Behavioral Data-Driven Optimal Trajectory Generation for Rotary Cranes

기술 요약: 회전 크레인을 위한 행동 기반 데이터 구동 최적 궤적 생성

문제 제기
건설 산업에서 회전 크레인의 자동화는 크레인 동역학의 비구동성 (underactuated nature) 과 실제 환경에서 정밀한 하중 위치 측정을 얻기 어렵다는 점으로 인해 상당한 도전에 직면해 있습니다. 전통적인 모델 기반 제어 전략은 정확한 매개변수 모델과 전문가의 튜닝에 의존하며, 종종 시스템의 복잡성을 포착하지 못하거나 모델링 오차를 처리하지 못해 비효율적인 에너지 사용, 목표 지점 이탈, 과도한 하중 흔들림을 초래합니다. 반면, 많은 학습 기반 접근법은 방대한 데이터셋과 높은 계산 자원을 요구합니다. 또한, 긴 유연한 케이블에 매달린 하중을 측정하기 어렵고 외부 교란이 존재할 때 피드백 루프가 진동을 증폭시킬 위험이 있기 때문에 완전한 피드백 자동화는 종종 비현실적입니다. 결과적으로 크레인 작동은 종종 기본 물리 모델의 충실도에 제한받는 개방 루프 궤적 계획에 의존합니다.

방법론
본 논문은 하중 흔들림을 억제하면서 작동 시간과 에너지 소비를 최소화하는 개방 루프 회전 (slewing) 궤적을 생성하기 위한 행동 기반 데이터 구동 프레임워크를 제안합니다. 이 접근법은 윌럼스 (Willems) 의 기본 보조정리와 행동 시스템 이론에 기반하여, 명시적인 매개변수 모델링의 필요성을 우회하고 측정된 입력 - 출력 데이터에서 직접 시스템 행동을 특성화할 수 있게 합니다.

핵심 방법론은 다음 단계를 포함합니다:

1. 데이터 수집 및 표현: 시스템은 특정 작동 영역 내의 비선형 동역학을 포착하기 위해 매끄러운 조각별 상수 입력 신호 (구체적으로 무작위 주파수의 사인파 합) 로 자극을 받습니다. 수집된 입력 - 출력 데이터 (회전 각속도 및 하중/붐 각도) 는 행켈 (Hankel) 행렬로 구성됩니다.
2. 비모수 모델링: 본 논문은 행켈 행렬을 운동 원시 (motion primitives) 의 사전 (dictionary) 으로 간주합니다. 선형 부분 공간에서의 중첩 원리를 활용하여, 시스템의 행동을 과거 궤적들의 선형 결합으로 표현합니다. 크레인의 비선형성과 데이터 내 노이즈를 처리하기 위해, 프레임워크는 결합 계수에서 희소성 (sparsity) 을 장려하는 $\ell_1$-노름 정규화를 사용하여 관련 운동 원시를 효과적으로 선택합니다. 또한, 노이즈를 감쇠시키기 위해 특이값 절단 (singular value truncation) 이 사용됩니다.
3. 최적화 공식화: 궤적 생성 문제는 볼록 최적화 문제로 공식화됩니다. 목표는 주어진 초기 및 목표 정지 조건 (속도와 흔들림이 0) 사이를 보간하는 궤적을 찾으면서 다음 요소들을 균형 있게 고려하는 비용 함수를 최소화하는 것입니다:
   • 하중 흔들림: 하중을 수직 평형 상태에 가깝게 유지.
   • 시간: 신속한 도착을 보장하기 위해 목표 붐 위치까지의 거리를 최소화.
   • 에너지: 제어 노력의 제곱을 최소화.
   • 부드러움: 진동을 유발하는 급격한 변화를 방지하기 위해 붐 각도와 속도의 총 변동량을 패널티로 부과.
   • 제약 조건: 안전을 보장하기 위해 작동기 한계와 하중 흔들림 각도에 엄격한 경계를 부과.

