지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 손정우
- 발행연도
- 2020
- 저작권
- 금오공과대학교 논문은 저작권에 의해 보호받습니다.
이용수12
이 논문의 연구 히스토리 (3)
2020
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 연구에서는 근전도(electromyogram, EMG) 기반의 사람-기계 인터페이스(human machine interface, HMI)를 사용하여 직관적인 협동 로봇의 제어를 위한 동작인식 방법을 제안하였다. 근전도 신호는 비주기 신호로써 파형만 보고 분석하기엔 어려움이 있으므로 RMS 특징 추출 알고리듬을 적용하여 협동 로봇의 제어 입력 신호로 사용하였다. 또한 근전도 기반의 제어 방법에는 패턴 인식에 따른 방식으로 분류되는데 비 패턴 인식 기반의 제어 방법은 여러 동작을 인식하는 것과 파라미터 설정 등에 대한 어려움으로 인한 한계가 있다. 따라서 패턴 인식 기반의 제어를 통해 협동 로봇의 그리퍼를 제어하였다. 그리고 근전도를 이용한 연구에서 골격근의 위치를 고려하는 것이 연구 결과에 직접적인 영향을 미치므로 직관적인 제어를 위한 협동 로봇과 손동작을 고려하여 근육을 선정하였다. 손동작을 인식하기 위한 방법은 특징 추출된 근전도 신호를 특성 벡터로 변환한 뒤 인공신경망(artificial neural network, ANN) 기계 학습 알고리듬을 적용하여 분류하였고, 은닉층 뉴런 개수에 따른 분류율 변화를 확인하였다. 또한 근전도 신호는 사람의 근육량에 따라 진폭의 차이를 보이는 문제를 해결하기 위해 RVC(reference voluntary contraction) 정규화 방법을 적용하였고 그에 따른 피험자 1명의 데이터로 구성한 분류기를 이용하여 다른 피험자 4명의 데이터에 대한 분류율이 향상된 것을 확인하였다. 협동 로봇의 모터에 대한 제어 입력 신호는 관성측정장치(inertia measurement unit, IMU)에서 계측되는 euler angle로 사용하였다. 결과적으로 근전도를 이용하여 손동작을 인식하고 IMU를 함께 사용하여 직관적인 사람-기계 인터페이스로 6 자유도의 협동 로봇을 제어 가능함을 확인하였다.
목차
제 1 장 서 론 1제 2 장 데이터 수집 32.1 데이터 수집 시스템 32.1.1 입력 장치 62.2 실험 대상 92.3 실험 방법 102.3.1 손동작 선정 102.3.2 근육 선정 112.3.3 근전도 측정 132.3.4 관성 신호 측정 192.4 특징 추출 및 정규화 212.4.1 특징 추출 212.4.2 정규화 232.5 수집 결과 24제 3 장 동작 인식 실험 393.1 인공신경망 분류기 393.2 분류기 구성 및 성능 평가 413.2.1 은닉층 뉴런 수 결정 413.2.2 정규화에 따른 분류기 성능 평가 423.2.3 오분류 분석 56제 4 장 로봇 제어 614.1 로봇 제어 시스템 구성 614.2 로봇 제어 실험 64제 5 장 결 론 73[참고 문헌] 74
최근 본 자료
댓글(0)
0