KR102289375B1 - Real-time safety evaluation method of robot based on the big data of collision physical force using graphic information - Google Patents
Real-time safety evaluation method of robot based on the big data of collision physical force using graphic information Download PDFInfo
- Publication number
- KR102289375B1 KR102289375B1 KR1020190138364A KR20190138364A KR102289375B1 KR 102289375 B1 KR102289375 B1 KR 102289375B1 KR 1020190138364 A KR1020190138364 A KR 1020190138364A KR 20190138364 A KR20190138364 A KR 20190138364A KR 102289375 B1 KR102289375 B1 KR 102289375B1
- Authority
- KR
- South Korea
- Prior art keywords
- collision
- robot
- force
- information
- real
- Prior art date
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 39
- 238000012360 testing method Methods 0.000 claims abstract description 105
- 238000013528 artificial neural network Methods 0.000 claims abstract description 32
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 230000000007 visual effect Effects 0.000 claims abstract description 10
- 230000006378 damage Effects 0.000 claims description 27
- 208000027418 Wounds and injury Diseases 0.000 claims description 25
- 208000014674 injury Diseases 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 25
- 230000001939 inductive effect Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004088 simulation Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 10
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 230000000704 physical effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000012636 effector Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000008520 organization Effects 0.000 description 4
- 241000282412 Homo Species 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 210000003491 skin Anatomy 0.000 description 2
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000037394 skin elasticity Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
- G05B19/4061—Avoiding collision or forbidden zones
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4189—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the transport system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Quality & Reliability (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Manipulator (AREA)
Abstract
그래픽 정보를 이용한 실시간 로봇 충돌 위험도 모니터링이 가능한 충돌 물리력 빅데이터 기반 로봇 안전성 평가 방법에 관한 것이다. 본 발명에 의한 그래픽 정보를 이용한 실시간 로봇 충돌 위험도 모니터링이 가능한 충돌 물리력 빅데이터 기반 로봇 안전성 평가 방법은, 충돌 압력, 충돌 힘 가운데 적어도 하나를 포함하는 충돌 물리력과, 이에 영향을 주는 충돌인자에 대한 데이터가 학습된 인공신경망을 준비하는 단계; 실제 로봇의 형상 정보를 포함하는 테스트 로봇의 3차원 영상 또는 3차원 모형을 획득하는 단계; 상기 테스트 로봇의 이동시간 정보 및 이동경로 정보를 포함하는 프로파일 정보를 입력하여 상기 테스트 로봇의 이동시간 및 이동경로를 설정하는 단계; 상기 테스트 로봇의 충돌 인자에 따른 피충돌체에 가해지는 충돌 압력, 충돌 힘 가운데 적어도 하나를 포함하는 충돌 물리력을 상기 미리 준비된 인공신경망에서 실시간으로 추출하는 단계; 상기 추출된 충돌 물리력의 크기가 기 설정된 최대 충돌 물리력의 크기 내에 해당하는지를 판단하여 상기 테스트 로봇의 안전성을 평가하는 단계; 및 로봇의 안전성 평가 결과를 수치화하여 시뮬레이션 프로그램 내 그래픽 정보로 변환하여 로봇 사용자에게 시각정보로 알려주는 단계;를 포함할 수 있다.It relates to a robot safety evaluation method based on collision physical force big data capable of monitoring the risk of robot collision in real time using graphic information. The collision physical force big data-based robot safety evaluation method capable of real-time robot collision risk monitoring using graphic information according to the present invention is a collision force including at least one of collision pressure and collision force, and data on collision factors affecting it preparing a trained artificial neural network; obtaining a three-dimensional image or three-dimensional model of the test robot including shape information of the real robot; setting a movement time and movement path of the test robot by inputting profile information including movement time information and movement path information of the test robot; extracting, in real time, a collision physical force including at least one of a collision pressure and a collision force applied to the object to be collided according to the collision factor of the test robot from the pre-prepared artificial neural network; evaluating the safety of the test robot by determining whether the magnitude of the extracted collision force falls within a preset maximum collision force force; and converting the result of the safety evaluation of the robot into graphic information in the simulation program and notifying the robot user as visual information.
Description
본 발명은 그래픽 정보를 이용한 실시간 로봇 충돌 위험도 모니터링이 가능한 충돌 물리력 빅데이터 기반 로봇 안전성 평가 방법에 관한 것으로, 보다 상세하게는 로봇으로부터 추출된 충돌인자에 따른 충돌 물리력을 미리 데이터 맵핑 또는 인경신경망을 통해 학습시키고, 이러한 학습된 인공신경망 등을 실시간으로 추출하여 테스트 로봇의 이동에 따라 로봇의 안전성을 실시간으로 파악하는 것이 가능하며, 로봇의 안전성을 색채 등의 그래픽 정보를 이용해 사용자에게 표시하는 실시간 로봇 충돌 위험도 모니터링이 가능한 충돌 물리력 빅데이터 기반 로봇 안전성 평가 방법에 관한 것이다. The present invention relates to a collision physical force big data-based robot safety evaluation method capable of real-time robot collision risk monitoring using graphic information. It is possible to understand the safety of the robot in real time according to the movement of the test robot by extracting the learned artificial neural network in real time, and real-time robot collision that displays the safety of the robot to the user using graphic information such as color It relates to a robot safety evaluation method based on collision physics big data capable of risk monitoring.
근래 로봇의 고성능화의 실현으로 인해 운전 편의성의 극대화와 아울러, 로봇의 운행시 작업자와의 충돌 방지를 통한 안전성 확보를 위해서 여러 다양한 노력이 이루어지고 있다. In recent years, various efforts are being made to maximize driving convenience due to the realization of high-performance robots and to secure safety by preventing collisions with workers when the robot is operating.
이러한 로봇은 인간과 같은 작업 공간 내에 설치될 수 있음으로 작업시 충돌에 의한 사고가 빈번히 발생하게 된다. 따라서, 로봇에 있어서 필수적으로 요구되는 것은 1) 모션의 정밀성과, 2) 모션의 안전성이다. 첫 번째 요구사항인 모션의 정밀성의 경우에는 모터 정밀제어 기술의 발전을 통해 현재 일정 궤도에 진입한 실정이나, 두 번째 요구사항인 모션의 안전성의 경우에는 모션의 정밀성에 비교하여 기술적인 완성도가 매우 미비한 실정이다. Since these robots can be installed in the same work space as humans, accidents due to collisions occur frequently during work. Therefore, what is essential for a robot is 1) precision of motion and 2) safety of motion. In the case of precision of motion, which is the first requirement, the current state has entered a certain trajectory through the development of precision motor control technology. It is in an obscure state.
특히 최근 들어 로봇 시스템에 있어서, 안전성(safety)이라는 용어가 핵심 화두로 떠오르면서 로봇의 안전성을 높이기 위한 다양한 연구가 진행되고 있다.In particular, in recent years, as the term safety has emerged as a key topic in robot systems, various studies are being conducted to increase the safety of robots.
현재 통용되고 있는 안전성을 확보하는 방법은 로봇의 속도를 일정 속도 이하로 낮추는 것이다. 그러나 이러한 방법은 로봇 속도의 적정성을 평가하여 로봇의 속도를 제어하는 것이 아니라, 로봇의 속도를 크게 낮추어 안정성을 확보하는 것이어서, 안전성을 높일 수는 있지만 생산성이 크게 저하되어 효율성이 좋지 않은 문제가 있다.The currently used method to ensure safety is to lower the speed of the robot below a certain speed. However, this method does not control the speed of the robot by evaluating the adequacy of the speed of the robot, but secures the stability by significantly lowering the speed of the robot. .
이러한 문제를 해결하기 위하여, 로봇에 펜스를 구축하여 사람이 펜스 안에 있지 않을 때에만 로봇을 정상적으로 운용함으로써 생산성을 증가시켰으나, 협동 로봇, 서비스 로봇 등과 같이 로봇과 사람이 같은 공간에 있는 경우에 대한 안전성 향상 해결책은 아직 구축되지 않은 실정이다. 이에 사람과 로봇이 같은 공간 내에서 작업을 하면서도 로봇에 의해 상해를 입지 않도록 하기 위한 해결책의 마련이 필요하다. In order to solve this problem, a fence was built on the robot to increase productivity by operating the robot normally only when a person is not inside the fence, but safety in the case where the robot and the person are in the same space, such as a cooperative robot or a service robot Improvement solutions have not yet been established. Therefore, it is necessary to come up with a solution to prevent injuries by robots while humans and robots work in the same space.
또한, 현재 개발된 대부분의 로봇의 안전성 평가 방법은 실제 테스트 로봇에 충돌 압력, 충돌 힘, 이동 속도 등을 구하기 위한 별도의 장치를 설치하여 평가하는 것이어서 평가 비용이 증가하는 문제가 있었다. In addition, the safety evaluation method of most of the robots currently developed is to install and evaluate a separate device for obtaining the collision pressure, the collision force, the moving speed, etc. in the actual test robot, so there is a problem in that the evaluation cost increases.
그리고 안전성 평가시 테스트 로봇은 필요 이상으로 정지와 작동을 반복하게 되므로 작업효율이 감소되고, 테스트 로봇에 무리가 가해지는 문제가 있었다. In addition, during safety evaluation, the test robot repeatedly stops and operates more than necessary, so the work efficiency is reduced, and there is a problem in that the test robot is overloaded.
