다물체 동역학 모델 기반 6 자유도 굴삭기의 작업 경로 계획

Q: 이 논문에서 정의한 6 자유도 굴삭기란 무엇인가?

틸트로테이터 어태치먼트를 장착하여 기존 굴삭기의 작업 자유도를 확장한 장비를 의미한다. 이는 유압 실린더의 병진 운동과 모터의 회전 운동을 결합한 틸트-로테이터를 통해 더욱 정밀하고 다양한 각도에서 작업이 가능하도록 설계된 굴삭기 시스템이다.

Q: 다물체 동역학 모델 기반의 강화 학습이 6 자유도 굴삭기의 경로 계획에 어떤 영향을 미치는가?

연구 결과, 다물체 동역학 모델을 기반으로 강화 학습을 적용했을 때 일반 굴삭기나 기존 6 자유도 굴삭기 방식보다 더 빠르고 효율적인 학습이 가능함을 확인하였다. 이는 최적의 작업 경로를 계획함으로써 건축 공정의 효율성을 높이는 핵심 요인이 된다.

김대지; 오주영; 박현준; 정진태; 송창헌

추천

검색

질문

자료유형: 학술저널

저자정보: 김대지 (Korea Institute of Industrial Technology) 오주영 (Korea Institute of Industrial Technology) 박현준 (Korea Institute of Industrial Technology) 정진태 (Hanyang University) 송창헌 (Korea Institute of Industrial Technology)

저널정보: 유공압건설기계학회 드라이브·컨트롤 드라이브·컨트롤 Vol.21 No.4

발행연도: 2024.12

수록면: 161 - 173 (13page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

This study aimed to plan a work path for a 6-DOF excavator and evaluate the applicability of reinforcement learning. The excavation work caused vibrations in main components of the tilt-rotator, which were experimentally measured. Weak components were identified through vibration experimental and signal processing. Next, a multi-body dynamics model correlated with vibration data was used to generate a stress data set for weak components. After that, various excavator agents were compared in a reinforcement learning environment and the validity of applying the stress data set was verified. Finally, this study analyzed work path planning derived from reinforcement learning and discussed results. Results of this study can be used as basic data for developing operating guides and operating assistance systems to help existing equipment users operate their equipment more safely and efficiently.

#6-DOF excavator(6 자유도 굴삭기) #Tilt-rotator(틸트-로테이터) #Multi-body dynamics(다물체 동역학) #Vibration experiments(진동 실험) #Reinforcement learning(강화 학습)

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-151-25-02-091227574

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)