ADAMS를 통해 시뮬레이션을 하기 위하여 서론에 서 언급한 다양한 메커니즘을 갖는 로봇들을 선정하여 모 델링 하였다.

Fig. 1의 (a), (b), (c) 모델은 Table 1.에서 구분하였듯이, 저 속 주행일 때 장애물을 극복하기 위한 모델들로써, 구동부 가 모두 링크구조로 되어있다. 반면에, (d) 모델은 고속회전 주행에서 안정성을 유지하는 구조를 갖는 모델로써, 각 바 퀴에 독립된 서스펜션(suspension)과 링크 구조를 동시에 갖고 있으며 (e) 모델은 가장 단순한 구조를 갖는 주행 로 봇 모델이다. Fig. 1에 나타난 모든 모델은 각각 고유의 메 커니즘을 그대로 가지고 있다. 하지만, 데이터 분석의 편 의를 위해 모든 모델의 바퀴 크기는 16cm, 로봇의 무게는 50kg로 맞춰주었으며 또한 로봇 몸체의 높이도 통일 시켜 주었다. 추가적으로, 타이어에 대한 변수는 고려하지 않았 고, (c), (d), (e) 모델의 서스펜션의 강성계수(k)와 댐핑계수(c) 는 각 모델의 무게를 고려하여 설정하였다. 그리고 대부분 의 야지 주행 로봇의 최고 속력이 12~14m/s(40~50km/h)정 도인 것을 고려 하여 일반 고속 주행 전차 1/7크기인 a, b, c, d, e가 주행할 수 있는 최고 속력을 14m/s의 1/7인 2m/s로 정의하였다.

앞 절에서 선정된 모델들의 구조적 성능을 확인하기 위 한 지형을 모델링 하는 것이 필요하다. 본 논문에서는 3개 의 지형을 모델링 하였으며 각각의 지형은 Fig. 2에 나타내 었다. 먼저 Fig. 2의 (a)는 로봇 몸체의 Pitch 방향으로의 움 직임을 확인하기 위한 지형으로, 바퀴지름의 1/2에 해당하 는 높이의 장애물(bump)을 일정한 간격으로 4개를 배치하 였다. (b)는 로봇의 Roll방향으로의 안정성을 확인하기 위한 지형으로 (a)지형과 마찬가지로 바퀴지름의 1/2에 해당하 는 높이의 장애물(bump)을 일정한 간격으로 번갈아 배치 하였다. 마지막으로 (c)는 경사지형에서의 무게 중심 위치 변화를 확인하기 위한 지형으로 경사지형의 기울기는 30°이다.

추가적으로, 실제 야지 환경에서는 다양한 지질의 특성 들로 인하여 마찰계수가 계속적으로 변하지만, 본 논문에 서는 각 로봇들의 구조적 특징만을 비교하기 위하여 시뮬 레이션 상에서 모든 지형의 마찰계수를 0.9로 맞춰주었다.

본 논문에서 제시하는 시뮬레이션 분석 기준은 크게 두 가지로써 서론에서 제시된 메커니즘 모델을 고속 주행 시 켰을 때 안정성을 유지하는가와 각각의 지형에서 각 바퀴 의 하중이 고르게 유지 되는가 이다. 먼저 장애물을 고속 으로 통과하는 경우 저속으로 주행을 하는 경우 보다 로 봇 몸체의 움직임의 변화가 더 크게 나타날 것을 예측 할 수 있다. 만약 몸체 움직임의 변화가 크다면 무게 중심을 안정적으로 유지하지 못하게 되고, 안전한 고속 주행이 불 가능하며 심한 경우 로봇이 전복될 우려가 있다. 따라서 로봇 몸체의 z축 방향으로의 변위, Roll 방향으로의 각속도, Pitch 방향으로의 각속도 데이터를 FFT 분석을 통해 수식 (2), (3)과 같이 주파수와 진폭의 피크(peak)값에 따른 안정 성을 평가하고자 한다. 또한 각 바퀴의 수직 항력 변화에 따른 불안정성을 나타내는 수식을 정의하여 로봇 모델에 따른 주행 안정성 정도를 평가하고자 한다.

