지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 유창경
- 발행연도
- 2013
- 저작권
- 인하대학교 논문은 저작권에 의해 보호받습니다.
이용수22
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 무인기 시스템이 광범위하게 사용됨에 따라, 무인기 착륙기법이 중요한 요소 중 하나로서 고려되고 있다. 대표적으로 활주로, 파라포일, 그물망, 낙하산을 이용한 착륙기법이 있다. 이들은 복잡성, 가격, 정확도 등에 있어 서로 다른 특징을 가지고 있다. 이 중에서 낙하산 착륙기법은 다른 세 가지 기법에 비해 운용상 간단하기 때문에 다방면에서 사용되고 있다. 하지만 별도의 제어장치가 없기 때문에 바람의 영향을 지배적으로 받는다. 따라서 바람 정보를 알 수 있다면 낙하산을 이용하여 원하는 위치에 정밀하게 착륙시킬 수 있다. 본 논문에서는 바람이 고려된 상황 하에서 원하는 위치에 정밀하게 무인기를 착륙시키기 위한 낙하산 전개지점 및 전개시점을 결정하기 위한 기법을 제안한다.
낙하산 전개지점을 결정하기 위해, 현재 비행 상태에서 낙하산 전개를 했을 때 착륙지점을 예측할 필요가 있다. 이를 위해 무인기와 낙하산이 결합된 9 자유도 운동 모델의 입출력 데이터 셋을 학습시켜 신경회로망을 구성하였다. 하지만 매 시간간격마다 9 자유도 운동 모델을 동작시켜 착륙지점을 예측하는 방법은 시간낭비이기 때문에, 신경회로망 기법을 적용하여 9 자유도 운동 모델을 대체함으로써 실시간성을 보장할 수 있도록 하였다. 다음으로 요구되는 착륙지점과 예측한 착륙지점과의 상대거리를 현재 무인기 위치에서 거리보상을 함으로써 낙하산 전개지점을 결정할 수 있다. 요구되는 위치에 착륙시키기 위한 낙하산 전개지점이 결정되면, 현재 위치에서 전개지점으로 경로점 비행을 하게 된다. 물론 전개지점은 실시간으로 계산되고 갱신된다.
낙하산 전개지점을 결정하기 위해, 현재 비행 상태에서 낙하산 전개를 했을 때 착륙지점을 예측할 필요가 있다. 이를 위해 무인기와 낙하산이 결합된 9 자유도 운동 모델의 입출력 데이터 셋을 학습시켜 신경회로망을 구성하였다. 하지만 매 시간간격마다 9 자유도 운동 모델을 동작시켜 착륙지점을 예측하는 방법은 시간낭비이기 때문에, 신경회로망 기법을 적용하여 9 자유도 운동 모델을 대체함으로써 실시간성을 보장할 수 있도록 하였다. 다음으로 요구되는 착륙지점과 예측한 착륙지점과의 상대거리를 현재 무인기 위치에서 거리보상을 함으로써 낙하산 전개지점을 결정할 수 있다. 요구되는 위치에 착륙시키기 위한 낙하산 전개지점이 결정되면, 현재 위치에서 전개지점으로 경로점 비행을 하게 된다. 물론 전개지점은 실시간으로 계산되고 갱신된다.