이러한 문제를 해결하기 위하여, 테스트 로봇의 이동에 따라 신체에 가해지는 충돌력을 수학적으로 예측하는 방법이 구현되었으나, 신체상해와 직접적으로 연관되어 있는 물리지수인 압력(ISO/TS 15066 로봇 충돌안전 평가인자)을 예측하지 않아 충돌부위의 형상에 관계없이 일정한 압력이 산출하거나 압력을 계산하지 않아 충돌로 인한 상해를 예측하는 것에 한계가 있어 안전성 평가 정확도가 낮은 문제가 있었다.To solve this problem, a method of mathematically predicting the collision force applied to the body according to the movement of the test robot was implemented, but the pressure (ISO/TS 15066 robot collision safety evaluation), which is a physical index directly related to bodily injury, was implemented. factor), so a constant pressure is calculated regardless of the shape of the collision site, or there is a limit to predicting an injury caused by a collision because the pressure is not calculated, so the safety evaluation accuracy is low.
충돌로 인한 압력을 예측하는 방법은 유한요소법을 이용한 충돌 시뮬레이션을 수행하는 것이 대부분이지만, 해석시간이 오래 걸려 테스트 로봇의 이동에 따라 로봇의 안전성을 실시간으로 파악하는 것은 불가능한 문제가 있다.Most of the methods for predicting pressure due to collision are collision simulation using the finite element method, but it takes a long time to analyze, so it is impossible to grasp the safety of the robot in real time according to the movement of the test robot.
본 발명의 과제는 테스트 로봇의 형상을 고려한 각 부위별 이동속도 및 이동경로에 따라 작업자에 가해지는 충돌 압력 및 충돌 힘을 산출하고, 산출된 값이 국제표준화기구(ISO) 규격에 내에 해당하는 지를 판단하여 안전성 평가의 정확도가 향상된 로봇의 안전성 평가 방법을 제공함에 있다.The task of the present invention is to calculate the impact pressure and impact force applied to the operator according to the movement speed and movement path for each part considering the shape of the test robot, and determine whether the calculated value falls within the International Organization for Standardization (ISO) standard. It is to provide a safety evaluation method of a robot with improved accuracy of safety evaluation by judging.
또한, 본 발명의 과제는 테스트 로봇의 형상을 고려하여 각 부위별 이동속도 및 이동경로에 따라 작업자에 가해지는 충돌 압력 및 충돌 힘을 산출하고, 산출된 값이 국제표준화기구(ISO)의 규격을 만족하도록 테스트 로봇의 속도 및 자세를 제어하는 로봇의 안전성 향상 방법을 제공함에 있다.In addition, an object of the present invention is to calculate the impact pressure and impact force applied to the operator according to the movement speed and movement path for each part in consideration of the shape of the test robot, and the calculated values meet the standards of the International Organization for Standardization (ISO). An object of the present invention is to provide a method for improving the safety of a robot that controls the speed and posture of the test robot to satisfy it.
또한, 본 발명은 테스트 로봇의 형상을 고려한 각 부위별 이동속도 및 이동경로에 따라 작업자에 가해지는 충돌 압력 및 충돌 힘을 산출하고, 이렇게 산출된 값을 저장하여 데이터를 집합시켜 데이터 베이스를 구축하고, 이를 인공 신경망에 트레이닝하여 트레이닝된 인공 신경망을 통하여 모션 중인 로봇의 충돌물리력을 실시간으로 예측함에 있다. In addition, the present invention calculates the impact pressure and impact force applied to the operator according to the movement speed and movement path for each part considering the shape of the test robot, stores the calculated values, collects data, and builds a database. , to predict the collision physics force of a moving robot in real time through the trained artificial neural network by training it on an artificial neural network.
또한, 본 발명의 과제는 테스트 로봇의 이동에 따라 실시간으로 예측한 로봇의 충돌 물리력를 그래픽적 표현을 이용하여 실시간 충돌 안전 모니터링 방법을 제공함에 있다. In addition, an object of the present invention is to provide a real-time collision safety monitoring method using a graphical representation of the collision physical force of the robot predicted in real time according to the movement of the test robot.
본 발명에 일 실시예에 의한 그래픽 정보를 이용한 실시간 로봇 충돌 위험도 모니터링이 가능한 충돌 물리력 빅데이터 기반 로봇 안전성 평가 방법은, 충돌 압력, 충돌 힘 가운데 적어도 하나를 포함하는 충돌 물리력과, 이에 영향을 주는 충돌인자에 대한 데이터가 학습된 인공신경망을 준비하는 단계; 실제 로봇의 형상 정보를 포함하는 테스트 로봇의 3차원 영상 또는 3차원 모형을 획득하는 단계; 상기 테스트 로봇의 이동시간 정보 및 이동경로 정보를 포함하는 프로파일 정보를 입력하여 상기 테스트 로봇의 이동시간 및 이동경로를 설정하는 단계; 상기 테스트 로봇의 충돌 인자에 따른 피충돌체에 가해지는 충돌 압력, 충돌 힘 가운데 적어도 하나를 포함하는 충돌 물리력을 상기 미리 준비된 인공신경망에서 실시간으로 추출하는 단계; 상기 추출된 충돌 물리력의 크기가 기 설정된 최대 충돌 물리력의 크기 내에 해당하는지를 판단하여 상기 테스트 로봇의 안전성을 평가하는 단계; 및 로봇의 안전성 평가 결과를 수치화하여 시뮬레이션 프로그램 내 그래픽 정보로 변환하여 로봇 사용자에게 시각정보로 알려주는 단계;를 포함할 수 있다.A collision physical force big data-based robot safety evaluation method capable of real-time robot collision risk monitoring using graphic information according to an embodiment of the present invention includes a collision physical force including at least one of a collision pressure and a collision force, and a collision that affects it Preparing an artificial neural network in which data for the factor is learned; obtaining a three-dimensional image or three-dimensional model of the test robot including shape information of the real robot; setting a movement time and movement path of the test robot by inputting profile information including movement time information and movement path information of the test robot; extracting, in real time, a collision physical force including at least one of a collision pressure and a collision force applied to the object to be collided according to the collision factor of the test robot from the pre-prepared artificial neural network; evaluating the safety of the test robot by determining whether the magnitude of the extracted collision force falls within a preset maximum collision force force; and converting the result of the safety evaluation of the robot into graphic information in the simulation program and notifying the robot user as visual information.
또한, 충돌 압력, 충돌 힘 가운데 적어도 하나를 포함하는 충돌 물리력과, 이에 영향을 주는 충돌인자에 대한 데이터가 학습된 인공신경망을 준비하는 단계에서는, 실제 로봇과 피충돌체 사이의 충돌실험을 수행하거나, 유한요소 시뮬레이션을 수행하거나, 수학적으로 계산하는 방식으로, 충돌부위 형상, 유효질량, 이동속도, 충돌방향, 사람의 신체 물성치 가운데 적어도 하나 이상을 포함하는 충돌인자와 상기 충돌 인자에 따른 충돌 물리력에 대한 데이터를 획득하는 것을 특징으로 할 수 있다.In addition, in the step of preparing the artificial neural network in which data on the collision physical force including at least one of the collision pressure and the collision force and the collision factors affecting it are learned, a collision experiment between the real robot and the object to be collided is performed, In a finite element simulation or mathematical calculation method, the collision factor including at least one of the shape of the collision site, effective mass, moving speed, collision direction, and physical properties of a person, and the collision physical force according to the collision factor It may be characterized in that the data is acquired.
또한, 충돌 물리력과, 이에 영향을 주는 충돌인자에 대한 데이터가 학습된 인공신경망을 준비하는 단계에서는, 충돌인자를 고려하고, 상기 충돌인자의 조합을 결정하는 단계; 상기 충돌인자의 조합에 따른 충돌 물리력을 획득하는 단계; 및 획득된 충돌 물리력 데이터를 인공신경망에 학습시키는 단계; 를 포함할 수 있다.In addition, in the step of preparing the artificial neural network in which the collision physical force and data on the collision factors affecting it are learned, the steps of considering the collision factors and determining a combination of the collision factors; obtaining a collision force according to a combination of the collision factors; and learning the obtained collision physical force data to an artificial neural network. may include.
또한, 상기 추출된 충돌 물리력의 크기가 기 설정된 최대 충돌 물리력의 크기 내에 해당하는지를 판단하여 상기 테스트 로봇의 안전성을 평가하는 단계는, 추출된 충돌 물리력을 국제 로봇충돌안전 표준(ISO)와 비교하여 테스트 로봇의 안전성을 평가할 수 있다.In addition, the step of evaluating the safety of the test robot by determining whether the magnitude of the extracted collision force falls within the preset maximum collision force force is tested by comparing the extracted collision force with the International Robot Collision Safety Standard (ISO) The safety of the robot can be evaluated.
또한, 상기 테스트 로봇은, 상기 시뮬레이션 프로그램에 상기 로봇의 형상 정보를 입력하여 형성된 3차원 영상 또는 3차원 계측 센서를 통해 형성된 3차원 모형일 수 있다. Also, the test robot may be a 3D image formed by inputting shape information of the robot into the simulation program or a 3D model formed through a 3D measurement sensor.
또한, 상기 시뮬레이션 프로그램은 CAE(Computer Aided Engineering) 프로그램일 수 있다. Also, the simulation program may be a computer aided engineering (CAE) program.
또한, 충돌 인자에 따른 충돌 물리력에 대한 데이터를 획득하는 방법 가운데 수학적으로 계산하는 방식은, 상기 테스트 로봇의 자세를 변화시키고, 상기 자세의 변화에 따라 상기 테스트 로봇의 상해 유발 위험 부위에 의해 상기 피충돌체에 가해지는 충돌 압력 및 충돌 힘을 산출하는 단계를 포함할 수 있다.In addition, the mathematical calculation method among the methods of obtaining data on the collision physical force according to the collision factor is to change the posture of the test robot, and according to the change of the posture, and calculating a collision pressure and a collision force applied to the colliding body.