위 식 (1)에서의 X(k)는 몸체 중심의 진동을 FFT로 표 현하기 위한 식이며 k는 주파수를 의미한다. 식 (2), (3)에서 I_a는 FFT의 진폭이 가장 큰 부분의 값을 나타내고 I_f 는 그 때의 주파수를 의미한다. 그리고 x[n]은 시뮬레이션을 통해 측정된 값을 함수화한 것이며 N은 총 샘플 수 이다.

식 (4)는 각 바퀴의 수직항력 변화에 따른 불안정성을 판단하기 위해 정의된 식으로서 I_s 라 정의 하였다. F_i^s는 안 정적인 상태 즉, 단단한 평지에서 각 바퀴에 걸리는 수직 항력을 의미하고, F_i^a는 주행에 따라 실시간으로 변하는 각 바퀴의 수직항력을 의미하며, w 은 바퀴의 개수를 의미한 다. 또한 I_s 의 값을 무차원화 하기 위해 F_i^a를 F_i^s로 나누어 주었다. 일반적으로 무게중심 변화에 따라 수직항력의 변 화가 일어나지만, 서론에 제시된 로봇 메커니즘들은 장애 물을 안정적으로 극복하기 위하여 무게 중심 변화를 완화 해주는 구조로 설계되었다. 따라서 메커니즘에 따라서 수 직항력의 변화가 다르게 나타날 수 있다. 수직항력의 변화 가 크게 나타나는 즉, I_s 수치가 크게 나타나는 메커니즘의 경우, 특정바퀴에 무리한 수직항력이 가해지거나, 또는 너 무 작은 수직항력이 가해져 견인력을 상실하게 되는 등의 문제가 발생할 수 있으며, 이 또한 야지 환경에서의 고속 주행을 안정적으로 하기 위한 방해요소가 될 수 있다. 따 라서 FFT 분석결과와, I_s 를 비교하여 패시브 타입(Passivetype) 의 메커니즘들만으로 고속 주행 로봇에 적합 가능할 것인가에 대한 여부를 판단하였다.

장애물 지형에서 로봇의 주행 안정성을 판단하기 위한 방법으로 FFT 분석을 선택하였다. 먼저 범퍼지형1은 Pitch 방향으로의 안정성 확인하기 위한 지형이므로, FFT 분석을 위해 로봇 몸체의 Pitch 방향으로의 각속도 변화 데이터를 사용하였으며, 범퍼지형2는 Roll 방향으로의 안정성을 확 인하기 위하여 로봇 몸체의 Roll 방향으로의 각속도 변화 데이터를, 마지막으로 Slope 지형에서는 로봇 몸체의 z축 변위 데이터를 사용하였다. Fig. 3 - 5 는 Table 2에 정리한 I_a 값과 I_f 을 그래프로 나타낸 것이다. 각각의 a, b는 속도에 따른 Ia와 I_f 값을 표현한 것이고 c는 각 메커니즘 마다 얻 은 I_a의 평균 값과 I_f의 평균 값을 2차원으로 표현한 그래 프이다. a와 b의 결과 값을 통해 로봇의 속도가 증가할수록 각 지형에서 대체적으로 I_f값이 증가하는 형태를 나타나고 있는 것으로 속도가 증가함에 따라 진동이 잦아진다는 것 을 알 수 있다.

또한, I_a 값도 대체적으로 증가하는 형태를 보이지만,

모델에 따라서는 속도에 따른 영향을 받지 않는 것도 있음을 확인할 수 있다. 먼저, 범퍼지형1(Bump road1)에서 Roburoc6 의 모델은 1m/s 의 속도일 때 If값이 가장 크게 나타나지만, I_a값을 고려해 볼 때, 불안정성이 많이 증가했 다고 판단하기는 어렵다. 오히려, pushrod suspension 모델의 경우, I_f값이 Roburoc6 모델에 비해 매우 작게 나타나지만, I_a값을 고려하면 불안정성이 더 높다고 판단할 수 있다. Basic 모델도 pushrod suspension 모델과 마찬가지로 범퍼지 형1에서 I_f의 값이 낮은 결과를 보이지만, I_a 값이 크게 나 타나는 것으로 보아, 불안정성이 높다고 판단할 수 있다. 따라서 Fig. 3(c) 에서와 같이 Rcl-e 와 Crab이 pitch 방향으 로의 움직임에 대해서는 상당히 안정적이라는 것을 확인 할 수 있었다.

