Current Issue

Journal of Korea Robotics Society - Vol. 15 , No. 3

[ ARTICLE ]
Journal of Korea Robotics Society - Vol. 15, No. 3, pp.221-232
Abbreviation: J. Korea Robot. Soc.
ISSN: 1975-6291 (Print) 2287-3961 (Online)
Print publication date Sep 2020
Received 20 Feb 2020 Revised 11 May 2020 Accepted 2 Jul 2020
DOI: https://doi.org/10.7746/jkros.2020.15.3.221

4륜 독립구동형 농업용 플랫폼의 주행 궤적 추종 성능 향상을 위한 휠 슬립 검출 및 보상제어 알고리즘 연구
김봉상1 ; 조성우2 ; 문희창

Slip Detection and Control Algorithm to Improve Path Tracking Performance of Four-Wheel Independently Actuated Farming Platform
Bongsang Kim1 ; Sungwoo Cho2 ; Heechang Moon
1PhD students, Autonomous Vehicle & Intelligent Robotics Program, Hongik University, Seoul, Korea (bongsai@mail.hongik.ac.kr)
2Students, Autonomous Vehicle & Intelligent Robotics Program, Hongik University, Seoul, Korea (swcho11@mail.hongik.ac.kr)
Correspondence to : Associate Professor, Corresponding author: Mechanical and System Design Engineering, Hongik University, Seoul, Korea (hcmoon@hongik.ac.kr)


© Korea Robotics Society. All rights reserved.
Funding Information ▼

Abstract

In a four-wheel independent drive platform, four wheels and motors are connected directly, and the rotation of the motors generates the power of the platform. It uses a skid steering system that steers based on the difference in rotational power between wheel motors. The platform can control the speed of each wheel individually and has excellent mobility on dirt roads. However, the difficulty of the straight-running is caused due to torque distribution variation in each wheel’s motor, and the direction of rotation of the wheel, and moving direction of the platform, and the difference of the platform’s target direction. This paper describes an algorithm to detect the slip generated on each wheel when a four-wheel independent drive platform is traveling in a harsh environment. When the slip is detected, a compensation control algorithm is activated to compensate the torque of the motor mounted on the platform to improve the trajectory tracking performance of the platform. The four-wheel independent drive platform developed for this study verified the algorithm. The wheel slip detection and the compensation control algorithm of the platform are expected to improve the stability of trajectory tracking.


Keywords: Agricultural Robotics, Stable Platform Driving, Autonomous Driving

1. 서 론

농업(Agriculture)과 기술(Tech)의 결합이라는 의미의 에그 테크(Agritech)는 첨단 기술을 농업과 융합하여 편리하고 쾌적 한 농작업 환경 개선, 작물 생산성의 극대화, 토양 환경을 위한 농업용 화학 물질의 최소화 등을 연구하는 분야이다. 최근 4차 산업혁명 시대를 맞아 각종 센서, 네트워크 기술, 데이터 이용 등의 비용이 저렴해지면서 기술의 경제성이 현실화하고 있으 며 이를 바탕으로 스마트 팜(Smart Farm), 농업용 로봇 등으로 대표되는 에그테크 시장도 급격히 성장하고 있다[1].

다양한 형태의 농업용 로봇에서 주행 로봇 플랫폼은 자율 주행기술의 발전과 맞물려 완성도 높게 개발되고 있다. 논과 밭과 같은 노지(露地) 환경에서 작업을 수행하는 플랫폼은 작 업 환경을 고려하여 안정적으로 주행할 수 있는 형태로 설계 되며 대표적으로 독립구동형 주행 방식을 사용한다.

독립구동형 주행 방식은 휠과 모터가 직결되는 형태의 독 립 휠 제어형 전기식 휠 구동장치를 이용하여 다수의 휠을 독 립적으로 구동/제동하여 차량을 주행시키는 방식을 의미한다.

노지 환경에서 독립구동형 주행 플랫폼이 안정적으로 주행 하기 위해서는 각 바퀴에 대한 구동력과 차량의 동적 상태를 정확하게 파악해야 하며 비정형 환경에서 지면과 휠 타이어 간의 마찰로 발생한 슬립(Slip)에 대해 파악하고 적절하게 제 어해야 한다. 슬립을 제어하기 위해 슬립의 양을 측정해야 하 지만 비정형 환경에서 슬립을 수치화하는 데 많은 어려움이 있으며[2,3] 슬립의 양을 수치화하고 발생한 슬립에 대응하는 모터 제어를 위해 슬립에 관한 다양한 연구가 진행되었다[4-6].

슬립을 측정하기 위해 여러 방법으로 접근할 수 있으며 GPS 측정, IMU의 요레이트(Yaw Rate) 활용한 슬립 측정, 선 형화된 슬립 모델 기반의 모터 출력 전류 측정 등이 있다. 각각 의 장단점이 존재하며 아직은 슬립 측정의 방법이 정형화되지 않았다. 예를 들어 GPS를 이용한 슬립 측정은 비교적 간단하 게 구현되지만, 플랫폼이 저속으로 주행하거나 나무 또는 터 널과 같이 GPS 신호가 방해받는 곳은 측정이 어렵다. 따라서 슬립을 수치화하기 위해 직접적으로 지면 상태를 입력받고 외 부조건에는 영향을 최소화하는 방법을 찾아야 한다.

