인체근육의 동작의도를 이용한 하지 근력증강형 외골격 로봇의 제어 알고리즘

1. 서 론

외골격 로봇은 다양한 환경에서 착용자의 근력을 지 원하기 위해 인체 외부에 로봇이 결합되는 형태를 가지 며, 착용자의 동작 의도를 파악하여 로봇을 제어함으로 써 사용자의 육체적 능력을 향상할 수 있도록 제안되고 있다^[1]. 장애인을 대상으로 하는 외골격 로봇의 경우 재 활치료 또는 특정 신체부위 기능 복원이라는 명확한 목 적으로 특화된 메커니즘 및 제어알고리즘이 개발되고 있다. 하지만 산업현장의 작업자를 위한 근력증강형 외 골격 로봇의 경우 사용자의 다양한 동작을 외골격 로봇 으로 구현할 수 있어야 한다. 따라서 기존의 연구들에서 는 고관절(hip joint), 슬관절(knee joint) 및 족관절(ankle joint)에 구동기를 사용한 능동(active)관절을 부착하는 형태로 개발되었다^[2,3]. 하지만 능동관절의 수가 증가하 면 시스템의 중량 및 부피가 증가하고, 이로 인하여 착용 자의 작업효율을 감소시킨다. 또한, 착용자의 동작의도 측정을 위한 센서의 수가 증가하며, 제어 알고리즘이 복 잡해진다. 그리고 외골격 시스템의 에너지 소모가 증가 하여 배터리의 크기가 증가하거나 시스템 운용 시간이 줄어든다^[4]. 이러한 문제들을 해결하기 위해 최근 사람 의 보행 분석을 기반으로 능동관절 수를 최소화하는 대신 스프링 또는 댐퍼 등을 사용하는 준수동(quasi-passive)관 절 및 수동(passive)관절을 활용한 저구동 방식 외골격 (underactuated exoskeleton)에 대한 연구들이 진행되고 있다^[4-8]. 이러한 시스템은 제어가 필요한 능동관절이 줄 어듦에 따라 착용자의 의도를 파악하기 위한 센서를 줄 일 수 있을 뿐만 아니라 제어 알고리즘을 간단하게 구현 할 수 있다는 장점을 가진다.

이러한 장점을 반영하여 Hanyang Exoskeleton Assistive Robot (HEXAR)-CR35는 건설, 산업 및 군사 분야와 같 이 인력 의존도가 높은 분야의 작업자들을 대상으로 중량 물 운반 시 근력증강을 위하여 저구동 방식의 하지 외골 격 시스템으로 개발되었다^[4]. 본 논문에서는 HEXARCR35를 제어하기 위한 인체근육의 동작의도 측정 기반 제어 알고리즘을 제안한다. 이 제어 알고리즘은 평지 보 행 및 계단 등반 시 외골격 로봇의 슬관절만을 제어하며, 따라서 외골격 로봇의 상태 및 인간-로봇 상호작용 측정 을 위한 힘, 가속도, 속도 등과 같은 물리량 측정을 위한 다양한 센서들은 필요로 하지 않는다. 이 제어 알고리즘 에서는 오직 착용자의 슬관절 동작에 대한 근육 활성도, 보행구간 판단정보 그리고 외골격의 슬관절 각도 정보 만이 제어를 위해 사용하며, 착용자의 개인 특성에 맞게 센서 신호를 보정하는 알고리즘을 포함한다.

2. 하지 외골격 로봇 시스템 개요

이 장에서는 제어 알고리즘에 대한 설명에 앞서 제어 대상인 HEXAR-CR35에 대하여 시스템 기본개념, 시스 템 사양 및 센서 구성에 대하여 간단하게 소개한다.

이 시스템은 평지 및 계단 보행 시 외골격의 구동기를 통하여 착용자의 슬관절 근력을 지원해줌으로써 최대 30kg의 하중물 운반이 가능하도록 인체보행분석 기반으 로 설계되었다. Fig. 1은 HEXAR-CR35 시스템의 메커 니즘 기본 개념을 도식화한 것이다. 그림에서와 같이 이 시스템은 평지보행 시 외부 중량물에 의한 하중이 외골 격 메커니즘에 의해 지면에 지지되는 구조를 가지며, 계 단 등반 시 슬관절의 구동기에 의해 근력지원하는 형태 를 갖는다. 따라서 이 시스템의 제어 알고리즘은 보행 중 Stance 구간에서는 외골격의 슬관절이 외부 하중을 지지 해주며, Swing 구간에서는 착용자의 동작을 빠르게 추 종하도록 제어 알고리즘을 제안한다^[4]. 이 시스템의 각 다리는 고관절 3자유도, 슬관절 1자유도, 족관절 3자유 도를 가지고 있다. 그 중 보행과 밀접한 관계를 가지는 시상면(sagittal plane)의 고관절 1자유도와 족관절 1자유 도는 스프링을 이용한 준수동 관절을 가지며, 슬관절 1 자유도는 구동기가 장착된 능동관절을 가지는 저구동 방식의 외골격으로 개발되었다^[4].

