협동 로봇의 하모닉 드라이브 결함진단 학습모델 개발

Abstract

최근 늘어난 공장 자동화에 대한 수요로 협동 로봇과 산업용 로봇에 구동부인 액추에이터에 사용되는 하모닉 드라이브 감속기의 결함진단 연구도 그 필요성이 높아지고 있다. 기존 하모닉 드라이브와 회전 기계의 구성품의 결함을 진단하는 연구는 높은 진단 성능을 보이지만 실험 시 수행한 작업에 대한 의존성이 높게 진단 모델을 설계하였으며, 진단 모델의 성능 검증 시에도 학습한 데이터에 국한하여 테스트를 통한 검증을 수행한다. 그러나 이러한 특정 작업에 의존적인 진단 모델은 다양한 속도에서 수많은 동작을 수행하는 협동 로봇과 산업용 로봇의 실제 작업 현장에 적용하기에는 신뢰성이 낮다는 한계가 있다. 따라서 본 논문에서는 실험 시 수행한 작업 데이터 패턴에 대한 의존성을 낮추기 위하여 내·외부 데이터인 토크와 진동 데이터를 함께 활용하고 토크 데이터에 VMD(Variational Mode Decomposition) 기법을 적용하여 동작 특성을 제외한 결함 특성을 추출하여 1-D CNN 모델의 입력으로 사용하였다. 또한, 진단 모델의 성능을 검증하기 위해 학습하지 않은 속도 환경의 데이터에 대하여 테스트를 수행하여 97.9%의 정확도를 확인하였고 이를 통해 진단 모델의 성능을 검증하였다. 본 연구 결과를 통해 스마트팩토리의 협동 로봇과 같이 다양한 작업 및 환경에 적용되는 주요 부품의 출하 후 테스팅과 결함진단을 가능하게 하였다.