본 논문은 쿼드로터자세제어의 신뢰성 향상을 목적으로 다종 센서 구성 및 다종 센서 데이터 융합 알고리즘 적용을 연구한 결과이다. 먼저, 쿼드로터에 대한 동역학적 모델링에 관한 수식을 도출하였으며, 획득된 수식을 기초로 쿼드로터에 대한 수학적 모델링을 진행하였고 이를 기반으로 신뢰성이 향상된 다종 센서 데이터를 입력으로 하는 컴퓨터 시뮬레이션을 수행하였다. 쿼드로터 자세제어를 위해 다종 센서 데이터의 신뢰성 향상이 필요했으며 이를 위해 다종 센서 데이터 입력에 대한 칼만 필터링를 진행하였고, 이후 쿼드로터의 수학적 모델링에 적용하여 오차를 보상토록 하였다. 관련 컴퓨터 시뮬레이션 결과를 실제 쿼드로터 시스템에 적용하기 위하여 쿼드로터를 짐벌에 장착한 실제 시스템을 구성하였고 이후 쿼드로터를 호버링 상태에서 사용자가 요구하는 각도 변화에 따른 실험을 수행하였다. 실제 실험을 통한 쿼드로터 자세제어 데이터를 산출하였으며, 이를 바탕으로 추가적인 컴퓨터 시뮬레이션을 통한 설계한 다종 센서 및 쿼드로터 자세 제어 시스템의 성능 검증을 진행하였다.
본 논문은 쿼드로터 자세제어의 신뢰성 향상을 목적으로 다종 센서 구성 및 다종 센서 데이터 융합 알고리즘 적용을 연구한 결과이다. 먼저, 쿼드로터에 대한 동역학적 모델링에 관한 수식을 도출하였으며, 획득된 수식을 기초로 쿼드로터에 대한 수학적 모델링을 진행하였고 이를 기반으로 신뢰성이 향상된 다종 센서 데이터를 입력으로 하는 컴퓨터 시뮬레이션을 수행하였다. 쿼드로터 자세제어를 위해 다종 센서 데이터의 신뢰성 향상이 필요했으며 이를 위해 다종 센서 데이터 입력에 대한 칼만 필터링를 진행하였고, 이후 쿼드로터의 수학적 모델링에 적용하여 오차를 보상토록 하였다. 관련 컴퓨터 시뮬레이션 결과를 실제 쿼드로터 시스템에 적용하기 위하여 쿼드로터를 짐벌에 장착한 실제 시스템을 구성하였고 이후 쿼드로터를 호버링 상태에서 사용자가 요구하는 각도 변화에 따른 실험을 수행하였다. 실제 실험을 통한 쿼드로터 자세제어 데이터를 산출하였으며, 이를 바탕으로 추가적인 컴퓨터 시뮬레이션을 통한 설계한 다종 센서 및 쿼드로터 자세 제어 시스템의 성능 검증을 진행하였다.
This paper presents the results of study for improving the reliability of quadrotor attitude control by applying a multi-sensor along with a data fusion algorithm. First, a mathematical model of the quadrotor dynamics was developed. Then, using the quadrotor mathematical model, simulations were perf...
This paper presents the results of study for improving the reliability of quadrotor attitude control by applying a multi-sensor along with a data fusion algorithm. First, a mathematical model of the quadrotor dynamics was developed. Then, using the quadrotor mathematical model, simulations were performed using the improved reliability multi-sensor data as the inputs. From the simulation results, we designed a Gimbal-equipped quadrotor system. With the quadrotor in a hover state, we performed experiments according to the angle change of the user's specifications. We then calculated the attitude control data from the actual experimental data. Furthermore, with additional simulations, we verified the performance of the designed quadrotor attitude control system with multiple sensors.
This paper presents the results of study for improving the reliability of quadrotor attitude control by applying a multi-sensor along with a data fusion algorithm. First, a mathematical model of the quadrotor dynamics was developed. Then, using the quadrotor mathematical model, simulations were performed using the improved reliability multi-sensor data as the inputs. From the simulation results, we designed a Gimbal-equipped quadrotor system. With the quadrotor in a hover state, we performed experiments according to the angle change of the user's specifications. We then calculated the attitude control data from the actual experimental data. Furthermore, with additional simulations, we verified the performance of the designed quadrotor attitude control system with multiple sensors.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
또한 연구 수행을 위하여 센서 측정 데이터를 시뮬레이션에 사용하여 제안한 알고리즘의 유효성을 검증하였고, 검증된 자세 추정 알고리즘을 적용한 쿼드로터 시스템을 짐벌에 장착하여 실험하였다. 본 논문에서는 칼만 필터를 이용한 다종센서의 바이어스(Bais) 오차 추정 및 데이터 융합을 시도하는 자세 추정 방법을 제안한다. 실제 쿼드로터 시스템 제어는 구조가 간편하고 구현이 쉬운 PD 제어기를 사용하였다.