Fig. 1

Mechanical Concept of the Proposed System (level/stair)

Fig. 2는 외골격 로봇의 세부 사양과 제어 시스템의 구성을 나타낸 것이다. 상위제어기는 모터 제어기로부 터 현재 외골격의 슬관절 동작정보와 MCRS (muscle circumference sensor)와 깔창(Insole) 센서로부터 착용자 의 동작의도 정보를 수집하고 이를 기반으로 착용자의 동작을 예측하여 로봇의 동작명령을 생성한다. 각각의 하위 시스템들은 내부에 하위 제어기가 장착되어 있어 독립적으로 동작되며, 상위 제어기와는 CAN 통신을 사 용하여 데이터를 교환하도록 시스템을 구축하였다. 착 용자의 근육 활성도를 측정하는 MCRS는 의복 위에 부 착이 가능하도록 고안되었으며^[9], 보행 구간에 따라 근육 활성도 신호의 특성이 다르기 때문에 보행 구간 판단을 위한 깔창 센서를 개발하여 본 시스템에 적용하였다^[10].

Fig. 2

Control System Architecture and Specification of the HEXAR-CR35

3. 동작의도 기반 제어 알고리즘

3.1. 제어전략

외골격 로봇의 제어를 위해서는 착용자의 동작 의도 를 파악하는 것이 가장 중요하다. 본 연구에서는 MCRS 와 깔창 센서를 사용하여 착용자의 슬관절 동작 시 근육 활성도와 보행구간 정보를 획득한다. 이 신호를 이용하 여 외골격 로봇의 동작명령을 생성하기 위하여 다음과 같은 과정을 수행하였다.

• I  보행에 관여하는 근육 파악
• II  보행 구간별 활성화 되는 하지 근육의 분류
• III  관련성이 높은 두개의 근육 그룹 선정
• IV  제어 알고리즘 개념 도출

MCRS는 근육이 활성화될 때 센서의 부착된 인체의 둘레변화를 측정한다. 이러한 방식은 의복 위에 부착하 여 근육 활성도를 측정할 수 있으며, 근전도 센서와 비교 할 때 외란에 매우 강한 특징을 가진다^[9]. 하지만 인체의 근육은 Fig. 3에서 보이는 것과 같이 하나의 관절 동작을 위해 다수의 근육이 사용되기도 하고, 몇몇 근육은 다수 의 관절 동작에 관여하기도 한다. MCRS는 넙다리네갈 래근(quadriceps muscle) 그룹과 넙다리뒷근(hamstring muscle) 그룹을 감싸고 있기 때문에 두 근육그룹의 활성 화에 의해 발생한 신호가 결합된 형태로 나타날 뿐만 아니라 보행의 Stance/Swing구간 및 관절의 굴곡/신전 동작에 따라 근육의 활성도가 다르다. 본 연구에서는 깔 창 시스템을 사용하여 보행 시 Stance와 Swing 구간을 판단할 수 있으며, 외골격 로봇의 슬관절에 부착된 엔코 더를 통해 측정된 현재 자세정보를 통해 굴곡과 신전 동작을 판단함으로써 더욱 세분화된 동작의도 파악이 가능하다.

