[논문]다중모델 칼만 필터를 이용한 무추력 비행체의 대기속도 추정

진재현; 박정우; 김부민; 김병수; 이은용

doi:10.5302/j.icros.2009.15.8.859

다중모델 칼만 필터를 이용한 무추력 비행체의 대기속도 추정
Robust Airspeed Estimation of an Unpowered Gliding Vehicle by Using Multiple Model Kalman Filters 원문보기

제어·로봇·시스템학회 논문지 = Journal of institute of control, robotics and systems, v.15 no.8, 2009년, pp.859 - 866

진재현 (순천대학교 기계우주항공공학부) , 박정우 (KAIST 항공우주공학과 대학원) , 김부민 (경상대학교 기계항공공학부 대학원) , 김병수 (경상대학교 기계항공공학부, 항공기부품기술연구소) , 이은용 (국방과학연구소)

Abstract ▼ AI-Helper

The article discusses an issue of estimating the airspeed of an autonomous flying vehicle. Airspeed is the difference between ground speed and wind speed. It is desirable to know any two among the three speeds for navigation, guidance and control of an autonomous vehicle. For example, ground speed and position are used to guide a vehicle to a target point and wind speed and airspeed are used to maximize flight performance such as a gliding range. However, the target vehicle has not an airspeed sensor but a ground speed sensor (GPS/INS). So airspeed or wind speed has to be estimated. Here, airspeed is to be estimated. A vehicle's dynamics and its dynamic parameters are used to estimate airspeed with attitude and angular speed measurements. Kalman filter is used for the estimation. There are also two major sources arousing a robust estimation problem; wind speed and altitude. Wind speed and direction depend on weather conditions. Altitude changes as a vehicle glides down to the ground. For one reference altitude, multiple model Kalman filters are pre-designed based on several reference airspeeds. We call this group of filters as a cluster. Filters of a cluster are activated simultaneously and probabilities are calculated for each filter. The probability indicates how much a filter matches with measurements. The final airspeed estimate is calculated by summing all estimates multiplied by probabilities. As a vehicle glides down to the ground, other clusters that have been designed based on other reference altitudes are activated. Some numerical simulations verify that the proposed method is effective to estimate airspeed.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 GPS/INS 출력과 운동방정식을 이용하여 비행체의 대기속도를 추정하는 필터의 설계 문제를 다룬다. 비행 범위가 크게 변하지 않으면 비행체의 공력계수가 일정하다고 가정할 수 있으며, 이 경우에는 한 개의 필터만 사용해도 될 것이다.
본 논문에서는 MMF 기법을 이용하여 비행 전 영역에 대해서 대기속도를 추정하는 방법에 대한 연구결과를 제시한다. 대기속도와 고도의 변화가 크기 때문에 이를 동시에 고려하면 계산량이 증가하게 된다.
본 논문에서는 바람속도 센서 혹은 대기속도 센서가 없는 자율비행체에 대해서, 비행체의 동역학적 특성을 이용하여대기 속도를 추정하는 기법에 대한 연구결과를 제시하였다. 비행체의 운동방정식과 필터 이론을 적용하여 대기속도를 추정할 수 있었다.
70 km 정도를 전진직선 비행한다. 주어진 센서를 이용하여 비행영역 전체에 대해 비행체의 대기속도를 추정하는 필터를 설계하는 것이 본 논문의 주제이다.

