KR20210014788A - 로봇 관절부 고장진단 방법 및 이를 적용한 로봇 관절부 고장 진단 시스템 - Google Patents

Abstract

본 발명은 로봇 관절부 고장진단 방법 및 이를 적용한 로봇 관절부 고장 진단 시스템에 관한 것으로, 보다 상세하게는 로봇 관절부의 고장을 신속하게 진단하기 위한 로봇 관절부 고장진단 방법 및 이를 적용한 로봇 관절부 고장 진단 시스템에 관한 것이다. 본 발명은 a) 로봇의 관절부에 공급되는 전류 신호를 검출하는 단계; b) 상기 전류 신호에서 상기 관절부의 고장진단을 위한 제1 진단 신호와 노이즈 신호를 분리하는 단계; c) 상기 제1 진단 신호를 증폭하고, 필터를 이용하여 유효 신호를 검출하는 단계; d) 상기 유효 신호를 디지털 신호로 변환하는 단계; e) 상기 디지털 신호를 시간-주파수 영역에서의 신호처리 후 고장 진단에 필요한 제2 진단 신호만 추출하는 단계; f) 추출된 상기 제2 진단 신호를 2D 이미지로 변환하는 단계; g) 변환된 상기 2D이미지에 대한 딥러닝을 수행하여 정상 이미지 패턴 및 이상 이미지 패턴을 학습하여 데이터셋을 형성하는 단계; 및 h) 새로 추출된 2D 이미지의 이미지 패턴을 상기 데이터셋과 비교 및 분석하여 상기 관절부의 고장을 진단하는 단계를 포함하는 것을 특징으로 하는 로봇 관절부 고장진단 방법을 제공한다.

Description

로봇 관절부 고장진단 방법 및 이를 적용한 로봇 관절부 고장 진단 시스템{DIAGNOSIS METHOD OF ROBOT JOINT FAILURE AND ROBOT JOINT DIAGNOSIS SYSTEM}

본 발명은 로봇 관절부 고장진단 방법 및 이를 적용한 로봇 관절부 고장 진단 시스템에 관한 것으로, 보다 상세하게는 로봇 관절부의 고장을 신속하게 진단하기 위한 로봇 관절부 고장진단 방법 및 이를 적용한 로봇 관절부 고장 진단 시스템에 관한 것이다.

일반적으로, 로봇은 회전구조체를 갖는 관절부에서 고장이 발생할 확률이 가장 높다.

구체적으로, 로봇의 관절부는 축, 감속기, 베어링 등으로 구성되는데, 관절부에 움직임이 가장 많고 피로 누적이 심해 감속기와 베어링의 마모 및 파손이 자주 발생한다.

이처럼 로봇의 관절부에 고장이 발생하였을 때, 이를 신속하게 진단하지 못할 경우, 안전 상의 문제가 발생하거나 더 큰 고장으로 이어질 수 있기 때문에 신속하게 로봇 관절부의 고장을 진단할 필요가 있다.

일 예로, 로봇이 무거운 물체를 옮기는 도중 관절부에 고장이 발생하게 될 경우, 무거운 물체가 낙하하게 되면서 사람을 치거나 로봇 자체에 파손을 발생시킬 수 있다.

따라서, 로봇 관절부의 고장을 신속하고 정확하게 진단하여 전술한 문제를 예방할 수 있는 기술이 필요하다.

한국등록특허 제10-1432786호

상기와 같은 문제를 해결하기 위한 본 발명의 목적은 로봇 관절부의 고장을 신속하게 진단하기 위한 로봇 관절부 고장진단 방법 및 이를 적용한 로봇 관절부 고장 진단 시스템을 제공하는 것이다.