또한, 상기 수학적으로 계산하는 방식은, 상기 테스트 로봇의 각 부위별 면적에 따라 상기 피충돌체에 가해지는 접촉압력을 산출하고, 상기 산출된 접촉압력 값을 통해 상기 테스트 로봇에 대한 적어도 하나의 상해 유발 위험 부위를 설정하는 단계를 더 포함할 수 있다. In addition, the mathematical calculation method calculates the contact pressure applied to the collided object according to the area of each part of the test robot, and induces at least one injury to the test robot through the calculated contact pressure value It may further include the step of setting a risk area.
또한, 상기 수학적으로 계산하는 방식은, 일정 시간 단위 별로 상기 피충돌체에 가해지는 충돌 압력 및 충돌 힘을 산출할 수 있다.In addition, the mathematical calculation method may calculate a collision pressure and a collision force applied to the object to be collided for each predetermined time unit.
또한, 로봇의 안전성 평가 결과를 수치화하여 시뮬레이션 프로그램 내 그래픽 정보로 변환하여 로봇 사용자에게 시각정보로 알려주는 단계는, 로봇 내에서 충돌 시에 위험할 수 있는 상해유발 부위를 선정하는 단계; 로봇의 움직임 중에 상기 상해유발 부위와 인간이 충돌 시에 발생하게 될 힘, 압력, 충돌에너지, 변형량 가운데 적어도 하나를 포함하는 충돌정보를 산출하는 단계; 상기 산출된 충돌정보의 위험정도를 색채로 변환하는 단계; 및 실제 로봇의 움직임을 실시간으로 추종하는 로봇 시뮬레이션 상에서 상기 상해유발 부위 도면의 색채를 상기 변환된 색채 값으로 입력하는 단계;를 포함할 수 있다.In addition, the step of digitizing the safety evaluation result of the robot, converting it into graphic information in the simulation program and notifying the robot user as visual information, includes: selecting an injury-inducing part that may be dangerous in the event of a collision within the robot; Calculating collision information including at least one of force, pressure, collision energy, and deformation to be generated when the human body collides with the injury-inducing part during robot movement; converting the calculated degree of danger of the collision information into a color; and inputting the color of the injury-inducing part drawing as the converted color value in a robot simulation that tracks the movement of the real robot in real time.
또한, 실제 로봇의 움직임을 실시간으로 추종하는 로봇 시뮬레이션 상에서 해당 부위 도면의 색채를 상기 변환된 색채로 표시하는 단계에서, 로봇의 도면 내에 충돌정보가 산출되지 않은 부위의 색채는 충돌정보가 산출된 부위의 색채값을 보간하여 입력할 수 있다.In addition, in the step of displaying the color of the drawing of the corresponding part as the converted color on the robot simulation that follows the movement of the robot in real time, the color of the part for which collision information is not calculated in the drawing of the robot is the part where the collision information is calculated It can be input by interpolating the color values of .
본 발명에 따르면, 테스트 로봇에 의해 피충돌체에 가해지는 충돌 압력 및 충돌 힘의 크기를 CAE(Computer Aided Engineering) 프로그램 등으로 이루어진 컴퓨터 프로그램을 통해 시뮬레이션화 하여 구할 수 있거나, 계산 알고리즘을 테스트 로봇시스템에 적용하여 실시간으로 충돌압력과 충돌 힘을 산출할 수 있어 테스트 로봇의 안전성을 실시간으로 평가할 수 있다. 이에 따라, 테스트 로봇에 작용하는 충돌 압력, 충돌 힘, 이동 속도 등을 구하기 위한 별도의 장치를 구비하지 않아도 되므로, 저렴한 비용으로 안전성 평가를 수행할 수 있게 된다. According to the present invention, the collision pressure and the magnitude of the collision force applied to the object to be collided by the test robot can be obtained by simulating it through a computer program composed of a CAE (Computer Aided Engineering) program or the like, or a calculation algorithm is applied to the test robot system. By applying it, the collision pressure and collision force can be calculated in real time, so the safety of the test robot can be evaluated in real time. Accordingly, since it is not necessary to provide a separate device for obtaining the collision pressure, the collision force, the moving speed, etc. acting on the test robot, the safety evaluation can be performed at a low cost.
또한, 본 발명에 의하면 입력 받은 로봇의 CAE 정보를 빅데이터화하여 이를 인공신경망에 학습하여 트레이닝된 인공 신경망이 로봇에 설치될 수 있으므로, 해당 알고리즘을 구현하는 프로그램이 작은 용량으로 로봇에 설치될 수 있게 된다. In addition, according to the present invention, since the artificial neural network trained by converting the received robot CAE information into big data and learning it in the artificial neural network can be installed in the robot, the program implementing the algorithm can be installed in the robot with a small capacity. do.
또한, 본 발명에 의하면, 실제 로봇의 움직임을 실시간으로 추종하는 로봇 시뮬레이션 상에서 해당 부위의 위험도를 색채로 표시하여 로봇이 사용되는 현장에서 안전한 작업이 가능하도록 하고, 작업중 불의의 사고 발생시에 충돌 피해를 최소화할 수 있다. In addition, according to the present invention, the degree of danger of the corresponding part is displayed in color on the robot simulation that follows the movement of the actual robot in real time to enable safe work at the site where the robot is used, and to prevent collision damage when an unexpected accident occurs during work can be minimized
도 1은 본 발명의 일 실시예에 따른 로봇의 안전성 평가 방법에 대한 순서도.
도 2은 학습된 인공신경망을 준비하는 단계에 대한 순서도.
도 3은 충돌인자를 선정하고 이에 따른 충돌 물리력을 산출하여 데이터를 집합시키고, 집합된 데이터를 데이터 맵으로 만들거나 인공신경망에 학습하여 모션 중인 로봇의 충돌 물리력을 실시간으로 예측하는 과정을 도시하는 도면.
도 4는 테스트 로봇에 의해 피충돌체에 가해지는 충돌 압력 및 충돌 힘을 산출하는 단계에 대한 상세한 과정을 설명하기 위한 순서도.
도 5은 실제 로봇과 피충돌체가 충돌하는 상태를 개략적으로 도시한 도면.
도 6은 도 5에 있어서, 실제 로봇과 충돌하는 피충돌체의 표면 변화를 도시한 도면.
도 7은 도 1에 있어서, 테스트 로봇의 3차원 형상을 도시한 도면.
도 8는 테스트 로봇의 부위별 형상에 따라 피충돌체에 가해지는 접촉압력의 크기를 도시한 도면.
도 9은 3D 모델링 프로그램을 통해 획득한 충돌 압력 및 충돌 힘의 값을 도시한 도면.
도 10는 로봇의 안전성 평가 결과를 수치화하여 시뮬레이션 프로그램 내 그래픽 정보로 변환하여 시각정보로 알려주는 단계를 설명하기 위한 순서도.
도 11 및 도 12는 동작중인 로봇의 정보(조인트 각도, 속도, 무게정보 등)을 이용하여 획득한 충돌 물리력을 국제안전표준(ISO)와 실시간으로 안전평가하고 평가결과를 수치화 시켜 실시간 그래픽화를 구현한 도면.1 is a flowchart of a method for evaluating safety of a robot according to an embodiment of the present invention;
Figure 2 is a flow chart for the step of preparing a learned artificial neural network.
3 is a diagram illustrating a process of selecting a collision factor and calculating a collision force according to the collision force, collecting data, and predicting the collision physical force of a moving robot in real time by making the collected data into a data map or learning it in an artificial neural network .
4 is a flowchart for explaining a detailed process of calculating a collision pressure and a collision force applied to an object to be collided by a test robot;
5 is a diagram schematically illustrating a state in which an actual robot collides with a colliding object;
FIG. 6 is a view showing a surface change of a colliding object that collides with an actual robot in FIG. 5 .
7 is a view showing a three-dimensional shape of the test robot in FIG. 1 .
8 is a view showing the size of the contact pressure applied to the object to be collided according to the shape of each part of the test robot.
9 is a view showing values of impact pressure and impact force obtained through a 3D modeling program.
10 is a flowchart for explaining the step of digitizing the safety evaluation result of the robot, converting it into graphic information in a simulation program, and notifying it as visual information.
11 and 12 show the real-time safety evaluation of the collision force obtained using the information of the robot in motion (joint angle, speed, weight information, etc.) with the international safety standard (ISO) in real time, and digitize the evaluation result to make real-time graphics. Implemented drawing.
이하 첨부된 도면을 참조하여, 바람직한 실시예에 따른 로봇의 안전성 평가 방법에 대해 상세히 설명하면 다음과 같다. 여기서, 동일한 구성에 대해서는 동일부호를 사용하며, 반복되는 설명, 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략한다. 발명의 실시형태는 당업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위해서 제공되는 것이다. 따라서, 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다. Hereinafter, with reference to the accompanying drawings, the safety evaluation method of the robot according to a preferred embodiment will be described in detail as follows. Here, the same reference numerals are used for the same components, and repeated descriptions and detailed descriptions of well-known functions and configurations that may unnecessarily obscure the gist of the invention will be omitted. The embodiments of the invention are provided in order to more completely explain the invention to those of ordinary skill in the art. Accordingly, the shapes and sizes of elements in the drawings may be exaggerated for clearer description.
