For performing parts mating task, a reliable assembly strategy is essential to overcome positioning error resulted from many ancillary components of the assembly system and robot itself. However, it is very difficult to obtain a complete $\textit{a priori}$ knowledge of their characteristics. In precision assembly, even small misalignment between two mating part can cause large reaction force and thus make the assembly task even impossible. Many assembly methods, up to now, have been actively investigated to overcome those problems, this thesis focuses our attention on force sensor-based active method. However, most of previous works using force sensor have still some problems because they could not satisfy the following functional requirements of :(1) nonlinear and complex mapping force information and position of mating parts; (2) not requiring and explicit discriminant function for recognizing contact states; and (3) copying with the vague and inexact relationship between force input and position output.
To cope with these problems, a fuzzy rule-based assembly algorithm method is considered. Its performance is evaluated through a series of experimented for various assembly parameters such as sensor location, tilting angle, pressing force, etc. Although the method can be a method to mate parts successfully, the rule construction still depends upon expert or previous experiments.
Secondly, in order to overcome the limitation of fixed fuzzy rule method, a self-learning rule-based assembly method is proposed. In this method, the value of the fuzzy subset of rule base is learned iteratively using two neuron-like elements. Its performance is investigated through experiments.
Finally, the two presented methods are applied to an in-line continuous transfer system. Their performances are also discussed through a series of experiments. Each performance depends upon moving velocity.
정밀부품의 조립작업을 위하여 조립시스템과 로봇으로부터 발생하는 결합부품간의 위치오차를 보상하기 위한 조립알고리즘은 필수적이다. 이 목적을 달성키 위하여 힘센서를 이용한 능동적 조립알고리즘의 개발이 활발히 이루어져 왔으나, 종래의 방법들은 실제조립작업에서 요구되는 (1)힘정보와 위치오차간의 비선형적 특성, (2)접촉상태를 인식하는 기하학적 모델의 불필요성과 (3)힘정보와 위치오차간의 애매하고 불확실한 관계를 만족하지 못하였다.
따라서 본 논문에서는 먼저 퍼지이론을 이용한 조립알고리즘을 제시하고 그 성능을 실험으로 검증하였다. 이 방법은 미리 실험을 통하여 발견법적으로 규칙을 구축함으로써 인간의 작업특성을 언어적 변수로 표현하였다. 이런 규칙의 설정은 힘센서의 위치에 따라 달라지나 한번 설정된 규칙은 모델이 일정한 경우 접촉상태에 관계없이 위치오차를 효과적으로 보상하였다. 그런데 퍼지 알고리즘의 성능은 각도오차, 부품 유격등 부품의 특성등에 영향을 받으며, 부품의 치수변화등 모델이 변화될 경우 퍼지규칙과 관련된 언어적 변수들을 나타내는 값들도 달라져야한다. 이값들은 예비실험을 통하여 값들을 찾아야 하므로 전건부와 후건부의 변수가 많은 경우 많은 시간과 노력이 요구된다.
앞서 언급한 퍼지 알고리즘의 문제점을 해결하기 위하여 신경회로 이론의 학습특성을 이용하여 퍼지규칙과 관련된 변수들의 값들을 실험을 계속수행함으로써 연속적으로 이를 개선하는 자기학습 퍼지알고리즘을 제시하였다. 본 논문에서는 퍼지규칙의 전건부는 임의로 고정시킨 후 전건부에 일치하는 후건부의 값을 찾는 문제이다. 실험결과 센서의 위치에 관계없이 성공적인 학습을 통하여 위치오차를 보상하였으며, 이 때의 성능은 고정된 퍼지알고리즘의 경우와 유사함을 알 수 있다. 이것은 고정된 퍼지알고리즘의 값들이 많은 실험을 통하여 이루어졌으므로 준최적상태로 정해졌기 때문이다.
위에서 제안된 고정된 규칙을 가진 퍼지알고리즘과 자기학습 퍼지 알고리즘을 동적상태 조건하에서 실험을 수행하였다. 동적상태의 조립 반력은 준정적 상태의 위치오차와 동적상태의 속도요인으로 발생되므로 부품의 이동속도가 작은 경우 준정적 상태와 유사한 성능을 나타내었으나 속도가 커짐에따라 조립성공율이 낮아짐을 알 수 있다. 이것은 속도에 의하여 발생되는 힘의 영향이 퍼지규칙의 구축에 반영되지 않았기 때문이다.
결과적으로 퍼지규칙과 신경회로망을 이용한 조립알고리즘의 개발은 다품종소량생산체제에서 요구되는 유연성과 환경의 변화에 적응할 수 있는 지능을 조립시스템에 부여하기 위하여 이루어졌다.