다층 퍼셉트론 신경망을 활용한 로봇 매니퓰레이터의 동적 모델 학습 및 제어 (Dynamic Model Learning and Control of Robot Manipulator Based on Multi-layer Perceptron Neural Network)

서지정보

· 발행기관 : 대한기계학회
· 수록지 정보 : 대한기계학회논문집 A / 47권 / 12호 / 945 ~ 957페이지
· 저자명 : 신승천, 강민석, 백재민

초록

본 논문은 다층 퍼셉트론 신경망 알고리즘을 사용하여 다관절 로봇 매니퓰레이터의 전체 동적 모델을 학습하고 폐루프 제어 시뮬레이션을 구현하는 방법을 제안한다. 제안된 학습 방법은 시스템의 내부 요소를 반영하고자 로봇 매니퓰레이터가 목표 궤적을 추종할 때 측정된 관절 각도, 관절 각속도 그리고 입력 토크를 이용하여 학습을 진행하였다. 이때, 다층 퍼셉트론 신경망 알고리즘의 층과 노드 수를 조절함으로써 최적의 하이퍼 파라미터를 설정하였고, 이 신경망 알고리즘을 모든 관절에 대해 축 번호 순서대로 적용하여 전체 학습을 진행하였다. 학습된 로봇 매니퓰레이터의 동적 모델에 대한 정확도는 실제 로봇 매니퓰레이터에서 새로운 추적 궤도를 통해 얻어진 기준 관절 각도와 학습된 모델에서의 관절 각도와의 차이를 통해 분석하였고, 추가적으로 학습된 로봇 매니퓰레이터의 동적 모델과 비례-미분 제어기에 근간을 둔 폐루프 제어 시스템을 구성하여 학습된 동적 모델에 대한 실용성 및 범용성을 판별하였다.

영어초록

This paper presents a learning method for a full dynamics of real robot manipulator while employing a multi-layer perceptron neural network (MLPNN). The proposed learning method with the MLPNN has selected joint angles, joint velocities, and joint torques for further consideration about inherent elements of robot manipulator, whose hyper parameters are set to be optimized by adjusting the number of layers and nodes of the MLPNN. This learning process is performed in the order of axis numbers. The accuracy of the proposed method was analyzed through the difference between the joint angles of the learning dynamics model and the reference joint angles obtained in a new tracking trajectory of real robot manipulator. Additionally, a simulation has been conducted to determine the practicality of proposed dynamics model, which is based on a closed-loop system with proportional-derivative controller.

참고자료

· 없음