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
- 최기영
- 발행연도
- 2022
- 저작권
- 인하대학교 논문은 저작권에 의해 보호받습니다.
이용수53
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
무인 전투기는 4차 산업 혁명 기술을 바탕으로 미래 전장에서 군이 사용할 수 있는 핵심 무기체계 중 하나이다. 특히 높은 자율성을 가진 무인 전투기는 지금까지 유인 전투기가 수행해오던 3D(Danger, Dull, Dirty) 임무를 대체할 수 있을 것으로 기대된다. 또한, 세계적으로 dogfight를 위한 인공지능 조종사 연구가 활발히 진행되고 그 효용성이 검증되면서 무인 전투기의 역할이 지속해서 확대되고 있다.
‘Loyal Wingman’의 개념으로 개발되고 있는 무인 전투기는 기존 전투기보다 기동 성능은 낮지만 정찰 임무 수행과 유인 전투기의 무장 탑재를 보완하는 임무를 수행할 것이다. 또한, 조종사의 생존 가능성 문제가 고려되지 않고 낮은 비용 대비 높은 효과를 성취할 수 있는 이유로 적진 깊숙한 곳에서 운용될 것이다. 그러므로 무인 전투기는 적진에서 상대적으로 고기동성을 가진 적기와 조우할 가능성이 크다. 이러한 교전 상황에서 무인 전투기가 교전에서 승리하기 위해서는 아군 편대와 협업하여 교전을 수행하는 것이 중요하다.
본 논문에서는 무인 전투기 편대와 일반적인 전투기의 기동 성능 차이를 고려한 편대 전술 교전 모델 연구를 수행하였다. 스코어 함수 기반의 교전 알고리즘 모델을 다 대 일 교전이 가능하도록 확장하였고 편대 비행 알고리즘을 편대 전술 기동 모델에 적용하였다. 기본 전투기 기동을 분석하여 선회 성능에 영향을 미치는 기동 파라미터를 정의하였고, 주어진 교전 상황에서 선회 성능, 상대 거리, 교전 알고리즘 동작 시점과 같은 기동 파라미터에 대하여 적기를 격추할 수 있는 편대 대형의 영역을 분석하였다.
교전 기하와 편대 전술 기동 파라미터에 대해 교전 데이터셋을 확보하여 인공 신경망 학습을 수행하였다. 학습된 모델을 편대 전술 기동 모델로 사용하였으며, 편대 비행 알고리즘과 결합한 편대 전술 교전 모델을 통한 교전 성능을 분석하였다. 이를 통해 저 기동성의 무인 전투기 편대를 이용하여 고기동성을 가진 전투기와 다 대 일 교전을 위한 편대 전술 교전 모델 개발을 위한 방법론을 제시하였다.
‘Loyal Wingman’의 개념으로 개발되고 있는 무인 전투기는 기존 전투기보다 기동 성능은 낮지만 정찰 임무 수행과 유인 전투기의 무장 탑재를 보완하는 임무를 수행할 것이다. 또한, 조종사의 생존 가능성 문제가 고려되지 않고 낮은 비용 대비 높은 효과를 성취할 수 있는 이유로 적진 깊숙한 곳에서 운용될 것이다. 그러므로 무인 전투기는 적진에서 상대적으로 고기동성을 가진 적기와 조우할 가능성이 크다. 이러한 교전 상황에서 무인 전투기가 교전에서 승리하기 위해서는 아군 편대와 협업하여 교전을 수행하는 것이 중요하다.
본 논문에서는 무인 전투기 편대와 일반적인 전투기의 기동 성능 차이를 고려한 편대 전술 교전 모델 연구를 수행하였다. 스코어 함수 기반의 교전 알고리즘 모델을 다 대 일 교전이 가능하도록 확장하였고 편대 비행 알고리즘을 편대 전술 기동 모델에 적용하였다. 기본 전투기 기동을 분석하여 선회 성능에 영향을 미치는 기동 파라미터를 정의하였고, 주어진 교전 상황에서 선회 성능, 상대 거리, 교전 알고리즘 동작 시점과 같은 기동 파라미터에 대하여 적기를 격추할 수 있는 편대 대형의 영역을 분석하였다.
