무인항공기(UAV)를 이용하여 효율적인 감시정찰을 수행하기 위해서는 센서의 고성능, 다중화와 함께 운용상황에 맞는 최적화된 비행경로계획이 요구된다. 이뿐만 아니라 시스템 개발 또는 임무운용 전 임무 효용성 평가, 평시와 전시에 빠른 작전 결정을 위해서는 임무를 가시화할 수 있는 가시화 도구가 필요하다. 본 연구에서는 STK(Systems Tool Kit)와 MATLAB을 통합한 임무 가시화 및 분석 도구를 개발하고 이를 통하여 UAV 감시정보정찰(ISR; Intelligence, Surveillance and Reconnaissance) 임무분석을 수행하였다. 개발된 임무분석 도구에는 비행최적화 뿐만 아니라 장애물 회피 알고리즘, FoM(Figure of Merit) 분석 알고리즘이 적용되어 최적의 임무계획이 가능하도록 하였다.
무인항공기(UAV)를 이용하여 효율적인 감시정찰을 수행하기 위해서는 센서의 고성능, 다중화와 함께 운용상황에 맞는 최적화된 비행경로계획이 요구된다. 이뿐만 아니라 시스템 개발 또는 임무운용 전 임무 효용성 평가, 평시와 전시에 빠른 작전 결정을 위해서는 임무를 가시화할 수 있는 가시화 도구가 필요하다. 본 연구에서는 STK(Systems Tool Kit)와 MATLAB을 통합한 임무 가시화 및 분석 도구를 개발하고 이를 통하여 UAV 감시정보정찰(ISR; Intelligence, Surveillance and Reconnaissance) 임무분석을 수행하였다. 개발된 임무분석 도구에는 비행최적화 뿐만 아니라 장애물 회피 알고리즘, FoM(Figure of Merit) 분석 알고리즘이 적용되어 최적의 임무계획이 가능하도록 하였다.
The optimized flight path planning which is appropriate for UAV operation with high performance and multiplex sensors is required for efficient ISR missions. Furthermore, a mission visualization tool is necessary for the assessment of MoE(Measures of Effectiveness) prior to mission operation and the...
The optimized flight path planning which is appropriate for UAV operation with high performance and multiplex sensors is required for efficient ISR missions. Furthermore, a mission visualization tool is necessary for the assessment of MoE(Measures of Effectiveness) prior to mission operation and the urgent tactical decision in peace time and wartime. A mission visualization and analysis tool was developed by combining STK and MATLAB, whose tool was used for UAV ISR mission analyses in this study. In this mission analysis tool, obstacle avoidance and FoM(Figure of Merit) analysis algorithms were applied to enable the optimized mission planning.
The optimized flight path planning which is appropriate for UAV operation with high performance and multiplex sensors is required for efficient ISR missions. Furthermore, a mission visualization tool is necessary for the assessment of MoE(Measures of Effectiveness) prior to mission operation and the urgent tactical decision in peace time and wartime. A mission visualization and analysis tool was developed by combining STK and MATLAB, whose tool was used for UAV ISR mission analyses in this study. In this mission analysis tool, obstacle avoidance and FoM(Figure of Merit) analysis algorithms were applied to enable the optimized mission planning.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 CO와 유사하게 프로세스 순서를 정하여 임무 최적화를 수행할 수 있도록 하였다. 먼저 사용자가 입력해 준 단일표적과 면적표적을 바탕으로 경로를 생성한다.
1과 같이 분류되며, 무인기의 성능에 따라 복합적인 임무를 수행하기도 한다. 본 논문에서는 이러한 무인기 임무 중 감시 정보정찰(ISR; Intelligence Surveillance and Reconnaissance))에 초점을 맞추어 임무분석 및 설계 도구를 개발하였다.
본 연구는 국내에서 무인기 임무분석에 활용될 수 있도록 무인기 임무분석 및 설계 도구를 개발하는데 목적이 있다. 임무 가시화와 임무 효용성 분석을 위해 STK를 이용하였으며, 임무 경로 최적화, 협동 무인기 경로 생성 소프트웨어 등은 MATLAB을 이용하였다.
본 연구를 통해 개발한 임무분석 도구는 최적으로 생성된 경로로 감시정보정찰 임무를 수행하였을 때의 성능지수(FoM)를 계산하고, 그 결과를 3차원으로 가시화하는 것이 주 목적이다. 임무분석 도구의 명칭은 KAU-UMAD Tool(Korea Aerospace University-UAV Mission Analysis & Design)이라 명명하였다.