본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

상기와 같은 목적을 달성하기 위한 본 발명의 구성은 a) 로봇의 관절부에 공급되는 전류 신호를 검출하는 단계; b) 상기 전류 신호에서 상기 관절부의 고장진단을 위한 제1 진단 신호와 노이즈 신호를 분리하는 단계; c) 상기 제1 진단 신호를 증폭하고, 필터를 이용하여 유효 신호를 검출하는 단계; d) 상기 유효 신호를 디지털 신호로 변환하는 단계; e) 상기 디지털 신호를 시간-주파수 영역에서의 신호처리 후 고장 진단에 필요한 제2 진단 신호만 추출하는 단계; f) 추출된 상기 제2 진단 신호를 2D 이미지로 변환하는 단계; g) 변환된 상기 2D이미지에 대한 딥러닝을 수행하여 정상 이미지 패턴 및 이상 이미지 패턴을 학습하여 데이터셋을 형성하는 단계; 및 h) 새로 추출된 2D 이미지의 이미지 패턴을 상기 데이터셋과 비교 및 분석하여 상기 관절부의 고장을 진단하는 단계를 포함하는 것을 특징으로 하는 로봇 관절부 고장진단 방법을 제공한다.

본 발명의 실시예에 있어서, 상기 a) 단계에서, 상기 로봇의 관절부에 공급되는 전류 신호는 상기 로봇 관절부에 부착된 서보 모터 및 서보 드라이브의 전류 신호인 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 a) 단계는, 상기 서보 모터와 상기 서보 드라이브 사이의 U, V, W 상에 전류 센서를 부착하여 상기 서보 모터에 직접 공급되는 전류를 검출하도록 마련된 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 d) 단계에서, 상기 유효 신호는 아날로그-디지털 변환기에 의해 디지털 신호로 변환되는 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 e) 단계는, e1) 상기 디지털 신호를 상기 시간-주파수 영역에서 상기 제2 진단 신호와 노이즈 신호를 분리하는 단계; 및 e2) 아날로그-디지털 변환기 및 필터를 이용하여 상기 관절부의 고장진단에 필요한 상기 제2 진단 신호를 추출하는 단계를 포함하는 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 f) 단계는, f1) 상기 제2 진단 신호를 텍스트 형식의 신호 데이터로 추출하는 단계; f2) 텍스트 형식의 상기 신호 데이터를 시계열 순으로 1차원 메모리 배열로 저장하는 단계; f3) 상기 1차원 메모리 배열을 시계열 순으로 복수의 행과 열로 이루어진 2차원 메모리 배열로 저장하는 단계; f4) 상기 2차원 메모리 배열 내 모든 값을 정규화하는 단계; 및 f5) 정규화된 상기 2차원 메모리 배열을 상기 2D 이미지로 변환하는 단계를 포함하는 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 f4) 단계에서, 상기 2차원 메모리 배열 내 모든 값은 상기 신호 데이터의 크기에 따라 0 내지 255 중 어느 하나의 대응되는 값으로 설정되어 정규화되는 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 f5) 단계에서, 상기 2D 이미지는, 상기 정규화된 상기 2차원 메모리 배열에서 각 행과 열에 해당하는 픽셀의 값에 대응하여 밝기 값이 설정된 이미지인 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 g) 단계는, g1) 변환된 상기 2D 이미지를 정상 이미지 패턴과 이상 이미지 패턴으로 분류하는 단계; 및 g2) 상기 정상 이미지 패턴과 상기 이상 이미지 패턴을 합성곱 신경망(Convolutional Neural Network) 구조를 이용한 방법으로 딥러닝하여 상기 데이터셋을 형성하는 단계를 포함하는 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 h) 단계에서, 상기 관절부는 상기 로봇의 관절에 사용되는 감속기 및 베어링을 포함하는 것을 특징으로 할 수 있다.

상기와 같은 목적을 달성하기 위한 본 발명의 구성은 로봇 관절부 고장진단 방법을 적용한 로봇 관절부 고장 진단 시스템에 있어서, 로봇 관절부의 전류 신호를 검출하는 센서; 상기 센서에 의해 측정된 전류 신호에서 제1 진단 신호를 추출하고 증폭하는 앰프; 상기 앰프로부터 유효 신호를 검출하는 필터; 상기 필터에 의해 검출된 상기 유효 신호를 디지털 신호로 변환하는 아날로그-디지털 변환기; 상기 디지털 신호에서 제2 진단 신호를 추출하는 신호처리부; 및 상기 신호처리부에 의해 추출된 제2 진단 신호를 2D 이미지로 변환하는 이미지 변환부를 포함하는 것을 특징으로 하는 로봇 관절부 고장 진단 시스템을 제공한다.