교전 기하와 편대 전술 기동 파라미터에 대해 교전 데이터셋을 확보하여 인공 신경망 학습을 수행하였다. 학습된 모델을 편대 전술 기동 모델로 사용하였으며, 편대 비행 알고리즘과 결합한 편대 전술 교전 모델을 통한 교전 성능을 분석하였다. 이를 통해 저 기동성의 무인 전투기 편대를 이용하여 고기동성을 가진 전투기와 다 대 일 교전을 위한 편대 전술 교전 모델 개발을 위한 방법론을 제시하였다.
목차
1. 서론 11.1 연구배경 11.2 공중 교전 모의 관련 연구 사례 61.3 연구내용 및 의의 101.4 논문의 구성 122. 기본 전투기 기동 및 편대 전술 이론 132.1 기본 전투기 기동 이론 132.1.1 Lead Turn 132.1.2 Nose-to-Nose & Nose-to-Tail Turns 162.2 전투기 편대 대형 및 전술 이론 192.2.1 편대 대형 192.2.2 편대 전술 203. 공중 교전 시뮬레이션 환경 구성 233.1 전투기 운동 모델 233.1.1 Dynamic Equation 243.1.2 Kinematic Equation 253.1.3 전투기 운동 모델 검증 253.2 교전 기하 모사 273.2.1 측면각(Aspect angle) 273.2.2 편차각(Deviation angle) 273.2.3 상대 거리(Range) 283.3 무인 공중 교전 알고리즘 293.3.1 무인 공중 교전 알고리즘 개요 293.3.2 무인 공중 교전 알고리즘 293.3.3 스코어 함수 행렬(Score Function Matrix) 303.3.4 스코어 함수(Score Function) 313.3.5 교전 방향(orientation)에 따른 교전 상황 정의 343.3.6 다대일 교전을 위한 적기의 목표물 선정 모듈 353.3.7 격추 조건 383.3.8 저성능 무인 전투기와 고성능 적기간의 공중 교전 시뮬레이션 383.4 편대 비행 알고리즘 403.4.1 트랙 유도 알고리즘 정의 403.4.2 편대 비행 알고리즘 정의 414. 편대 전술 기동 모델 개발 444.1 편대 전술 기동 모델 개요 444.2 편대 전술 기동 모델의 전술 선정 454.3 교전 파라미터에 따른 편대 대형 484.3.1 공격기 선회 성능에 따른 편대 대형 494.3.2 공격기의 교전 알고리즘 전환 시점에 따른 편대 대형 534.3.3 편대와 적기 간 상대 거리에 따른 편대 대형 564.3.4 교전 파라미터에 따른 편대 대형 영역 분석 의의 594.4 편대 전술 기동 모델 기하 관계 정의 604.5 인공 신경망을 이용한 편대 전술 기동 모델 614.5.1 인공 신경망을 이용한 편대 전술 기동 모델 개발 방안 614.5.2 인공 신경망 학습을 위한 데이터셋 생성 시나리오 644.5.3 인공 신경망 학습을 통한 편대 전술 기동 모델 검증 665. 편대 전술 교전 모델 구성 및 시뮬레이션 685.1 편대 비행 모듈에 따른 편대 전술 교전 모델 성능 검증 685.2 적기 초기 위치에 따른 편대 전술 교전 모델 성능 검증 715.2.1 편대 전술 교전 모델의 효용성 검증 725.2.2 미끼 항공기 선회 성능에 대한 편대 전술 교전 모델 성능 분석(6G) 745.2.3 무인 전투기 기동 성능 하향에 대한 편대 전술 교전 모델 성능 분석 765.2.4 미끼 항공기 선회 성능에 대한 편대 전술 교전 모델 성능 분석(4G) 785.2.5 기동 성능 및 미끼 항공기 선회 반경에 대한 교전 결과의 경향성 분석 806. 결론 816.1 결론 및 요약 816.2 향후 연구 81참고문헌 82
최근 본 자료
댓글(0)
0