로봇 팔의 고장 진단 및 예측 방법

LSTM seq2seq 모델의 각도 예측 오차를 이용한 로봇 팔 고장 진단 및 예측 기술

본 기술은 LSTM 인코더와 잠재 벡터층, LSTM 디코더로 구성된 seq2seq 모델에 로봇팔의 다축 전류 시퀀스를 입력하여 정상 각도 시퀀스를 예측하고, 실제 출력 각도와의 평균 제곱 오차를 임계값과 비교하여 고장을 진단하는 방법입니다.

기존 모델 기반 고장 진단은 고장 메커니즘 파악이 어렵고, 일반적인 데이터 기반 진단 방식은 물리적 손상 모델을 구현하기 어려운 다변량 시스템에서 정확한 예측과 진단에 한계가 있었습니다.

본 기술은 정상 전류와 각도 데이터만으로 학습된 seq2seq 모델을 구성하여 실시간으로 예측 각도와 실제 각도의 오차를 모니터링하는 방식을 제안합니다. 스마트 팩토리의 예지보전과 산업용 로봇 관리에 적용될 수 있어 고장 데이터 없이도 이상을 조기에 감지하여 설비 가동률을 크게 향상시킵니다.

‍

‍

Key Features:

• 정상 전류 시퀀스 데이터를 입력하여 정상 각도 시퀀스 데이터를 출력하도록 seq2seq 모델이 학습하는 단계
• LSTM 인코더 모듈과 잠재 벡터층 및 LSTM 디코더 모듈을 포함하는 LSTM 기반 seq2seq 모델을 구성하는 구성
• 학습된 seq2seq 모델에 전류 시퀀스 데이터를 입력하여 정상 출력 각도를 예측하는 단계
• 예측된 정상 출력 각도와 실제 출력 각도 사이의 오차를 임계값과 비교하여 고장을 진단하는 단계

‍

본 발명은 경상북도의 스마트 제조 플랫폼을 위한 고장 예지·진단 기술개발, 과학기술정보통신부의 지진지역의 스마트센서기반 건물안전 지능정보 지원을 통해 개발되었습니다.