Fig. 3

Muscle activation of the Lower Limb in Gait Cycle and MCRS Position for the Proposed System

3.2. MCRS 신호 보정 및 동작명령 생성

HEXAR-CR35시스템은 MCRS를 사용하여 측정한 사 람의 근육 활성도 정보를 제어를 위한 주요 입력으로 사용하며, 생체신호의 특성 상 착용자의 근육에 맞게 반 듯이 신호 보정과정이 필요하다. Fig. 4는 외골격 로봇의 동작명령을 생성하는 단계를 Flow Chart로 도식화한 것 이다. 동작모드에서는 시스템을 운용하기 위한 착용자 인체신호 측정, 외골격 명령신호 생성 및 제어를 수행하 며, 이를 위하여 깔창 센서 정보로부터 Stance와 Swing 구간을 판단 후 외골격 로봇의 관절 정보를 통해 굴곡과 신전 동작을 판단하여 각각의 상황에 맞는 동작명령을 MCRS 신호 기반으로 생성한다. 그리고 제어 게인 조정, 측정 신호 보정 등을 위하여 시스템 설정모드를 따로 구비하여 MCRS 신호보정, 깔창 센서 분기 값 및 외골격 로봇의 PID 게인 튜닝을 수행한다. 근육활성도 신호의 특성상 모든 설정은 사용자가 외골격 로봇을 착용할 때 마다 이루어지며, 착용 후 3회 다리 동작만으로 자동으 로 설정되어 각각의 설정 인자들이 로봇제어에 반영이 되도록 프로그래밍 되어 있다.

Fig. 4

Flow Chart for the Command Generation and System Setting

외골격 로봇의 동작명령(θ_d)은 MCRS 신호로 슬관절 이 동작해야 할 관절각도를 생성하며, 앞에서 구분한 4 가지 보행상태(m)에 대한 보정을 개별적으로 수행한다. 착용자의 최대 근육 활성도 차이를 반영하기 위하여 측정 된 신호의 최대값이 1이 되도록 정규화한다. 이 후 측정된 인체 슬관절 각도와 MCRS 센서 값을 가지고 Polynomial Curve Fitting을 통해 동작명령 값 생성을 위한 센서 보정 함수를 Eq. 1과 같이 도출한다.

$\[ {\theta }_d=a_{1,m}{\left(x_n+k{\dot{x}}_n+{\theta }_n{}^c\right)}^2+a_{2,m}\left(x_n+k{\dot{x}}_n+{\theta }_n{}^c\right)+a_{3,m} \]$

(1)

Where,

0 < C ≤ 1

• m =   1:Stance Phase/Flexion
  2:Stance Phase/Extension
  3:Swing Phase/Flexion
  4:Swing Phase/Extension

이 수식은 기본적으로는 x_n에 대한 2차 다항식으로 표 현되며, 사용자가 MCRS 센서 감도를 조절하기 위한 $$ k{\dot{x}}_n$$ 과 $$ {\theta }_n^C$$ 가 부가되어 있다. 여기서, a_n는 Polynomial Coefficient, x_n은 MCRS 값, θ_n은 인체 관절각도, C는 교정을 위한 게인, k는 사용자가 조정할 수 있는 감도 게인이다. 이 방법으로 생성된 동작명령 값은 외골격 로봇의 제어 입력으로 사용된다. Fig. 5와 Fig. 6은 이에 대한 결과 이다.

Fig. 5

MCRS Data and Human Angle Data of the Knee Joint

Fig. 6

Normalized MCRS Data Using the Polynomial Curve Fitting

3.3. 외골격 로봇 관절 추종 제어 알고리즘

외골격 로봇 시스템은 인체에 결합된 형태를 가지기 때문에 로봇 제어기 입장에서 사람의 동작은 외란으로 작용되며 비선형 시스템이 된다. Fig. 7은 본 연구에서 개발한 제어기에 대하여 block diagram으로 도식화한 것 이다. 이 제어기는 앞서 설명한 것과 같이 MCRS, 깔창 센서 및 관절 각각의 상황에 맞는 동작명령을 생성한다. 이렇게 생성된 제어입력(θ_d)을 Cascade 제어기법을 사 용하여 외골격 슬관절의 동작을 추종할 수 있도록 제어 한다. Cascade 제어는 외란이 전파되기 전 빠른 제거를 위하여 주로 사용되는 방법이다. 이러한 특징은 외골격 이 착용자의 동작을 더 빨리 추종하도록 만들어 줄 수 있다. Cascade 제어는 여러 측정신호와 하나의 제어 변 수를 가질 때 사용할 수 있으며, 여러 개의 제어루프를 중첩하여 구성할 수 있다. 내부 루프의 제어 게인을 튜닝 할 때 외부 루프는 먼저 수동으로 제어 게인이 설정되어 야 한다. 내부 루프는 작은 감도에 대해 동등 또는 과도 감쇠가 되도록 튜닝을 수행하며, 이러한 유형의 제어기 는 큰 관성을 가지는 외부 루프를 제어할 때 내부 루프의 응답 시간을 줄일 수 있다. 따라서 내부 루프가 시스템의 제어 응답시간을 줄여주기 때문에 내부 루프의 샘플링 시간을 외부 루프보다 짧아야 한다^[11].

