마찰 파라미터값()으로부터, i번째 데이터 수집 주기에서의 마찰 파라미터값()을 예측하여 갱신할 수 있음을 알 수 있다.

도 5의 수식들과 식 (10) ~ 식 (13)를 정리하면 하기 식 (14)와 같다. (아래 첨자 n은 i로 대체하여 표현함)

식 (14) :

여기서, 가 추정(또는 갱신)하고자 하는 마찰 파라미터로 구성되는 행렬로서, 와 같이 표시될 수 있다. 따라서, 로봇아암 구동시 미리 설정된 주기 마다 실시간으로 마찰 파라미터(, , , )가 갱신될 수 있음을 알 수 있다.

이때, 1차 마찰 파라미터 추정시, 초기 조건은 다음과 같이 설정할 수 있다.

초기 조건 : ,

본 발명에서 로봇아암은 전술한 본 발명의 일 실시예에 따른 로봇아암 관절마찰 추정장치(100)를 포함할 수 있다. 로봇아암 관절마찰 추정장치(100)는 로봇아암의 물리적인 일 구성이거나, 또는 로봇아암을 제어하는 외부 제어기의 일 구성일 수 있다.

다음, 도 6을 참조하여 본 발명의 일 실시예에 따른 로봇아암 관절마찰 추정방법을 설명한다. 도 6은 본 발명의 일 실시예에 따른 로봇아암 관절마찰 추정방법이 도시된 순서도이다.

도 6을 참조하면, 본 발명의 일 실시예에 따른 로봇아암 관절마찰 추정방법은, 데이터 수집단계(S110), 마찰 파라미터 추정단계(S120), 마찰토크 추정단계(S130)를 포함한다.

데이터 수집단계(S110)에서, 외력이 없는 임의의 자세에서의 로봇아암의 마찰토크값()과 관절속도값()을 매칭한 입력 데이터 세트(,)를 수집한다. 예시적으로 구하고자하는 마찰 파라미터는 4개일 수 있으며, 데이터 수집부(110)는 최소한 4개의 입력 데이터 세트를 수집할 수 있다.

선택적으로, 데이터 수집단계(S110)에서, 처리 효율을 높이기 위해 수집된 데이터의 일부를 필터링할 수 있다. 즉, 선택적으로, 데이터 수집단계(S110)에서 수집된 입력 데이터 세트 중에서 관절속도값이 동일한 입력 데이터 세트 중 적어도 어느 하나는 노이즈 처리할 수 있다.

다음, 마찰 파라미터 추정단계(S120)에서, 입력 데이터 세트(,)를 입력값으로 재귀선형회귀 모델을 구동하여 마찰 파라미터(, , , )를 추정한다. 이때, 하기 식 (2)의 예측 모델을 이용하여 이용하여 최소자승법 재귀선형회귀 모델을 구동한다.

식 (2) :

는 마찰토크, 는 관절속도, 는 쿨롬 마찰계수, , , 는 점성계수(Viscous coefficient)이다.

는 관절 토크 센서의 유무에 따라 식 (4) 또는 식 (8)로부터 산출되고, 은 엔코더 측정값 를 미분하여 얻을 수 있다.

식 (2)는 식 (9)와 같은 최소 자승법 재귀선형회귀 모델 예측식으로 변환될 수 있다.

식 (9) :

식 (9)에서 마찰 파라미터(, , , )를 제외한 나머지 값들은 측정값 또는 입력값들로부터 산출되는 값이므로, 식 (9)로 표시되는 최소 자승법 재귀선형회귀 모델을 구동하여 마찰 파라미터(, , , )를 추정할 수 있다.

한편, 마찰 파라미터 추정단계(S120)에서는 실시간으로 수집된 입력 데이터 세트를 반영하여 실시간으로 마찰 파라미터(, , , )를 갱신할 수 있다. 이는 도 5의 수식들과 식 (9) ~ 식 (13)을 참조하여 설명하였으므로, 반복 설명은 생략하며, 도 5의 수식들과 식 (9) ~ 식 (13)를 정리하면 하기 식 (14)과 같다. (아래 첨자 n은 i로 대체하여 표현함)

식 (14) :

여기서, 가 추정(또는 갱신)하고자 하는 마찰 파라미터로 구성되는 행렬로서, 와 같이 표시될 수 있다. 따라서, 로봇아암 구동시 미리 설정된 주기 마다 실시간으로 마찰 파라미터(, , , )가 갱신될 수 있음을 알 수 있다.