본 발명의 실시예에 있어서, 상기 이미지 변환부로부터 변환된 2D 이미지의 정상 이미지 패턴 및 이상 이미지 패턴에 대해 학습하여 데이터셋을 형성하도록 마련된 딥러닝부를 더 포함하는 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 딥러닝부에 의해 학습된 데이터셋에 새로 추출된 2D 이미지의 이미지 패턴을 비교 분석하여 상기 관절부의 고장을 진단하도록 마련된 진단부를 더 포함하는 것을 특징으로 할 수 있다.

상기와 같은 목적을 달성하기 위한 본 발명의 구성은 로봇 관절부 고장 진단 시스템을 구비한 로봇을 제공한다.

상기와 같은 구성에 따르는 본 발명의 효과는, 로봇 관절부의 고장을 신속하고 정확하게 진단할 수 있다.

본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.

도 1은 본 발명의 일실시예에 따른 로봇 관절부 고장진단 방법의 순서도이다.
도 2는 본 발명의 일실시예에 따른 로봇 및 센서를 나타낸 예시도이다.
도 3은 시간에 따른 전류 변화를 나타낸 그래프로서, (a)는 원신호, (b)는 필터링된 신호를 나타낸 그래프이다.
도 4는 본 발명의 일실시예에 따른 시간 영역, 주파수 영역, 시간-주파수 영역에서의 제1 진단 신호를 증폭하여 나타낸 그래프이다.
도 5는 본 발명의 일실시예에 따른 증폭된 제1 진단 신호에 STFT(Short-time Fourier transform)를 적용한 시간에 따른 주파수를 나타낸 그래프이다.
도 6은 본 발명의 일실시예에 따른 증폭된 제1 진단 신호에 STFT(Short-time Fourier transform)를 적용한 시간에 따른 주파수 영역을 나타낸 3차원 그래프이다.
도 7은 도 1의 제2 진단 신호만 추출하는 단계의 순서도이다.
도 8은 도 1의 2D 이미지로 변환하는 단계의 순서도이다.
도 9는 본 발명의 일실시예에 따른 2D 이미지로 변환하는 단계를 도식화하여 나타낸 예시도이다.
도 10은 본 발명의 일실시예에 따른 2D 이미지의 다양한 사이즈를 나타낸 예시도이다.
도 11은 도 1의 데이터셋을 형성하는 단계의 순서도이다.
도 12 및 13은 본 발명의 일실시예에 따른 데이터셋을 나타낸 예시도이다.
도 14는 본 발명의 일실시예에 따른 로봇 관절부 고장진단 방법을 적용한 로봇 관절부 고장 진단 시스템의 구성도이다.

이하에서는 첨부한 도면을 참조하여 본 발명을 설명하기로 한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 따라서 여기에서 설명하는 실시예로 한정되는 것은 아니다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결(접속, 접촉, 결합)"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 부재를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 구비할 수 있다는 것을 의미한다.

본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

이하 첨부된 도면을 참고하여 본 발명의 실시예를 상세히 설명하기로 한다.

도 1은 본 발명의 일실시예에 따른 로봇 관절부 고장진단 방법의 순서도이고, 도 2는 본 발명의 일실시예에 따른 로봇 및 센서를 나타낸 예시도이다.

도 1에 도시된 것처럼, 로봇 관절부 고장진단 방법은 먼저, 로봇의 관절부에 공급되는 전류 신호를 검출하는 단계(S10)가 수행될 수 있다.

로봇의 관절부에 공급되는 전류 신호를 검출하는 단계(S10)에서, 상기 로봇(10)의 관절부에 센서(110)를 연결하여 전류 신호를 검출하도록 마련될 수 있다.

구체적으로, 로봇의 관절부에 공급되는 전류 신호를 검출하는 단계(S10)에서, 상기 로봇(10)의 관절부에 공급되는 전류 신호는 상기 로봇 관절부에 부착된 서보 모터 및 서보 드라이브의 전류 신호일 수 있다.

