[논문]MIL-STD-1553B 통신에서 샘플링 기반 최적화 기법을 이용한 효율적 임무 자료 전송

이헌철; 김기표; 권용성

doi:10.9766/kimst.2018.21.3.370

문제 정의

자료 처리율이 높을수록 동일 시간 내에 전송할 수 있는 데이터의 양이 많아지지만, 메시지 개수가 과도하게 증가하게 되면 다음 전송 주기까지 유도제어장치에 전송된 데이터 처리의 미완료로 인한 임무 자료 손실이 발생할 수 있다. 따라서 본 논문에서는 다중메시지체인 및 더블버퍼링 기술이 적용된 MIL-STD-1553B 통신에서, 샘플링 기반 최적화(sampling-based optimization) 기법들을 이용하여 다중메시지체인을 구성하는 최적 메시지의 개수와 최적 전송 주기를 계산할 수 있는 방법을 제안한다.
다만, 본 연구와 같이 최적화 대상의 모델이 비선형인 경우, 즉 제약조건(constraint) 수식들이 비선형인 경우에는 편미분 수식을 유도하기 힘들기 때문에 전통적인 최적화 기법들은 적용하기 힘들다. 따라서 본 논문에서는 샘플링 기반 최적화 기법을 이용하여 임무 자료 전송의 신뢰성을 유지함과 동시에 자료 처리율을 최대화할 수 있는 버스 제어기 구성, 즉 T_BC와 N_BC를 찾고자 한다. 우리는 이와 관련한 연구를 수행한 바 있지만^[7], 최적화 대상 모델을 보완하고 최적화 기법을 보다 면밀하게 검토함으로써 확장 연구를 수행하였다.
하지만, 그들의 연구에서는 버스 제어기에서 MMC를 구성할 때 사용되는 메시지의 개수와 MMC의 전송 주기를 경험적(heuristic) 방법을 이용하여 결정했다. 본 논문에서는 MIL-STD-1553B 통신 시스템에서 MMC와 더블 버퍼를 사용함에 있어서, MMC를 구성하는 최적 메시지 개수와 최적 전송 주기를 찾을 수 있는 방법을 제안하고자 한다.
본 논문에서는 이 문제를 최적화 관점에서 접근함으로써 해결하고자 한다. 다양한 최적화 기법들이 있고 각자 장단점을 가지고 있다.
본 논문은 다중메시지체인 및 더블버퍼링 기술이 적용된 MIL-STD-1553B 통신에서 효율적 임무 자료 전송을 위한 샘플링 기반 최적화 기법 적용 방법을 제안하였다. 제안된 방법을 통해 버스 제어기를 구성하는 최적 메시지 개수와 최적 전송 주기를 획득할 수 있었다.
본 연구에서는 다중메시지체인 및 더블버퍼링 기술이 적용된 MIL-STD-1553B 통신에서, 다중메시지체인을 구성하는 메시지의 개수와 전송 주기에 주목한다. 메시지의 개수와 전송 주기의 비율은 자료 처리율(data throughput)을 결정하게 된다.

가설 설정

두 번째, 각 입자는 이동 경로를 기억하기 위한 메모리를 갖고 있다. 세 번째, 모든 입자들은 속도와 위치 정보를 공유한다. 마지막으로, 각 입자는 반복적인 이동을 통해 최적화 대상으로 수렴한다.

