[논문 리뷰] Data-driven Reference Trajectory Optimization for Precision Motion Systems

Samuel Balula, Dominic Liao-McPherson외 2명|arXiv (Cornell University)|2022. 05. 31.

Advanced Measurement and Metrology Techniques인용 수 5

한 줄 요약

이 논문은 하드웨어나 저수준 제어기를 변경하지 않고도 운동 시스템의 정밀도와 생산성을 향상시키기 위해 참조 궤적을 수정하는 데이터 기반, 최적화 기반 사전보정 방법을 제안한다. 먼저 시간 최적화 속도 프로파일링을 위한 선형 모델을 사용하고, 그 다음 비선형 고정밀 모델을 사용해 정밀도를 향상시키는 이중 단계 접근 방식을 통해, 실험적으로 다양한 기하학적 형태와 가속도 수준에서 윤곽 오차를 최대 75% 감소시키고 이동 시간을 73% 단축시켰다.

ABSTRACT

We propose a data-driven optimization-based pre-compensation method to improve the contour tracking performance of precision motion stages by modifying the reference trajectory and without modifying any built-in low-level controllers. The position of the precision motion stage is predicted with data-driven models, a linear low-fidelity model is used to optimize traversal time, by changing the path velocity and acceleration profiles then a non-linear high-fidelity model is used to refine the previously found time-optimal solution. We experimentally demonstrate that the proposed method is capable of simultaneously improving the productivity and accuracy of a high precision motion stage. Given the data-based nature of the models, the proposed method can easily be adapted to a wide family of precision motion systems.

연구 동기 및 목표

• 하드웨어나 저수준 제어기를 변경하지 않고 정밀 운동 시스템(PMS)에서 생산성과 정밀도의 상충 관계를 해결한다.
• 다양하고 비균일한 기계 장치에 적용 가능한 방법을 개발한다. 이는 다양한 기술적 특성을 가진 기계에 적합하다.
• 최소한의 校정을 통해 이전에 본 적 없는 부품에서도 높은 성능을 달성하도록 하여 개인화 및 분산 제조를 지원한다.
• 복잡한 물리 기반의 제1원리 모델에 의존하지 않고, 가용한 시스템 데이터를 활용해 모델을 구축한다.
• 오프라인 참조 궤적 최적화를 통해 정밀도와 속도를 동시에 향상시킨다.

제안 방법

• 실험적 시스템 데이터를 기반으로 운동 스테이지의 위치를 예측하기 위해 데이터 기반 모델을 사용한다.
• 선형 저정밀도 모델을 적용하여 속도 및 가속도 프로파일을 조정함으로써 이동 시간을 최적화하고, 볼록 최적화 문제를 해결한다.
• 첫 번째 단계에서 도출된 시간 최적 솔루션을 향상시키기 위해 비선형 고정밀 모델(예: 신경망)을 사용하여 정밀도를 향상시킨다.
• 첫 번째 단계에서 계산 부담과 솔루션 품질의 균형을 맞추기 위해 후행 수평 전략을 구현한다.
• 최대 가속도 및 피드레이트 제한과 같은 제약 조건을 최적화 프레임워크에 통합한다.
• 두 단계 최적화를 통해 오프라인 궤적 사전보정을 수행한다: 첫 번째로 시간 최적 프로파일을 구하고, 두 번째로 오차 최소화를 위한 정밀화를 수행한다.

실험 결과

연구 질문

• RQ1 데이터 기반, 최적화 기반 사전보정 방법이 저수준 제어기를 변경하지 않고도 PMS에서 정밀도와 생산성을 동시에 향상시킬 수 있는가?
• RQ2 이 방법은 재학습이나 校정 없이도 새로운, 이전에 본 적 없는 부품 기하학적 형태에 얼마나 잘 일반화되는가?
• RQ3 후행 수평 최적화에서 다양한 수평 길이를 사용할 경우 계산 부담과 성능 간의 상충 관계는 어떻게 되는가?
• RQ4 이 방법을 통해 윤곽 오차를 최소화하면서도 이동 시간을 동시에 최소화할 수 있는 정도는 어느 정도인가?
• RQ5 L1, L2, L∞ 노름 기준으로 복수 단계 최적화(선형 + 비선형)의 성능이 기준 궤적 및 기존 방법보다 얼마나 우수한가?

주요 결과

• 최대 가속도 3.0 m/s²에서 문자 'r'에 대해 제안된 방법이 L∞ 노름 기준 윤곽 오차를 최대 75.1% 감소시켰다.
• 최대 가속도 1.0 m/s²에서 문자 'u'에 대해 L1 노름 기준 52.7% 향상과 비최적화 궤적 대비 73%의 이동 시간 단축을 달성했다.
• 에어포일 시험 케이스에서는 최적화된 입력 궤적을 사용해 L1 노름 기준 75.0% 향상과 1.024초에서 이동 시간 57% 감소를 기록했다.
• 동일한 이동 시간에서 최적화된 궤적이 비최적화된 궤적보다 훨씬 낮은 편차를 보였으며, 정밀도-속도 상충 관계 곡선에서 유리한 이동을 보였다.
• 이 방법은 예측되지 않은 기하학적 형태로도 잘 일반화되었다: 훈련 데이터셋 외부의 형태에 대한 실험 결과는 시뮬레이션 추세와 일치하며 일관된 성능 향상을 보였다.
• 단일 최적화는 가장 빠른 계산 속도와 가장 짧은 궤적 이동 시간을 기록했으며, 더 긴 수평 길이는 계산 시간을 증가시키고 국소 최적 해로 인해 성능이 약간 저하되는 경향을 보였다.