본 연구는 전류 기반의 휠 슬립 검출 알고리즘을 바탕으로 개선된 휠 슬립 검출 알고리즘을 제안한다. 그리고 제안된 휠 슬립 검출기를 통해 4륜 독립구동 플랫폼의 자율주행 시 각각 의 구동륜 중 슬립이 발생한 휠을 판단하고 슬립이 발생하지 않은 나머지 구동륜에 적절한 보상을 하여 목표 궤적을 보다 안정적으로 추종할 수 있는 보상 알고리즘을 개발하는 것이 다. 2장에서는 실험을 위해 제작된 4륜 독립구동 플랫폼에 관 해 기술한다. 3장에서는 플랫폼의 자율주행 알고리즘을 기술 한다. 4장에서는 슬립 검출 및 보상 제어 알고리즘을 실험을 통해 검증하고, 5장에서 결론을 정리한다.


2. 4륜 독립구동형 플랫폼

본 연구를 위해 4륜 독립구동형 플랫폼 ‘X-44’를 ㈜언맨드 솔루션과 함께 [Fig. 1]과 같이 개발하였다. 4개의 모터가 휠과 직결되어 플랫폼의 구동력이 발생하며 스키드 조향 방식을 사 용한다. 또한 리모트 컨트롤러를 이용한 원격주행을 기본 주 행으로 하고 상위제어기를 탑재하여 정의된 명령 프로토콜에 맞게 속도 및 조향 명령을 내리면 플랫폼은 자율주행 기능을 수행한다. 사양은 [Table 1]과 같다.


[Fig. 1] 

Four-wheel independently actuated vehicles



[Table 1] 

A specification table of four-wheel independently actuated farming platform


Size - H x L x W : 1300 x 1000 x 480 mm
- Ground clearance : 160 mm
Wheel size - 8 inch (175/75R/8)
Motor - Motor Model : 24VDC Geared motor
- No load speed output shaft : 120 rpm
- Gear ratio : 32.88:1
- Power output max : 250 W @ 65 rpm
- Constant : 1.1 Nm/A
- Max Torque : 55 Nm
Battery - Li-ion 25.2V / 80 Ah, 2,000 Wh * 1EA (Full Charging 29.5 V)
Vehicle controller - Main Controller : NI myRIO-1900
- Sub Controller : STM32F407 Board
 Interface : RS232, CAN, DIO, Encoder Input
Uptime - Max 3 hour
Payload - Max. 200 kg
Speed - Max.10 kph

2.1 플랫폼 하드웨어 시스템 구성

4륜 독립구동형 플랫폼은 크게 플랫폼 제어 시스템과 항법 제어 시스템으로 [Fig. 2]와 같이 구성되었다. 플랫폼 제어 시 스템은 National Instrument 사의 myRIO-1900을 이용하여 구 성하였고 항법 제어시스템은 상위제어기(PC)를 통해 위성 항법장치(GPS) 및 IMU의 데이터를 처리할 수 있게 구성하 였다. 플랫폼 제어시스템과 항법 제어시스템과의 통신 연결 은 CAN 2.0 A를 이용하며 플랫폼 제어를 위한 X-44 전용 통 신 프로토콜을 개발하였다. 플랫폼 제어시스템과 상위 제어 시스템에 사용된 프로그램들은 National Instrument 사의 LabVIEW 2018 이용하여 각각의 소프트웨어를 개발하였다.


[Fig. 2] 

Platform hardware system configuration



2.2 상위 제어 시스템

4륜 독립구동형 플랫폼의 상위 제어시스템은 자율주행의 인지, 판단, 제어 중 인지와 판단의 역할을 담당하며 플랫폼의 자율주행 알고리즘을 처리하는 역할을 수행한다. GPS, IMU, 상위제어 컨트롤러로 구성되어 있으며 GPS 및 IMU가 상위제 어 컨트롤러에 연결되고 상위제어 컨트롤러에서 구현된 데이 터 처리 프로그램에 의해 데이터를 처리한다.

플랫폼에 사용된 GPS 모듈은 U-Blox의 C099-F9P-0 모델이 며 사양은 [Table 2]와 같다.

[Table 2] 

GNSS module specification (C099-F9P-0, U-Blox)


Receiver Type 72 channel u-Blox M8 engine GPS L1
C/A, GLONASS L1 OF, BeiDou B1
Frequency of time pulse signal 0.25 Hz ~ 10 Hz (configurable)
Operational limits - Dynamics : ≤ 4 g
- Altitude : 50,000 m
- Velocity : 500 m/s
Velocity accuracy 0.05m/s
Dynamic heading accuracy 0.3deg
Horizontal pos. accuracy - PVT : 1.5 m CEP
- RTK (VRS) : 0.01 m + 1 ppm CEP

2.3 플랫폼 제어 시스템

플랫폼 제어시스템은 메인 컨트롤러, 인터페이스 모듈, 구 동 제어 모듈, 무선 조종 모듈로 구성되었다. 인터페이스 모듈 은 플랫폼에 장착된 다양한 모듈의 통신을 메인 컨트롤러에 모아주는 역할을 수행한다. 모터와 엔코더로 구성된 구동 제 어 모듈은 상위제어기에서 내린 속도와 조향 명령을 수행한 다. 무선조종 모듈은 플랫폼의 원격조종 기능을 수행하며 수 동조종 기능, 모드 전환, 원격 E-STOP 스위치로 구성되었다.