마찰토크 추정단계(S130)에서는, 추정된 마찰 파라미터(, , , )를 이용하여 추정 마찰토크를 산출한다.

상기와 같은 본 발명의 일 실시예에 따른 로봇아암 관절마찰 추정장치 및 추정방법에 의하면, 로봇아암에서 발생하는 마찰토크를 실시간으로 정확하게 추정 및 갱신하여 로봇아암의 제어 정밀도를 향상시킬 수 있다.

도 7은 본 발명의 실시예에 따른, 컴퓨팅 장치를 나타내는 도면이다. 도 7의 컴퓨팅 장치(TN100)는 본 명세서에서 기술된 로봇아암 관절마찰 추정장치일 수 있다. 또는 컴퓨팅 장치(TN100)는 본 명세서에서 기술된 로봇아암 관절마찰 추정방법을 수행하기 위한 장치일 수 있다.

도 7의 실시예에서, 컴퓨팅 장치(TN100)는 적어도 하나의 프로세서(TN110), 송수신 장치(TN120), 및 메모리(TN130)를 포함할 수 있다. 또한, 컴퓨팅 장치(TN100)는 저장 장치(TN140), 입력 인터페이스 장치(TN150), 출력 인터페이스 장치(TN160) 등을 더 포함할 수 있다. 컴퓨팅 장치(TN100)에 포함된 구성 요소들은 버스(bus)(TN170)에 의해 연결되어 서로 통신을 수행할 수 있다.

프로세서(TN110)는 메모리(TN130) 및 저장 장치(TN140) 중에서 적어도 하나에 저장된 프로그램 명령(program command)을 실행할 수 있다. 프로세서(TN110)는 중앙 처리 장치(CPU: central processing unit), 그래픽 처리 장치(GPU: graphics processing unit), 또는 본 발명의 실시예에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 프로세서(TN110)는 본 발명의 실시예와 관련하여 기술된 절차, 기능, 및 방법 등을 구현하도록 구성될 수 있다. 프로세서(TN110)는 컴퓨팅 장치(TN100)의 각 구성 요소를 제어할 수 있다.

메모리(TN130) 및 저장 장치(TN140) 각각은 프로세서(TN110)의 동작과 관련된 다양한 정보를 저장할 수 있다. 메모리(TN130) 및 저장 장치(TN140) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(TN130)는 읽기 전용 메모리(ROM: read only memory) 및 랜덤 액세스 메모리(RAM: random access memory) 중에서 적어도 하나로 구성될 수 있다.

송수신 장치(TN120)는 유선 신호 또는 무선 신호를 송신 또는 수신할 수 있다. 송수신 장치(TN120)는 네트워크에 연결되어 통신을 수행할 수 있다.

한편, 본 발명은 컴퓨터프로그램으로 구현될 수도 있다. 본 발명은 하드웨어와 결합되어, 컴퓨터가 판독 가능한 기록매체에 저장된 컴퓨터 프로그램으로 구현될 수 있다.

본 발명의 실시예에 따른 방법들은 다양한 컴퓨터수단을 통하여 판독 가능한 프로그램 형태로 구현되어 컴퓨터로 판독 가능한 기록매체에 기록될 수 있다. 여기서, 기록매체는 프로그램 명령, 데이터 파일, 데이터구조 등을 단독으로 또는 조합하여 포함할 수 있다.

기록매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.

예컨대 기록매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CDROM, DVD와 같은 광 기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함한다.

프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어를 포함할 수 있다.

이러한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상, 본 발명의 일 실시예에 대하여 설명하였으나, 해당 기술 분야에서 통상의 지식을 가진 자라면 특허청구범위에 기재된 본 발명의 사상으로부터 벗어나지 않는 범위 내에서, 구성 요소의 부가, 변경, 삭제 또는 추가 등에 의해 본 발명을 다양하게 수정 및 변경시킬 수 있을 것이며, 이 또한 본 발명의 권리범위 내에 포함된다고 할 것이다.

110 : 데이터 수집부
120 : 재귀선형회귀 모델부
130 : 마찰토크 추정부

Claims (11)

1. 외력이 없는 임의의 자세에서의 로봇아암의 마찰토크값과 관절속도값을 매칭한 입력 데이터 세트를 수집하는 데이터 수집부;
   상기 입력 데이터 세트를 입력값으로 재귀선형회귀 모델을 구동하여 마찰 파라미터를 추정하는 재귀선형회귀 모델부; 및,
   상기 추정된 마찰 파라미터를 이용하여 추정 마찰토크를 산출하고, 산출된 추정 마찰토크를 로봇아암의 동작을 제어하는 제어부로 전송하는 마찰토크 추정부;
   를 포함하는, 로봇아암 관절마찰 추정장치.
   