즉, 로봇의 관절부에 공급되는 전류 신호를 검출하는 단계(S10)는, 상기 서보 모터와 상기 서보 드라이브 사이의 U, V, W 상에 전류 센서(10)를 부착하여 상기 서보 모터에 직접 공급되는 전류를 검출하도록 마련될 수 있다.

서보 드라이브내에 전류를 보상하는 회로부가 있고, 전류를 검출할 수 있는 출력포트가 있으나, 이것을 사용할 경우 드라이브 내부에서 전류를 보상한 신호가 출력됨으로 정확한 전류변화 검출이 어렵다. 따라서, 서보 모터에 직접 공급되는 전류를 검출하는 것이 바람직하다.

로봇의 관절부에 공급되는 전류 신호를 검출하는 단계(S10) 이후에는, 전류 신호에서 관절부의 고장진단을 위한 제1 진단 신호와 노이즈 신호를 분리하는 단계(S20)를 수행할 수 있다.

도 3은 시간에 따른 전류 변화를 나타낸 그래프로서, (a)는 원신호, (b)는 필터링된 신호를 나타낸 그래프이다.

도 3을 더 참조하면, 전류 신호에서 상기 관절부의 고장진단을 위한 제1 진단 신호와 노이즈 신호를 분리하는 단계(S20)에서는, 상기 센서(110)에 의해 측정된 전류 신호에 대해 필터링 하여 제1 진단 신호와 노이즈 신호를 분리할 수 있다.

이때, 상기 전류 신호는 하이 패스 필터(High pass filter)에 의해 필터링 될 수 있다.

도 4는 본 발명의 일실시예에 따른 시간 영역, 주파수 영역, 시간-주파수 영역에서의 제1 진단 신호를 증폭하여 나타낸 그래프이고, 도 5는 본 발명의 일실시예에 따른 증폭된 제1 진단 신호에 STFT(Short-time Fourier transform)를 적용한 시간에 따른 주파수를 나타낸 그래프이며, 도 6은 본 발명의 일실시예에 따른 증폭된 제1 진단 신호에 STFT(Short-time Fourier transform)를 적용한 시간에 따른 주파수 영역을 나타낸 3차원 그래프이다.

여기서, 도 5의 (a) 및 도 6의 (a)는 로봇이 1kg의 물체를 들었을 때를 나타낸 것이고, 도 5의 (b) 및 도 6의 (b)는 로봇이 3kg의 물체를 들었을 때를 나타낸 것이다.

도 4 내지 도 6을 더 참조하면, 전류 신호에서 관절부의 고장진단을 위한 제1 진단 신호와 노이즈 신호를 분리하는 단계(S20) 이후에는, 제1 진단 신호를 증폭하고, 필터를 이용하여 유효 신호를 검출하는 단계(S30)가 수행될 수 있다.

제1 진단 신호를 증폭하고, 필터를 이용하여 유효 신호를 검출하는 단계(S30)에서, 상기 제1 진단 신호는 앰프에 의해 증폭되며, 하이 패스 필터 또는 저역 통과 필터 등에 의해 필터링 됨으로써 유효 신호가 검출될 수 있다.

그리고, 상기 제1 진단 신호의 유효 신호는 STFT 기법을 적용하여 시간-주파수 영역의 그래프로 나타내어질 수 있다.

제1 진단 신호를 증폭하고, 필터를 이용하여 유효 신호를 검출하는 단계(S30) 이후에는, 유효 신호를 디지털 신호로 변환하는 단계(S40)가 수행될 수 있다.

유효 신호를 디지털 신호로 변환하는 단계(S40)에서, 상기 유효 신호는 아날로그-디지털 변환기에 의해 디지털 신호로 변환될 수 있다.

도 7은 도 1의 제2 진단 신호만 추출하는 단계의 순서도이다.

도 7을 더 참조하면, 유효 신호를 디지털 신호로 변환하는 단계(S40) 이후에는, 디지털 신호를 시간-주파수 영역에서의 신호처리 후 고장 진단에 필요한 제2 진단 신호만 추출하는 단계(S50)가 수행될 수 있다.