3. 플랫폼 자율주행 알고리즘
3.1 플랫폼 자율주행 요구사항 정의

플랫폼의 자율주행을 위해서 플랫폼 자신의 위치 및 자세 를 인식하는 컴포넌트, 이동할 경로를 생성하는 경로계획 컴 포넌트, 경로를 따라 주행하기 위해 플랫폼의 제어량을 계산 하는 항법 컴포넌트, 구동 액추에이터를 항법 컴포넌트에서 계산한 제어량에 맞춰 구동 액추에이터를 제어하는 플랫폼 제 어 컴포넌트, 이상 4개의 컴포넌트로 자율주행 알고리즘을 구 성하였다. 컴포넌트(Component)는 수행하는 역할에 따라 정 의되는 모듈형 소프트웨어이다. 컴포넌트 상·하단의 인터페 이스를 정의하여 유기적인 관계를 유지하고 있기 때문에 각 모듈에 독립적으로 수정 및 보완을 할 수 있다. [Fig. 3]은 자율 주행 알고리즘 컴포넌트의 관계를 나타낸다[7].


[Fig. 3] 

Autonomous driving algorithm of Platform



3.2 속도 제어 알고리즘
3.2.1 속도 제어 알고리즘 구현

속도 제어 알고리즘은 속도 센서를 통한 전통적인 폐루프 제어(Closed loop control) 방법을 사용하였다. 구동모터 축에 연결된 엔코더로 모터의 회전수를 피드백(Feedback) 받고 PID 제어기를 통해 목표 회전수에 도달하며 이를 유지하기 위해 모터의 출력 값을 조정하며 속도 제어 알고리즘의 구성도는 [Fig. 4]와 같다.


[Fig. 4] 

Velocity control algorithm using Closed loop control



속도 제어 알고리즘은 플랫폼 제어 컴포넌트의 종뱡향 제 어기로서 플랫폼 제어시스템의 메인 컨트롤러의 Real-Time 영역에서 구현하였고 모터마다 알고리즘을 적용하여 명령 속 도를 추종하도록 하였다. 속도 제어 알고리즘 구현을 위해 LabVIEW의 PID 예제를 참고하여 프로그램을 구현하였다.

3.2.2 속도 제어 알고리즘 검증 실험

실험환경은 [Fig. 5]와 같은 구성으로 홍익대학교 화성캠퍼 스 운동장에서 실험하였다. 운동장은 비포장이지만 지면이 단 단하고 평탄한 면을 가졌으므로 실외 주행이 적합하다고 판단 하였다. 실험 방법은 조향제어를 하지 않고 직진 명령을 내렸 을 때 즉, 순수하게 4개의 모터에 같은 속도명령을 주었을 때 명령속도를 추종하는 것을 확인하는 실험이다. 직진 주행거리 는 약 30 m이며 엔코더를 통한 속도 측정뿐만 아니라 플랫폼 에 장착된 GPS를 활용하여 주행속도 데이터도 같이 비교했으 며 2 KPH, 4 KPH, 6 KPH의 속도로 실험하였다.


[Fig. 5] 

Field test of speed control algorithm ① High Level Controller, ② Platform, ③ GPS Module



[Fig. 6]의 실험 결과 그래프는 명령속도 2 KPH, 4 KPH, 6 KPH일 때 4개 모터의 출력속도의 평균값과 GPS 속도 측정값 을 나타내었으며 모터의 출력속도는 모터에 직결된 엔코더를 통해 측정하였다.


[Fig. 6] 

Speed test result graph – 2 KPH, 4 KPH, 6 KPH



3.3 경로 추종 알고리즘
3.3.1 경로 추종 알고리즘 구현

자율주행 플랫폼의 경로 추종이란 횡 방향 구동기의 제어 를 통해 경로 위를 최소한의 횡 방향 오차를 가진 채 목적지까 지 주행하는 것을 말한다. 플랫폼의 경로 추종 알고리즘으로 Pure pursuit 알고리즘[8]을 사용하였다.

[Fig. 7] 같이 Pure pursuit 알고리즘은 플랫폼의 중심좌표와 목표지향점을 지나고 플랫폼의 진행 방향과 접하는 원을 찾아 낸 뒤, 그 원의 반지름을 이용해 플랫폼을 제어하는 방법이다. 플랫폼의 중심좌표에서 목표거리 만큼 떨어져 있는 기준경로 상의 한 점을 목표지향점 (xL, yL)으로 선정한다. 이때, 2개의 교점이 생성되는데 플랫폼 비홀로노믹 구속조건을 가지므로 진행 방향에 가까운 교점을 목표지향점으로 선정한다. 목표지 향점이 이동로봇의 중심좌표에서 (xd, yd)의 거리만큼 떨어져 있다면, 식 (1)과 같은 관계식을 얻을 수 있다.

xd2+yd2=L2α2+xd2=R2α+yd=R(1) 


[Fig. 7] 

A geometry of the pure pursuit algorithm



또한 식 (1)로부터 선회 반경은 식 (2)와 같이 얻어진다.

R=L22yd(2) 

w=υxR=2ydL2υx(3) 

이동로봇의 속도 υx와 선회각속도 w 의 관계식은 식 (3) 과 같으며, υx가 일정하다고 가정하면 w 을 구할 수 있다.

3.3.2 경로 추종 알고리즘 검증 실험

실험환경 및 장비는 ‘3.2.2 속도 제어 알고리즘 검증 실험’ 과 동일하게 구성하였다. GPS 정밀도는 경로 추종 성능을 결 정짓는 요인이므로 GPS 정밀도를 높이기 위해 VRS (Virtual reference station)방식을 사용하였다. VRS 방식은 GPS 상시 관측소로 이루어진 기준국을 이용해 가상기준점을 실시간으 로 생성하고 이 가상기준점과 이동국과의 실시간 이동측량을 통해 위치를 보정하는 방식으로 인터넷망을 통해 GPS 상시 관측소의 데이터를 사용한다.