본 연구에서는 STK와 MATLAB을 이용하여 감시정보정찰 무인기의 임무분석 및 설계가 가능한 KAU-UMAD Tool을 개발하였다. 감시정보정찰 임무를 위해 크게 두 가지의 상황을 고려하였고, 이에 따른 다양한 알고리즘을 적용하였다.
가설 설정
다수의 무인기는 같은 경로를 탐색하지 않고 독립된 경로로 탐색하며. 같은 표적을 촬영하도록 운용한다고 가정하였다. 대공화기와 같은 위험 지역의 회피는 고려하였으나 두 무인기의 충돌회피는 고려되지 않았다.
본 연구에서 수행한 분석에서는 무인기의 전시 임무 수행 지역과 대공화기의 성능은 플레인 맨의 블로그를 참고[18]하였으며, 세 대의 무인기가 대공화기를 회피하며 북한의 주요 지역을 탐색한다고 가정하였고 최소의 거리로 탐색하도록 하였다. 분석 결과는 Fig.
제안 방법
FoM(Figure of Merit) 분석을 위해 관심지역 (AoI; Area-of-Interest)을 설정하였고, 수치적인 분석을 위해 AoI를 위도, 경도 0.01도 단위로 그리드(Grid)를 나누어 분석하였다. 생성된 관심지역의 접촉 횟수를 분석한 결과 또한 경로분석 결과와 같이 Fig.
임무 가시화와 임무 효용성 분석을 위해 STK를 이용하였으며, 임무 경로 최적화, 협동 무인기 경로 생성 소프트웨어 등은 MATLAB을 이용하였다. STK에서 생성되는 모든 모델과 임무 효용성 분석은 STK/CON 기능을 이용하여 MATLAB에서 통합관리를 할 수있도록 구성하였다. 또한 사용자가 쉽게 입력과 결과 분석이 가능하도록 GUI(Graphic User Interface)를 구성하였다.
본 연구에서는 STK와 MATLAB을 이용하여 감시정보정찰 무인기의 임무분석 및 설계가 가능한 KAU-UMAD Tool을 개발하였다. 감시정보정찰 임무를 위해 크게 두 가지의 상황을 고려하였고, 이에 따른 다양한 알고리즘을 적용하였다. 평시에 국경을 따라 관측하는 경로생성 알고리즘을 적용하였으며, 이에 따라 경로가 생성됨을 확인 하였다.
대공화기와 같은 위험 지역의 회피는 고려하였으나 두 무인기의 충돌회피는 고려되지 않았다. 다수의 무인기의 경로의 합을 최소화하는 것으로 최적화 문제를 구성하였고, 이를 해결할 수 있도록 KAU -UMAD Tool을 제작하였다.
STK에서 생성되는 모든 모델과 임무 효용성 분석은 STK/CON 기능을 이용하여 MATLAB에서 통합관리를 할 수있도록 구성하였다. 또한 사용자가 쉽게 입력과 결과 분석이 가능하도록 GUI(Graphic User Interface)를 구성하였다.
본 연구에서는 이러한 점을 고려하여 유전알고리즘을 적용하였다. 또한본 연구에서는 Swap, 2-opt, Sliding, Random Break Point를 통해 변이를 생성하고 Tournament 선택 방법을 이용하여 최적해를 찾아갈 수 있도록 하였다.
본 논문에서는 다양한 다각형의 CPP를 위하여 볼록면 분해(Convex Decomposition) 알고리즘을 적용하여 무인기 탐색이 용이하도록 수행하였다. 하지만 무인기와 같이 선회속도가 느린 시스템은 볼록면이 많아질수록 선회속도를 고려하지 못한 경로가 생성된다.
본 연구에 적합한 최적의 알고리즘을 선택하기 위해 Fig. 11과 같이 Dijkstra, A*, Greedy 알고리즘의 성능을 비교해보았다. 그 결과 Fig.
KAU-UMAD Tool은 AGI社의 STK 10과 MathWorks社의 MATLAB 2012b를 활용하여 개발되었으며, 2GHz의 Dual Core CPU, RAM :3GB 이상에 High-end OpenGL-compatible Graphic Card(512MB 이상)에서 작동하도록 개발되었다. 본 연구에서 개발된 도구는 크게 사용자 옵션 선택, 임무계획, 결과 분석, 3차원 임무가 시화, 성능지수 분석으로 나뉘며, 주요 기능과 구성, 그리고 STK와 KAU-UMAD Tool 연계 개념은 Fig. 4와 같다.