디지털 신호를 시간-주파수 영역에서의 신호처리 후 고장 진단에 필요한 제2 진단 신호만 추출하는 단계(S50)는 먼저, 디지털 신호를 시간-주파수 영역에서 상기 제2 진단 신호와 노이즈 신호를 분리하는 단계(S51)가 수행될 수 있다.

디지털 신호를 시간-주파수 영역에서 상기 제2 진단 신호와 노이즈 신호를 분리하는 단계(S51)에서는, 상기 STFT 기법에 의해 시간-주파수 영역으로 나타내어진 그래프에서 제2 진단 신호와 노이즈 신호를 분리할 수 있다.

디지털 신호를 시간-주파수 영역에서 상기 제2 진단 신호와 노이즈 신호를 분리하는 단계(S51) 이후에는, 아날로그-디지털 변환기 및 필터를 이용하여 관절부의 고장진단에 필요한 제2 진단 신호를 추출하는 단계(S52)가 수행될 수 있다.

도 8은 도 1의 2D 이미지로 변환하는 단계의 순서도이고, 도 9는 본 발명의 일실시예에 따른 2D 이미지로 변환하는 단계를 도식화하여 나타낸 예시도이며, 도 10은 본 발명의 일실시예에 따른 2D 이미지의 다양한 사이즈를 나타낸 예시도이다.

도 8 내지 도 10을 더 참조하면, 디지털 신호를 시간-주파수 영역에서의 신호처리 후 고장 진단에 필요한 제2 진단 신호만 추출하는 단계(S50) 이후에는, 추출된 제2 진단 신호를 2D 이미지로 변환하는 단계(S60)가 수행될 수 있다.

추출된 제2 진단 신호를 2D 이미지로 변환하는 단계(S60)는 먼저, 제2 진단 신호를 텍스트 형식의 신호 데이터로 추출하는 단계(S61)가 수행될 수 있다.

제2 진단 신호를 텍스트 형식의 신호 데이터로 추출하는 단계(S61)에서, 상기 제2 진단 신호는 텍스트 형식의 신호 데이터로 추출이 이루어질 수 있다.

제2 진단 신호를 텍스트 형식의 신호 데이터로 추출하는 단계(S61) 이후에는, 텍스트 형식의 상기 신호 데이터를 시계열 순으로 1차원 메모리 배열로 저장하는 단계(S62)가 수행될 수 있다.

텍스트 형식의 상기 신호 데이터를 시계열 순으로 1차원 메모리 배열로 저장하는 단계(S62) 이후에는, 1차원 메모리 배열을 시계열 순으로 복수의 행과 열로 이루어진 2차원 메모리 배열로 저장하는 단계(S63)가 수행될 수 있다.

1차원 메모리 배열을 시계열 순으로 복수의 행과 열로 이루어진 2차원 메모리 배열로 저장하는 단계(S63) 이후에는, 2차원 메모리 배열 내 모든 값을 정규화하는 단계(S64)가 수행될 수 있다.

2차원 메모리 배열 내 모든 값을 정규화하는 단계(S64)에서, 상기 2차원 메모리 배열 내 모든 값은 상기 신호 데이터의 크기에 따라 0 내지 255 중 어느 하나의 대응되는 값으로 설정되어 정규화될 수 있다.

2차원 메모리 배열 내 모든 값을 정규화하는 단계(S64) 이후에는, 정규화된 2차원 메모리 배열을 2D 이미지로 변환하는 단계(S65)가 수행될 수 있다.

정규화된 2차원 메모리 배열을 2D 이미지로 변환하는 단계(S65)에서, 상기 2D 이미지는, 상기 정규화된 상기 2차원 메모리 배열에서 각 행과 열에 해당하는 픽셀의 값에 대응하여 밝기 값이 설정된 이미지일 수 있다.

구체적으로, 상기 2D 이미지는 픽셀의 값이 255에 가까울수록 흰색에 가까워지고, 픽셀의 값이 0에 가까울수록 검정색이 되도록 설정될 수 있다.

상기 2D 이미지는 모노 이미지로서, 8비트 비트맵 이미지 픽셀로 마련될 수 있다.