도 1은 본 발명의 일 실시예에 따른 로봇의 안전성 평가 방법에 대한 순서도이고, 도 2은 학습된 인공신경망을 준비하는 단계에 대한 순서도이며, 도 3은 충돌인자를 선정하고 이에 따른 충돌 물리력을 산출하여 데이터를 집합시키고, 집합된 데이터를 데이터 맵으로 만들거나 인공신경망에 학습하여 모션 중인 로봇의 충돌 물리력을 실시간으로 예측하는 과정을 도시하는 도면이다. 1 is a flowchart of a method for evaluating safety of a robot according to an embodiment of the present invention, FIG. 2 is a flowchart of the step of preparing a learned artificial neural network, and FIG. It is a diagram showing the process of calculating and collecting data, making the collected data into a data map, or predicting the collision force of a moving robot in real time by learning it in an artificial neural network.
도 1 내지 도 3을 참조하면, 본 발명에 의한 그래픽 정보를 이용한 실시간 로봇 충돌 위험도 모니터링이 가능한 충돌 물리력 빅데이터 기반 로봇 안전성 평가 방법(S100)은, 충돌 압력, 충돌 힘 가운데 적어도 하나를 포함하는 충돌 물리력과, 이에 영향을 주는 충돌인자에 대한 데이터가 학습된 인공신경망을 준비하는 단계(S110)와, 실제 로봇의 형상 정보를 포함하는 테스트 로봇의 3차원 영상 또는 3차원 모형을 획득하는 단계(S120)와, 상기 테스트 로봇의 이동시간 정보 및 이동경로 정보를 포함하는 프로파일 정보를 입력하여 상기 테스트 로봇의 이동시간 및 이동경로를 설정하는 단계(S130)와, 상기 테스트 로봇의 충돌 인자에 따른 피충돌체에 가해지는 충돌 압력, 충돌 힘 가운데 적어도 하나를 포함하는 충돌 물리력을 상기 미리 준비된 인공신경망에서 실시간으로 추출하는 단계(S140)와, 상기 추출된 충돌 물리력의 크기가 기 설정된 최대 충돌 물리력의 크기 내에 해당하는지를 판단하여 상기 테스트 로봇의 안전성을 평가하는 단계(S150), 및 로봇의 안전성 평가 결과를 수치화하여 시뮬레이션 프로그램 내 그래픽 정보로 변환하여 로봇 사용자에게 시각정보로 알려주는 단계(S160)를 포함할 수 있다. 1 to 3, the collision physical force big data-based robot safety evaluation method (S100) capable of real-time robot collision risk monitoring using graphic information according to the present invention is a collision including at least one of a collision pressure and a collision force. Preparing an artificial neural network in which data about physical force and collision factors affecting it are learned (S110), and obtaining a three-dimensional image or a three-dimensional model of the test robot including shape information of the real robot (S120) ), inputting profile information including movement time information and movement path information of the test robot to set the movement time and movement path of the test robot (S130); A step of extracting in real time a collision physical force including at least one of a collision pressure and a collision force applied to the artificial neural network prepared in advance (S140), and the magnitude of the extracted collision physical force is within the preset maximum collision physical force It may include a step of evaluating the safety of the test robot by determining whether it is (S150), and a step of digitizing the safety evaluation result of the robot, converting it into graphic information in a simulation program, and notifying the robot user as visual information (S160). .
충돌 압력, 충돌 힘 가운데 적어도 하나를 포함하는 충돌 물리력과, 이에 영향을 주는 충돌인자에 대한 데이터가 학습된 인공신경망을 준비하는 단계(S110)에서는, 1) 실제 충돌실험을 수행하거나, 2) Ansys 등의 유한요소 시뮬레이션 프로그램을 이용하거나, 3) 수학적으로 계산하는 방식으로, 입력에 해당하는 충돌인자의 종류 및 값을 다양하게 변화시켜 가면서 출력에 해당하는 충돌 물리력을 획득할 수 있다. 여기서, 충돌인자는 충돌부위 형상, 유효질량, 이동속도, 충돌방향, 사람의 신체 물성치 가운데 적어도 하나 이상을 포함할 수 있고, 충돌 물리력은 충돌 압력, 충돌 힘 가운데 적어도 하나 이상을 포함할 수 있다. In the step (S110) of preparing an artificial neural network in which data on a collision physical force including at least one of collision pressure and collision force and collision factors affecting it is learned (S110), 1) a real collision experiment is performed, or 2) Ansys By using a finite element simulation program such as, or 3) mathematically calculating, the collision force corresponding to the output can be obtained while variously changing the type and value of the collision factor corresponding to the input. Here, the collision factor may include at least one of a collision site shape, an effective mass, a moving speed, a collision direction, and physical properties of a person, and the collision physical force may include at least one or more of a collision pressure and a collision force.
이러한 방식으로 획득된 충돌 인자와 충돌 물리력에 대한 방대한 데이터는 데이터 베이스에 저장될 수 있고, 인공 신경망을 통하여 학습될 수 있다. 일례로, 상기 인공 신경망은 입력에 해당하는 충돌 인자와 출력에 해당하는 충돌 물리력에 대한 수많은 수치값을 대응시키는 표의 형식이 될 수 있다. Extensive data on the collision factors and collision force obtained in this way may be stored in a database, and may be learned through an artificial neural network. For example, the artificial neural network may be in the form of a table in which a number of numerical values for a collision factor corresponding to an input and a collision force corresponding to an output are matched.
또한, 충돌 물리력과, 이에 영향을 주는 충돌인자에 대한 데이터가 학습된 인공신경망을 준비하는 단계(S110)는, 충돌인자를 고려하고, 상기 충돌인자의 조합을 결정하는 단계(S111)와, 상기 충돌인자의 조합에 따른 충돌 물리력을 획득하는 단계(S112)와, 획득된 충돌 물리력 데이터를 인공신경망에 학습시키는 단계(S113)을 포함할 수 있다. In addition, the step (S110) of preparing the artificial neural network in which the collision physical force and data on the collision factors affecting it are learned includes the steps of considering the collision factors and determining the combination of the collision factors (S111); It may include a step of obtaining a collision force according to a combination of collision factors (S112), and a step of learning the obtained collision force data on an artificial neural network (S113).
구체적으로, 충돌부위 형상, 유효질량, 이동속도, 충돌방향, 사람의 신체 물성치(예를 들어, 피부, 뼈, 근육 등의 물성치) 등의 충돌인자를 가운데 충돌인자의 조합을 결정하여 적절한 충돌인자들을 선정할 수 있다. Specifically, the appropriate collision factor is determined by determining the combination of the collision factors among the collision factors such as the shape of the collision site, the effective mass, the moving speed, the collision direction, and the physical properties of the human body (for example, the physical properties of skin, bones, muscles, etc.). can select them.
이와 같이 충돌인자를 조합하고, 충돌인자의 조합에 따른 모든 경우의 수를선정하여 충돌 물리력을 획득할 수 있다. 이러한 충돌 물리력은 충돌 압력, 충돌 힘 등을 의미할 수 있으며, 1) 실제 충돌실험을 수행하거나, 2) Ansys 등의 유한요소 시뮬레이션 프로그램을 이용하거나, 3) 수학적으로 계산하는 방식으로 충돌 압력 및 충돌 힘 등의 충돌 물리력을 획득할 수 있음은 상술한 바와 같다.In this way, by combining the collision factors and selecting the number of all cases according to the combination of the collision factors, the collision force can be obtained. The collision force may mean collision pressure, collision force, etc., 1) performing an actual collision experiment, 2) using a finite element simulation program such as Ansys, or 3) mathematically calculating the collision pressure and collision. As described above, it is possible to obtain a collision physical force such as a force.
충돌인자로부터 충돌 물리력을 획득하는 방식 가운데 수학적으로 계산하는 방식으로 충돌 물리력을 획득하는 방식은 후술하도록 한다. Among the methods of acquiring the collision force from the collision factor, a method of acquiring the collision force by a mathematical calculation method will be described later.
테스트 로봇의 3차원 형상을 획득하는 단계(S120)는 실제 로봇(R)의 형상 정보를 포함하는 테스트 로봇(10)의 3차원 영상 또는 3차원 모형을 획득한다. 구체적으로, 테스트 로봇(10)은 시뮬레이션 프로그램에 로봇(R)의 형상 정보를 입력하여 형성된 3차원 영상 또는 3차원 계측 센서를 통해 형성된 3차원 모형으로 이루어질 수 있다. 즉, 테스트 로봇(10)은 CAE(Computer Aided Engineering) 프로그램과 같은 시뮬레이션 프로그램에 실제 로봇(R)의 형상 정보를 입력하여 형성된 3차원 영상이거나, 3차원 계측 센서를 통해 구현되며 실제 로봇(R)과 동일하게 구동 및 제어되는 3차원 모형으로 이루어질 수 있다. In the step of obtaining the three-dimensional shape of the test robot ( S120 ), a three-dimensional image or a three-dimensional model of the
로봇의 CAE 정보에는 로봇의 형상, 물성치와 로봇의 구동 부품에 대한 제원(모터의 성능 및 성능 제한, 조인트 각도 제한 등)이 포함된다. 또한, 로봇의 CAE 정보에는 충돌부위 형상, 유효질량, 이동속도, 충돌방향, 사람의 신체 물성치(예를 들어, 피부, 뼈, 근육 등의 물성치) 등의 충돌인자를 포함할 수 있다. The CAE information of the robot includes the shape, physical properties, and specifications of the robot's moving parts (limited motor performance and performance, joint angle limitation, etc.). In addition, the CAE information of the robot may include collision factors such as the shape of the collision part, the effective mass, the moving speed, the collision direction, and the physical properties of the human body (eg, the physical properties of the skin, bones, muscles, etc.).