마찬가지로 Fig. 4의 범퍼지형2(Bump road2)에서의 결과 그래프를 볼 때 2m/s에서 Roburoc6의 I_a 값이 가장 크지만 I_f 값이 낮아 비교적 불안정성이 높지 않다는 것을 알 수 있으며 pushrod suspension 시스템 또한 I_a값과 I_f의 값이 낮 은 것으로 보아 불안정성이 낮다는 것을 알 수 있다. 따라 서 이러한 결과 값이 Fig. 4 (c)에 나타난 것 과 같이, Roburoc6와 Pushrod suspension이 roll 방향으로의 움직임에 대해서는 비교적 안정적이라는 것을 확인 할 수 있었다.

마지막으로 Fig. 5의 경사지형에서는 Crab과 Roburoc6 만 이 2m/s속력의 주행에도 전복되지 않은 것을 볼 수 있다. 또한 두 모델의 시뮬레이션 결과가 (a), (b), (c)에 나타난 것 같이 비슷한 결과를 보이는 것을 확인 할 수 있다. 따라서 경사진 지형에서는 Crab과 Roburoc6의 메커니즘이 비교적 안정적이라는 것을 확인 할 수 있었다.

2.3절에서 정의한 식(4)를 바탕으로 실시간으로 얻어진 각각의 모델에 대한 불안정성 정도를 Fig. 6 – 8 에서와 같 이 각 지형과 속도에 따라 평균 값을 비교하였다. 그래프 의 모든 결과는 목표지점까지 전복되지 않고 주행을 완료 한 모델의 데이터를 기반으로 작성되었으며, 시뮬레이션 결과, 로봇이 전복이 된 경우의 데이터는 제외 하였다. 전 체적으로 속도가 증가함에 따라서 장애물 통과 시 각 바 퀴의 수직항력의 변화가 크게 발생하여 불안정성의 수치 가 증가하는 것을 볼 수 있다. 특히, 2m/s의 속력에서는 I_s 수치가 급격하게 증가하는 것으로 보아, 고속 주행에서는 다음의 모델들이 안정적인 주행이 불가능 할 것이라는 것 을 예측할 수 있다.

그 중에서도, 범퍼지형1(Bump road1)과 범퍼지형2(Bump road2)의 결과에서 Pushrod suspension 모델이 가장 안정적 인 것으로 나타나지만, 범퍼지형1(Bump road1)의 경우, 2m/s 로 주행 중 전복되는 것을 확인할 수 있었다. 한편, Table 2 에서 나타난 바와 같이 범퍼지형2(Bump road2) 에서는 모 든 모델이 전복되지 않고 장애물을 통과한 것을 확인할 수 있다. 이 중 Pushrod suspension 모델이 FFT 분석결과와 I_s 수치상으로 볼 때 가장 안정적인 주행을 한 것으로 판 단할 수 있었는데, 이는 Roll 방향으로의 안정성에 맞춰 설 계된 모델다운 결과라고 생각하였다. 특별히, Crab과 Roburoc6를 제외한 모델들은 경사 지형의 내리막길에서 전복되는 것을 확인할 수 있었는데, I_s 수치로 판단할 때, Crab과 Roburoc6는 저속에서 유사한 불안정성을 보이지만 속도가 증가함에 따라 I_s 수치가 급격히 증가하는 Crab의 불안정성이 더 커지는 것을 확인할 수 있다. 반면, Fig. 6의 범퍼지형1(Bump road1)에서는 전복된 메커니즘인 pushrod suspension을 제외한 4개의 모델의 I_s 평균 값의 변화가 유 사성이 있어 특정 메커니즘이 안정적이라고 판단할 수 없 었다. 마지막으로 Fig. 7의 범퍼지형2(Bump road2)에서는 pushrod suspension의 I_s 평균 값이 가장 낮게 나타나는 것으 로 보아 다른 모델에 비해 불안정성이 작다고 판단하였다.