주요 기여

• 크레인에 대한 행동 이론의 최초 적용: 저자들의 지식 범위 내에서, 이는 크레인 제어에 행동 시스템 이론을 적용한 첫 번째 연구입니다.
• 비모수 궤적 생성: 이 방법은 명시적인 매개변수 식별, 비선형 ODE 솔버, 또는 복잡한 모델링 가정을 요구하지 않고 노이즈가 있는 데이터에서 직접 최적 궤적을 생성합니다.
• 실용적인 워크플로우: 논문은 데이터 수집, 하이퍼파라미터 튜닝 (비모수 시뮬레이션 성능에 대한 그리드 검색을 통해), 그리고 궤적 생성을 위한 체계적인 워크플로우를 제시하여, 이 프레임워크를 다른 크레인 시스템에 적용 가능하게 합니다.
• 비선형성 및 노이즈 처리: 행켈 행렬을 국소 선형 근사의 사전으로 해석하고 희소 정규화를 사용하여, 이 방법은 비선형 동역학을 효과적으로 포착하며 측정 노이즈에 대해 강건하게 유지됩니다.

결과
제안된 방법은 1:9 축소 실험실 회전 크레인에서 검증되었으며, 다중 웨이포인트 방법과 순차 2 차 계획법 (sequential quadratic programming) 을 사용하는 확립된 모델 기반 최적 궤적 생성 접근법과 비교되었습니다.

• 성능 지표: 데이터 구동 접근법은 모델 기반 벤치마크 대비 하중 흔들림을 최대 35% 감소시키고, 추적 오차를 43% 감소시켰으며, 이동 시간을 50% 감소시켰습니다.
• 실험적 검증: 실험 시도에서 생성된 궤적은 높은 정밀도 (0.002 라디안의 추적 오차) 와 최소 잔류 진동으로 지정된 각도 간 하중을 성공적으로 이동시켰으며, 개방 루프 실행에도 불구하고 예측된 행동과 밀접하게 일치했습니다.
• 시뮬레이션: 시뮬레이션 연구는 충분한 데이터 다양성과 적절한 하이퍼파라미터 튜닝이 제공된다면, 이 방법이 선형화된 모델이 표현하지 못했던 비선형 동역학 (구체적으로 방사형 하중 흔들림) 을 포착할 수 있음을 확인했습니다.

의의 및 주장
본 논문은 이 작업이 비선형 비구동 시스템에 대한 궤적 최적화의 복잡성을 선형 대수 연산과 볼록 최적화 문제로 축소한다고 주장합니다. 이는 크레인 자동화가 전문가 현장 운영자, 상세한 시스템 모델링, 고정밀 시뮬레이터, 또는 복잡한 비선형 솔버에 의존하지 않고도 달성될 수 있음을 보여줍니다.

저자들은 그들의 주장 범위에 대해 겸손한 입장을 유지합니다:

• 그들은 이 방법이 하이퍼파라미터의 신중한 튜닝을 필요로 하며, 결과의 품질은 데이터 수집에 사용된 입력 신호 설계에 크게 의존한다고 인정합니다.
• 그들은 이 방법이 데이터 구동적이지만 다른 학습 기반 방법들에 비해 "데이터 탐욕적 (data-greedy)"이지는 않다고 지적합니다. 상대적으로 짧은 데이터 시퀀스로도 충분했기 때문입니다.
• 그들은 일반 비선형 동역학에 대한 행동 프레임워크의 엄격한 이론적 분석은 여전히 열린 문제라고 명시적으로 밝힙니다.
• 향후 작업은 전체 규모 크레인으로 접근법을 확장하고, 예상치 못한 교란 (예: 바람, 비틀림 효과) 을 고려하며, 폐루프 작동을 위해 데이터 기반 예측 제어 (DeePC) 를 적용하는 것으로 식별됩니다.

이 연구는 데이터를 직접 조작함으로써 제안된 프레임워크가 회전 크레인의 하중 흔들림 억제를 위한 전통적인 모델 기반 접근법에 비해 실용적이고 신뢰할 수 있으며 효율적인 대안을 제공한다고 결론지었습니다.