3D 모델링되는 로봇(R)의 종류는 한정되지 않으나, 일정 작업 공간에서 공동으로 업무를 처리하는 협업 로봇(10)일 수 있다. 이러한 협업 로봇은 선단에 기계 손(mechanical hand)을 구비하여 특정 물체를 파지 및 이송하거나, 특정 작업을 수행할 수 있도록 형성된 매니퓰레이터(Manipulator)로 형성될 수 있다. 그리고 테스트 로봇(10)은 X축 방향, Y축 방향, Z축 방향, 피치(pitch) 방향, 요(yaw) 방향, 롤(roll) 방향 중 적어도 한 방향의 이동이 가능한 자유도를 갖도록 형성될 수 있다. 즉, 테스트 로봇(10)은 적어도 1자유도를 갖는 1자유도 이상의 매니퓰레이터로 이루어질 수 있다. The type of the robot R to be 3D modeled is not limited, but may be a
구체적으로, 테스트 로봇(10)은 조인트(11)를 통해 연결된 적어도 2개의 링크부(12)와, 링크부(12) 중 하나에 연결된 엔드 이펙터(End-effector, 13)를 포함할 수 있다. 여기서, 엔드 이펙터란 테스트 로봇(10)이 작업을 할 때 작업 대상에 직접적으로 작용하는 기능을 가진 부분으로, 예를 들어 매니퓰레이터의 기계 손일 수 있다.Specifically, the
테스트 로봇의 이동시간 및 이동경로를 설정하는 단계(S130)는 테스트 로봇(10)의 이동시간 정보 및 이동경로 정보를 포함하는 프로파일 정보를 입력하여 테스트 로봇(10)의 이동시간 및 이동경로를 설정한다. 예를 들어, 테스트 로봇(10)이 3차원 영상일 경우에는 시뮬레이션 프로그램에 이동시간 정보 및 이동경로 정보를 포함하는 프로파일 정보를 입력하여 테스트 로봇(10)의 이동시간 및 이동경로를 설정한다. 그리고, 테스트 로봇(10)이 3차원 모형인 경우에는 테스트 로봇(10)의 제어 시스템에 이동시간 정보 및 이동경로 정보를 포함하는 프로파일 정보를 입력하여 테스트 로봇(10)의 이동시간 및 이동경로를 설정한다. 여기서, 시뮬레이션 프로그램 및 로봇의 제어 시스템을 통해 테스트 로봇(10)의 구동을 제어하는 방법은 이미 공지된 기술이므로 생략하기로 한다. In the step of setting the movement time and movement path of the test robot (S130), the movement time and movement path of the
상기 테스트 로봇(10)의 충돌 인자에 따른 피충돌체에 가해지는 충돌 압력, 충돌 힘 가운데 적어도 하나를 포함하는 충돌 물리력을 상기 미리 준비된 인공신경망에서 실시간으로 추출하는 단계(S140)에서, 테스트 로봇(10)의 3차원 형상 획득 시에 받은 CAE정보에 포함된 충돌부위 형상, 유효질량, 이동속도, 충돌방향, 사람의 신체 물성치(예를 들어, 피부, 뼈, 근육 등의 물성치) 등의 충돌인자에 대응되는 충돌 압력 및 충돌 힘 등의 충돌 물리력의 데이터를 미리 준비된 인공신경망에서 추출함에 따라 종래에 비하여 시간이 오래 걸리지 않아서 실시간으로 충돌 물리력을 추출할 수 있게 된다. 이에 따라, 로봇의 안전성을 평가하는 시간이 획기적으로 단축되어 로봇이 사용되는 산업 현장에서 안전성이 매우 향상되고, 불의의 사고시에도 충돌 피해가 최소화되는 것이다. In the step (S140) of extracting in real time a collision physical force including at least one of a collision pressure and a collision force applied to the object to be collided according to the collision factor of the
테스트 로봇의 안전성을 평가하는 단계(S150)는 인공 신경망에서 실시간으로 추출된 테스트 로봇(10)의 충돌 인자에 대응되는 충돌 압력(P) 및 충돌 힘(FC)의 크기가 기 설정된 최대 충돌 압력(PMAX) 및 최대 충돌 힘(FMAX)의 크기 내에 해당하는지를 판단한다. In the step S150 of evaluating the safety of the test robot, the size of the collision pressure P and the collision force F C corresponding to the collision factor of the
만약 로봇의 안전성을 평가하는 단계(S150)에서 피충돌체(20)에 가해지는 충돌 압력(P) 및 충돌 힘(FC)의 크기가 기 설정된 최대 충돌 압력(PMAX) 및 최대 충돌 힘 충돌 힘(FMAX)의 크기 내에 해당하면 테스트 로봇(10)은 안전한 것으로 판단한다. 반대로, 충돌 압력(P) 및 충돌 힘(FC)의 크기가 최대 충돌 압력(PMAX) 및 최대 충돌 힘(FMAX)의 크기 이상이면 테스트 로봇(10)은 안전하지 않은 것으로 판단한다. If the magnitude of the collision pressure (P) and the collision force (F C ) applied to the object to be collided 20 in the step (S150) of evaluating the safety of the robot is preset maximum collision pressure (P MAX ) and maximum collision force collision force If it falls within the size of (F MAX ), the
로봇의 안전성을 평가하는 단계(S150)에서, 충돌 압력(P) 및 충돌 힘(FC)의 크기가 최대 충돌 압력(PMAX) 및 최대 충돌 힘(FMAX)의 크기 이상이면, 피충돌체(20)에 가해지는 충돌 압력(P) 및 충돌 힘(FC)이 최대 충돌 압력(PMAX) 및 최대 충돌 힘(FMAX)의 크기 미만이 되도록 테스트 로봇(10)의 이동속도를 제어할 수 있다. 이는 테스트 로봇(10)의 이동속도를 줄이면 피충돌체(20)에 가해지는 힘이 줄어들기 때문이다. 이처럼 피충돌체(20)에 가해지는 힘이 줄어들면 압력 또한 줄어들게 되므로, 테스트 로봇(10)의 이동속도를 적절하게 조절하면 최대 속도를 내면서도 인체에 상해를 입히지 않는 로봇(R)의 구현이 가능해지게 된다.If the size at least in the step (S150) to assess the safety of the robot, impact pressure (P) and a collision force (F C) has a maximum impact pressure size (P MAX) and a maximum impact force (F MAX), blood impact body ( 20) impact pressure (P) applied to and the impact force (F C), the maximum impact pressure (P mAX) and is less than the size of the maximum impact force (F mAX) to control the moving speed of the
로봇의 안전성을 평가하는 단계(S150)에서 기 설정된 최대 충돌 압력(PMAX) 및 최대 충돌 힘(FMAX)의 크기는 국제표준화기구(ISO), 보다 구체적으로는 TS 15066 규격에 따르는 크기로 이루어질 수 있다. 국제표준화기구(ISO)의 TS 15066에는 사람의 신체 부위별 견딜 수 있는 최대 허용 압력 및 허용 힘에 대하여 개시되어 있으므로, 이를 기준으로 하여 최대 충돌 압력(PMAX) 및 최대 충돌 힘(FMAX)의 크기로 설정하면 로봇(R)의 안정성을 한층 향상시킬 수 있게 된다. The size of the preset maximum impact pressure (P MAX ) and maximum impact force (F MAX ) in the step (S150) of evaluating the safety of the robot is made in a size conforming to the International Organization for Standardization (ISO), more specifically, the TS 15066 standard. can Since TS 15066 of the International Organization for Standardization (ISO) discloses the maximum allowable pressure and allowable force for each body part of a person, based on this, the maximum impact pressure (P MAX ) and maximum impact force (F MAX ) By setting the size, the stability of the robot (R) can be further improved.
로봇의 안전성 평가 결과를 수치화하여 시뮬레이션 프로그램 내 그래픽 정보로 변환하여 로봇 사용자에게 시각정보로 알려주는 단계(S160)에 대한 설명은 후술하도록 한다. A description of the step (S160) of digitizing the safety evaluation result of the robot, converting it into graphic information in the simulation program, and notifying the robot user as visual information will be described later.
도 4는 테스트 로봇에 의해 피충돌체에 가해지는 충돌 압력 및 충돌 힘을 산출하는 단계에 대한 상세한 과정을 설명하기 위한 순서도이고, 도 5은 실제 로봇과 피충돌체가 충돌하는 상태를 개략적으로 도시한 도면이며, 도 6은 도 5에 있어서, 실제 로봇과 충돌하는 피충돌체의 표면 변화를 도시한 도면이고, 도 7은 도 1에 있어서, 테스트 로봇의 3차원 형상을 도시한 도면이며, 도 8는 테스트 로봇의 부위별 형상에 따라 피충돌체에 가해지는 접촉압력의 크기를 도시한 도면이다. 4 is a flowchart for explaining the detailed process of calculating the collision pressure and collision force applied to the object to be collided by the test robot, and FIG. 5 is a diagram schematically illustrating a state in which the real robot collides with the object to be collided 6 is a view showing a surface change of a colliding object colliding with an actual robot in FIG. 5, FIG. 7 is a view showing a three-dimensional shape of the test robot in FIG. 1, and FIG. 8 is a test view It is a diagram showing the size of the contact pressure applied to the object to be collided according to the shape of each part of the robot.
도 4 내지 도 8을 참조하면, 충돌 인자에 따른 충돌 물리력에 대한 데이터를 획득하는 방법 가운데 수학적으로 계산하는 방식을 통하여 충돌 물리력에 대한 데이터를 획득하는 방법 은 아래와 같다. 4 to 8 , among the methods of acquiring data on the collision force according to the collision factor, a method of acquiring data on the collision force through a mathematical calculation method is as follows.
