http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 곽종선 (검색결과 3 건)
-
로봇부하 구동용 브러시 DC 모터의 적응퍼지 백스테핑 제어기 설계
In this paper, the link position tracking controller for a brush DC motor driving a single-link robot manipulator is proposed. The adaptive and fuzzy controller is appropriately designed to ensure gross stability by using the backstepping approach. The compensation controller is also proposed to estimate the bound of approximation error so that the chttering effect of the control effort can be reduced. The proposed scheme does not require an accurate manipulator dynamic, and it is proved that closed-loop system is asymptotic stable despite the gross robot parameter variations. Numerical simulations for single-link direct drive robot manipulator are included to show the effectiveness of controller.
-
웨이브렛 변환과 벡터 양자화를 이용한 허리 근육 근전도 신호 패턴 구축
근전도(EMG: Electromyogram)를 통해 나타나는 근육 신호를 Wavelet 변환하여 신호의 특성을 정량적으로 파악하였다. 신호 추출을 위해 20명의 피실험 대상자로부터 10회의 허리 굽힘/폄 동작과 무릎 굽힘/폄 동작 시 다섯 부위 근육 - elector spinae(ES), rectus abdominus(RA), gluteus maximus(GM), hamstring(HAM), quadriceps(QUA) – 신호를 동작 주기(cycle)별로 분류하고 wavelet filter를 거친 후 10차 LPC(Linear Predictive Code) 계수를 추출 하였다. 또한 신호의 효율적인 처리 속도와 오차의 범위를 줄일 수 있는 벡터 양자화 방법을 통해 정상인의 동작에 따른 근육 패턴 codebook을 구축하였다. 추가적으로, 결과의 타당성 검증을 위하여 정상인 10명과 요통 환자 10명의 피실험자 EMG 신호를 추출하여 cross – validation을 실시하였고 구축한 pattern codebook의 검증 결과 ES 근육과 HAM 근육의 128~256Hz에서 가장 높은 인식률을 보였다. 더욱이 허리 굽힘/폄 동작시 정상인은 92%, 환자는 96%의 정확도를, 무릎 굽힘/폄 동작 시 정상인의 경우 96% 환자의 경우는 100%의 정확도를 보였다. 이와 같은 방법은 차후 정상인의 근육 DB를 구축하는데 사용 될 수 있을 뿐만 아니라 요통 환자의 근육 신호를 판별하는 기초 자료로 활용 될 수 있을 것으로 기대된다.
-
본 연구의 목표는 한 손 수동 물자 취급 시 위험 인자에 따른 작업 부하의 관계에 따라 안전/위험 상태를 구별할 수 있는 안전 한계 모델을 제시하는 것이다. 한 손 동작에 영향을 미치는 방향, 중량, 반복, 거리의 주 위험 인자를 고려하여, 근활성도, 심박수, 주관적 운동 자각도를 정량적으로 파악 하였다. 다양한 인자 조합에서 수행된 한 손 동작에 대한 각 근육의 근전도 신호를 동적 근전도 신호 처리 기법을 적용하여 효율적으로 분석 하였으며, 생리학적, 주관적 변수를 기준으로 뉴럴 네트워크 기법을 적용하여 안전 한계 모델을 제시 하였다. 어깨 근육의 주동근과 작업의 위험 인자를 파악하기 위하여 선행 연구를 실시하여 14개의 어깨 근육 중에서 10개의 근육을 선택하였다. 한 손 작업에 영향을 미치는 인자는 방향(상측, 하측, 우측, 좌측, 전측, 후측), 중량(1kg, 4kg, 7kg), 빈도(2 cycle/min, 6 cycle /min, 10 cycle /min), 거리(20cm, 40cm, 60cm)를 설정하였다 본 연구에서는 피실험자가 20명이 참여하였으며, 방향, 중량, 반복, 거리, 근육의 인자를 수준별로 고려하여 생체 역학적 변수(근 활성도 : LE_Mean, LE_Peak), 생리학적 변수(심박수), 심물리학적 변수(주관적 운동 자각도)를 측정하고 분석하였다 그 결과 인자의 수준이 증가할수록 근활성도, 심박수 및 주관적 운동 자각도가 유의하게 증가하는 것으로 분석되었으며, 다중 비교를 수행하여 수준별 유의성도 파악하였다. 심박수와 주관적 운동 자각도의 허용 기준으로서 뉴럴 네트워크 기법을 적용하여 안전 한계 모델을 제시하였으며, 모델에서 각 인자 조합에 따른 안전/위험을 구별 시 검증 결과 평균 적중률이 약 75% 이상인 것으로 분석되었다. 본 연구를 통하여 한손 수동물자취급에 따른 작업 부하 설계 시 기초자료가 될 수 있으며, 지속시간이 길며 주기적으로 발생하는 동작에 대하여 근육의 활동량을 추론하는 프로세스를 제안할 수 있을 것이다. 나아가 작업자에게 한손 작업의 안전 수용 범위를 제시하여, 근로자의 근골격계 질환률을 감소시킬 뿐만 아니라 산재보상에 따른 비용 절감 효과를 기대할 수 있다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