목차
1. 서론 12. 시뮬레이션 모델 42.1 5 자유도 모델 42.1.1 5 자유도 운동 방정식 52.1.2 비례항법유도제어(PNG) 102.2 9 자유도 모델 112.2.1 기호 설정 112.2.2 전체 구성도 132.2.3 공력 테이블 132.2.4 9 자유도 운동 방정식 203. 낙하산 전개위치 결정 243.1 낙하산 착륙위치 예측 243.2 낙하산 전개위치 결정 364. 통합 시뮬레이션 404.1 전체 구성도 404.2 단일 시뮬레이션 414.3 몬테칼로 시뮬레이션 474.3.1 몬테칼로 시뮬레이션(Case 1) 504.3.2 몬테칼로 시뮬레이션(Case 2) 524.3.3 몬테칼로 시뮬레이션(Case 3) 534.3.4 몬테칼로 시뮬레이션(Case 4) 555. 결론 596. 참고문헌 60표 2-1. 9 자유도 운동방정식 변수 정의 12표 4-1. Turbulence Level 40표 4-2. 무인기 운용 및 환경 파라미터 정의 41표 4-3. 단일 시뮬레이션 조건(Case 1 ~ 3) 42표 4-4. 단일 시뮬레이션 조건 및 결과(Case 4) 46표 4-5. 몬테칼로 시뮬레이션 초기위치 및 초기속도 범위(Case 2 ~ 3) 48표 4-6. 불확실성 요소Environment(wind) 49표 4-7. 불확실성 요소aero-coefficient error 50표 4-8. 몬테칼로 시뮬레이션 결과(Case 1) 50표 4-9. 몬테칼로 시뮬레이션 결과(Case 2) 52표 4-10. 몬테칼로 시뮬레이션 결과(Case 3) 53표 4-11. 몬테칼로 시뮬레이션 결과(Case 4) 55표 4-12. 몬테칼로 시뮬레이션 결과 비교 58그림 1-1. 낙하산 전개지점 결정기법 2그림 1-2 낙하산 전개지점 결정을 위한 변수정의 3그림 2-1. 5 자유도 운동 모델 구성도 4그림 2-2. 항공기 좌표계 5그림 2-3. 항공기에 작용하는 힘(, ) 5그림 2-4. 항공기에 작용하는 힘(, ) 8그림 2-5. 롤각() 명령 9그림 2-6. 비례항법 유도법칙 10그림 2-7. 무인기와 낙하산의 동체 좌표계 11그림 2-8. 무인기-낙하산 운동 모델의 전체 구성도 13그림 2-9. 낙하산 공력계수() 14그림 2-10. 낙하산 공력계수() 14그림 2-11. 낙하산 공력계수() 15그림 2-12. 무인기 공력계수 16그림 2-13. 무인기 공력계수 17그림 2-14. 무인기 공력계수 17그림 2-15. 무인기 공력계수 18그림 2-16. 무인기 공력계수 19그림 2-17. 무인기 공력계수 19그림 3-1. 신경회로망 학습 순서도 25그림 3-2. 학습데이터 획득 방안 27그림 3-3. 신경회로망 레이어 구성 33그림 3-4. 학습에 방해되는 학습데이터 34그림 3-5. 오차특성(Down-range) 35그림 3-6. 오차특성(Cross-range) 35그림 3-7. 요구 전개지점 결정 36그림 3-8. 무인기 진행방향에 따른 낙하산 전개 지점 예측 37그림 3-9. 무인기 진행방향에 따른 낙하산 전개 지점 예측(확대) 37그림 3-10. 낙하산 전개 위치 예측 38그림 3-11. 낙하산 전개시점 결정 39그림 4-1. 시스템 전체 구성도 40그림 4-2. 낙하산 전개 직후 형상 41그림 4-3. 단일 시뮬레이션 결과 Case 1 42그림 4-4. 시뮬레이션 동안의 비행체 및 낙하산 속도 - Case 1 43그림 4-5. 단일 시뮬레이션 결과 Case 2 44그림 4-6. 시뮬레이션 동안의 비행체 및 낙하산 속도 - Case 2 44그림 4-7. 단일 시뮬레이션 결과 Case 3 45그림 4-8. 시뮬레이션 동안의 비행체 및 낙하산 속도 - Case 3 45그림 4-9. Random number distribution 49그림 4-10. 9-DOF with turbulence (intensity 1) 51그림 4-11. 9-DOF with turbulence (intensity 2) 51그림 4-12. 9-DOF with turbulence (intensity 3) 52그림 4-13. no turbulence wind model 53그림 4-14. turbulence wind model (intensity 1) 54그림 4-15. turbulence wind model (intensity 2) 54그림 4-16. turbulence wind model (intensity 3) 55그림 4-17. aero-coefficient, turbulence wind model (intensity 1) 56그림 4-18. aero-coefficient, turbulence wind model (intensity 2) 56그림 4-19. aero-coefficient, turbulence wind model (intensity 3) 57
최근 본 자료
댓글(0)
0