39.22 동역학 모델의 매개변수 식별 기법

39.22 동역학 모델의 매개변수 식별 기법

동역학 모델의 매개변수 식별(parameter identification)은 이론적 모델과 실제 로봇 사이의 차이를 최소화하는 학술적·실무적 절차이다. 체계적 식별 기법이 정확한 모델 기반 제어의 기반이 된다. 본 절에서는 동역학 모델의 매개변수 식별 기법을 학술적으로 다룬다.

1. 식별의 목적

1.1 정확한 모델

실제 로봇에 정확한 모델을 얻는다.

1.2 제어 성능

정확한 모델이 제어 성능을 향상시킨다.

1.3 진단

비정상 상태의 진단도 가능하다.

2. 식별 가능한 파라미터

2.1 10 파라미터

각 링크당 10개의 관성 파라미터이다.

2.2 최소 파라미터

독립적으로 식별 가능한 최소 집합이 있다.

2.3 기본 파라미터

기본 파라미터(base parameter)의 결정이 학술 주제이다.

3. 선형 회귀

3.1 선형 파라미터화

동역학이 파라미터에 선형이다.

\vec{\tau} = \mathbf{Y}(\vec{q}, \dot{\vec{q}}, \ddot{\vec{q}}) \vec{\pi}

39.22.3.2 회귀 행렬

\mathbf{Y}가 회귀 행렬이다.

39.22.3.3 기본 파라미터

\vec{\pi}가 파라미터 벡터이다.

39.22.4 실험 설계

39.22.4.1 여기 궤적

모든 파라미터를 여기하는 궤적이 필요하다.

39.22.4.2 최적 여기

조건수 기준의 최적 여기이다.

39.22.4.3 실무적 선택

사인 함수 합성이 일반적이다.

39.22.5 데이터 수집

39.22.5.1 측정

관절 위치, 속도, 토크를 측정한다.

39.22.5.2 가속도

가속도는 수치적 미분으로 추정한다.

39.22.5.3 노이즈 처리

노이즈 필터링이 필요하다.

39.22.6 최소 제곱 추정

39.22.6.1 공식

\hat{\vec{\pi}} = (\mathbf{Y}^\top \mathbf{Y})^{-1} \mathbf{Y}^\top \vec{\tau}

3.2 가중 최소 제곱

가중치를 고려한 가중 최소 제곱이 효과적이다.

3.3 수치적 구현

SVD, QR 분해 등이 활용된다.

4. 식별 가능성

4.1 관측 가능성

모든 파라미터가 관측 가능해야 한다.

4.2 여기 조건

궤적이 모든 파라미터를 여기해야 한다.

4.3 수학적 조건

회귀 행렬의 계수 조건이다.

5. 물리적 일관성

5.1 양의 정부호 관성

추정된 관성 텐서가 물리적이어야 한다.

5.2 제약 추정

물리 제약을 반영한 추정이다.

5.3 학술적 발전

일관성 보장 기법이 발전하고 있다.

6. 온라인 식별

6.1 재귀 최소 제곱

RLS가 온라인 식별에 활용된다.

6.2 적응 제어

적응 제어와 결합된다.

6.3 실시간 갱신

실시간으로 파라미터가 갱신된다.

7. 학술적 활용

본 절에서 다룬 동역학 모델의 매개변수 식별 기법은 정확한 모델 기반 제어의 학술적·실무적 기반이다. 체계적 식별 절차가 고성능 로봇 제어의 핵심 요소가 된다.

8. 출처

  • Khosla, P. K. and Kanade, T., “Parameter identification of robot dynamics”, Proceedings of the 24th IEEE Conference on Decision and Control, pp. 1754–1760, 1985.
  • Atkeson, C. G., An, C. H., and Hollerbach, J. M., “Estimation of inertial parameters of manipulator loads and links”, International Journal of Robotics Research, Vol. 5, No. 3, pp. 101–119, 1986.
  • Gautier, M. and Khalil, W., “Direct calculation of minimum set of inertial parameters of serial robots”, IEEE Transactions on Robotics and Automation, Vol. 6, No. 3, pp. 368–373, 1990.
  • Swevers, J., Verdonck, W., and De Schutter, J., “Dynamic model identification for industrial robots”, IEEE Control Systems Magazine, Vol. 27, No. 5, pp. 58–71, 2007.
  • Wensing, P. M., Kim, S., and Slotine, J.-J. E., “Linear matrix inequalities for physically consistent inertial parameter identification: A statistical perspective on the mass distribution”, IEEE Robotics and Automation Letters, Vol. 3, No. 1, pp. 60–67, 2017.

9. 버전

  • 문서 버전: 1.0
  • 작성일: 2026-04-18