VRS 방식을 사용하기 위해 GPS 모듈의 제조사에서 제공 하는 유틸리티 ‘U-Center’를 통해 보정 신호 데이터 서버 ‘NTRIP’에 접속하여 데이터를 전송받았다. [Fig. 8]과 같이 보 정 신호가 없는 Single 상태에서 GPS 모듈에 보정 신호가 입력 되면 VRS 상태가 되었다는 의미의 Float 또는 FIXED로 상태 가 바뀐다. VRS 상태에서 오차의 정밀도는 ±10 cm이며 본 연 구에서는 모든 실험을 VRS-GPS 상태에서 실시하였다.


[Fig. 8] 

VRS-GPS signal correction



주행 경로는 가로 45 m, 세로 35 m의 타원형으로 직선과 곡 선 코스로 이루어져 있으며 총 주행거리는 160 m이다. 수동으 로 플랫폼을 조종하여 경로 생성 컴포넌트를 통해 경로 파일 을 생성하였다. 각 Way-point 간격은 30 cm로 설정하였다.

주행 실험은 속도별로 2 KPH, 4 KPH, 6 KPH로 실험하였다. [Fig. 9]는 속도별 추종 경로에 따른 플랫폼의 주행 경로 궤적 이며 추종 경로와 주행 경로의 오차를 X축과 Y축으로 나눠서 나타냈다. 2 KPH, 4 KPH, 6 KPH 모두 경로 오차가 30 cm 미만 으로 플랫폼의 주행이 경로 추종 알고리즘을 통해 준수하게 이뤄졌다고 판단할 수 있다.


[Fig. 9] 

Path tracking test result graph



주행 궤적을 살펴보면 직선 구간에서는 고르게 경로를 추 종했으며 곡선 구간에서는 속도가 커질수록 경로 오차가 커지 는 것을 확인 할 수 있다. 이는 좌, 우 휠의 회전 차를 통한 스키 드 조향 형태의 특징으로 조향이 속도가 증가함에 따라 지면 과의 슬립이 증가하여 경로 추종에 방해요소가 됨을 확인할 수 있다.


4. 슬립 검출 및 슬립 보상 제어 알고리즘

본 연구에서 전류 기반의 휠 슬립 검출 알고리즘[9]을 바탕 으로 4륜 독립구동형 플랫폼에 적용할 수 있는 슬립 검출 알고 리즘과 슬립 보상 제어 알고리즘을 개발하였다. 기존의 전류 기반의 휠 슬립 검출 알고리즘은 슬립률, 전륫값, 휠 회전수의 변화에 따라 슬립을 검출하고 이때 휠 슬립을 줄이기 위해 모 터 토크를 감소시킨다. 본 연구와의 차이점은 기존의 알고리 즘에서는 각각의 휠에서 발생하는 슬립률을 정확하게 계산하 지 않고 플랫폼의 전체 속도를 기반으로 슬립률을 추정하며 슬립을 판단한다. 그러나 본 연구에서는 각 휠의 속도 측정할 수 있으며 이를 기반으로 각 휠에서 발생하는 슬립률을 정확 하게 계산하기 때문에 더욱 정밀한 슬립 판단 및 제어를 할 수 있다고 예상된다. 본 연구에서는 슬립 검출을 위한 슬립 판단 근거 데이터를 수집하기 위해 플랫폼의 수동 및 자율주행 시 데이터를 저장하였으며 저장된 데이터를 통해 플랫폼 슬립이 발생했을 때의 각 휠의 회전속도와 전륫값의 변화를 분석하였 다. 그리고 분석한 결과를 통해 새로운 휠 슬립 검출 알고리즘 을 제안한다.

4.1 휠 슬립 검출 알고리즘
4.1.1 휠 슬립의 상태 정의

플랫폼의 주행은 휠이 회전하면서 발생하는 구동력과 이 때 발생하는 지면과의 마찰력을 통해 주행이 이루어진다. 따라서 휠과 토양 간에 대한 모델[10]을 통해 휠 슬립에 대한 정의할 수 있다. 휠과 토양 간의 관계는 굉장히 복잡하여 휠 회전에 저항하는 토크의 계산 및 각 매개 변수의 일부를 결정 하는 것은 어렵기 때문에 본 연구에서는 휠과 토양 간의 관 계 모델을 제한적으로 사용하여 [Fig. 10] 같이 휠 슬립 상태 를 정의한다.

γ=1VaVm(4) 

Tr2bθ2θ1τ(θ)dθ(5) 

Tmaxr2bθ2θ1τmaxdθ(6) 

Tmotor=kIIa(7) 

n=EsRIaKcΦ(8) 


[Fig. 10] 

Wheel-Soil Interaction Model



  • γ : slip ratio
  • Va : vehicle’s absolute velocity
  • Vm : rotation velocity of the driven wheel
  • T : wheel rotation resisting torque
  • Tmax : wheel rotation maximum resisting torque
  • Tmotor : motor torque
  • kI : motor torque constant scale factor
  • Es : DC source of motor
  • Ke : DC motor constant factor
  • Φ : flux per pole of motor
  • Ra : armature resistance
  • Ia : armature current of motor
  • n : velocity of rotation

식 (4)를 통해 플랫폼의 슬립률 측정할 수 있으며 식 (5), 식 (6)을 통해 플랫폼 휠 구동 토크가 타이어와 지면의 저항력인 최대 저항 토크를 초과하면, 휠 슬립이 발생할 수 있으며 이때 플랫폼 휠의 회전속도도 증가함을 알 수 있다.

식 (7), (8)을 통해 휠 회전수 및 전류의 변화를 바탕으로 휠 슬립이 발생을 판단하기 위한 데이터로 선정할 수 있다.

