검색 상세

비전 기반 협동 로봇 동작 건전성 평가 및 모니터링 기법

Vision-Based Motion Health Evaluation and Monitoring Method for Collaborative Robot

  • 양희찬 (HUICHAN YANG, 아주대학교 일반대학원)

초록/요약

협동 로봇은 작업자와의 안전한 협업을 위해 힘·속도 제한 표준을 기반으 로 설계되지만, 장기간 가동 시 부품 마모에 따른 건전성 저하가 발생할 수 있 다. 협동 로봇 건전성 저하는 사고로 이어질 수 있으며 이는 인명피해로 직결 된다. 이에 따라 사고를 방지하기 위한 방법이 요구되며 기존의 방법들은 내부 센서데이터를 기반으로 건전성을 평가하고 고장을 예측한다. 그러나 내부 센서 데이터는 센서 드리프트나 내부 보정으로 인해 실제 저하 상태를 정상으로 오 판별하는 한계가 있다. 또한 협동 로봇은 다양한 작업을 수행할 수 있기에 특 정 작업을 기준으로 협동 로봇 건전성 평가 방법은 적용의 한계가 존재한다. 따라서 본 논문에서는 외부 카메라로부터 획득한 동작 데이터를 활용하여 내부 보정 영향 없이 로봇의 상태를 평가한다. 또한, 산업용 로봇 성능 평가 표 준인 ISO 9283을 기반으로 고정된 테스트 프로그램을 설계하여 협동 로봇의 작업 다양성으로 평가 기준 수립의 어려움을 해소하였다. 제안하는 방법은 뉴 로메카 Indy7과 두산 m0609 협동 로봇으로부터 수집된 정상 및 저하 데이터 셋을 통해 검증되었다. 저하 수준 증가에 따라 코사인 유사도, 피어슨 상관계 수, 정규화 상호 상관계수가 감소하는 경향을 보여 정량적 건전성 평가의 가능 성을 입증하였으며 이를 기반으로 정상/저하 판별 결과 90% 이상의 정확도를 달성하였다. 더 나아가, IQR 계수 조정에 따라 진양성, 진음성 검출률을 조절 함으로써 사용자 평가 목적에 따른 유연한 건전성 판단이 가능함을 확인하였으며 건전성 모니터링을 통해 점진적으로 저하되는 협동 로봇에 대한 건전성 평 가가 가능함을 입증하였다. 주제어 : 비전 데이터, 예지 보전, 건전성 평가, 협동 로봇, 딥러닝

more

초록/요약

Collaborative robots are designed based on force and speed limitation standards to ensure safe collaboration with human workers. However, prolonged operation can lead to health degradation due to component wear. The degradation of a collaborative robot’s health may cause accidents, potentially resulting in injury or fatality. Therefore, methods for accident prevention are required. Conventional approaches assess health and predict failures based on internal sensor data. However, internal sensor data have limitations in accurately representing the actual degradation state, as they may be affected by sensor drift or internal calibration. In addition, because collaborative robots are capable of performing diverse tasks, it is difficult to establish consistent health evaluation criteria based on a specific task. Accordingly, this study evaluates the robot’s state using motion data acquired from an external camera, thereby eliminating the influence of internal calibration. Furthermore, a fixed test program was designed based on ISO 9283, the international standard for industrial robot performance evaluation, to address the difficulty of establishing evaluation, criteria caused by the task diversity of collaborative robots. The proposed method was validated using normal and degraded datasets collected from two collaborative robots: Neuromeka Indy7 and Doosan M0609. The results demonstrated a decreasing trend in cosine similarity, Pearson correlation coefficient, and normalized cross-correlation as the degradation level increased, proving the feasibility of quantitative health evaluation. Based on these findings, the proposed approach achieved over 90% accuracy in distinguishing between normal and degraded conditions. Moreover, by adjusting the IQR coefficient, the true positive and true negative detection rates can be flexibly controlled according to user evaluation objectives. The results also confirmed that the proposed health monitoring approach enables health evaluation for collaborative robots exhibiting gradual degradation over time. Keywords: Vision-Data, Predictive Maintenance, Health Evaluation, Collaborative Robots, Deep Learning

more

목차

1. 서론 1
2. 관련 연구 6
2.1. 내부 센서데이터를 활용한 산업용 설비/기기의 건전성 평가 6
2.2. 외부 센서데이터를 활용한 산업용 설비/기기의 건전성 평가 7
2.3. 산업용 로봇의 상태 평가를 위한 데이터 생성 방법 8
3. 협동 로봇 상태 평가를 위한 테스트 프로그램 설계 10
3.1. 테스트 프로그램 설계를 위한 표준 및 요구사항 분석 10
3.2. 요구사항 기반 테스트 프로그램 설계 13
4. 테스트 프로그램 기반 협동 로봇 동작 건전성 평가 기법 17
4.1. 정상 대비 유사도 평가를 위한 딥러닝 예측 모델 구축 18
4.2. 유사도 평가 기반 협동 로봇 건전성 저하 평가 21
5. 실험 및 결과 25
5.1. 테스트 프로그램 구동 및 비전 데이터 수집 25
5.1.1. 실험 환경 구축 25
5.1.2. 테스트 프로그램 설계 및 구동 27
5.1.3. ArUco 마커 기반 비전 데이터 수집 30
5.2. LSTM 기반 예측 모델 학습 및 결과 35
5.3. 협동 로봇 건전성 저하 평가 기준 설정을 위한 데이터 분석 37
5.4. 협동 로봇 동작 건전성 평가 및 모니터링 실험 39
5.4.1. 건전성 저하 수준 정량화 실험 39
5.4.2. 건전성 정상/저하 판별 실험 44
5.4.3. 평가 지표에 따른 진양성/진음성 변화 실험 45
5.4.4. 관절의 복합 저하 시나리오 기반 건전성 모니터링 실험 47
6. 결론 49
참고문헌 50
Abstract 56

more
반출 Meta View 목록