표제지
목차
국문초록 9
ABSTRACT 11
제1장 서론 13
1.1. 연구 배경 13
1.1.1. 토션 센서 15
1.1.2. 텍스타일 스트레치 센서 17
1.1.3. LSTM(Long Short-Term Memory) 딥러닝 모델 18
1.2. 연구 목표 19
1.2.1. 스트레치로부터 토션(트위스트) 각 추정 19
1.2.2. 고신뢰성 추정 모델 및 분류 알고리즘 20
제2장 실험 21
2.1. 센서 21
2.1.1. 물성 분석 21
2.1.2. 부착 위치 22
2.2. 토션 추정 알고리즘의 개발 23
2.2.1. 저항-인장 관계식 23
2.2.2. 인장-토션 관계식 24
2.2.3. 히스테리시스 보정 알고리즘 27
2.3. 분류 알고리즘의 개발 29
2.3.1. 분류 대상의 선정 및 실험 29
2.3.2. LSTM 모델 설계 구성 29
2.4. 실험방법 30
제3장 결과 및 고찰 32
3.1. Static Motion에서의 토션 각도 추정 32
3.1.1. 모델링의 정확도 분석 32
3.1.2. Static Motion에서의 시간-각도 시퀀스 정확도 분석 33
3.2. Dynamic Motion에서의 토션 각도 추정 35
3.2.1. Dynamic Motion에서의 시간-각도 시퀀스 정확도 분석 35
3.2.2. 추정값 분석을 통한 알고리즘 평가 36
3.3. 토션 모션 분류 38
3.3.1. 분류 모션 추정 INPUT 값 확인 38
3.3.2. 분류 알고리즘 정확도 평가 및 해석 39
제4장 결론 41
참고문헌 43
[표 2-1] 토션 분류 카테고리 29
[표 3-1] 정확도 분석을 위한 모델별 결정계수 32
[표 3-2] Dynamic 상황에서의 알고리즘 및 모델별 결정계수 35
[표 3-3] 추정한 cycle당 최종 회전각, 토션량과 실험값 간에 상대오차 37
[그림 1-1] Torsion자세. (A):Palm anterior, (B):Palm posterior 15
[그림 1-2] 스트레인 센서를 통한 휴면 모니터링 모식도 17
[그림 1-3] LSTM 신경망 아키텍처 18
[그림 1-4] 스마트 센서의 전반적인 모식도 19
[그림 2-1] 센서의 Modulus, Gauge Factor 21
[그림 2-2] 센서의 부착 위치 22
[그림 2-3] 저항 변화율과 인장 관계 23
[그림 2-4] 전완 토션 원기둥 모델링(A) 및 전개도(B) 24
[그림 2-5] 전완 토션 원뿔대 모델링(A), 전개도(B) 및 좌표도(C) 26
[그림 2-6] 인장-각도 간 모델링 관계식 27
[그림 2-7] 전체 시퀀스 저항(A)과 계산 후 저항 변화 값(B) 28
[그림 2-8] LSTM 구성 아키택쳐 29
[그림 2-9] IMU 부착 위치 30
[그림 3-1] 모델 정확도 판단을 위한 각도-저항변화율 그래프 32
[그림 3-2] Reference논문의 Angle-Voltage 그래프 33
[그림 3-3] Static Motion에서의 시간-각도 그래프 33
[그림 3-4] Dynamic Motion에서의 시간-각도 그래프. (A): 히스테리시스 보정없는, (B): 히스테리시스 보정한 알고리즘 35
[그림 3-5] A 알고리즘(A), B 알고리즘(B)의 토션량 통계 Box-chart 37
[그림 3-6] 5가지의 카테고리 추정 토션각 시퀀스 39
[그림 3-7] 전완 모션 분류 Confusion Matrix. (A):원기둥 모델, (B):원뿔대 모델 40
[그림 4-1] 배트 스윙 추정 및 분류 결과 41