또한, 도 10에 도시된 것처럼, 2D 이미지는 20*20 사이즈일 때, 이미지 크기 중 최대한 가장 작은 단위이면서 동시에 패턴 구분이 가능한 형태이다. 50*50은 패턴 구분이 명확하지 않고, 100*100 이상은 이미지 상 패턴 차이가 거의 없어 정확한 고장진단이 불가능하다.

따라서, 2D 이미지의 사이즈는 20*20이 바람직하다.

도 11은 도 1의 데이터셋을 형성하는 단계의 순서도이고, 도 12 및 도 13은 본 발명의 일실시예에 따른 데이터셋을 나타낸 예시도이다.

도11 내지 도 13을 더 참조하면, 추출된 제2 진단 신호를 2D 이미지로 변환하는 단계(S60) 이후에는, 변환된 2D이미지에 대한 딥러닝을 수행하여 정상 이미지 패턴 및 이상 이미지 패턴을 학습하여 데이터셋을 형성하는 단계(S70)가 수행될 수 있다.

변환된 2D이미지에 대한 딥러닝을 수행하여 정상 이미지 패턴 및 이상 이미지 패턴을 학습하여 데이터셋을 형성하는 단계(S70)는 먼저, 변환된 2D 이미지를 정상 이미지 패턴과 이상 이미지 패턴으로 분류하는 단계(S71)가 수행될 수 있다.

변환된 2D 이미지를 정상 이미지 패턴과 이상 이미지 패턴으로 분류하는 단계(S71)에서는, 변환된 2D 이미지가 정상 이미지 패턴과 이상 이미지 패턴으로 분류되고, 각각의 분류된 집단이 정상 이미지 패턴과 이상 이미지패턴으로 라벨링(labeling)될 수 있다.

변환된 2D 이미지를 정상 이미지 패턴과 이상 이미지 패턴으로 분류하는 단계(S71) 이후에는, 정상 이미지 패턴과 이상 이미지 패턴을 합성곱 신경망(Convolutional Neural Network) 구조를 이용한 방법으로 딥러닝하여 상기 데이터셋을 형성하는 단계(S72)가 수행될 수 있다.

정상 이미지 패턴과 이상 이미지 패턴을 합성곱 신경망(Convolutional Neural Network) 구조를 이용한 방법으로 딥러닝하여 상기 데이터셋을 형성하는 단계(S72)에서는, 각각의 정상 이미지 패턴과 이상 이미지 패턴을 딥러닝한 뒤, 각각의 라벨링된 정상 이미지 패턴과 이상 이미지 패턴에 대한 데이터셋을 형성할 수 있다.

변환된 2D이미지에 대한 딥러닝을 수행하여 정상 이미지 패턴 및 이상 이미지 패턴을 학습하여 데이터셋을 형성하는 단계(S70) 이후에는, 새로 추출된 2D 이미지의 이미지 패턴을 데이터셋과 비교 및 분석하여 관절부의 고장을 진단하는 단계(S80)가 수행될 수 있다.

새로 추출된 2D 이미지의 이미지 패턴을 데이터셋과 비교 및 분석하여 관절부의 고장을 진단하는 단계(S80)에서, 상기 관절부는 상기 로봇의 관절에 사용되는 감속기 및 베어링을 포함할 수 있다.

즉, 새로 추출된 2D 이미지의 이미지 패턴을 데이터셋과 비교 및 분석하여 관절부의 고장을 진단하는 단계(S80)에서는, 로봇(10)의 관절부에 대한 전류 신호를 획득하고, 이에 대한 전술한 2D 이미지 패턴 생성 과정을 거쳐 생성된 2D 이미지를 상기 데이터셋의 이미지 패턴과 비교 및 분석하여 관절부의 고장을 진단할 수 있다.

이처럼 본 발명은 2D 이미지를 비교하여 이상 여부를 판단함으로 보다 신속하고 편리하게 로봇 관절부의 고장을 진단할 수 있다.

도 14는 본 발명의 일실시예에 따른 로봇 관절부 고장진단 방법을 적용한 로봇 관절부 고장 진단 시스템의 구성도이다.

도 14에 도시된 것처럼, 로봇 관절부 고장 진단 시스템(100)은 센서(110), 앰프(120), 필터(130), 아날로그-디지털 변환기(140), 신호처리부(150), 변환부(160), 딥러닝부(170) 및 진단부(180)를 포함할 수 있다.