테스트 로봇(10)의 상해 유발 위험 부위에 대한 형상과, 유효질량과, 이동속도, 및 방향을 고려하여 피충돌체(20)에 가해지는 충돌 압력(P) 및 충돌 힘(force, FC)을 산출할 수 있다. The impact pressure (P) and impact force (force, F C ) applied to the object to be collided with in consideration of the shape, effective mass, movement speed, and direction of the injury-inducing part of the
구체적으로, 피충돌체(20)에 가해지는 충돌 힘(FC)은 하기 수학식 1을 통해 구현 가능하다. 여기서, 피충돌체(20)는 사람일 수 있으며, 테스트 로봇의 충돌 부위에 대한 유효 질량(Mi)은 기구학적 이론에 의해 산출되며 피충돌체의 충돌 부위에 대한 유효질량(Mh)은 사용자에 의해 입력되어 미리 정해질 수 있다. 테스트 로봇의 충돌부위 변위(yi), 피충돌체의 충돌부위 변위(yh)는 CAE시스템을 통해 구해질 수 있다. Specifically, the collision force F C applied to the
[수학식 1] [Equation 1]
Mi : 테스트 로봇의 충돌 부위에 대한 유효 질량 M i : Effective mass for impact site of test robot
Mh : 피충돌체의 충돌 부위에 대한 유효질량M h : Effective mass for the collision site of the colliding object
FC : 충돌 힘 F C : impact force
yi : 테스트 로봇의 충돌부위 변위 y i : Displacement of the impact area of the test robot
yh : 피충돌체의 충돌부위 변위y h : Displacement of the collision site of the object to be collided
그리고, 피충돌체(20)에 가해지는 충돌 압력(P)은 하기 수학식 2를 통해 구현 가능하다. 여기서, 피충돌체의 피부 탄성(K), 피충돌체의 피부 두께(h)는 CAE 시스템을 통해 사용자에 의해 입력되어 미리 저장될 수 있다. And, the collision pressure P applied to the object to be collided 20 can be realized through
[수학식 2] [Equation 2]
δ: 피충돌체의 피부 변형량 δ: amount of skin deformation of the object to be collided
α: 테스트 로봇과 피충돌체 사이의 충돌 각α: Collision angle between the test robot and the colliding object
Fc: 충돌 힘 p : 충돌 압력F c : impact force p : impact pressure
K: 피충돌체의 피부 탄성 h: 피충돌체의 피부 두께K: Elasticity of the skin of the object to be collided with h: The thickness of the skin of the object to be collided
x, y: 충돌면 좌표계x, y: the collision plane coordinate system
수학적으로 계산하는 방식으로 충돌 인자에 따른 충돌 물리력에 대한 데이터를 획득하는 단계(S112)에서는, 일정 시간 단위 별로 피충돌체(20)에 가해지는 충돌 압력(P) 및 충돌 힘(FC)을 산출할 수 있다. 이는 충돌 압력(P) 및 충돌 힘(FC)을 산출하기 위한 데이터의 양을 줄여 계산의 속도를 향상시키고, 부하가 걸리지 않도록 하기 위함이다. 여기서, 일정 단위로 정해지는 시간은 테스트 로봇(10)의 형상에 따라 달라질 수 있다. 즉, 테스트 로봇(10)의 형상이 복잡할수록 단위 시간은 짧아질 수 있다. In the step S112 of acquiring data on the collision force according to the collision factor in a mathematically calculated manner, the collision pressure P and the collision force F C applied to the
수학적으로 계산하는 방식으로 충돌 인자에 따른 충돌 물리력에 대한 데이터를 획득하는 단계(S112)는, 테스트 로봇의 상해 유발 위험 부위를 설정하는 단계(S1121)를 더 포함할 수 있다. The step (S112) of obtaining data on the collision force according to the collision factor in a mathematically calculated manner may further include the step (S1121) of setting an injury-inducing risk part of the test robot.
테스트 로봇의 상해 유발 위험 부위를 설정하는 단계(S1121)는 테스트 로봇(10)의 각 부위별 면적에 따라 피충돌체(20)에 가해지는 접촉압력을 산출하고, 산출된 접촉압력 값을 통해 테스트 로봇(10)에 대한 적어도 하나의 상해 유발 위험 부위를 설정한다. The step (S1121) of setting the injury-inducing risk part of the test robot calculates the contact pressure applied to the collided
예를 들어, 테스트 로봇(10)이 원기둥 형태로 이루어진 경우, 상해 유발 위험 부위를 설정하기 위한 테스트 로봇(10)의 각 부위는 둘레 면과, 상부 면과, 하부 면과, 상부 모서리, 및 하부 모서리가 될 수 있다. 그리고, 각각의 부위별 면적에 따라 피충돌체(20)에 가해지는 접촉압력을 산출한다. 여기서, 접촉압력을 산출하는 방법은 P=F/A(P: 압력, F: 힘, A: 면적)의 관계식을 통해 계산 가능하다. For example, when the
이러한 과정을 통해 테스트 로봇(10)의 각 부위에 대한 접촉압력이 산출되면, 접촉압력 중 가장 큰 값을 갖는 부위 또는 접촉압력이 기 설정된 값을 초과하는 부위 모두를 상해 유발 위험 부위로 선택할 수 있다. When the contact pressure for each part of the
한편, 테스트 로봇(10)의 상해 유발 위험 부위는 사용자의 선택에 의해 하나 또는 둘 이상으로 정해질 수 있다. 구체적으로, 테스트 로봇(10)의 상해 유발 위험 부위는 링크부(12) 및 엔드 이펙터(13) 중 선택된 하나 또는 둘 이상일 수 있다. 이처럼 테스트 로봇(10)의 상해 유발 위험 부위가 사용자에 의해 미리 설정된 경우에는 테스트 로봇의 상해 유발 위험 부위를 설정하는 단계(S1221)를 생략할 수도 있다. Meanwhile, one or two or more parts of the
상술한 방식에 의하여 충돌 압력(P) 및 충돌 힘(FC) 등의 충돌데이터가 획득되면, 이러한 데이터를 집합시키고 집합된 데이터를 데이터 맵으로 만들거나 인공신경망에 학습하여 모션 중인 로봇의 충돌 물리력을 실시간으로 예측할 수 있다. Impact pressure by the above-described manner (P) and a collision force (F C) when the collision data, such as is obtained, a set of these data and create a data set with a data map or collision physical force of the robot that are in motion by learning in Artificial Neural Networks can be predicted in real time.
한편, 수학적으로 계산하는 방식으로 충돌 인자에 따른 충돌 물리력에 대한 데이터를 획득하는 단계(S112)는 테스트 로봇의 자세 변화에 따라 피충돌체에 가해지는 충돌 압력 및 충돌 힘을 산출하는 단계(S1222)를 더 포함할 수 있다. On the other hand, the step (S112) of obtaining data on the collision force according to the collision factor by a mathematical calculation method is the step of calculating the collision pressure and the collision force applied to the object to be collided according to the change in the posture of the test robot (S1222). may include more.
테스트 로봇의 자세 변화에 따라 피충돌체에 가해지는 충돌 압력 및 충돌 힘을 산출하는 단계(S1222)는 테스트 로봇(10)의 조인트(11)의 각도를 조절하여 링크부(12) 및 엔드 이펙터(13)의 자세를 변화시키고, 자세의 변화에 따라 상해 유발 위험 부위에 의해 피충돌체(20)에 가해지는 충돌 압력(P) 및 충돌 힘(FC)을 산출한다. In the step of calculating the collision pressure and the collision force applied to the object to be collided according to the change in the posture of the test robot ( S1222 ), the
이처럼 테스트 로봇(10)의 자세를 변화시키며 피충돌체(20)에 가해지는 충돌 압력(P) 및 충돌 힘(FC)을 산출하는 이유는 링크부(12) 및 엔드 이펙터(13)의 자세 변화에 따라 피충돌체(20)와의 거리 및 접촉부위가 달라지기 때문이다. 그리고, 피충돌체(20)와의 거리 및 접촉부위가 달라지면 피충돌체(20)에 가해지는 충돌 압력(P) 및 충돌 힘(FC)의 크기 또한 달라지게 된다. The reason for calculating the collision pressure P and the collision force F C applied to the collided
따라서, 자세의 변화에 따라 피충돌체(20)에 가해지는 충돌 압력(P) 및 충돌 힘(FC)의 크기를 구하게 되면, 로봇(R)이 똑같은 이동속도 및 이동경로를 따라 이동하더라도 피충돌체(20)에 최소한의 충격이 가해지는 자세의 구현이 가능해지게 된다. Therefore, if the magnitude of the collision pressure P and the collision force F C applied to the
도 8은 테스트 로봇의 부위별 형상에 따라 피충돌체에 가해지는 접촉압력의 크기를 도시한 도면이다. 그리고, 도 9은 3D 모델링 프로그램을 통해 획득한 충돌 압력 및 충돌 힘의 값을 도시한 도면이다. 8 is a diagram illustrating the magnitude of the contact pressure applied to the object to be collided according to the shape of each part of the test robot. And, FIG. 9 is a view showing the values of the collision pressure and the collision force obtained through the 3D modeling program.
도 10은 로봇의 안전성 평가 결과를 수치화하여 시뮬레이션 프로그램 내 그래픽 정보로 변환하여 시각정보로 알려주는 단계를 설명하기 위한 순서도이고, 도 11 및 도 12는 동작중인 로봇의 정보(조인트 각도, 속도, 무게정보 등)을 이용하여 획득한 충돌 물리력을 국제안전표준(ISO)와 실시간으로 안전평가하고 평가결과를 수치화 시켜 실시간 그래픽화를 구현한 도면이다. 10 is a flowchart for explaining the step of digitizing the safety evaluation result of the robot, converting it into graphic information in the simulation program and notifying it as visual information, and FIGS. 11 and 12 are information (joint angle, speed, weight) of the robot in operation. Information, etc.) is used to evaluate the collision force obtained in real time with the International Safety Standard (ISO), and to digitize the evaluation results to realize real-time graphicization.