2. 청구항 1에 있어서, 상기 데이터 수집부는,
   상기 입력 데이터 세트 중에서 관절속도값이 동일한 입력 데이터 세트 중 적어도 어느 하나는 노이즈 처리하는, 로봇아암 관절마찰 추정장치.
   
3. 청구항 1에 있어서, 상기 재귀선형회귀 모델부는,
   하기 식 (a)의 예측 모델을 이용하여 최소자승법 재귀선형회귀 모델을 구동하는, 로봇아암 관절마찰 추정장치.
   식 (a) :
   (여기서, 는 마찰토크, 는 관절속도, 는 쿨롬 마찰계수, , , 는 점성계수임)
   
4. 청구항 3에 있어서, 상기 재귀선형회귀 모델부는,
   상기 데이터 수집부에서 실시간으로 수집된 입력 데이터 세트를 반영하여 실시간으로 마찰 파라미터(, , , )를 갱신하는, 로봇아암 관절마찰 추정장치.
   
5. 청구항 4에 있어서, 상기 재귀선형회귀 모델부는,
   하기 식 (b)의 예측 모델을 이용하여 최소자승법 재귀선형회귀 모델을 구동하여 실시간으로 마찰 파라미터(, , , )를 갱신하는, 로봇아암 관절마찰 추정장치.
   식 (b) :
   (여기서, 는 i번째 데이터 수집 주기에서의 마찰 파라미터 행렬, 는 (i-1)번째 데이터 수집 주기에서의 마찰 파라미터 행렬, 는 i번째 데이터 수집 주기에서의 마찰토크 행렬, 는 i번째 데이터 수집 주기에서의 관절속도 을 포함하는 행렬임)
   
6. 컴퓨팅 장치에 의해 수행되며,
   외력이 없는 임의의 자세에서의 로봇아암의 마찰토크값과 관절속도값을 매칭한 입력 데이터 세트를 수집하는 데이터 수집단계;
   상기 입력 데이터 세트를 입력값으로 재귀선형회귀 모델을 구동하여 마찰 파라미터를 추정하는 마찰 파라미터 추정단계; 및,
   상기 추정된 마찰 파라미터를 이용하여 추정 마찰토크를 산출하는 마찰토크 추정단계;
   를 포함하는, 로봇아암 관절마찰 추정방법.
   
7. 청구항 6에 있어서, 상기 데이터 수집단계는,
   상기 입력 데이터 세트 중에서 관절속도값이 동일한 입력 데이터 세트 중 적어도 어느 하나는 노이즈 처리하는, 로봇아암 관절마찰 추정방법.
   
8. 청구항 6에 있어서, 상기 마찰 파라미터 추정단계는,
   하기 식 (a)의 예측 모델을 이용하여 최소자승법 재귀선형회귀 모델을 구동하는, 로봇아암 관절마찰 추정방법.
   식 (a) :
   (여기서, 는 마찰토크, 는 관절속도, 는 쿨롬 마찰계수, , , 는 점성계수임)
   
9. 청구항 8에 있어서, 상기 마찰 파라미터 추정단계는,
   상기 데이터 수집단계에서 실시간으로 수집된 입력 데이터 세트를 반영하여 실시간으로 마찰 파라미터(, , , )를 갱신하는, 로봇아암 관절마찰 추정방법.
   
10. 청구항 9에 있어서, 상기 마찰 파라미터 추정단계는,
    하기 식 (b)의 예측 모델을 이용하여 최소자승법 재귀선형회귀 모델을 구동하여 실시간으로 마찰 파라미터(, , , )를 갱신하는, 로봇아암 관절마찰 추정방법.
    식 (b) :
    (여기서, 는 i번째 데이터 수집 주기에서의 마찰 파라미터 행렬, 는 (i-1)번째 데이터 수집 주기에서의 마찰 파라미터 행렬, 는 i번째 데이터 수집 주기에서의 마찰토크 행렬, 는 i번째 데이터 수집 주기에서의 관절속도 을 포함하는 행렬임)
    
11. 청구항 1 내지 청구항 5 중 어느 한 항에 따른 로봇아암 관절마찰 추정장치를 포함하는 로봇아암.

Images