4.1.2 슬립 판단 알고리즘을 위한 데이터 분석

휠 슬립은 휠의 구동 토크가 타이어와 지면의 저항력을 초 과하면 휠 미끄러짐이 발생하며 이때 플랫폼 휠의 회전속도가 증가하는 것이라 앞에서 정의하였다. 이때 확인해야 할 데이 터로 모터의 전륫값과 회전수를 선정하였으며 플랫폼의 주행 을 통해 슬립이 발생했을 때의 데이터를 분석하였다.

1) 정상 한계 전륫값 설정

모터의 회전수는 속도 제어 알고리즘을 통해 목푯값과 현 재 값을 비교할 수 있지만, 전륫값은 비교를 할 수 있는 데이터 가 없음므로 직진 주행 시 정상 상태라고 가정할 수 있는 기준 전륫값을 설정할 필요가 있다. 따라서 평탄한 지형에서 직진 주행 시 전륫값을 측정하고 이때 가장 높은 값을 선정하여 정 상 주행 시 한계 전륫값으로 설정한다.

한계 전륫값을 설정하기 위해 속도별로 직진 자율주행 테 스트를 2회씩 실행하였으며 실험환경은 ‘3.2.2 속도 제어 알고 리즘 검증실험’의 실외 직진 실험과 동일하게 진행했다.

속도는 1~10 KPH까지의 범위에서 속도별로 모든 휠에서 출력한 최대 전륫값의 평균값에서 반올림한 값을 [Table 3]에 정리하였으며 이 값을 슬립이 발생하지 않으면서 주행 가능한 한계 전륫값으로 선정하였다.

[Table 3] 

Table of limit current value by speed


Speed Limit Current Speed Limit Current
1 KPH 6 Amp 6 KPH 12 Amp
2 KPH 8. Amp 7 KPH 12 Amp
3 KPH 8 Amp 8 KPH 14 Amp
4 KPH 8 Amp 9 KPH 15 Amp
5 KPH 10 Amp 10 KPH 16 Amp

2) 플랫폼 수동 주행을 통한 데이터 분석

슬립이 발생했을 때의 전류 및 모터 회전수의 관계를 확인 하고 데이터를 수집하기 위해 매끄러운 철판에 물을 뿌려 슬 립이 발생할 수 있는 상황을 [Fig. 11]과 같이 재현하여 실험하 였다. 실험은 원격 조종기를 통한 수동주행 상태로 진행했으 며 좌 선회, 우 선회 실험을 하였다. FR, RR 휠의 회전수와 전 륫값을 확인한 결과 그래프는 [Fig. 12]와 같다.


[Fig. 11] 

Wheel slip generation test - Left turn




[Fig. 12] 

Wheel slip generation test result - Left turn (Red : Rear right wheel, Green : Front right wheel )



  • ① FR 슬립 구간(RR―적색, FR―녹색)
    • - 맨눈으로 FR 슬립을 확인
    • - 동일한 명령 시 FR 휠의 회전수가 RR에 비해 큼
    • - RR 휠과 비교하여 FR 휠의 전륫값이 작아짐
  • ② RR 휠 슬립 구간(RR―적색, FR―녹색)
    • - FR 슬립 후 맨눈으로 RR 슬립을 확인한 구간
    • - RR 휠의 회전수가 FR에 비해 빠름을 확인
    • - FR 휠과 비교하여 RR 휠의 전륫값이 작은 것을 확인할 수 있으 며 1번 구간에서의 RR 휠의 회전수 및 전륫값보다 2번 구간은 RR 휠의 회전수는 커졌지만, 전륫값은 현저하게 작음을 확인
3) 평지(운동장) 자율 주행 실험을 통한 데이터 분석

평지에서 플랫폼의 자율주행 시 발생하는 휠의 회전수와 전륫값을 분석하기 위해 주행 실험을 하였다. 주행 실험은 3.3 경로 추종 알고리즘 검증 실험과 동일한 방법으로 진행하였으 며 주행속도는 4 KPH로 실험하였다.

[Fig. 13]과 같이 직선 구간에서는 4개의 휠 회전수 및 전륫 값의 그래프가 비슷한 영역에 합쳐지는 것을 확인 할 수 있으 며 이는 슬립이 발생하지 않음을 알 수 있다.


[Fig. 13] 

Autonomous driving wheel slip test results on the playground



곡선 구간에서는 RR, FR 휠의 회전수와 전륫값이 급격하게 증가하고 RL, FL 휠의 회전수와 전륫값은 감소함을 확인하였 다. 이것은 경로 주행을 위해 진행 방향 기준으로 우회전 조향 을 한 것으로 알 수 있다. 앞서 수동주행 시 발생한 슬립 형태와 비교하여 휠 회전수는 높지만, 전륫값이 낮은 경우는 없었으 므로 평지에서의 자율 주행은 비교적 슬립이 발생하지 않은 것으로 판단하였다.

4) 험지 자율 주행 실험을 통한 데이터 분석

[Fig. 14]와 같이 주행 실험은 홍익대학교 화성캠퍼스 내의 비포장도로에서 진행하였으며 경로 계획 컴포넌트를 이용하 여 추종 경로를 생성하였다. 주행속도는 4 KPH이며 직선 주행 코스에서 각 휠의 RPM과 전륫값 데이터를 수집하였다.


[Fig. 14] 

Autonomous driving wheel slip test on the rough terrain



험지 주행이지만 직진 구간주행이므로 FR, FL, RL, RR 각 각의 휠의 회전수의 편차가 크지 않다는 가정을 두고 실험을 진행하였다. 휠의 회전수와 전륫값을 확인한 결과 그래프는 [Fig. 15]와 같다.