상기 센서(110)는 상기 로봇(10) 관절부와 연결되어 전류 신호를 검출하도록 마련될 수 있다.

상기 앰프(120)는 상기 센서(110)에 의해 측정된 전류 신호에서 제1 진단 신호를 추출하고 증폭하도록 마련될 수 있다.

상기 필터(130)는 상기 앰프(120)로부터 노이즈를 제거하고 유효 신호를 검출하도록 마련될 수 있다.

상기 아날로그-디지털 변환기(140)는 상기 필터(130)에 의해 검출된 상기 유효 신호를 디지털 신호로 변환하도록 마련될 수 있다.

상기 신호처리부(150)는 상기 디지털 신호에서 제2 진단 신호를 추출하도록 마련될 수 있다.

이미지 변환부(160)는 상기 신호처리부(150)에 의해 추출된 제2 진단 신호를 2D 이미지로 변환하도록 마련될 수 있다.

상기 딥러닝부(170)는 상기 이미지 변환부(160)로부터 변환된 2D 이미지의 정상 이미지 패턴 및 이상 이미지 패턴에 대해 학습하여 데이터셋을 형성하도록 마련될 수 있다.

상기 진단부(180)는 상기 딥러닝부(170)에 의해 학습된 데이터셋에 새로 추출된 2D 이미지의 이미지 패턴을 비교 분석하여 상기 관절부의 고장을 진단하도록 마련될 수 있다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

10: 로봇
100: 로봇 관절부 고장 진단 시스템
110: 센서
120: 앰프
130: 필터
140: 아날로그-디지털 변환기
150: 신호처리부
160: 이미지 변환부
170: 딥러닝부
180: 진단부

Claims (14)

1. a) 로봇의 관절부에 공급되는 전류 신호를 검출하는 단계;
   b) 상기 전류 신호에서 상기 관절부의 고장진단을 위한 제1 진단 신호와 노이즈 신호를 분리하는 단계;
   c) 상기 제1 진단 신호를 증폭하고, 필터를 이용하여 유효 신호를 검출하는 단계;
   d) 상기 유효 신호를 디지털 신호로 변환하는 단계;
   e) 상기 디지털 신호를 시간-주파수 영역에서의 신호처리 후 고장 진단에 필요한 제2 진단 신호만 추출하는 단계;
   f) 추출된 상기 제2 진단 신호를 2D 이미지로 변환하는 단계;
   g) 변환된 상기 2D이미지에 대한 딥러닝을 수행하여 정상 이미지 패턴 및 이상 이미지 패턴을 학습하여 데이터셋을 형성하는 단계; 및
   h) 새로 추출된 2D 이미지의 이미지 패턴을 상기 데이터셋과 비교 및 분석하여 상기 관절부의 고장을 진단하는 단계를 포함하는 것을 특징으로 하는 로봇 관절부 고장진단 방법.
   
2. 제 1 항에 있어서,
   상기 a) 단계에서,
   상기 로봇의 관절부에 공급되는 전류 신호는 상기 로봇 관절부에 부착된 서보 모터 및 서보 드라이브의 전류 신호인 것을 특징으로 하는 로봇 관절부 고장진단 방법.
   
3. 제 2 항에 있어서,
   상기 a) 단계는,
   상기 서보 모터와 상기 서보 드라이브 사이의 U, V, W 상에 전류 센서를 부착하여 상기 서보 모터에 직접 공급되는 전류를 검출하도록 마련된 것을 특징으로 하는 로봇 관절부 고장진단 방법.
   
4. 제 1 항에 있어서,
   상기 d) 단계에서,
   상기 유효 신호는 아날로그-디지털 변환기에 의해 디지털 신호로 변환되는 것을 특징으로 하는 로봇 관절부 고장진단 방법.
   
5. 제 1 항에 있어서,
   상기 e) 단계는,
   e1) 상기 디지털 신호를 상기 시간-주파수 영역에서 상기 제2 진단 신호와 노이즈 신호를 분리하는 단계; 및
   e2) 아날로그-디지털 변환기 및 필터를 이용하여 상기 관절부의 고장진단에 필요한 상기 제2 진단 신호를 추출하는 단계를 포함하는 것을 특징으로 하는 로봇 관절부 고장진단 방법.
   