가설 설정

각 센서의 노이즈는 편의상 zero mean, white, Gaussian 이라고 가정하였으며, 센서의 사양은 표 1과 같다.
Lievense GPS/INS의 출력과 비행체의 운동방정식을 결합하여 바람속도를 추정하였屯3]. 두 방법 모두 바람속도를 미지의 일정한 값으로 가정하고 추가적인 상태변수로 고려하였다. 참고문헌 [4]에서는 GPS 센서를 이용하여 UAV를 조종할 수 있음을 보였는데, 이착륙에서는 바람센서를 이용하였다.
비행 범위가 크게 변하지 않으면 비행체의 공력계수가 일정하다고 가정할 수 있으며, 이 경우에는 한 개의 필터만 사용해도 될 것이다. 그러나 비행범위가 넓고 바람속도가 큰 경우에는 공력계수의 변화 또한 커져서 모델링 오차에 의한 추정오차가 과도해질 수 있다.
이를 위해서 그림 3과 같이 고도에 따라 증가하는 기준 바람 속도 프로파일을 선정하였다. 이 바람이 정풍, 측풍(비행체에 대해 90도의 각도를 갖는 경우), 배풍으로 불어올 수 있다고 가정한다.

제안 방법

추정하였다[2]. Lievense GPS/INS의 출력과 비행체의 운동방정식을 결합하여 바람속도를 추정하였屯3]. 두 방법 모두 바람속도를 미지의 일정한 값으로 가정하고 추가적인 상태변수로 고려하였다.
그리고 이 트림상태에 대해 섭동(perturbation)을 주고 선형관계를 유도하여 선형모델 파라미터 以, B)를 구하였다(부록 1의 파라미터 예시 참고).
바람은 네 가지 조건(N, H, S, T)에 대하여 시뮬레이션을 수행하였다. 그림 5는 200초간 시뮬레이션 했을 때, 대기 속도의 전진 방향 성분 (我)에 대한 추정오차0九 -矿, )을 비교한 것이다.
비선형 운동방정식을 선형화하고 이에 대한 선형 필터를 설계한다. 식 (2)에 대한 이산 선형방정식은 식 (3)과 같으며, 각 행렬의 요소들은 참고문헌 [19]를 참고하였다(부록 1 참고).
제시하였다. 비행체의 운동방정식과 필터 이론을 적용하여 대기속도를 추정할 수 있었다. 대상 비행체의 비행영역이 넓기 때문에 동역학 모델오차가 추정오차를 유발한다.
여기에서는 네 가지 경우(무풍(N, no wind), 정풍(H, head wind), 즉풍(S, side wind), 배풍(T, tail wind))에 대해 필터의 성능을 테스트하면서 적합한 성능의 필터를 설계하였다. 대기속도 성분 중 전진방향 성분(%)이 가장 큰 값이기 때문에, 이에 대한 추정오차를 가장 중요한 성능으로 간주한다.
대기속도와 고도의 변화가 크기 때문에 이를 동시에 고려하면 계산량이 증가하게 된다. 여기에서는 일정고도에 대해 기준속도를 달리하는 다중모델 필터를 설계한다. 이를 필터 클러스터라고 하며, 고도가 변하면 새로운 필터 클러스터를 사용하여 동시에 동작하는 필터의 개수를 줄일 수 있도록 하였다.
예제로서 한 기준점(9000 m, 240 m/s)에 대하여 필터를 설계하고 이에 대해 추정성능을 테스트하였다. 필터 설계 파라미터는 다음과 같이 선정하였다.
이 시뮬레이션 코드를 이용해서 적절한 비행조건(고도, 속도를 지정함)에 대해 비행체의 트림상태 값을 구한다. 그리고 이 트림상태에 대해 섭동(perturbation)을 주고 선형관계를 유도하여 선형모델 파라미터 以, B)를 구하였다(부록 1의 파라미터 예시 참고).
결론적으로 대기속도는 비행체의 모델을 이용하면 바람 센서가 없더라도 추정이 가능함을 보이고, 비행체의 모델링 오차와 속도 고도의 변동은 다중모델 필터를 이용하여 추정오차를 허용범위 이하로 유지할 수 있음을 보인다. 이를 위해 풍동시험 데이터에 기반한 6 DOF 비선형 시뮬레이션프로그램을 이용하여 필터의 성능을 테스트하였다.
이를 위해서 비행영역 내에 여러 기준점에 대해 미리 필터를 설계한다. 현재 어떤 기준점 근처에 있는지 모르기 때문에, 모든 필터를 동시에 동작시키면서 각 필터의 적합도를 확률적으로 계산한다.
제어를 위해서 PID 제어기를 설계하였으며, 투하지점과 목표지점을 직선으로 비행하도록 유도 및 제어한다. 제어기 설계에 대한 내용은 참고문헌 [17, 18]에 상세히 소개하였으며, 여기에서는 생략하기로 한다.
첫 번째 클러스터에 대해서 표 2와 같은 조건으로 3개의 필터를 설계하고, 추정성능을 비교하였다. 기준고도는 동일하게 9000 m 로 설정하였다.
컴퓨터 시뮬레이션을 이용하여 필터 추정성능을 테스트하였다. 시뮬레이션 코드는 시스템 설계사양(무게 등) 및 실제 풍동 시험 데이터를 바탕으로 작성한 6 DOF 비선형 시뮬레이션 코드를 사용하였다.