[Fig. 15] 

Autonomous driving wheel slip test result on the rough terrain (Red : Rear right wheel, Blue : Rear left, Green : Front right wheel, Black : Front left wheel)



  • ① 번 구간(RR―적색, RL―청색, FR―녹색, FL―흑색 )
    • - FL 휠 슬립 예상
    • - FR, RR 휠은 비슷한 휠의 회전수 영역에서 주행
    • - FL 휠의 회전수가 RL에 비해 큰 것을 확인
    • - RL 휠과 비교하여 FL 휠의 전륫값이 현저히 작음
  • ② 번 구간(RR―적색, RL―청색, FR―녹색, FL―흑색 )
    • - RL 휠 슬립 예상
    • - FR, FL, RR 휠은 비슷한 휠의 회전수 영역에서 주행
    • - RL 휠의 회전수가 FL에 비해 큰 것을 확인
    • - FL 휠과 비교하여 RL 휠의 전륫값이 현저히 작음
5) 데이터 분석 결론

수동 주행 실험은 제자리에서 임의로 슬립을 발생시킬 수 있었기 때문에 육안으로도 슬립의 발생 여부를 정확하게 알 수 있었다. 또한 슬립이 발생한 시점을 알기 때문에 슬립에 관 한 데이터를 쉽게 찾을 수 있었다.

자율주행 실험은 로깅 데이터에서 다른 휠에 비해 휠의 회 전수가 급격히 상승하는 시점을 찾고 그때의 휠의 전륫값에 대한 변화를 확인하였다. 먼저 운동장에서의 주행 실험은 데 이터 분석 결과 휠의 회전수가 급격하게 올라가는 구간이 존 재하긴 했지만, 그 구간들은 대부분 곡선 구간에서 발생했기 때문에 스키드 조향으로 인해 발생하는 슬립인지 구분하지 못 했다. 슬립 발생 조건을 명확하게 파악하기 위해 험지 자율주 행 직진 실험을 수행하였고 직진 주행 시 휠의 회전수가 상승 하되 휠의 전륫값이 낮아지는 것을 데이터로 확인할 수 있었 다. 슬립이 발생하지 않았을 때의 휠 속도에 따른 전륫값으로 정의한 정상 한계 전륫값을 통해 각 모터에서 출력되는 전륫 값으로도 플랫폼의 주행 상태를 추측할 수 있으며 전륫값의 변화량과 비교하여 슬립의 유무를 판단할 수 있다.

  • 실험을 통해 슬립을 판단하는 5가지의 요소를 선정했다.
  • - 정상 한계 전륫값
  • - 휠의 회전수
  • - 모터의 전륫값
  • - 4개의 휠의 평균 회전수
  • - 휠의 회전수 목푯값(모터의 명령 값)
4.1.3 슬립 판단 알고리즘

이전의 실험을 통해 슬립을 판단하는 5개의 요소를 선정하 였으며 각 요소의 상태변화량을 바탕으로 슬립을 판단하는 알 고리즘을 개발하였다.

각 요소의 상태변화량의 크기는 계측 시간의 주기에 따라 달라질 수 있는 값이므로 적절한 계측 시간의 주기를 선정하 는 것이 중요하다. 모터의 전륫값과 회전수는 플랫폼의 모터 드라이버에서 출력되며 30 ms 주기로 각 인자의 현재 상태량 을 플랫폼 제어기에 전송한다. 제어기에서 계산하는 속도 제 어 알고리즘의 처리 주기는 10 ms이며 최종적으로 상태변화 량에 따른 속도 알고리즘 결괏값이 출력 주기는 30 ms이다.

플랫폼 최대 속도 기준으로 계측 주기의 적절함을 고려했 을 때 플랫폼 최대 주행 속도 10 KPH일 때 측정된 휠 회전수는 3600 RPM이며 이때의 초당 회전수는 60이다. 계측 주기 30 ms에서의 초당 회전수는 1.8이며 최대 주행 속도에서 30 ms의 계측 오차가 난다면 오차율은 3%이다.

속도가 작을수록 오차율은 줄어들며 계측 주기에 따른 오 차율을 고려했을 때 계측 주기가 충분하다고 판단하였다.

아래 식 (9)는 각 요소의 상태변화량을 나타내는 식이다.

{ΔN=n(k)n(k1)ΔNavg=navg(k)navg(k1)ΔNcmd=ncmd(k)ncmd(k1)ΔIw=Iw(k)Iw(k1)k=1,2,3,(9) 

  • n : wheel velocity (RPM)
  • ΔN : wheel velocity differential
  • naυg : mean value of the four wheel velocities
  • ΔNaυg : velocity difference between the present wheel velocity and the mean value of the four wheel velocities
  • ncmd : wheel velocity target value
  • ΔNcmd : wheel velocity target value differential
  • Iw : armature current
  • ΔIw : current differential
  • Ilim : maximum value of current assumed to be normal range
1) 슬립이 발생하지 않았을 때의 상태 정의

  • - ΔNaυg 값이 ΔNcmd보다 작다
  • - ΔIw이 0보다 크고, ΔIw의 절댓값은 Ilim보다 작다.

2) 슬립이 발생했을 때의 상태 정의

  • - 조건1 : ΔN은 0보다 크고, ΔNaυgΔNcmd보다 크다
  • - 조건2 : ΔIw가 0보다 작고, ΔIw의 절댓값은 Ilim보다 크다
  • - 조건1과 조건2가 모두 만족할 때 슬립 발생으로 판단

슬립 검출 알고리즘은 각 요소의 상태변화를 통해 슬립 판 단의 조건이 모두 만족했을 때 슬립이라고 판단한다.