생성된 경로에 따라 사용자가 모델링한 센서로 FoM(재방문주기, 관측횟수, 총 관측시간)을 분석하게 된다. 만약 FoM을 만족하지 못하게 되면 임무경로를 재설정하거나 무인기의 성능에 변화를 주면 된다.
5와 같다. 세부 입력 창은 팝업(Pop-up)으로 입력이 가능하도록 구성하였다. 기본 화면에서는 실행 결과를 바로 볼 수 있고, 사용자가 선택한 모델은 MATLAB 상에서 VRML(Virtual Reality Modeling Language)을 이용하여 볼 수 있다.
이러한 각 프로세스를 통해 본 연구에서는 기 연구된 알고리즘(TSP[14], CPP[15, 16], Obstacle/ Collision Avoidance[17])을 바탕으로 수정하고 조합하여 무인기 임무에서 거리가 최소인 경로 생성이 가능하도록 하였다.
이렇게 총 8개의 변이를 발생시켜 토너먼트를 하여 가장 최소의 거리를 갖는 경우를 최적의 경로로 보고 산출된 해를 바탕으로 다시 변이를 발생시켜준다. 사용자가 정해준 반복횟수 또는 상대적 오차가 더 이상 발생하지 않을 때까지 계속 반복하여 수행하게 되며 반복이 멈추면 최종해가 산출되게 된다.
본 논문에서는 Table 2와 같이 임의의 국경을 설정하여 그 주변을 비행하는 임무를 수행하도록 하였다. 총 3대의 무인기가 비행하여 임무를 수행하도록 하였다. Fig.
TSP는 1930년대의 일반적인 형태의 초기 알고리즘부터 현재까지 다양한 알고리즘들이 TSP 해결을 위해 연구되어 왔다[14]. 현재는 유전알고리즘(GA; Genetic Algorithm)을 많이 적용하고 있으며, 본 연구에서도 유전알고리즘을 이용하여 TSP를 해결하였다.
이론/모형
결국각 경로의 이동거리의 합이 최소가 되는 문제로 정의할 수 있다. 결국 최적화 문제로 정의될 수있으며, 본 논문에서는 최적화 문제를 해결하기 위해 유전알고리즘(Genetic Algorithm)을 사용하였다. 기본적인 최적화 문제는 식 (1)과 같이 정의 되지만 운용에 따라 적용되어야 하는 추가적인 알고리즘은 다소 다르다.
세부 입력 창은 팝업(Pop-up)으로 입력이 가능하도록 구성하였다. 기본 화면에서는 실행 결과를 바로 볼 수 있고, 사용자가 선택한 모델은 MATLAB 상에서 VRML(Virtual Reality Modeling Language)을 이용하여 볼 수 있다.
평시에 국경을 따라 관측하는 경로생성 알고리즘을 적용하였으며, 이에 따라 경로가 생성됨을 확인 하였다. 또한, 전시에 다수의 무인기가 협동적으로 다수의 표적을 관측하는 FSEP/MTSP 유전알고리즘을 이용하여 해결하였다. 마지막으로 ACD가 적용된 CPP 알고리즘을 적용하여 단일 표적이 아닌 관심 면적표적을 관측할 수 있도록 구현하였으며, 어떤 면적표적이 주어져도 알고리즘이 잘 작동함을 확인하였다.
하지만 무인기와 같이 선회속도가 느린 시스템은 볼록면이 많아질수록 선회속도를 고려하지 못한 경로가 생성된다. 본 논문에서는 이러한 문제를 해결하기 위해 근사 볼록면 분해 (ACD; Approximated Convex Decomposition) 알고리즘을 적용하였다. ACD 알고리즘은 적절하게 노치(Notch) 부분을 제거할 수 있어, 분해 이후에도 다각형들이 적게 생성되어 무인기 시스템에 적용하기에 적절해진다.
신속한 정찰을 위해서 최소의 비행경로를 정의하는 것과 함께 위험지역 회피 및 면적표적을 빈틈없이 관측하기 위한 추가적인 알고리즘이 필요하다. 본 논문에서는 전시 및 유사 시의 임무를 위해 TSP(Traveling Salesman Problem), CPP(Coverage Path Planning), 충돌 회피 등의 알고리즘이 적용되었다.