대상 데이터

시뮬레이션 코드는 시스템 설계사양(무게 등) 및 실제 풍동 시험 데이터를 바탕으로 작성한 6 DOF 비선형 시뮬레이션 코드를 사용하였다.

이론/모형

Rysdyke 대기속도와 위치를 측정하고 관측기 기법으로 바람 속도를 추정하였다[2]. Lievense GPS/INS의 출력과 비행체의 운동방정식을 결합하여 바람속도를 추정하였屯3].

성능/효과

이를 필터 클러스터라고 하며, 고도가 변하면 새로운 필터 클러스터를 사용하여 동시에 동작하는 필터의 개수를 줄일 수 있도록 하였다. 결론적으로 대기속도는 비행체의 모델을 이용하면 바람 센서가 없더라도 추정이 가능함을 보이고, 비행체의 모델링 오차와 속도 고도의 변동은 다중모델 필터를 이용하여 추정오차를 허용범위 이하로 유지할 수 있음을 보인다. 이를 위해 풍동시험 데이터에 기반한 6 DOF 비선형 시뮬레이션프로그램을 이용하여 필터의 성능을 테스트하였다.
또한 다수의 필터 클러스터를 여러 기준고도에 대해 설계하고 고도강하에 따라 필터 클러스터를 전환함으로써, 비행고도 변화에 대해서도 추정오차를 허용범위 내로 유지할 수 있었다. 고도에 따라 필터 클러스터를 전환하는 기법으로 동시에 동작하는 필터의 개수를 줄여서 계산 부담을 줄일 수 있었다. 추후에 실제 비행데이터를 이용하여 알고리듬을 검증하고, 탑재 시스템에 알고리듬을 탑재할 계획이다.
여러 기준속도에 대해 설계한 다중모델 필터를 이용하여 추정오차를 허용범위 내로 유지할 수 있었다. 또한 다수의 필터 클러스터를 여러 기준고도에 대해 설계하고 고도강하에 따라 필터 클러스터를 전환함으로써, 비행고도 변화에 대해서도 추정오차를 허용범위 내로 유지할 수 있었다. 고도에 따라 필터 클러스터를 전환하는 기법으로 동시에 동작하는 필터의 개수를 줄여서 계산 부담을 줄일 수 있었다.

후속연구

고도에 따라 필터 클러스터를 전환하는 기법으로 동시에 동작하는 필터의 개수를 줄여서 계산 부담을 줄일 수 있었다. 추후에 실제 비행데이터를 이용하여 알고리듬을 검증하고, 탑재 시스템에 알고리듬을 탑재할 계획이다.
그러나 이 결과를 얻기 위해서 시뮬레이션 결과 분석 및 파라미터 조종을 반복적으로 수행하여야 했다. 필터 클러스터를 구성함에 있어서, 클러스터 설계 파라미터(필터 클러스터 수, 기준 고도기준속도 등)를 체계적으로 튜닝 할 수 있는 방법에 대해서 연구가 필요하다.

