본 논문은 시간에 따라 변하는 위성의 관성모멘트 실시간 추정에 대해 Unscented Kalman Filter(UKF)와 Particle Swam Optimization Particle Filter(PSOPF) 두 추정 방법의 적용, 시변 관성모멘트 추정에 따른 위성 자세 제어 성능의 향상, 그리고 고장 정보의 수가 작을 경우 신뢰성 성장 모델의 모수추정 방법을 다루고 있다.
첫 번째로 본 논문은 위성의 시변 관성모멘트 실시간 추정에 대해 다루고 있다. 위성의 경우 궤도상에서 연료소비, 태양전지판의 전개 그리고 예상치 못한 충돌 등의 이유로 관성모멘트가 변할 수 있다. 위성의 관성모멘트는 위성 자세 제어에 중요한 정보이므로 변화하는 위성의 관성모멘트를 정확히 추정하는 것은 위성의 자세 제어 효율을 높이기 위해 중요하다. 본 논문에서는 위성의 관성모멘트가 연료소비로 인해 시간에 따라 변하게 되는 상황을 가정하였다. 먼저 시간에 따라 변하는 관성모멘트로 인해 위성의 시스템 모델링이 어렵기 때문에 이를 해결하기 위해 Dynamic Model Compensation(DMC)을 적용하였다. DMC를 적용해 모델링 된 위성 시스템 모델을 기반으로 UKF를 이용하여 시변 관성모멘트를 실시간으로 추정하였다. 추정된 관성모멘트는 쿼터니언 피드백 레귤레이터를 이용하여 제어 법칙의 게인으로 포함시켰다. 다른 방법으로 위성의 관성모멘트가 연료소비로 인해 시간에 따라 변하는 상황에서 PSOPF를 적용하여 관성모멘트를 추정하였으며 추정 성능 비교를 위해 PF만을 적용한 추정 결과와 비교하였다.
DMC를 적용한 시스템 모델 기반으로 UKF를 통해 위성의 관성모멘트를 추정한 경우와 PSOPF를 통해 위성의 관성모멘트를 추정한 결과, 두 방법 모두 실시간으로 추정이 잘 되는 것을 확인 할 수 있었다. 특히, PSOPF를 적용하여 위성의 시변 관성모멘트를 실시간으로 추정한 결과 PF만을 적용하여 추정한 경우에 비해 추정 성능이 향상되는 것을 확인하였다.
두 번째로 본 논문은 위성의 자세 제어에 대해 다루고 있다. 위성의 시변 관성모멘트 실시간 추정을 위해 DMC와 UKF를 적용한 경우에 대해 자세 제어 성능이 향상되는 것을 확인하고자 하였다. 이를 위하여 DMC와 UKF를 적용하여 관성모멘트를 추정한 경우와 UKF 만을 이용하여 관성모멘트 추정한 경우의 자세 제어 성능을 비교하였다.
위성의 자세 제어 효율을 확인하기 위해, DMC와 UKF를 모두 적용한 경우와 UKF만을 적용한 경우 각각의 총 사용된 토크의 양과 목표 자세까지 움직이는 이동량을 비교하였다. DMC를 적용하여 시스템 모델을 모델링 한 경우 보다 정확한 관성모멘트 추정으로 인해 자세 제어의 효율이 향상되는 것을 확인하였다.
세 번째로 본 논문은 고장 정보의 수가 작을 경우 신뢰성 성장 모델의 모수 추정 방법에 대해서 다루고 있다. 신뢰성 성장 시험을 수행하며 획득하게 되는 고장 정보를 이용하면 성장 모델의 모수 추정이 가능하다. 그러나 시험에 대한 비용과 시간 또는 제품의 특성 등 여러 제약으로 인해 고장 정보가 완전하지 않을 수 있다.
본 논문에서는 고장 정보의 샘플 데이터가 작을 경우를 가정하여 신뢰성 성장 모델의 모수 추정 방법으로 베이지안 기법 기반의 모수 추정 방법을 적용하는 것에 대하여 연구하였다. 신뢰성 성장 모델은 Army Material Systems Analysis Activity를 통해 만들어진 AMSAA 모델로 가정하였다. 모수 추정 방법으로 베이지안 기법과 Maximum Likelihood Estimation(MLE)을 적용하였다. 추정 성능을 비교하기 위해 베이지안 기법과 MLE를 적용한 추정 결과 값들의 Mean Squared Error(MSE)를 산출하여 추정 정확도를 비교하였다. 고장정보의 샘플 데이터의 수가 작은 경우 신뢰성 성장 모델의 모수 추정 시 베이지안 기법을 적용한 경우 MLE를 적용한 경우보다 모수 추정 정확도가 높음을 확인하였다.