14.47 뉴턴-오일러 역학과 운동 제어의 결합

1. 개요

매니퓰레이터의 운동 제어는 뉴턴-오일러 역학과 결합되어야 정밀한 추종을 달성할 수 있다. 모형 기반 제어 기법은 동역학 모형을 활용하여 비선형성을 보상한다. 본 절에서는 뉴턴-오일러 역학과 운동 제어의 결합 방법을 다룬다.

2. 모형 기반 제어의 필요성

2.1 비선형성

매니퓰레이터의 동역학은 강한 비선형성을 가진다. 단순한 선형 제어로는 정확한 추종이 어렵다.

2.2 결합

각 관절의 운동이 다른 관절에 영향을 미치는 결합이 존재한다. 이 결합을 보상하지 않으면 추종 성능이 저하된다.

2.3 자세 의존성

매니퓰레이터의 동역학 매개 변수(관성, 중력 등)가 자세에 따라 변한다. 모형 기반 제어가 이를 자동으로 처리한다.

3. 계산 토크 제어

3.1 기본 원리

계산 토크 제어(computed torque control)는 동역학 모형을 사용하여 매니퓰레이터의 비선형성을 정확히 보상한다.

3.2 제어 식

목표 가속도 $\ddot{\mathbf{q}}_d^*$ 가 주어지면 인가 토크는 다음과 같이 계산된다.

$\boldsymbol{\tau} = \mathbf{M}(\mathbf{q})\ddot{\mathbf{q}}_d^* + \mathbf{C}(\mathbf{q}, \dot{\mathbf{q}})\dot{\mathbf{q}} + \mathbf{g}(\mathbf{q})$

이 토크가 적용되면 매니퓰레이터의 가속도가 목표 가속도와 같아진다.

3.3 피드백 항

목표 가속도는 일반적으로 피드백 항으로 결정된다.

$\ddot{\mathbf{q}}_d^* = \ddot{\mathbf{q}}_d + \mathbf{K}_v(\dot{\mathbf{q}}_d - \dot{\mathbf{q}}) + \mathbf{K}_p(\mathbf{q}_d - \mathbf{q})$

여기서 $\mathbf{K}_v, \mathbf{K}_p$ 는 양정행렬인 게인이다.

3.4 결과

이상적인 모형의 경우 폐 루프는 선형이며 다음의 오차 동역학을 가진다.

$\ddot{\mathbf{e}} + \mathbf{K}_v\dot{\mathbf{e}} + \mathbf{K}_p\mathbf{e} = 0$

여기서 $\mathbf{e} = \mathbf{q}_d - \mathbf{q}$ 이다. 이는 안정적이고 빠른 수렴을 보장한다.

4. 역동역학 제어

4.1 기본 원리

역동역학 제어(inverse dynamics control)는 계산 토크 제어와 유사한 개념이다. 목표 운동을 달성하기 위해 필요한 토크를 동역학 모형으로부터 계산한다.

4.2 피드포워드 + 피드백

역동역학 토크는 피드포워드 항으로 적용되고 추가 피드백 항이 오차 보상을 위해 사용된다.

$\boldsymbol{\tau} = \boldsymbol{\tau}_{\text{NE}}(\mathbf{q}_d, \dot{\mathbf{q}}_d, \ddot{\mathbf{q}}_d) + \mathbf{K}_v(\dot{\mathbf{q}}_d - \dot{\mathbf{q}}) + \mathbf{K}_p(\mathbf{q}_d - \mathbf{q})$

여기서 $\boldsymbol{\tau}_{\text{NE}}$ 는 뉴턴-오일러 알고리즘으로 계산된 토크이다.

5. PD + 중력 보상 제어

5.1 단순 형식

단순한 모형 기반 제어는 PD 제어에 중력 보상을 더한 형식이다.

