The technology of teleoperation essentially applies to various operations in hostile environments where human can hardly work. To develop force information-based telerobotic control algorithms which composes essential functionality for telerobot systems to perform dexterous tasks in uncertain environments, the thesis deals with the following issues:
First, a novel design method of a compliance controller for telerobot systems interacting with environments having unknown stiffness is presented. The neurofuzzy compliance model(NFCM)-based control presented herein is a control scheme designed to automatically determine the suitable compliance for a given task. A NFCM, composed of a fuzzy logic controller and a rule learning mechanism, is used as a compliance controller. The fuzzy logic controller receives contact force as inputs and generates corresponding corrective motions as outputs. The rule learning mechanism, composed of two neurons, trains rule base of the fuzzy logic controller until the given task is successfully performed by using a reinforcement learning algorithm. The scheme does not require any prior knowledge on the slave arm dynamics, slave arm controller and the environment, and thus, it can be easily applied to the compliance control of telerobot systems. The effectiveness of the proposed scheme is verified through a series of experiments.
Second, a novel method for selecting the force reflection gain in position- force type bilateral telerobot systems is presented. The force reflection gain greatly affects the task performance of a bilateral teleoperation system; too small gain results in poor task performance while too large gain results in system instability. The maximum boundary of the gain guaranteeing the stability greatly depends upon characteristics of the elements in the system such as: a master arm which is combined with the human operator's hand, and the environments where the slave arm contacts. In normal practice, therefore, it is very difficult to determine such maximum boundary of the gain. To overcome this difficulty, the thesis presents a force reflection gain selecting algorithm based on artificial neural network and fuzzy logic. The method estimates characteristics of the master arm and the environments by using neural networks and, then, determines the force reflection gain from the estimated characteristics by using fuzzy logic. The effectiveness of the proposed scheme is verified through a series of experiments.
Finally, a novel design method of a shared controller for telerobot systems is presented. The shared controller consists of a compliance controller and a bilateral controller. First, design criteria of the compliance controller is presented. Second, the force reflection gain of the bilateral controller is determined based upon the characteristics of the master arm, environments and the compliance controller by using fuzzy logic. The characteristics of the master arm and environments are estimated using neural networks, and that of the compliance controller is determined form its DC gain. This algorithm can work in an on-line manner and, moreover, can be easily applied to any telerobot system. From the experiments using the laboratory-made telerobot system, the presented algorithm can determine the shared controller which ensures good task performance.
원격 로보트는 사람이 작업하기 어려운 환경하에서 사람을 대신하여 여러 가지 작업을 수행하는 기능을 하므로, 그 작업의 특성상 잘 알려지지 않은 환경하에서 작업하게되는 경우가 많다. 본 논문에서는 잘 알려지지 않은 환경하에서도 좋은 작업성능을 보장할 수 있는 원격 로보트의 구현을 위한 연구의 일환으로 힘 정보를 이용한 원격 로보트의 제어 알고리즘에 대 한 연구를 수행하였으며, 그 구체적인 내용은 다음과 같다.
첫번째로, 미지의 강성을 가지는 환경과 접촉하는 원격 로보트 시스템을 위한 새로운 컴플라이언스 제어 기법으로 뉴로-퍼지 컴플라이언스 모델(NFCM)을 이용한 제어 기법을 제안하였다. 본 기법은 학습 과정을 통하여 작업 수행에 적합한 슬레이브 암의 컴플라이언스를 스스로 구현하는 기법이다. NFCM은 퍼지 논리 제어기와 규칙 학습 메카니즘으로 구성된다. 퍼지 논리 제어기는 접촉력을 입력으로 받아들여 이에 대응하는 보정 운동을 출력으로 내어준다. 두 개의 뉴런으로 구성된 규칙 학습 메카니즘은 강화 학습 방법을 이용하여 주어진 작업이 성공적으로 수행될 수 있도록 퍼지논리 제어기의 규칙을 학습시켜 주는 역할을 한다. 이 방법은 슬레이브 암의 동역학이나 제어기의 구성, 작업 환경에 대한 선행 지식을 필요로 하지 않으므로 원격로보트의 컴플라이언스 제어에 쉽게 적용할 수 있는 장점이 있다. 본 실험실에서 개발한 원격로보트 시스템을 이용한 실험을 통하여 제안된 방법은 주어진 작업에 적합한 컴플라이언스을 구현할 수 있음이 입증되었다.
두번째로, 위치-힘 방식의 양방향 원격 로보트 시스템에서 힘반영 게인을 선정하는 새로운 알고리즘을 제안하였다. 힘반영 게인은 원격작업의 성능에 큰 영향을 준다. 안정성 측면에서 구한 이 게인의 허용 범위는 작업자 , 매스터 암, 슬레이브 암 및 작업 환경의 특성에 의해 결정되므로, 게인의 선정을 위해서는 이들 특성치를 알아야 한다. 본 연구에서는 이를 위해 신경 회로망과 퍼지 논리를 이용한 힘반영 게인 선정 알고리즘을 제안하였다. 이 방법은 신경 회로망을 이용하여 작업자 및 매스터 암, 작업 환경의 컴플라이언스 특성을 예측한 다음, 이 특성치로 부터 퍼지 논리를 이용하여 힘반영 게인을 결정하는 방법이다. 본 방법은 여러 가지 작업 조건하에서도 각각의 경우에 적합한 힘반영 게인을 선정할 수 있음을 원격로보트 시스템을 이용 한 실험을 통하여 알 수 있었다.
마지막으로, 원격로보트 시스템의 분할 제어기를 설계하기 위한 새로운 알고리즘을 제안하였다. 분할 제어는 컴플라이언스 제어와 힘 반영 제 어를 결합한 형태의 제어 방식으로 안정하면서도 큰 힘전달 게인을 구현할 수 있는 장점이 있다. 본 연구에서는 먼저 컴플라이언스 제어기의 설계 조건 을 제시하고, 이 제어기의 컴플라이언스 특성치와 신경회로망을 이용하여 구한 작업자 및 매스터 암, 작업환경의 특성치를 근거로 하여, 퍼지 논리를 이용하여 힘반영 게인을 결정한다. 제안된 방법은 주어진 작업 조건에 적합 한 분할 제어기를 구현할 수 있음을 실험을 통하여 알 수 있었다.