본 연구에서는 알고리즘의 시뮬레이션 결과와 알고리즘의 특성을 고려하여 A* 알고리즘을 충돌 회피 알고리즘으로 활용하였다.
무인기 임무경로는 시작 위치와 종료 위치가정해져 있는 FSEP(Fixed Start/End Point) 문제이며, 다수 무인기의 동시 운용이 고려된 Multiple Traveling Salesmen Problem(MTSP) 문제로 정의할 수 있다. 본 연구에서는 이러한 점을 고려하여 유전알고리즘을 적용하였다. 또한본 연구에서는 Swap, 2-opt, Sliding, Random Break Point를 통해 변이를 생성하고 Tournament 선택 방법을 이용하여 최적해를 찾아갈 수 있도록 하였다.
본 연구는 국내에서 무인기 임무분석에 활용될 수 있도록 무인기 임무분석 및 설계 도구를 개발하는데 목적이 있다. 임무 가시화와 임무 효용성 분석을 위해 STK를 이용하였으며, 임무 경로 최적화, 협동 무인기 경로 생성 소프트웨어 등은 MATLAB을 이용하였다. STK에서 생성되는 모든 모델과 임무 효용성 분석은 STK/CON 기능을 이용하여 MATLAB에서 통합관리를 할 수있도록 구성하였다.
성능/효과
11과 같이 Dijkstra, A*, Greedy 알고리즘의 성능을 비교해보았다. 그 결과 Fig.11에서 보는 바와 같이 Dijkstra, A*가 Greedy 알고리즘보다 최적의 해를 찾아 낼 수 있었으며, A*알고리즘이 Dijkstra 알고리즘보다 계산시간이 단축되는 장점이 있다는 것을 알 수 있었다.
또한, 전시에 다수의 무인기가 협동적으로 다수의 표적을 관측하는 FSEP/MTSP 유전알고리즘을 이용하여 해결하였다. 마지막으로 ACD가 적용된 CPP 알고리즘을 적용하여 단일 표적이 아닌 관심 면적표적을 관측할 수 있도록 구현하였으며, 어떤 면적표적이 주어져도 알고리즘이 잘 작동함을 확인하였다.
감시정보정찰 임무를 위해 크게 두 가지의 상황을 고려하였고, 이에 따른 다양한 알고리즘을 적용하였다. 평시에 국경을 따라 관측하는 경로생성 알고리즘을 적용하였으며, 이에 따라 경로가 생성됨을 확인 하였다. 또한, 전시에 다수의 무인기가 협동적으로 다수의 표적을 관측하는 FSEP/MTSP 유전알고리즘을 이용하여 해결하였다.
후속연구
본 연구를 통하여 감시정보정찰 무인기의 임무를 분석하고 설계할 수 있는 KAU-UMAD Tool을 개발하였으며, 이는 ROC 도출 및 무인기운용 전 임무의 효용성을 판단하기 위해 활용될수 있을 것이다.
본 연구팀은 향후에 지속적인 연구를 통해 전자광학(EO/IR; Electro-Optical/Infrared) 및 전천후영상레이더(SAR; Synthetic Aperture Radar) 등의 영상 시뮬레이션에 대한 추가적인 모듈을 개발하여 보다 다양한 임무평가가 가능하도록 할 계획이다.
이와 다르게 전시 또는 유사시 임무에서는 복합적인 알고리즘이 필요하다. 신속한 정찰을 위해서 최소의 비행경로를 정의하는 것과 함께 위험지역 회피 및 면적표적을 빈틈없이 관측하기 위한 추가적인 알고리즘이 필요하다. 본 논문에서는 전시 및 유사 시의 임무를 위해 TSP(Traveling Salesman Problem), CPP(Coverage Path Planning), 충돌 회피 등의 알고리즘이 적용되었다.
향후의 KAU-UMAD Tool에서는 본 연구를 통해 구현된 Fig. 6에 추가적으로 EO/IR 및 SAR 영상 시뮬레이션, 관성항법 및 GPS 항법 정확도 시뮬레이션, 비행체의 자세 시뮬레이션까지 고려할 예정이다.
질의응답
핵심어
질문
논문에서 추출한 답변
현재 상용 무인기 임무분석 및 설계 도구로 판매되는 것은 무엇이 있는가?
특히, AGI社의 STK(Systems Tool Kit)는 임무 가시화 기능에서 높은 평가를 받고 있으며, 많은 프로젝트에서 이를 활용하고 있다[8,9]. 현재 상용으로 판매 중인상용 무인기 임무분석 및 설계 도구는 Orbit Logic社의 UAV Planner이며, 이는 STK를 이용하여 임무분석을 수행할 수 있도록 개발되었다[10].
