http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
영구 자석 선형동기전동기 서보제어를 위한 다중 절대 위치 센서 데이터 처리 및 적용 방법
원대희(D. Won),소병록(B. R. So) Korean Society for Precision Engineering 2021 한국정밀공학회 학술발표대회 논문집 Vol.2021 No.11월
최근 전동기 설계 기술 및 고속 네트워크 기반 다중 전동기 제어기술 발전으로 인해 에너지를 공급하는 고정자 코일을 아래에 고정 배치하고, 그 위에 영구 자석이 장착된 수동형 이동자를 배치하는 방식의 분할 선형 영구자석 동기 전동기가 많이 개발되고 있다. 이러한, 수동 이동자 방식의 전동기는 이동자에는 어떠한 에너지 공급 없이도 선형 이동이 가능하며, 고효율, 높은 출력 및 저렴한 비용 등의 장점으로 고집적화 및 대량 생산라인에서 제품의 고속/고정밀 이동 및 리프팅이 필요한 물류 자동화에 많이 활용되고 있다. 수동 이동자 선형 전동기의 위치, 속도 제어를 위해서 코일 위를 움직이는 이동자의 연속된 위치 측정을 위해 홀 효과 방식의 측정 방법이 주로 사용된다. 홀 효과 기반의 위치 측정을 위해 통신 기능이 내장된 센서 앰프에는 에너지 공급이 필요하여 일반적으로 시스템 하단부 코일 전후에 장착하는 방식을 도입하여 사용하고 있다. 본 논문에서는 수동형 이동자에 장착되어 있는 영구 자석의 자속을 이용한 절대위치 측정을 위해 다중 홀 효과 센서 앰프 모듈을 시스템 하단부 고정자 코일 전후에 배치하여 사용할 경우 발생할 수 있는 문제점에 대한 분석하고, 이를 해결하기 위한 방법을 제안한다. 특히, 수동형 이동자가 이동중 전환하고자 하는 각 센서 앰프의 증폭 오차, 오프셋 등의 센서의 특성 차이로 인해 센서간 전환 시 발생할 수 있는 절대 위치의 불연속 구간을 최소화하기 위한 방법과 홈 위치 및 이동자의 연속된 절대 위치 연산 방법을 제안하였다.
이상준(S. J. Lee),소병록(B. R. So) Korean Society for Precision Engineering 2021 한국정밀공학회 학술발표대회 논문집 Vol.2021 No.11월
본 연구에서는 무인 수거 차량의 작업자 안전을 위한 인식 시스템 구축 방법에 대해 제안하고자 한다. 시스템은 자율주행 차량의 물체 인식에서 사용되고 있는 카메라와 라이다 켈리브레이션 기법을 사용하여 센서를 융합하는 방법을 사용하였고, 화각이 넓은 카메라(화각 180o)와 좁은 라이다(수평 60°, 수직 4°) 사이에 발생하는 라이다의 사각지대에 대해서는 Convolutional Neural Network (CNN)을 적용한 보상 방법을 사용하였다. 보정판을 측정하여 획득한 2 차원, 3 차원 데이터의 캘리브레이션을 통해 두 센서 사이의 기하 보정, 회전행렬과 이동행렬을 구하여 라이다에서 측정된 3 차원 데이터를 2 차원 데이터로 변환한 후 물체 인식 알고리즘을 통해 획득한 작업자의 객체 박스와 라이다의 거리 데이터를 다시 학습함으로 사각 지대에서 거리 데이터를 유추하였다. 제안하고자 하는 방법에서 카메라 설치 위치는 사선으로 영상을 취득할 수 있는 높은 위치에 설치함으로 사각지대에서의 영상만으로 작업자 위치를 인식하는데 효과적인 영상을 획득할 수 있으며, 본 영구에서 제안한 방법을 통해 라이다 사각 지대에서의 작업자 인식 결과에서 거리가 정보 측정됨을 확인하였다.
로봇 동적 알고리즘 위한 체크 마커 기반과 학습 기반과의 물체 인식 비교 연구
이광희(K. H. Lee),소병록(B. R. So) Korean Society for Precision Engineering 2021 한국정밀공학회 학술발표대회 논문집 Vol.2021 No.11월
다관절 로봇에 부착된 카메라로 물체의 위치와 자세 인식, 작업대가 이동해도 기존의 프로그램 된 작업 위치를 사용하기 위한 작업대의 자세 변화 정보를 계산할 수 있다. 비전기반 로봇 시스템은 광학 프레임과 로봇 말단 장치 사이의 관계를 정확히 알아야 하며 이러한 계산 작업을 Hand-eye 캘리브레이션이라 한다. 기존의 Hand-eye 캘리브레이션 연구들은 다양한 로봇 포즈에서 촬영한 마커 이미지를 사용하여 AX = XB 의 수식을 통해 계산하였다. 이 연구들은 산업용 고정 초점 렌즈를 사용시 로봇과 마커 간의 거리에 따라 흐린 이미지를 얻게 되어 캘리브레이션의 오차가 발생한다. 또한 산업현장에서 모바일 메니퓰레이터를 사용하게 되는경우 Bin-packing 을 하는 테이블의 위치와 자세를 정확하게 인식해야 물체를 잘 놓게 할 수 있다. 기존에 물체의 위치와 자세를 검출하기 위해 체크 마커를 많이 사용하였으나 이 방식은 고정 초점 렌즈를 사용을 해야하므로 마커와 카메라 간의 거리에 제약이 많이 발생하였다. 최근 딥 러닝 연구가 활발하게 이루어짐에 따라, 본 논문에서는 기존의 캘리브레이션 절차 없이 RGB-D 정보를 학습하고 인식한 위치와 자세 정보를 기존의 체크 마커에서 검출하는 방식과 비교하고자 한다.