4.1.4 시뮬레이션을 통한 슬립 판단 알고리즘 검증

개발된 슬립 검출 알고리즘을 LabVIEW 프로그램을 통해 구현하였으며 슬립 검출 시뮬레이션 프로그램을 제작하였다. 시뮬레이션 프로그램을 통해 기존의 로깅 데이터들 적용하여 슬립이 예상되는 구간을 확인한다. [Fig. 16]은 슬립 검출 시뮬 레이션 프로그램이며 입력한 경로에서 슬립 포인트(빨간색 점)로 표시된 부분은 슬립이 검출된 지점이다.


[Fig. 16] 

Wheel slip detection simulation program



4.2 보상 제어 알고리즘
4.2.1 보상 제어 알고리즘

슬립 검출 알고리즘을 검증을 위해 평지와 험지의 자율 주 행 테스트를 진행하면서 평지와 험지를 비교했을 때 경로 추 종 오차가 크게 나타남을 확인하였다.

독립구동형 주행 플랫폼의 주행 제어는 속도 제어 알고리 즘을 통해 각 모터가 명령 회전수를 추종하는 형태이다. 사용 자가 의도하지 않은 슬립이 발생했을 경우 휠의 회전수가 명 령 회전수보다 증가할 것이며 이때 속도 제어 알고리즘에서는 명령 회전수를 추종하기 위해 증가한 모터 회전수만큼 감속 명령을 내린다. 평지에서는 속도 제어 알고리즘만으로도 약 20 cm의 경로 추종 성능을 나타냈지만, 험지에서는 약 200 cm 의 경로 추종 오차가 발생하였다.

따라서 이를 보완하기 위해 특정 휠에 슬립이 발생하면 기존 속도 제어 알고리즘의 출력값에 값을 보상하여 휠의 회 전수를 빠르게 감소시키는 슬립 보상 제어 알고리즘을 개발하 였다. 이때 사용한 보상 인자는 슬립률을 이용하였다.

휠과 토양 간에 대한 모델의 식 (4) 슬립률 γ 을 통해 4개의 휠 각각의 슬립률을 측정할 수 있으며 이를 속도 제어 알고리 즘의 결괏값에 적용할 수 있다.

ncmd(1γ)(10) 

식 (10)의 ncmd 는 휠 회전수 목푯값으로 속도 제어 알고리 즘의 결괏값이며 휠 슬립이 검출되지 않았을 때 기존 값 그대 로 출력되고 휠 슬립이 검출되었을 때는 결괏값에서 슬립률 만큼 보정하여 휠 회전수 목푯값을 출력한다.

[Fig. 17]에서 험지 주행 시 슬립이 검출되었을 때의 슬립률 을 측정했을 때 0.017 ~ 0.634가 출력되는 것을 확인하였으며 모터가 제어할 수 있는 최소 한계를 고려하여 슬립률을 0.2 ~ 0.5로 제한하여 출력하도록 하였다. [Fig. 18]은 슬립 보상 알 고리즘 개념도를 나타냈다.


[Fig. 17] 

Autonomous driving slip test comparison result in rough terrain and playground




[Fig. 18] 

Slip compensation algorithm



4.2.2 보상 제어 알고리즘 검증

개발한 슬립 보상 알고리즘을 LabVIEW 소프트웨어로 구 현한 후 플랫폼에 적용하였다. 플랫폼의 자율주행을 통해 슬 립 검출 및 보상제어 알고리즘을 적용 및 미적용 시 슬립 발생 빈도와 추종 성능을 비교하여 알고리즘을 검증하였다. 주행 실험은 홍익대학교 서울캠퍼스의 운동장과 홍익대학교 화성 캠퍼스의 오프로드에서 각각 주행 테스트를 하였다. 평지와 험지로 나눠서 실험한 이유는 평지에서 과도한 슬립검출 및 보상 제어가 되는 것을 확인하는 것이며 두 실험 모두 주행 속 도는 4 KPH로 주행하였다.

1) 평지(운동장) 주행 테스트 및 결과

[Fig. 19]는 험지 주행 테스트 결과이다. 운동장에서 슬립 보상 알고리즘 미적용 / 적용 주행 시 슬립 횟수는 각각 4회, 1회 측정되었으며 슬립 보상 알고리즘 적용 후 주행 RMS 오차는 약 2 cm가량 줄었다. 평지(운동장)의 경우 알고리즘 을 적용하기 전에도 주행 오차가 20 cm 미만으로 준수한 성 능을 보였으며 이를 통해 확실한 성능향상을 확인할 수는 없었다.


[Fig. 19] 

Autonomous driving slip compensation test result on the playground



2) 험지 주행 테스트 및 결과

[Fig. 20]은 험지 주행 테스트 결과이다. 험지에서 슬립 보상 알고리즘 적용 후 주행 RMS 오차는 약 50 cm가량 줄었으며 슬 립이 발생하는 횟수가 총 40회에서 31회로 감소했다. 슬립이 발생한 횟수는 크게 줄지 않았으나 슬립이 발생한 구간으로 나누어 살펴보면 직진 구간 A에서는 18회에서 4회로 슬립이 감소하였으며 선회구간 B에서는 슬립이 5회에서 8회로 증가 함을 확인하였다. 이 결과를 통해 슬립 보상 알고리즘의 적용 으로 선회 구간에서의 슬립 제어 성능은 떨어진 반면 직진 구 간에서는 성능이 향상되었으며 이를 통해 전체적으로 경로 추 종 성능이 크게 향상된 것을 확인할 수 있었다.