$\boldsymbol{\tau} = \mathbf{g}(\mathbf{q}) + \mathbf{K}_p(\mathbf{q}_d - \mathbf{q}) + \mathbf{K}_v(\dot{\mathbf{q}}_d - \dot{\mathbf{q}})$

5.2 안정성

이 제어가 정적 자세 추종에 대해 안정성을 보장한다는 것이 증명되어 있다(Takegaki와 Arimoto의 결과).

5.3 실용성

이 단순한 형식은 계산 토크 제어보다 모형 의존도가 낮으며 실용적이다.

6. 작업 공간 제어

6.1 작업 공간에서의 제어

매니퓰레이터의 말단의 운동을 작업 공간에서 직접 제어할 수 있다.

$\mathbf{F}_x = \mathbf{\Lambda}(\mathbf{q})\ddot{\mathbf{x}}_d^* + \boldsymbol{\mu}(\mathbf{q}, \dot{\mathbf{q}}) + \mathbf{p}(\mathbf{q})$

여기서 $\mathbf{F}_x$ 는 작업 공간의 힘, $\mathbf{\Lambda}$ 는 작업 공간 관성 행렬, $\boldsymbol{\mu}$ 는 작업 공간의 코리올리/원심력, $\mathbf{p}$ 는 작업 공간의 중력이다.

관절 토크는 다음과 같이 변환된다.

$\boldsymbol{\tau} = \mathbf{J}^T(\mathbf{q})\mathbf{F}_x$

6.2 카티프의 작업 공간 정식화

카티프(Khatib)의 작업 영역(operational space) 정식화가 이러한 제어의 표준 기반이다.

7. 적응 제어

7.1 매개 변수 불확실성

실제 매니퓰레이터의 동역학 매개 변수는 정확히 알려지지 않을 수 있다. 적응 제어는 매개 변수를 온라인으로 추정하면서 제어한다.

7.2 회귀 행렬 형식

매니퓰레이터의 동역학 방정식의 매개 변수에 대한 선형성을 활용하여 적응 제어가 설계된다.

$\boldsymbol{\tau} = \mathbf{Y}(\mathbf{q}, \dot{\mathbf{q}}, \ddot{\mathbf{q}})\hat{\boldsymbol{\pi}}$

여기서 $\hat{\boldsymbol{\pi}}$ 는 매개 변수 추정값이다.

8. 강건 제어

8.1 모형 오차에 대한 강건성

실제 매니퓰레이터의 모형은 항상 부정확하므로 강건성이 중요하다. 슬라이딩 모드 제어, $H_\infty$ 제어 등의 강건 제어 기법이 사용된다.

9. 응용

9.1 산업 매니퓰레이터

산업 매니퓰레이터의 정밀 위치 제어와 궤적 추종에 모형 기반 제어가 사용된다.

9.2 협동 매니퓰레이터

협동 매니퓰레이터의 안전한 상호 작용에는 정확한 동역학 모형이 필수적이다.

9.3 휴머노이드 로봇

휴머노이드 로봇의 전신 제어는 복잡한 동역학 모형 기반 제어를 활용한다.

10. 본 절의 의의

본 절은 뉴턴-오일러 역학과 운동 제어의 결합 방법을 다루었다. 모형 기반 제어는 매니퓰레이터의 정밀 운동 제어의 기반이며 동역학과 제어의 결합이 핵심이다.

11. 참고 문헌

Spong, M. W., Hutchinson, S., & Vidyasagar, M. (2020). Robot Modeling and Control (2nd ed.). Wiley.
Khatib, O. (1987). A unified approach for motion and force control of robot manipulators: The operational space formulation. IEEE Journal of Robotics and Automation, 3(1), 43-53.
Slotine, J.-J. E., & Li, W. (1991). Applied Nonlinear Control. Prentice Hall.
Takegaki, M., & Arimoto, S. (1981). A new feedback method for dynamic control of manipulators. ASME Journal of Dynamic Systems, Measurement, and Control, 103(2), 119-125.

version: 1.0