작전요구성능을 도출하기 위해서는 무엇이 요구되는가?
군 무인기 개발 또는 구매를 위해서는 적절한 작전요구성능(ROC; Requirements of Operational Capability)의 도출이 필수적이다. 작전요구성능을 도출하기 위해서는 운용개념 (CONOPS; Concept of Operations)의 분석이 요구되며, 이는 운용환경을 고려한 임무 시나리오 분석을 요구한다. 이를 통해 성능지수(FoM; Figure of Merit)를 분석하고, 임무 효용성(MoE; Measures of Effectiveness)을 분석하는 것이 중요하다.
무인항공기 시스템 운용 시 가시화 도구가 필요한 까닭은 무엇인가?
무인항공기(UAV)를 이용하여 효율적인 감시정찰을 수행하기 위해서는 센서의 고성능, 다중화와 함께 운용상황에 맞는 최적화된 비행경로계획이 요구된다. 이뿐만 아니라 시스템 개발 또는 임무운용 전 임무 효용성 평가, 평시와 전시에 빠른 작전 결정을 위해서는 임무를 가시화할 수 있는 가시화 도구가 필요하다. 본 연구에서는 STK(Systems Tool Kit)와 MATLAB을 통합한 임무 가시화 및 분석 도구를 개발하고 이를 통하여 UAV 감시정보정찰(ISR; Intelligence, Surveillance and Reconnaissance) 임무분석을 수행하였다.
참고문헌 (18)
Abizaid, J. P., "Joint Doctrine for Targeting", Joint Publication 3-60, pp. II-1- II-10, 2002
Lee, C., Park, S., Ryoo, C., Choi, K., and and Cho, J., "A path planning algorithm for surveillance UAVs with timing mission constraints", ICCAS 2010 International Conference, pp.2371 - 2375
Yang, G. and Kapila, V., "Optimal Path Planning for Unmanned Air Vehicles with Kinematic and Tactical Constraints", Proceeding of the 41st IEEE Conference on Decision and Control, 2002
Ye, Y., Min, C., Shen, L., and Chang, W., "Voronoi Diagram Based Spatial Mission Planning for UAVs", Acta Simulata Systematica Sinica, Vol. 17, No. 6, 2005 pp. 1353-1359
Lim, S. H, "Waypoint Guidance of Cooperative UAVs for Intelligence, Surveillance and Reconnaissance", M.S. Thesis, KAIST, 2009
Polycarpou, M. M., Yang. Y., and Passino, K. M., "A Cooperative Search Framework for Distributed Agents", Proceedings of the 2001 IEEE International Symposium on Intelligent Control, 2001, pp. 1-6
Jin, Y., Minai, A. A., and Polycarpou, M.M., "Cooperative real-time search and task allocation in UAV teams", Proceeding of the 42nd IEEE Conference on Decision and Control, 2003
Lee, B., Lee, S., and Lee, W., "High Resolution Spaceborne SAR Operation and Target Recognition Simulator Using STK", Journal of Korea Institute of Electromagnetic Engineering and Science, Vol. 24, No. 3, 2013, pp. 299 - 209
Rraun, B., Collaborative optimization: an architecture for large-scale distributed design, Ph.D. Dissertation, Department of Aeronautics and Astronautics, Stanford University, Stanford, CA
Kroo, I., "Distributed multidisciplinary design and collaborative optimization." VKI lecture series on optimization methods & tools for multicriteria/multidisciplinary design, 2004, pp. 1-22.
Gutin, G and Punnen, G. G., "Traveling Salesman Problem and Its Variations", Dordrecht : Kluwer Academic Publishers, 2002
Gabriely, Y. and Rimon, E., "Spanning-tree based coverage of continuous areas by a mobile robot", Proceeding of the 2001 IEEE international conference on robotics &automation, pp.1927-1933
Ost, G., "Search path generation with UAV applications using approximate convex decomposition", M. S. Thesis, Linkoping University, 2012
Wang, X., Yadav, V., and Balarishnan, S. N., "Cooperative UAV formation flying with obstacle/collision avoidance", IEEE Transactions on Control System Technology, Vol.15, No.4, pp. 672 - 679, 2007
※ AI-Helper는 부적절한 답변을 할 수 있습니다.