피에조일렉트릭 6차원 힘/토크 센서에서 차원 간 결합으로 인한 센서 힘 측정 성능 저하 문제를 해결하기 위해 베이지안 최적화(Bayesian Optimization, BO), 합성곱 신경망(Convolutional Neural Network, CNN), 양방향 장단기 기억 네트워크(Bi-directional Long and Short-term Memory Network, BiLSTM)를 융합한 통합 분리 알고리즘(BO-CNN-BiLSTM)을 제안하였다. 이 알고리즘은 먼저 CNN을 통해 6차원 힘 신호의 공간적 결합 특징 추출 능력을 강화하고, BiLSTM의 양방향 시퀀스 모델링 능력을 이용하여 적재 하중의 차원 간 시계열 의존성을 동적으로 포착하며, BO를 도입하여 초매개변수의 자기 적응적 전역 최적화를 실현하여 기존 분리 방법의 실시간성, 일반화 및 물리적 일관성 측면의 한계를 극복하였다. 동시에 BO-CNN-BiLSTM 알고리즘은 기존 분리 방법에서 수동 파라미터 조정 경험 의존성을 제거하여 센서의 비선형 특성 적응형 모델링을 구현하였다. 실험 결과, 본 구조는 6차원 힘/토크 센서 출력 결과의 최대 I형 결합 오차와 최대 II형 결합 오차를 각각 0.87%와 0.52%로 감소시켰다. BO-CNN-BiLSTM 분리 알고리즘은 6차원 힘 센서의 차원 간 결합을 효과적으로 줄이고 센서 측정 정밀도를 향상시켜 휴머노이드 로봇의 인간화 운동 제어 및 환경 상호작용에 고신뢰성 힘 감지 보장을 제공한다.

6차원 힘 센서;정적 분리;베이지안 최적화;합성곱 양방향 장단기 기억 네트워크