도 10 내지 도 12를 참조하면, 로봇의 안전성 평가 결과를 수치화하여 시뮬레이션 프로그램 내 그래픽 정보로 변환하여 로봇 사용자에게 시각정보로 알려주는 단계(S160)는, 로봇 내에서 충돌 시에 위험할 수 있는 상해유발 부위를 선정하는 단계(S161)와, 로봇의 움직임 중에 상기 상해유발 부위와 인간이 충돌 시에 발생하게 될 힘, 압력, 충돌에너지, 변형량 가운데 적어도 하나를 포함하는 충돌정보를 산출하는 단계(S162)와, 상기 산출된 충돌정보의 위험정도를 색채로 변환하는 단계(S163)과, 실제 로봇의 움직임을 실시간으로 추종하는 로봇 시뮬레이션 상에서 상기 상해유발 부위 도면의 색채를 상기 변환된 색채 값으로 입력하는 단계(S164)를 포함할 수 있다. 10 to 12 , the step (S160) of digitizing the safety evaluation result of the robot, converting it into graphic information in the simulation program, and notifying the robot user as visual information (S160) is an injury that may be dangerous during a collision within the robot The step of selecting the induced part (S161) and the step of calculating collision information including at least one of force, pressure, collision energy, and deformation amount to be generated when the human body collides with the injury-inducing part during the movement of the robot (S162) ), and converting the calculated degree of risk of the collision information into color (S163), and inputting the color of the injury-inducing part drawing as the converted color value in the robot simulation that tracks the actual robot movement in real time It may include a step (S164).
특히, 실제 로봇의 움직임을 실시간으로 추종하는 로봇 시뮬레이션 상에서 상기 상해유발 부위 도면의 색채를 상기 변환된 색채 값으로 입력하는 단계(S164)에서, 로봇의 도면 내에 충돌정보가 산출되지 않은 부위의 색채는 충돌정보가 산출된 부위의 색채값을 보간하여 입력하게 된다. 이에 따라, 시뮬레이션 상에서 로봇 표면에 색채가 끊기지 않고 연속적으로 이어지게 될 수 있다. In particular, in the step (S164) of inputting the color of the drawing of the injury-inducing part as the converted color value in the robot simulation that follows the movement of the robot in real time, the color of the part for which collision information is not calculated in the drawing of the robot is The color value of the part where the collision information is calculated is interpolated and input. Accordingly, in the simulation, the color on the surface of the robot can be continuously connected without interruption.
색채 보간 방법은 기본적으로 색채 값 계산점에서 거리에 비례하여 계산하는 방식이며 구체적인 수식은 아래와 같다. The color interpolation method is basically calculated in proportion to the distance from the color value calculation point, and the specific formula is as follows.
10.. 테스트 로봇
11.. 조인트
12.. 링크부
13.. 엔드 이펙터
20.. 피충돌체10.. Test Robot
11. Joint
12. Link part
13. End Effector
20. Collider
Claims (11)
실제 로봇의 형상 정보를 포함하는 테스트 로봇의 3차원 영상 또는 3차원 모형을 획득하는 단계;
상기 테스트 로봇의 이동시간 정보 및 이동경로 정보를 포함하는 프로파일 정보를 입력하여 상기 테스트 로봇의 이동시간 및 이동경로를 설정하는 단계;
상기 테스트 로봇의 충돌 인자에 따른 피충돌체에 가해지는 충돌 압력, 충돌 힘 가운데 적어도 하나를 포함하는 충돌 물리력을 상기 미리 준비된 인공신경망에서 실시간으로 추출하는 단계;
상기 추출된 충돌 물리력의 크기가 기 설정된 최대 충돌 물리력의 크기 내에 해당하는지를 판단하여 상기 테스트 로봇의 안전성을 평가하는 단계; 및
로봇의 안전성 평가 결과를 수치화하여 시뮬레이션 프로그램 내 그래픽 정보로 변환하여 로봇 사용자에게 시각정보로 알려주는 단계;
를 포함하고,
충돌 압력, 충돌 힘 가운데 적어도 하나를 포함하는 충돌 물리력과, 이에 영향을 주는 충돌인자에 대한 데이터가 학습된 인공신경망을 준비하는 단계에서는,
실제 로봇과 피충돌체 사이의 충돌실험을 수행하거나, 유한요소 시뮬레이션을 수행하거나, 수학적으로 계산하는 방식으로, 충돌부위 형상, 유효질량, 이동속도, 충돌방향, 사람의 신체 물성치 가운데 적어도 하나 이상을 포함하는 충돌인자와 상기 충돌 인자에 따른 충돌 물리력에 대한 데이터를 획득하는 것을 특징으로 하고,
상기 충돌 힘은 아래 수학식을 통해 구현 가능한 것을 특징으로 하는 그래픽 정보를 이용한 실시간 로봇 충돌 위험도 모니터링이 가능한 충돌 물리력 빅데이터 기반 로봇 안전성 평가 방법.
[수학식]
여기서, Mi 는 테스트 로봇의 충돌 부위에 대한 유효 질량이고, Mh 는 피충돌체의 충돌 부위에 대한 유효 질량이고, Fc 는 충돌 힘이고, yi 는 테스트 로봇의 충돌부위 변위이며, yh는 피충돌체의 충돌부위 변위임.preparing an artificial neural network in which data on a collision physical force including at least one of a collision pressure and a collision force, and a collision factor affecting the collision force;
obtaining a three-dimensional image or three-dimensional model of the test robot including shape information of the real robot;
setting a movement time and movement path of the test robot by inputting profile information including movement time information and movement path information of the test robot;
extracting, in real time, a collision physical force including at least one of a collision pressure and a collision force applied to the object to be collided according to the collision factor of the test robot from the pre-prepared artificial neural network;
evaluating the safety of the test robot by determining whether the magnitude of the extracted collision force falls within a preset maximum collision force force; and
converting the safety evaluation result of the robot into numerical information into graphic information in a simulation program and notifying the robot user as visual information;
including,
In the step of preparing an artificial neural network in which data on a collision physical force including at least one of collision pressure and collision force, and collision factors affecting it, is learned,
A collision experiment between an actual robot and an object to be collided with, a finite element simulation, or a mathematical calculation method, including at least one or more of the shape of the collision site, effective mass, moving speed, collision direction, and human body properties It is characterized in that it acquires data on the collision factor and the collision force according to the collision factor,
The collision force is a collision force big data-based robot safety evaluation method capable of real-time robot collision risk monitoring using graphic information, characterized in that it can be implemented through the following equation.
[Equation]
Here, M i is the effective mass for the impact site of the test robot, M h is the effective mass for the impact site of the object to be collided, F c is the impact force, y i is the displacement of the impact site of the test robot, and y h is the displacement of the collision site of the colliding object.
충돌 물리력과, 이에 영향을 주는 충돌인자에 대한 데이터가 학습된 인공신경망을 준비하는 단계에서는,
충돌인자를 고려하고, 상기 충돌인자의 조합을 결정하는 단계;
상기 충돌인자의 조합에 따른 충돌 물리력을 획득하는 단계; 및
획득된 충돌 물리력 데이터를 인공신경망에 학습시키는 단계;
를 포함하는 그래픽 정보를 이용한 실시간 로봇 충돌 위험도 모니터링이 가능한 충돌 물리력 빅데이터 기반 로봇 안전성 평가 방법.According to claim 1,
In the stage of preparing the artificial neural network in which data on the collision force and the collision factors that affect it are learned,
considering the collision factors and determining a combination of the collision factors;
obtaining a collision force according to a combination of the collision factors; and
learning the acquired collision force data to an artificial neural network;
A collision force big data-based robot safety evaluation method that enables real-time robot collision risk monitoring using graphic information including
상기 추출된 충돌 물리력의 크기가 기 설정된 최대 충돌 물리력의 크기 내에 해당하는지를 판단하여 상기 테스트 로봇의 안전성을 평가하는 단계는,
추출된 충돌 물리력을 국제 로봇충돌안전 표준(ISO)와 비교하여 테스트 로봇의 안전성을 평가하는 그래픽 정보를 이용한 실시간 로봇 충돌 위험도 모니터링이 가능한 충돌 물리력 빅데이터 기반 로봇 안전성 평가 방법.According to claim 1,
Evaluating the safety of the test robot by determining whether the magnitude of the extracted collision force falls within a preset maximum collision force force,
A collision force big data-based robot safety evaluation method that enables real-time robot collision risk monitoring using graphic information to evaluate the safety of a test robot by comparing the extracted collision force with the international robot collision safety standard (ISO).
상기 테스트 로봇은,
상기 시뮬레이션 프로그램에 상기 로봇의 형상 정보를 입력하여 형성된 3차원 영상 또는 3차원 계측 센서를 통해 형성된 3차원 모형인 그래픽 정보를 이용한 실시간 로봇 충돌 위험도 모니터링이 가능한 충돌 물리력 빅데이터 기반 로봇 안전성 평가 방법.According to claim 1,
The test robot is
A collision physics big data-based robot safety evaluation method capable of real-time robot collision risk monitoring using a 3D image formed by inputting the shape information of the robot into the simulation program or graphic information that is a 3D model formed through a 3D measurement sensor.