[Fig. 20] 

Autonomous driving slip compensation test result in rough terrain




5. 결 론

본 연구를 통하여 4륜 독립구동형 농업용 플랫폼을 개발하 였으며 플랫폼을 통해 각 휠의 회전 속도와 모터 전류의 관계 를 이용하여 휠 슬립 검출 알고리즘을 개발하였다. 이를 바탕 으로 플랫폼 주행 시 특정 바퀴에서 슬립이 발생할 경우 슬립 이 발생한 모터의 출력 토크를 줄이고 슬립이 발생하지 않은 모터에 토크를 증가시키는 보상 제어기를 설계하였다. 휠 슬 립 검출 및 보상 제어 알고리즘을 통해 농업용 플랫폼의 슬립 발생을 감소시키고 경로 추종 성능을 향상했다. 향후 연구 방 향은 선회구간에서의 슬립 발생 최소화를 위해 슬립 현상에 의한 구동력의 차이로 발생하는 요-모멘트(Yawing Moment) 를 슬립을 판단하는 요인으로 추가하여 더욱 정밀한 슬립 검 출 알고리즘을 개발할 계획이다.


Acknowledgments

This work was supported by 2017 Hongik University Research Fund


References
1. INNOPOLIS Foundation, “Agricultural Robot Market,” R&D Special zone technology global market trend report, Korea, [Online], https://www.dit.or.kr/board.es?mid=a10205000000&bid=0008&act=view&list_no=16912&tag=&nPage=15.
2. J.-S. Lee, J.-Y. Lee, and Y.-S. Kim, “A Study on the Skid- Steering Control for an In-Wheeled Electric Vehicle,” Journal of the Korean Association of Defense Industry Studies, vol. 16, no. 1, pp. 52-72, Jun., 2009, [Online], https://www.earticle.net/Article/A139839.
3. G. Reina and R. Galati, “Slip-based terrain estimation with a skid-steer vehicle,” International Journal of Vehicle Mechanics and Mobility, vol. 54, no. 10, pp. 1384-1404, Jun., 2016,
4. W.-B. Baek and W.-H. Kim, “A Study on Robust Trajectory Tracking Control of a Skid Steering Robots,” Journal of the Korean Society of Manufacturing Technology Engineers, vol. 19, no. 1, pp. 121-127, Feb., 2010, [Online], http://www.dbpia.co.kr/Article/NODE01370083.
5. I.-S. Hwang, S.-J. Ko, M.-G. Kim, Y.-K., Shin, and D.-H. Lee, “Development of a New Kinematic Model of Mobile Robot for Improving Trajectory-tracking Performances in Rough Terrains,” Journal of Mechanical Science and Technology, Jeongseon, Korea, pp. 2722-2725, 2016, [Online], http://www.dbpia.co.kr/Article/NODE07105202.
6. T.-W. Kim and H.-J. Kim, “Path Tacking Control for a Skid-steer Vehicle using Learning-based Model Predictive Control,” Journal of Institute of Control, Robotics and Systems, Seoul, Korea, pp. 181-182, 2016, [Online], http://www.dbpia.co.kr/Article/NODE06649521.
7. B.-G. Cho, “The Research of Integrated Autonomous Navigation Algorithm based on Real Time system,” M.S thesis, Kookmin University, Seoul, Korea, 2011, [Online], http://www.riss.or.kr/search/detail/DetailView.do?p_mat_type=be54d9b8bc7cdb09&control_no=a669d9a218f48d5fffe0bdc3ef48d419.
8. R. C. Coulter, “Implementation of the pure pursuit path tracking algorithm,” Tech. Report (CMU-RI-TR-92-01), The Robotics Institute, Carnegie Mellon University, Pittsburgh, 1992, [Online], https://www.ri.cmu.edu/publications/implementation-of-the-pure-pursuit-path-tracking-algorithm.
9. Z. Zhu, K. Yuan, W. Zou, and H. Hu, “Current-based wheel slip detection of all-wheel driving vehicle,” 2009 IEEE International Conference on Information and Automation, Macau, China, pp. 495-499, 2009,
10. K. Iagnemma and S. Dubowsky, “Traction Control of Wheeled Robotic Vehicles in Rough Terrain with Application to Planetary Rovers,” The International Journal of Robotics Research, vol. 23, no. 10, pp. 1029-1040, Oct., 2004,

김 봉 상

2012 한국기술교육대학교 메카트로닉스공 학과(학사)

2017 ㈜언맨드솔루션 주임연구원

2019 홍익대학교 기계공학과(석사)

2019~현재 홍익대학교 자율주행·지능로봇 학과(박사과정)

관심분야: Agricultural robot, Unmanned ground vehicle, Platform architecture

조 성 우

2013 홍익대학교 기계·시스템디자인공학과 (학사)

2019~현재 홍익대학교 자율주행·지능로봇 학과(석사과정)

관심분야: Autonomous vehicle, Sensor fusion

문 희 창

2001 선문대학교 기계설계학과/제어계측학과 (학사)

2003 국민대학교 자동차공학전문대학원 전자 제어시스템(석사)

2009 국민대학교 자동차공학전문대학원 전자 제어시스템(박사)

2011 University of Florida,Researcher

2011~현재 ㈜언맨드솔루션 대표이사

2017~현재 홍익대학교 기계시스템디자인공 학과 부교수

관심분야: Unmanned ground vehicle, Field Robot (Ag. Robot and Drone), Future Transportation (PRT, PM)