서지주요정보
Development of two-axial strain distribution sensing method using deep learning-based anisotropic electrical impedance tomography(aEIT) = 딥러닝 기반의 이방성 전기 임피던스 단층촬영기술(aEIT)을 이용한 이축 스트레인 분포 센싱 기술 개발
서명 / 저자 Development of two-axial strain distribution sensing method using deep learning-based anisotropic electrical impedance tomography(aEIT) = 딥러닝 기반의 이방성 전기 임피던스 단층촬영기술(aEIT)을 이용한 이축 스트레인 분포 센싱 기술 개발 / Hyun Kyu Park.
저자명 Park, Hyun Kyu ; 박현규
발행사항 [대전 : 한국과학기술원, 2019].
Online Access 원문보기 원문인쇄

소장정보

등록번호

8033543

소장위치/청구기호

학술문화관(도서관)2층 패컬티라운지(학위논문)

MME 19017

SMS전송

도서상태

이용가능

대출가능

반납예정일

초록정보

In the field of robotics, there is a growing demand for multi-axial strain sensation with high durability and performance. It is able to detect the complex motion of the multi degrees of freedom joint of human and robot through multi-axial strain sensor. In several studies, multi-axial strain sensors based on piezoreistivity were suggested, but those have disadvantages such as low manufacturability and durability. In order to overcome the limitations, studies with Electrical Impedance Tomography(EIT)-based strain sensing method was proposed. EIT is a tomographic imaging method that measures conductivity distribution with only boundary electrodes. In the case of electrodes attached at the boundary of piezoresistive material, the change in conductivity due to mechanical deformation can be measured in the form of a distribution. EIT-based tactile sensing has advantages of high durability due to the location of electrodes and high performance that can detect an arbitrary location of deformation. Anisotropic EIT(aEIT) is a state-of-the-art EIT method that can measure not only the degree of conductivity change but also the direction of conductivity change. This allows the distribution of two-axial strain to be measured. In this study, the performance of the existing aEIT method was quantitatively validated. A novel aEIT method was developed to overcome the limitations. While the existing model is constructed based on linearization assumption, a nonlinear model based on deep learning technology was developed for higher performance. The model constructed through deep learning showed higher performance in reconstructing conductivity tensor distribution than the existing linearization-based model. In addition, research was conducted to incorporate the deep learning model with actual sensing application. First, a method to build a noise-robust deep learning model was developed. Also, a platform to measure the conductivity distribution in real time by applying the deep learning model was developed. The demonstration confirmed that the platform operated successfully by using EIT model and a two-axial strain sensor that fabricated with piezoresistive fabric.

로봇 공학 분야에서 높은 내구성과 성능을 갖는 다축 스트레인 감지 기술에 대한 요구가 증대되고 있다. 다축 스트레인 센서를 이용하면, 신체나 로봇의 다 자유도 관절의 복잡한 거동을 감지할 수 있다. 다수의 연구에서 압저항성을 기반으로 한 다축 스트레인 센서를 제안했지만, 공정 과정이 복잡하고 내구도가 낮다는 단점이 공통으로 존재한다. 이러한 한계점을 인식하여, 본 연구에서는 전기 임피던스 단층촬영기술(EIT)을 기반으로 한 스트레인 감지 기법을 제안한다. EIT는 둘레 전극만으로 전도성 분포를 측정하는 단층촬영 이미징 기술이다. 압저항 소재의 둘레에 전극을 부착하여 이를 적용할 경우, 기계적 변형에 따른 전도성의 변화를 분포의 형태로 측정할 수 있다. EIT 기반 촉각 센싱은 전극의 위치의 특징으로 인한 높은 내구성과 다양한 변형 위치를 감지할 수 있다는 장점이 있다. 이방성 EIT(aEIT)는 전도성 변화의 정도뿐만 아니라 전도성 변화의 방향 또한 측정할 수 있는 최신 EIT 기술이다. 이를 통해 이축 스트레인 분포를 측정할 수 있다. 본연구에서는 기존의 aEIT기법에 대한 정량적 성능 평가를 진행했다. 현존하는 한계점을 극복하기 위해 새로운 aEIT 기법을 개발하였다. 기존 모델은 선형화 가정을 기반으로 구축되었지만, 더 높은 성능을 위해 딥러닝 기술을 기반으로 한 비선형 모델을 개발하였다. 딥러닝을 통해 구축한 모델이 기존의 선형 기반 모델보다 더 높은 전도성 텐서 분포의 재구축 성능을 보였다. 또한, 딥러닝 모델을 실제 센싱 기술로 적용하는 연구를 진행하였다. 첫 번째로, 잡음으로부터 강건한 딥러닝 모델을 구축하는 방법을 고안하였다. 또한, 딥러닝 모델을 실시간 전도성 분포에 적용하는 플랫폼을 개발하였다. EIT 모델과 압저항 천을 통해 제작한 이축 스트레인 센서를 플랫폼에 적용하여 구동한 결과, 원활한 성능을 보임을 확인할 수 있었다.

서지기타정보

서지기타정보
청구기호 {MME 19017
형태사항 vi, 52 p. : 삽도 ; 30 cm
언어 영어
일반주기 저자명의 한글표기 : 박현규
지도교수의 영문표기 : Jung Kim
지도교수의 한글표기 : 김정
학위논문 학위논문(석사) - 한국과학기술원 : 기계공학과,
서지주기 References : p. 48-50
주제 tactile sensor
anisotropic electrical impedance tomography
deep learning
piezoresistivity
촉각센서
이방성 전기 임피던스 단층촬영기술
딥러닝
압저항성
QR CODE qr code