이러한 단점은 각 센서의 서로 다른 장점을 이용하여 각도를 추정하면 보다 정확한 쿼드로터의 자세를 얻을 수 있다. 센서 데이터 융합에서 실제 시스템에 실시간으로 적용할 수 있는 칼만 필터를 이용하여 오차 추정 및 각도를 결합하는 방법을 설명하고자 한다.
저가의 관성 센서는 결함 없이 제작되어지지만 센서의 바이어스, 잡음 등에 의해 출력이 불안정하다. 이러한 문제점과 각 센서의 단점을 상호 보안하기 위하여 다종의 센서 융합을 통해 자세에 대한 신뢰성을 향상시키고자 한다.
제안 방법
관성 센서들을 사용하여 3차원 공간 속에서 신뢰성이 향상된 자세 추정에 초점을 두고 융합을 한다. 저가의 관성 센서는 결함 없이 제작되어지지만 센서의 바이어스, 잡음 등에 의해 출력이 불안정하다.
본 연구에서는 저가형 가속도 센서와 자이로센서를 사용하였으며, 이러한 다종 센서 데이터를 융합하고 칼만 필터링을 통하여 추정된 데이터를 활용하여 쿼드로터 자세의 신뢰성을 향상시켰다. 또한 연구 수행을 위하여 센서 측정 데이터를 시뮬레이션에 사용하여 제안한 알고리즘의 유효성을 검증하였고, 검증된 자세 추정 알고리즘을 적용한 쿼드로터 시스템을 짐벌에 장착하여 실험하였다. 본 논문에서는 칼만 필터를 이용한 다종센서의 바이어스(Bais) 오차 추정 및 데이터 융합을 시도하는 자세 추정 방법을 제안한다.
본 논문에서는 쿼드로터 자세제어를 위해 사용하고 있는 자이로 센서의 누적오차를 제어하기 위해 가속도 센서와의 센서 융합을 시도하였고, 다종 센서 융합 알고리즘을 통하여 실제 가속도센서와 자이로 센서 데이터를 융합하여 쿼드로터 시스템에 적용하여 보았다. 이를 통하여 자이로의 누적 오차뿐만 아니라 가속도 센서의 불확실한 자세 정보를 상호 보완하였다.
본 연구는 먼저 쿼드로터 동역학 및 쿼드로터 시스템에 구현한 PD제어기에 대한 설명을 하고, 다종 센서 데이터 융합과 칼만 필터에 대한 설명을 진행하였다. 마지막으로 센서 보정 및 시스템을 통해 출력 되어진 자세 정보에 대한 실험 결과에 대하여 설명하였다.
본 연구를 수행함에 있어 쿼드로터를 공중에 띄워서 실험하게 되면 쿼드로터 자세를 실측하기 힘들기 때문에 컴퓨터 시뮬레이션을 이용하여 실험의 유효성을 검증하였고, 또한 실제 쿼드로터 시스템에 시뮬레이션 결과를 안전하게 적용하기 위하여 Fig. 6에서 보이는 것과 같이 쿼드로터를 테스트 짐벌 위에 장착한 후 추가 실험을 수행하였다.
본 연구에서 활용되어진 상태전이행렬인 A는 오일러각의 변화율과 자이로 센서에 의한 쿼드로터의 각속도 값의 동역학적 관계식을 이용하며, 쿼터니언으로 변환을 시킨 후 이산화 하여 시스템 모델 행렬을 구할 수 있다. 측정 모델인 H행렬은 단위행렬이며, 측정 잡음 공분산인 R행렬과 공정 잡음 공분산인 Q행렬은 이론적으로 구하기는 어렵고 실제 데이터를 분석한 후 정의했다.