참고문헌 (19)

W. Phillips, Mechanics of Flight, Wiley, 2004.
R. Rysdyk, "Unmanned aerial vehicle path following for target observation in wind," Journal of Guidance, Control, and Dynamics, vol. 29, no. 5, pp. 1092-1100,2006

상세보기
K. Lievens, J. Mulder, and P. Chu, "Single GPS antenna attitude detennination of a fixed wing aircraft with aircraft aerodynamics," AIAA 2005-6056
A. Cho, Et. AI., "Fully automatic taxiing, takeoff and landing of a UAY using a single antenna GPS receiver only," Proceedings of International Conference on Control, Automation and Systems, pp. 821-825, Seoul, Korea, 2007
F. Lewis, L. Xie, and D. Popa, Optimal and Robust Estimation, CRC Press, 2008
I. Petersen and A. Savkin, Robust Kalman Filteringfor Signals and Systems with Large Uncertainties, Birkhauser, pp. 11-34, 1999
R. Agustin, R. Mangoubi, R. Hain, and N. Adams, "Robust fuilure detection for reentIy vehicle attitude control systems," Journal of Guidance, Control, and Dynamics, vol. 22, no. 6, pp. 839-845,1999

상세보기
Z. Wang and B. Huang, "Robust H2/H $\infty$ filtering for linear systems with error variance constraints," IEEE Transaction on Signal Processing, vol. 48, no. 8, pp. 2463-2467, 2000

상세보기
H. Gao, J. Lam, L. Xie, and C. Wang, "New approach to mixed H2/H $\infty$ filtering for polytopic discrete-time systems," IEEE Transaction on Signal Processing, vol. 53, no. 8, pp. 3183-3192, 2005

상세보기
P. Maybeck and R. Stevens, "Reconfigurable flight control via multiple model adaptive control methods," IEEE Transaction on Aerospace and Electronic Systems, vol. 27, no. 3, pp. 470-480, 1991

상세보기
M. Napolitano and R Swaim, "New technique for aircraft flight control reconfiguration," Journal of Guidance, Control, and Dynamics, vol. 14, no. l,pp. 184-190, 1991

상세보기
P. Maybeck and P. Hanlon, "Perfonnance enhancement of a multiple model adaptive estimator," IEEE Transaction on Aerospace and Electronic Systems, vol. 31, no. 4, pp. 1240-1254, 1995

상세보기
G Griffin and P. Maybeck, "MMAE/MMAC control for bending with multiple uncertain parameters," IEEE Transaction on Aerospace and Electronic Systems, vol. 33, no. 3, pp. 903-912,1997.

상세보기
E. Mazor, A. Averbuch, Y. Bar-Shalom, and J. Dayan, "Interacting multiple model methods in target tracking : A survey," IEEE Transaction on Aerospace and Electronic Systems, vol. 34, no. 1, pp. 103-123, 1998

상세보기
Y. Kim and K. Hong, "An IMM algorithm for tracking maneuvering vehicles in an adaptive cruise control environment," International Journal of Control, and Systems, vol. 2, no. 3, pp. 310-318, 2004

원문보기 상세보기
김병두, 이자성, "다중표적 추적을 위한 정상상태 칼만필터 기반 IMM 추적필터," 한국항공우주학회지, 제34권 제8호, pp.71-78, 2006

원문보기 상세보기
김부민, 진재현, 박정호, 김병수, "바람센서가 없는 무추력 비행체의 활공시 대기속도 추정을 통한 유도성능 향상," 제어.로봇.시스템학회논문지, 제15권 제1호, pp.1-7, 2009

원문보기 상세보기
김부민, 성덕용, 성재민, 김병수, "무추력 비행체를 대항으로 한 정응 통합 유도제어기 설계," 제어.로봇.시스템학회논문지, 제15권 제1호 pp.15-22, 2009
R. Nelson, Flight Stability and Automatic Control, MeGraw Hill, pp. 131-169, 1998

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증