최근 산업현장은 스마트팩토리 체계로 변화하고 있으며, 스마트팩토리 체계를 실현하기 위해 가장 많이 도입되는 장비는 무인운반 로봇인 AGV이다. 일반적으로 AGV는 범용 PLC 또는 전용 제어기를 이용하여 개발되고 있으며, 대부분은 모터에 엔코더가 없는 저가형의 AGV를 많이 사용하고 있다. 이러한 AGV는 현재 속도측정이 불가하여 종종 주행경로를 이탈하는 문제점이 발생된다. 이 문제점을 개선하기 위해 본 연구에서는 주행 오차의 누적값과 속도 값를 이용한 PD제어기와 퍼지 제어기 설계법을 제안하고, 산업현장에 사용되고 있는 AGV에 적용하여 성능 평가를 하였다. 그 결과, 직선주행과 곡선 주행에 있어 PD제어기 보다 10배 이상의 주행 안정성을 보였으며, 이 설계법을 엔코더리스형 AGV 제어에 사용한다면 높은 주행 안정성이 제공될 것으로 사료된다.

무인 운반차(AGV)에 사용되고 가이드 센서의 정밀도와 경로 검출 성능을 향상시키기 위해 본 연구에서는 필터뱅크와 신경회로망을 기반한 신호처리 기법을 제안하고 하드웨어로 구현하여 그 성능을 평가하였다. 성능평가 결과에서 좌측 분기경로에 관한 신경회로망 출력의 최대오차가 1.8㎜를 보였고, 우측 경로에 관한 오차는 0.2㎜의 오차를 보였다. 그리고 이전의 연구인 퍼지추론을 이용한 방법과 성능을 비교 분석하였으며, 그 결과 제안된 기법의 결과가 퍼지추론의 방법보다 2배 이상의 정밀도를 보였다. 따라서 본 연구에서 제안한 기법을 가이드센서 설계에 적용한다면, 센서의 정밀도 향상으로 AGV의 주행 안정성과 경로 이탈의 문제점이 개선될 것으로 사료된다.

최근 산업현장은 스마트팩토리 체계로 변화하고 있으며, 스마트팩토리 체계를 실현하기 위해 가장 많이 도입되는 장비는 무인운반 로봇인 AGV이다. 일반적으로 AGV는 범용 PLC 또는 전용 제어기를 이용하여 개발되고 있으며, 대부분은 모터에 엔코더가 없는 저가형의 AGV를 많이 사용하고 있다. 이러한 AGV는 현재 속도측정이 불가하여 종종 주행경로를 이탈하는 문제점이 발생된다. 이 문제점을 개선하기 위해 본 연구에서는 주행 오차의 누적값과 속도 값를 이용한 PD제어기와 퍼지 제어기 설계법을 제안하고, 산업현장에 사용되고 있는 AGV에 적용하여 성능 평가를 하였다. 그 결과, 직선주행과 곡선 주행에 있어 PD제어기 보다 10배 이상의 주행 안정성을 보였으며, 이 설계법을 엔코더리스형 AGV 제어에 사용한다면 높은 주행 안정성이 제공될 것으로 사료된다.

무인 운반차(AGV)에 사용되고 가이드 센서의 정밀도와 경로 검출 성능을 향상시키기 위해 본 연구에서는 필터뱅크와 신경회로망을 기반한 신호처리 기법을 제안하고 하드웨어로 구현하여 그 성능을 평가하였다. 성능평가 결과에서 좌측 분기경로에 관한 신경회로망 출력의 최대오차가 1.8㎜를 보였고, 우측 경로에 관한 오차는 0.2㎜의 오차를 보였다. 그리고 이전의 연구인 퍼지추론을 이용한 방법과 성능을 비교 분석하였으며, 그 결과 제안된 기법의 결과가 퍼지추론의 방법보다 2배 이상의 정밀도를 보였다. 따라서 본 연구에서 제안한 기법을 가이드센서 설계에 적용한다면, 센서의 정밀도 향상으로 AGV의 주행 안정성과 경로 이탈의 문제점이 개선될 것으로 사료된다.

지정맥 인식 기술은 손가락에 적외선 광을 조광하여 손가락에 있는 정맥 영상을 획득한 다음, 특징 추출, 매칭 등의 과정을 거쳐 개인을 인증하는 방법이다. 지정맥 인식을 위해 손가락 외각을 검출함에 있어 2차원 마스크(mask)를 기반한 2차원 컨볼루션(2-Dimension convolution) 처리방법은 저가(low cost)의 마이크로프로세서 또는 마이크컨트롤러에 적용할 때 많은 연산시간이 소요된다. 이러한 문제점을 개선하고 인식을 향상시키기 위해 본 연구에서는 2차원 마스크와 2차원 컨볼루션을 사용하지 않고 픽셀들 간의 차의 절대 값과 역치(threshold)를 기반으로 한 이동평균필터링, 가상의 코어점 기반한 ROI 추출법 등을 제안하였고, 제안된 방법의 성능을 평가하기 위해 600개 지정맥 영상을 사용하여 에지 추출속도와 ROI 영역 추출의 정확도 등을 기존의 방법들과 비교 평가하였다. 그 결과, 제안된 방법의 처리속도는 기존의 방법들보다 최소 2배 이상 빠른 처리속도를 보였으며, ROI 추출의 정확도는 기존의 방법들보다 6% 이상 성능이 향상되었다. 이러한 결과로부터 제안된 기법을 저가의 마이크로프로세서에 적용한다면 높은 처리속도와 높은 인식률을 제공할 것으로 기대된다.