Fig. 7

Block Diagram for the Knee Joint Control of the HEXAR-CR35 System

본 연구에서 개발한 제어기는 두 개의 PID 제어 루프 를 가진다. 외부 루프는 위치제어를 위한 PID 제어기로 되어 있으며, Eq. 2와 같이 나타낼 수 있다. 내부 루프는 속도제어를 위한 PID 제어기로 되어 있으며, Eq. 3과 같이 나타낼 수 있다. 외부 루프는 10 ms, 내부 루프는 1 ms 주기로 제어된다.

$\[ {\dot{\theta }}_d\left(t\right)=K_{P_{out}}{e}_{n_{out}}\left(t\right)+K_{I_{out}}{\displaystyle \int e_{n_{out}}\left(t\right)+k_{D_{out}}\frac{d}{dt}{e}_{n_{out}}\left(t\right)} \]$

(2)

Where, $$ e_{n_{out}}\left(t\right)={\theta }_d-\theta $$

$\[ \text{i}\left(t\right)=K_{P_{in}}{e}_{n_{in}}\left(t\right)+K_{I_{in}}{\displaystyle \int e_{n_{in}}\left(t\right)+K_{D_{in}}\frac{d}{dt}{e}_{n_{in}}\left(t\right)} \]$

(3)

Where, $$ e_{n_{in}}\left(t\right)={\dot{\theta }}_d-\dot{\theta }$$

4. 실험 및 검증

4.1. 착용자 동작 추종

이 실헌에서는 외골격 로봇이 착용자의 동작을 얼마 나 잘 따라 동작하는지를 검증한다. Fig. 8은 외골격 로 봇을 착용한 상태에서 4 km/h 속력대의 평지보행과 앉고 일어서기(STS: Stand To Seat) 동작 수행 시 착용자의 슬관절 각도와 외골격 로봇의 슬관절 각도를 비교한 결과 이다. 착용자의 슬관절 각도는 고니오미터(goniometer) 를 인체에 부착하여 측정하였으며, 외골격 로봇의 슬관 절 각도는 구동기의 엔코더로 측정한 결과이다. 실험 결 과 최대 에러의 크기는 Table 1과 같다. 착용자 동작 추 종 실험결과 평지보행 시 최대 에러는 3.54°이였으며, STS 동작 시 5.61°가 발생하였다. 하지만 외골격 로봇과 착용자는 단단하게 체결되지 않을 뿐만 아니라 사람의 피부와 의복이 부드럽기 때문에 착용자는 이정도 크기 의 에러에 대하여 불편함을 인지하지 못하였다.

Fig. 8

Human Motion Following Error

Table 1

Maximum Value of Human Motion Following Error

4.2. 근력 증강 효과

EMG 센서를 넙다리곧은근(rectus femoris)와 장딴지 근(gastrocnemius) 근육에 부착하고 외부 하중물의 중량 을 변경하며 평지보행(level walking)과 계단등반(stair climbing)을 수행하였다. 이때 EMG 신호를 정량화 하기 위하여 %MVIC (Percent Maximum Voluntary Isometric Contraction)기법을 사용하였다. Fig. 9는 각 실험 환경에 서 착용로봇을 입었을 때 줄어든 근육 활성도를 백분율 로 표현한 것이다. 이 실험에서 외골격 로봇을 착용하지 않았을 때와 착용하였을 때에 대하여 %MVIC를 비교한 결과 외골격을 착용하였을 때 약 37% 이상 감소함을 보였다. 이는 외골격 착용자가 외골격을 착용하지 않았 을 때와 동일한 근력을 사용한다면, 외골격을 착용함으 로써 약 37% 이상 더 무거운 중량물을 운반 할 수 있다는 의미를 가진다.