본 연구에서는 저가형 가속도 센서와 자이로센서를 사용하였으며, 이러한 다종 센서 데이터를 융합하고 칼만 필터링을 통하여 추정된 데이터를 활용하여 쿼드로터 자세의 신뢰성을 향상시켰다. 또한 연구 수행을 위하여 센서 측정 데이터를 시뮬레이션에 사용하여 제안한 알고리즘의 유효성을 검증하였고, 검증된 자세 추정 알고리즘을 적용한 쿼드로터 시스템을 짐벌에 장착하여 실험하였다.
본 논문에서는 쿼드로터 자세제어를 위해 사용하고 있는 자이로 센서의 누적오차를 제어하기 위해 가속도 센서와의 센서 융합을 시도하였고, 다종 센서 융합 알고리즘을 통하여 실제 가속도센서와 자이로 센서 데이터를 융합하여 쿼드로터 시스템에 적용하여 보았다. 이를 통하여 자이로의 누적 오차뿐만 아니라 가속도 센서의 불확실한 자세 정보를 상호 보완하였다.
쿼드로터를 모델링을 위해 기체 구조에 대한 기구학, 역학적인 측면에 대해 동역학 해석 및 좌표 변환을 실시하였으며 운동에너지 및 위치에너지를 분석하고 정의하였다.
쿼드로터는 일정한 각도를 한번 움직일 때 PD 제어기를 사용하여도 센서 잡음이 쿼드로터에 거의 영향을 끼치지 않는다. 하지만 쿼드로터의 다양한 운동과 갑작스러운 움직임이 생겼을 경우 센서의 영향이 제어기를 통과하여 쿼드로터에 어떤 영향을 주는지에 대한 실험 수행하였다.
대상 데이터
본 논문에서는 자이로 센서는 L3G4200D와 가속도 센서는 MMA7331L을 사용한다.
본 논문에서는 칼만 필터를 이용한 다종센서의 바이어스(Bais) 오차 추정 및 데이터 융합을 시도하는 자세 추정 방법을 제안한다. 실제 쿼드로터 시스템 제어는 구조가 간편하고 구현이 쉬운 PD 제어기를 사용하였다.
데이터처리
5에서와 같이 센서들의 바이어스 오차를 보정한 후 자이로 센서에서 추출된 Roll, Pitch 값이 가속도 센서를 통해 추출되어진 Roll, Pitch 값으로 보상 받고 있는 걸 볼 수 있다. 이러한 알고리즘을 통해 얻어진 쿼드로터의 추정 자세와 기존 자세의 신뢰성을 살펴보기 위해 표준편차와 분산 구하였다. 실험 환경은 쿼드로터가 지면에 수평을 유지한 상태로 30초 정도의 데이터를 이용하여 측정값의 최소값, 최대값과 센서 데이터의 표준편차, 분산을 Table 1에 나타낸다.
성능/효과
그러므로 프로세서에 무리를 주지 않을 뿐만 아니라 간편하면서 도정확한 자세를 추정 할 수가 있다. 가속도 센서를 통하여 쿼드로터의 자세인 Roll, Pitch를 도출해 낼 수가 있으며, 센서가 지표면과 수평 상태에서 일정 시간동안 데이터를 추출 후 평균을 내어 공장 초기 오차를 보상하였다. 자이로 센서에도 공장 초기 오차가 존재하기 때문에 가속도 센서와 같은 방법으로 오차를 보정한 후 Roll, Pitch, Yaw를 도출할 수 있으나 시간에 따른 적분을 하기 때문에 누적 오차가 증가한다.
11에서는 실제 데이터 융합 입력과 제안한 알고리즘을 사용한 센서 데이터 융합 입력 그리고 Reference 입력을 나타내고 있다. 그림에서 볼 수 있듯이, 실제 센서 데이터를 이용하는 것보다 제안한 알고리즘을 사용한 경우가 보다 응답속도가 빠른 것을 알 수 있었다. 그리고 목표값에 도달했을 때 실제 데이터보다 알고리즘을 통해 도출해낸 데이터가 잡음이 적었다.
제안한 다종 센서 융합의 성능 검증을 위하여 Matlab 시뮬레이션 및 짐벌 시스템을 활용한 실제 쿼드로터 시스템의 실험을 진행하였으며, 그 결과 다종 센서 데이터 융합을 통해 쿼드로터 자세 제어의 신뢰성 향상이 있었음을 실험적으로 확인할 수 있었다.
쿼드로터의 자세는 다각도로 변화를 줬을 경우에 잡음이 PD제어기와 쿼드로터 시스템을 통해서 나온 자세 각도에도 영향을 미치게 된다. 하지만 제안한 알고리즘을 이용한 센서 데이터의 입력값을 활용한 경우 잡음이 거의 없음을 알 수 있다.
