지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 발행연도
- 2013
- 저작권
- 과학기술연합대학원대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 논문에서는 하지 외골격 로봇의 보행 단계 분류를 위해 관절 회전 정보를 입력으로 사용하는 다층 신경망 기반 보행 단계 분류기를 제안한다. 보행 단계 분류기의 입력으로는 각도와 각속도의 추정치를 이용하였다. 이들 데이터는 엔코더로부터 측정되거나 엔코더로 부터 측정된 데이터로부터 유추 할 수 있다. 엔코더는 하지 외골격 로봇의 구동을 위해 필수적인 센서로 이를 이용함으로써 다른 센서의 사용을 줄일 수 있게 된다.
보행 단계 분류기를 구성하는 알고리즘으로는 오류 역전파 신경망을 적용하였다. 신경망은 입·출력층을 포함하여 총 3개의 층을 갖도록 구성하였다. 입력층은 4개의 뉴런으로 구성하였다. 입력층의 각 뉴런에는 엉덩 관절과 무릎 관절의 각도 및 각속도의 추정치가 입력된다. 은닉층은 20개의 뉴런으로 구성하였다. 마지막으로 출력층은 1개의 뉴런으로 구성하였으며, 출력뉴런에서는 보행 단계를 나타내는 2진수 값이 출력된다. 분류기의 정확성을 평가하기 위해 정상인 6명이 하지 외골격 로봇 ROBIN-H1을 착용하고 보행 실험을 수행하였다. 실험으로 얻은 보행 데이터를 보행 단계 분류기에 입력하여 분류된 보행 단계를 구하였다. 분류된 보행 단계를 FSR(force sensing resister)센서 신호와 비교하여 정확성 검증 및 로봇에의 적용 가능성을 확인하였다.
보행 단계 분류기를 구성하는 알고리즘으로는 오류 역전파 신경망을 적용하였다. 신경망은 입·출력층을 포함하여 총 3개의 층을 갖도록 구성하였다. 입력층은 4개의 뉴런으로 구성하였다. 입력층의 각 뉴런에는 엉덩 관절과 무릎 관절의 각도 및 각속도의 추정치가 입력된다. 은닉층은 20개의 뉴런으로 구성하였다. 마지막으로 출력층은 1개의 뉴런으로 구성하였으며, 출력뉴런에서는 보행 단계를 나타내는 2진수 값이 출력된다. 분류기의 정확성을 평가하기 위해 정상인 6명이 하지 외골격 로봇 ROBIN-H1을 착용하고 보행 실험을 수행하였다. 실험으로 얻은 보행 데이터를 보행 단계 분류기에 입력하여 분류된 보행 단계를 구하였다. 분류된 보행 단계를 FSR(force sensing resister)센서 신호와 비교하여 정확성 검증 및 로봇에의 적용 가능성을 확인하였다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0