Fig. 9

Decrement Rate for %MVIC Value

5. 결 론

본 논문에서는 저구동 방식의 외골격 로봇의 슬관절 을 제어하기 위한 인체근육의 동작의도를 이용한 제어 알고리즘을 제안하였다. 착용자의 동작 의도를 파악하 기 위하여 자체적으로 개발한 MCRS와 깔창 센서를 사 용하였으며, MCRS는 근육이 활성화될 때 변하는 근육 의 둘레를 측정함으로써 보행 시 근육 활성도를 측정할 수 있었다. 하지만 사람의 다리는 보행 구간에 따라 근육 활성화 신호의 특성이 다르기 때문에 깔창 센서와 엔코 더를 사용하여 구분한 4가지 보행 상태에 대한 신호 보 정을 수행하였다. 이러한 방법으로 획득한 착용자 동작 의도를 기반으로 외골격 로봇 동작명령을 생성하고, 이 를 입력으로 사용하는 매우 단순화된 제어기를 설계할 수 있었다. 그리고 착용자 동작 추종 실험과 근력 증강 효과 실험을 통하여 평지와 계단 보행 시 외부 하중물을 운반하는 작업에 대하여 착용자 동작의도 측정을 위한 센서의 수를 줄이고 매우 간단한 제어기 설계를 통하여 착용자의 근력을 증강해줄 수 있음을 검증하였다. 본 연 구에서는 평지 보행 및 계단 등반 시 중량물 운반에 적합 하도록 슬관절에만 능동 관절이 적용된 형태로 개발하 였지만 향후 능동 관절과 준수동 관절 조합 변경을 통하 여 다양한 보행조건을 가지는 분야에 적용 및 활용 할 수 있을 것이다.

Acknowledgments

This work was supported by the Technology Innovation Program (10060076, Development of a suit type exoskeleton which consist of actuator modules in the 50W class and a control method based on the human-robot muscle model for human power assistance) funded By the Ministry of Trade, industry & Energy(MI, Korea) and partially supported by the National Research Foundation of Korea (NRF) grant funded by the Korea government (MSIP) (No.NRF-2015R1A2A2A01002887).

References

• Lee, H.D, Han, C.S, Technical Trend of the Lower Limb Exoskeleton System for the Performance Enhancement, Journal of Institute of Control, Robotics and System, (2014), 20(3), p364-371. [https://doi.org/10.5302/j.icros.2014.14.9023]
• Kazerooni, H, Steger, R, The Berkeley Lower Extremity Exoskeleton, Journal of Dynamic Systems, Measurement, and Control, (2006), 128(1), p14-24. [https://doi.org/10.1115/1.2168164]
• Mohammed, S, Amirat, Y, Rifai, H, Lower-limb movement assistance through wearable robots: state of the Art and challenges, Advanced Robotics, (2012), 26(1-2), p1-22. [https://doi.org/10.1163/016918611x607356]
• Yu, S.N, Lee, H.D, Kim, W.S, Han, C.S, Development of an underactuated exoskeleton for effective walking and load-carrying assist, Advanced Robotics, (2016), 30(8), p535-551. [https://doi.org/10.1080/01691864.2015.1135080]
• Walsh, C.J, Endo, K, Herr, H, A quasi-passive leg exoskeleton for load-carrying augmentation, International Journal of Humanoid Robotics, (2007), 4, p487-506. [https://doi.org/10.1142/s0219843607001126]
• Dollar, AM, Herr, H, Design of a quasi-passive knee exoskeleton to assist running, In: Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2008), Nice, France, (2008), p747-754.
• Valiente, A, Design of a quasi-passive parallel leg exoskeleton to augment load carrying for walking, MASSACHUSETTS INST OF TECH CAMBRIDGE MEDIA LAB, Tech. Rep., DTIC Document, (2005, August).
• Lim, D.H, Kim, W.S, Lee, H.D, Kim, H.J, Shin, K.S, Park, T.J, Lee , J.Y, Han, C.S, Development of a Lower Extremity Exoskeleton Robot with a Quasianthropomorphic Design Approach for Load Carriage, In: Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2015), Hamburg, Germany, (2015), p5345-5350.
• Kim, W.S, Lee, H.D, Lim, D.H, Han, J.S, Han, C.S, Development of a muscle circumference sensor to estimate torque of the human elbow joint, Sensors and Actuators A: Physical, (2014), 208, p95-103. [https://doi.org/10.1016/j.sna.2013.12.036]
• Lim, D.H, Kim, W.S, Ali, Mian Ashfaq, Han, C.S, Development of Insole Sensor System and Gait Phase Detection Algorithm for Lower Extremity Exoskeleton, Journal of the Korean Society for Precision Engineering, (2015), 32(12), p1065-1072. [https://doi.org/10.7736/kspe.2015.32.12.1065]
• Astrom, K.J, Pid controllers: theory, design and tuning, ISA Research Triangle Park, NC, (1995), ch. 7, sec. 7.2, p274-281.