후속연구
향후 이러한 연구를 통해 실제 쿼드로터의 GPS 및 Compass 등의 추가 센서 시스템을 통합적으로 융합하여 쿼드로터의 자세 제어 및 위치제어를 수행하여 향후 무인 쿼드로터의 자율 주행 및 자동 호버링 등에 활용하고자 한다.
질의응답
핵심어
질문
논문에서 추출한 답변
쿼드로터(Quad-rotor) 무인항공기가 어떤 산업에서 많은 관심을 받는가?
무인항공기 분야의 연구 경향 중 하나는 작은 사이즈의 수직 이착륙이 가능한 무인항공기를 개발하는 것이다. 그 중 쿼드로터(Quad-rotor) 무인항공기에 대한 많은 연구가 진행되고 있으며 개인 취미 활동뿐만 아니라 사람의 접근이 용이하지 않은 재해 환경 조사, 재난 구조 및 감시, 환경 분야 등 여러 산업 분야에서 많은 관심을 받고 있다.
무인 항공기의 장점은?
현재 무인항공기(Unmanded Aerial Vehicle, UAV) 시스템은 세계 유수의 대학 연구소 및 관련 산업체로부터 많은 관심을 받고 있다. (1) 무인 항공기는 유인 항공기에 비하여 상대적으로 크기가 작고 운용을 위한 비용 및 항공기 손실에 대한 위험 부담이 적다. 이러한 이점으로 인하여 현재 미국, 일본, 유럽 등 여러 나라에서 새로운 분야에 적용하고 있고 최신 전자 장비 및 각종 제어 알고리즘 적용을 위한 테스트 장비로써 적극 활용(2)되고 있다.
쿼드로터 시스템의 각각의 로터 역할은?
쿼드로터 시스템은 4개의 프로펠러로 구성되어 있고 수직이착륙과 호버링(Hovering)이 가능하여 공간적 제약이 적다는 장점을 가진다. 각각의 로터는 서로 대칭을 이루고 있어 균형을 잡기 쉽고반 토크를 상쇄하는 역할을 한다. 헬리콥터에 비해 스와즈 판(Swash plate)이 없어 기계적으로 간편한 구조를 가지며 수리가 간단하다.
참고문헌 (9)
Byeon, S. M., Lee, K. M. and Yoon, S. H., 2013, "An Autonomous Navigation Algorithm for Quadcopter Using Multiple Seonsors," Korean Engineering-Art Institute Journal, Vol. 5, No. 1.
Goel, R., Shah, S. M., Gupta, N. K. and Ananthkrishnan, N., 2009, "Modeling, Simulation and Flight Testing of an Autonomous Quadrotor," Proceedings of ICEAE 2009.
Salazar-Cruz, S. and Lozano, R., 2005 "Stabilization and Nonlinear Control for a Novel Trirotor Mini-aircarft," 2005 IEEE International Conference on Robotics and Automation, pp.2612-2617.
Kim, H., Jeong, S. H., Chong, K. T. and Lee, D. J., 2014, "Dynamic Modeling and Control Techniques for Multi-Rotor Flying Robots" Trans. Korean Soc. Mech. Eng. A, Vol. 38, No. 2, pp. 137-148.
Yun, H. J., Choi, H. Y. and Lee, J. S., 2014, "CFD-based Thrust Analysis of Unmanned Aerial Vehicle in Hover Mode : Effects of Single Rotor Blade Shape," Trans. Korean Soc. Mech. Eng, A, Vol. 38, No. 5, pp. 513-520.
Chowdhary, G. and Jategaonkar, R., 2006, "Aerodynamic Parameter Estimation rom Flight Data Applying Extended and Unscented Kalman Filter," DLR Institute for Flight System, Braunschweig, Germany, AIAA 2006-6146.
Wan, E. A. and van der Merwe, R., 2000, "The Unscented Kalman Filter for Nonlinear Estimation" IEEE Symposium 2000.
Abas, N., Legowo, A. and Akmeliawati, R., 2011, "Parameter Identification of and Autonomous Quadrotor," International Conference on Mechatronics (ICOM).
Lee, K. U., Yun, Y. H., Chang, W., Park, B. J. and Choi, H. Y., 2011, "Modeling and Controller Design of Quadrotor UAV," KIEESummer Conference 2011.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.