협동 로봇의 하모닉 드라이브 결함진단 학습모델 개발
Development of Fault Diagnosis Learning Model for the Harmonic Drive of Collaborative Robot
- 주제(키워드) 액추에이터 , 하모닉 드라이브 감속기 , 결함진단 , CNN , 협동 로봇 , 센서 데이터
- 주제(DDC) 004.6
- 발행기관 아주대학교
- 지도교수 이정원
- 발행년도 2023
- 학위수여년월 2023. 2
- 학위명 석사
- 학과 및 전공 일반대학원 AI융합네트워크학과
- 실제URI http://www.dcollection.net/handler/ajou/000000032645
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
Due to the recently increased demand for factory automation, the need for research on fault diagnosis of harmonic drive reducers used in actuators, which are driving parts of cooperative robots and industrial robots, is also increasing. Research on diagnosing defects in components of conventional harmonic drives and rotatingmachines shows high diagnostic performance, but the diagnostic model was designed with high dependence on the work performed during the experiment. Even when verifying the performance of the diagnostic model, the test was limited to the learned data. However, these specific task-dependent diagnostic models have limitations in that they are not reliable enough to be applied to actual work sites of collaborative robots and industrial robots that perform numerous movements at various speeds. Therefore, in this paper, in order to reduce the dependence on the work data pattern performed during the experiment, torque and vibration data, which are internal and external data, are used together, and VMD(Variational ModeDecomposition) technique is applied to the torque data to determine defect characteristics excluding operation characteristics. It was extracted and used as an input for a 1-D CNN model. In addition, in order to verify the performance of the diagnostic model, a test was performed on the data of the unlearned speed environment to confirm 97.9% accuracy, and through this, the performance of the diagnostic model was verified. The results of this study made it possible to perform post-shipment testing and defect diagnosis of major parts applied to various tasks and environments, such as smart factory collaborative robots.
more초록/요약
최근 늘어난 공장 자동화에 대한 수요로 협동 로봇과 산업용 로봇에 구동부인 액추에이터에 사용되는 하모닉 드라이브 감속기의 결함진단 연구도 그 필요성이 높아지고 있다. 기존 하모닉 드라이브와 회전 기계의 구성품의 결함을 진단하는 연구는 높은 진단 성능을 보이지만 실험 시 수행한 작업에 대한 의존성이 높게 진단 모델을 설계하였으며, 진단 모델의 성능 검증 시에도 학습한 데이터에 국한하여 테스트를 통한 검증을 수행한다. 그러나 이러한 특정 작업에 의존적인 진단 모델은 다양한 속도에서 수많은 동작을 수행하는 협동 로봇과 산업용 로봇의 실제 작업 현장에 적용하기에는 신뢰성이 낮다는 한계가 있다. 따라서 본 논문에서는 실험 시 수행한 작업 데이터 패턴에 대한 의존성을 낮추기 위하여 내·외부 데이터인 토크와 진동 데이터를 함께 활용하고 토크 데이터에 VMD(Variational Mode Decomposition) 기법을 적용하여 동작 특성을 제외한 결함 특성을 추출하여 1-D CNN 모델의 입력으로 사용하였다. 또한, 진단 모델의 성능을 검증하기 위해 학습하지 않은 속도 환경의 데이터에 대하여 테스트를 수행하여 97.9%의 정확도를 확인하였고 이를 통해 진단 모델의 성능을 검증하였다. 본 연구 결과를 통해 스마트팩토리의 협동 로봇과 같이 다양한 작업 및 환경에 적용되는 주요 부품의 출하 후 테스팅과 결함진단을 가능하게 하였다.
more목차
제1장 서론 1
제2장 관련 연구 6
제1절 하모닉 드라이브의 결함진단 연구 6
제2절 협동 로봇 및 산업용 로봇의 구동부 회전 기계의 결함진단 연구 7
제3장 VMD 기반 결함 특성 추출을 통한 1D-CNN 모델 기반 결함분류 10
제1절 결함진단 모델 구축 프로세스 10
제2절 액추에이터의 속도 변화에 따른 내·외부 데이터의 특성 분석 12
제3절 VMD 기반 토크 데이터의 결함 특성 데이터 선정 14
제4절 내·외부 데이터를 사용한 1D-CNN 기반 결함분류 모델 16
제4장 실험 및 평가 18
제1절 테스트 환경 구축 및 실험 18
제2절 모델 학습 및 평가 20
제5장 결론 25
참고문헌 26