6. 제 1 항에 있어서,
   상기 f) 단계는,
   f1) 상기 제2 진단 신호를 텍스트 형식의 신호 데이터로 추출하는 단계;
   f2) 텍스트 형식의 상기 신호 데이터를 시계열 순으로 1차원 메모리 배열로 저장하는 단계;
   f3) 상기 1차원 메모리 배열을 시계열 순으로 복수의 행과 열로 이루어진 2차원 메모리 배열로 저장하는 단계;
   f4) 상기 2차원 메모리 배열 내 모든 값을 정규화하는 단계; 및
   f5) 정규화된 상기 2차원 메모리 배열을 상기 2D 이미지로 변환하는 단계를 포함하는 것을 특징으로 하는 로봇 관절부 고장진단 방법.
   
7. 제 6 항에 있어서,
   상기 f4) 단계에서,
   상기 2차원 메모리 배열 내 모든 값은 상기 신호 데이터의 크기에 따라 0 내지 255 중 어느 하나의 대응되는 값으로 설정되어 정규화되는 것을 특징으로 하는 로봇 관절부 고장진단 방법.
   
8. 제 6 항에 있어서,
   상기 f5) 단계에서,
   상기 2D 이미지는,
   상기 정규화된 상기 2차원 메모리 배열에서 각 행과 열에 해당하는 픽셀의 값에 대응하여 밝기 값이 설정된 이미지인 것을 특징으로 하는 로봇 관절부 고장진단 방법.
   
9. 제 1 항에 있어서,
   상기 g) 단계는,
   g1) 변환된 상기 2D 이미지를 정상 이미지 패턴과 이상 이미지 패턴으로 분류하는 단계; 및
   g2) 상기 정상 이미지 패턴과 상기 이상 이미지 패턴을 합성곱 신경망(Convolutional Neural Network) 구조를 이용한 방법으로 딥러닝하여 상기 데이터셋을 형성하는 단계를 포함하는 것을 특징으로 하는 로봇 관절부 고장진단 방법.
   
10. 제 1 항에 있어서,
    상기 h) 단계에서,
    상기 관절부는 상기 로봇의 관절에 사용되는 감속기 및 베어링을 포함하는 것을 특징으로 하는 로봇 관절부 고장진단 방법.
    
11. 제 1 항에 따른 로봇 관절부 고장진단 방법을 적용한 로봇 관절부 고장 진단 시스템에 있어서,
    로봇 관절부의 전류 신호를 검출하는 센서;
    상기 센서에 의해 측정된 전류 신호에서 제1 진단 신호를 추출하고 증폭하는 앰프;
    상기 앰프로부터 유효 신호를 검출하는 필터;
    상기 필터에 의해 검출된 상기 유효 신호를 디지털 신호로 변환하는 아날로그-디지털 변환기;
    상기 디지털 신호에서 제2 진단 신호를 추출하는 신호처리부; 및
    상기 신호처리부에 의해 추출된 제2 진단 신호를 2D 이미지로 변환하는 이미지 변환부를 포함하는 것을 특징으로 하는 로봇 관절부 고장 진단 시스템.
    
12. 제 11 항에 있어서,
    상기 이미지 변환부로부터 변환된 2D 이미지의 정상 이미지 패턴 및 이상 이미지 패턴에 대해 학습하여 데이터셋을 형성하도록 마련된 딥러닝부를 더 포함하는 것을 특징으로 하는 로봇 관절부 고장 진단 시스템.
    
13. 제 12 항에 있어서,
    상기 딥러닝부에 의해 학습된 데이터셋에 새로 추출된 2D 이미지의 이미지 패턴을 비교 분석하여 상기 관절부의 고장을 진단하도록 마련된 진단부를 더 포함하는 것을 특징으로 하는 로봇 관절부 고장 진단 시스템.
    
14. 제 11 항에 따른 로봇 관절부 고장 진단 시스템을 구비한 로봇.

Images