상기 시뮬레이션 프로그램은 CAE(Computer Aided Engineering) 프로그램인 그래픽 정보를 이용한 실시간 로봇 충돌 위험도 모니터링이 가능한 충돌 물리력 빅데이터 기반 로봇 안전성 평가 방법.According to claim 1,
The simulation program is a computer aided engineering (CAE) program, a robot safety evaluation method based on collision physics big data capable of real-time robot collision risk monitoring using graphic information.
충돌 인자에 따른 충돌 물리력에 대한 데이터를 획득하는 방법 가운데 수학적으로 계산하는 방식은,
상기 테스트 로봇의 자세를 변화시키고, 상기 자세의 변화에 따라 상기 테스트 로봇의 상해 유발 위험 부위에 의해 상기 피충돌체에 가해지는 충돌 압력 및 충돌 힘을 산출하는 단계를 포함하는 그래픽 정보를 이용한 실시간 로봇 충돌 위험도 모니터링이 가능한 충돌 물리력 빅데이터 기반 로봇 안전성 평가 방법.According to claim 1,
Among the methods of obtaining data on the collision force according to the collision factors, the mathematical calculation method is,
Real-time robot collision using graphic information, comprising changing the posture of the test robot and calculating a collision pressure and a collision force applied to the object to be collided by an injury-inducing part of the test robot according to the change of the posture A robot safety evaluation method based on collision physics big data capable of risk monitoring.
상기 수학적으로 계산하는 방식은,
상기 테스트 로봇의 각 부위별 면적에 따라 상기 피충돌체에 가해지는 접촉압력을 산출하고, 상기 산출된 접촉압력 값을 통해 상기 테스트 로봇에 대한 적어도 하나의 상해 유발 위험 부위를 설정하는 단계를 더 포함하는 그래픽 정보를 이용한 실시간 로봇 충돌 위험도 모니터링이 가능한 충돌 물리력 빅데이터 기반 로봇 안전성 평가 방법. 8. The method of claim 7,
The mathematical calculation method is,
Calculating the contact pressure applied to the object to be collided according to the area of each part of the test robot, and setting at least one injury-inducing risk part for the test robot through the calculated contact pressure value. A robot safety evaluation method based on collision physics big data that enables real-time robot collision risk monitoring using graphic information.
상기 수학적으로 계산하는 방식은,
일정 시간 단위 별로 상기 피충돌체에 가해지는 충돌 압력 및 충돌 힘을 산출하는 그래픽 정보를 이용한 실시간 로봇 충돌 위험도 모니터링이 가능한 충돌 물리력 빅데이터 기반 로봇 안전성 평가 방법.According to claim 1,
The mathematical calculation method is,
A collision force big data-based robot safety evaluation method capable of real-time robot collision risk monitoring using graphic information that calculates collision pressure and collision force applied to the object to be collided for each predetermined time unit.
로봇의 안전성 평가 결과를 수치화하여 시뮬레이션 프로그램 내 그래픽 정보로 변환하여 로봇 사용자에게 시각정보로 알려주는 단계는,
로봇 내에서 충돌 시에 위험할 수 있는 상해유발 부위를 선정하는 단계;
로봇의 움직임 중에 상기 상해유발 부위와 인간이 충돌 시에 발생하게 될 힘, 압력, 충돌에너지, 변형량 가운데 적어도 하나를 포함하는 충돌정보를 산출하는 단계;
상기 산출된 충돌정보의 위험정도를 색채로 변환하는 단계; 및
실제 로봇의 움직임을 실시간으로 추종하는 로봇 시뮬레이션 상에서 상기 상해유발 부위 도면의 색채를 상기 변환된 색채 값으로 입력하는 단계;
를 포함하는 그래픽 정보를 이용한 실시간 로봇 충돌 위험도 모니터링이 가능한 충돌 물리력 빅데이터 기반 로봇 안전성 평가 방법.According to claim 1,
The step of digitizing the safety evaluation result of the robot, converting it into graphic information in the simulation program, and notifying the robot user as visual information,
selecting an injury-inducing site that may be dangerous during a collision within the robot;
calculating collision information including at least one of force, pressure, collision energy, and deformation to be generated when the human body collides with the injury-inducing part during robot movement;
converting the calculated degree of danger of the collision information into a color; and
inputting the color of the injury-inducing part drawing as the converted color value in a robot simulation that tracks the movement of the real robot in real time;
A collision force big data-based robot safety evaluation method that enables real-time robot collision risk monitoring using graphic information including
실제 로봇의 움직임을 실시간으로 추종하는 로봇 시뮬레이션 상에서 해당 부위 도면의 색채를 상기 변환된 색채로 표시하는 단계에서,
로봇의 도면 내에 충돌정보가 산출되지 않은 부위의 색채는 충돌정보가 산출된 부위의 색채값을 보간하여 입력하는 그래픽 정보를 이용한 실시간 로봇 충돌 위험도 모니터링이 가능한 충돌 물리력 빅데이터 기반 로봇 안전성 평가 방법. 11. The method of claim 10,
In the step of displaying the color of the corresponding part drawing as the converted color on the robot simulation that follows the movement of the real robot in real time,
Collision physics big data-based robot safety evaluation method that enables real-time robot collision risk monitoring using graphic information input by interpolating the color value of the area for which collision information is calculated for the color of the part where collision information is not calculated in the robot's drawing.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/KR2019/018119 WO2020222392A1 (en) | 2019-04-29 | 2019-12-19 | Method for robot safety evaluation on basis of collision force bigdata that enables real-time robot collision risk monitoring using graphic information |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20190049681 | 2019-04-29 | ||
| KR1020190049681 | 2019-04-29 |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| KR20200126316A KR20200126316A (en) | 2020-11-06 |
| KR102289375B1 true KR102289375B1 (en) | 2021-08-13 |
| KR102289375B9 KR102289375B9 (en) | 2021-10-27 |
Family
ID=73572008
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190138364A KR102289375B1 (en) | 2019-04-29 | 2019-11-01 | Real-time safety evaluation method of robot based on the big data of collision physical force using graphic information |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102289375B1 (en) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113478492B (en) * | 2021-09-07 | 2022-05-17 | 成都博恩思医学机器人有限公司 | Method and system for avoiding collision of mechanical arms, robot and storage medium |
| CN114545877B (en) * | 2022-02-08 | 2024-04-05 | 燕山大学 | Multi-working-procedure mechanical digital twin on-line monitoring system and method for bulk cargo |
| CN117547825B (en) * | 2024-01-12 | 2024-03-22 | 腾讯科技（深圳）有限公司 | Collision data management method, device, equipment and storage medium |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009090462A (en) * | 2003-07-29 | 2009-04-30 | Panasonic Corp | Robot control method and control device |
| JP2009123045A (en) * | 2007-11-16 | 2009-06-04 | Toyota Motor Corp | Traveling robot and method for displaying dangerous range of traveling robot |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101650764B1 (en) | 2014-04-21 | 2016-08-24 | 한국기계연구원 | System and method for preventing collision between workers and robots |
| KR101539270B1 (en) | 2015-02-27 | 2015-07-24 | 군산대학교산학협력단 | sensor fusion based hybrid reactive motion planning method for collision avoidance and autonomous navigation, recording medium and mobile robot for performing the method |
-
2019
- 2019-11-01 KR KR1020190138364A patent/KR102289375B1/en active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009090462A (en) * | 2003-07-29 | 2009-04-30 | Panasonic Corp | Robot control method and control device |
| JP2009123045A (en) * | 2007-11-16 | 2009-06-04 | Toyota Motor Corp | Traveling robot and method for displaying dangerous range of traveling robot |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200126316A (en) | 2020-11-06 |
| KR102289375B9 (en) | 2021-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102289375B1 (en) | Real-time safety evaluation method of robot based on the big data of collision physical force using graphic information | |
| US11052537B2 (en) | Robot operation evaluation device, robot operation evaluating method, and robot system | |
| CN109434832B (en) | Machine learning device and method, and robot system | |
| WO2020222392A1 (en) | Method for robot safety evaluation on basis of collision force bigdata that enables real-time robot collision risk monitoring using graphic information | |
| US8583285B2 (en) | Method and device for stopping a manipulator | |
| JP6883903B2 (en) | Robot safety improvement method and safety evaluation method | |
| US11548153B2 (en) | Robot comprising safety system ensuring stopping time and distance | |
| CN109382825B (en) | Control device and learning device | |
| JP6897037B2 (en) | Workability evaluation device | |
| CN104428107A (en) | Robot arrangement and method for controlling a robot | |
| TWI769747B (en) | Method for calculating safety range of automated machine and device for controlling robot | |
| KR20200054327A (en) | 3D space monitoring device, 3D space monitoring method, and 3D space monitoring program | |
| CN108801255B (en) | Method, device and system for avoiding robot collision | |
| CN106413997A (en) | Method for preventing collisions of a robot in a workstation | |
| Dombrowski et al. | Simulation of human-robot collaboration by means of power and force limiting | |
| CN107850892B (en) | Work area estimation device, work area estimation method, control device, control system, and storage medium | |
| CN103894807A (en) | Method and device for reducing potential injury to operators | |
| CN110480629A (en) | Robot system | |
| CN109079800A (en) | Robot collision checking method, device, storage medium, processor and robot | |
| US20200026478A1 (en) | Control Apparatus, Head Mounted Display And Robot System | |
| KR102003126B1 (en) | Safety evaluation method of robot | |
| CN114505852A (en) | Man-machine cooperation solid fuel shaping system based on digital twin and establishment method | |
| KR101976358B1 (en) | Safety improve method of robot | |
| WO2017141577A1 (en) | Impact prediction device, impact prediction system, control device, impact prediction method, and impact prediction program | |
| KR20240041362A (en) | How to predefine the maximum allowed speed of a robotic device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| G170 | Re-publication after modification of scope of protection [patent] |