제안 방법

25msg/ms였다. MCO에 의해 획득된 버스 제어기 구성이 실제 최적값인지 검증하기 위해, 전체 샘플링 영역에 대한 전수 조사를 수행하였고 동일한 결과를 확인할 수 있었다. 따라서 본 연구에 적용된 MCO가 성공적으로 수행되었음을 알 수 있다.
MCO의 성능을 보다 자세히 검증하기 위해, 샘플의 개수를 변화시켜 가면서 MCO를 수행하였고, 그 결과는 Fig. 6과 같다. 샘플 개수가 50개 및 100개일 때는MCO가 최적값을 찾지 못함에 따라 자료 처리율이 각각 1 msg/ms와 1.
PSO의 성능을 보다 자세히 검증하기 위해, 입자의 개수를 변화시켜 가면서 PSO를 수행하였고, 그 결과는 Fig. 8과 같다. 입자의 개수가 50개일 때는 자료처리율이 1.
목적함수의 값이 높아질수록 모델의 최적값에 가까워지게 된다. 계산된 목적함수의 값을 이용하여 대응되는 샘플링 영역의 셀(cell)을 갱신한다.
먼저 샘플 개수(N_sample)를 설정하고, 샘플링 영역(domain)은 가능한 N_BC 및 T_BC 범위로 설정한다. 그리고 본 시스템의 특성을 고려하여 균일 분포(uniform distribution)를 따라 샘플링을 수행한다.
에서 무작위로 추출된다. 그리고 시스템의 특성을 고려하여 앞에서 유도된 수식 (6)과 수식 (7)을 이용하여, MCO를 위한 목적함수를 다음과 같이 설계하였다.
이 과정에서 제안된 방법에 사용된 각종 변수들에 따른 성능을 자세하게 평가하고 검증했다. 그리고 최종적으로 획득된 최적 N_BC 및 T_BC를 Fig. 1과 같은 실제 MIL-STD-1553B 통신 시스템에 적용하였다. 이 과정에서 제안된 방법에 의해 획득된 NBC 및 TBC가 아닌 버스 제어기(BC) 구성값들도 적용하고 자료 처리율을 비교함으로써, 제안된 방법의 성능을 검증하였다.
먼저, 대상 시스템에서 최적화 결과가 나타날 수 있는 전체 공간으로부터 임의로 샘플을 추출한다. 그리고 추출된 샘플을 시스템 목적함수 또는 비용함수에 대입시켜 평가한다. 적절한 평가 결과를 갖는 샘플이 나올 때까지 위의 과정을 반복하다가 수렴조건에 도달하게 되면 반복을 멈추고 최종 결과로부터 최적해를 획득하게 된다.
를 각각 10 msg와 8 ms로 실제 MIL-STD-1553B 통신 시스템의 버스 제어기에 적용하였다. 또한 성능 검증을 위해 다른 버스 제어기 구성도 적용해보았다. 본 연구에서 사용된 MIL-STD-1553B 통신 시스템에서, 버스 제어기는 Windows의 실시간 확장 패키지를 적용한 워크스테이션이 사용되었고, 총 6632개의 메시지로 구성된 임무 자료를 NBC개 메시지로 구성된 MMC 단위로 T_BC마다 원격 단말기 역할을 하는 유도제어장치로 전송한다.
먼저 원격 단말기에서 수신한 MMC에 대한 응답 메시지를 응답 버퍼에 쓰기 위한 시간(T_RW)부터 분석한다. 응답 버퍼에 쓰는 태스크보다 MMC 수신과 관련된 태스크의 우선순위가 높기 때문에, T_RW는 MMC 수신 측면에서 나누어서 생각해야 한다.
샘플링 기반 최적화 기법은 일반적으로 다음과 같이 수행된다. 먼저, 대상 시스템에서 최적화 결과가 나타날 수 있는 전체 공간으로부터 임의로 샘플을 추출한다. 그리고 추출된 샘플을 시스템 목적함수 또는 비용함수에 대입시켜 평가한다.
유도제어장치는 VxWorks 기반 프로그램을 이용하여 임무 자료를 실시간으로 수신 및 처리한다. 버스 라인 상의 모든 자료는 별도의 모니터링 컴퓨터를 이용하여 관찰하면서 저장하였다.
이 결과를 통해 입자들이 특정 지점으로 수렴했음을 알 수 있다. 본 연구에서는 시스템 특성을 고려하여 N_BC 및 T_BC를 정수로 가정했기 때문에, 최종 전역 최적위치를 반올림한 값을 최적치로 사용했다. 즉, PSO 수행 결과 N_BC 및 T_BC는 MCO 수행 결과 및 전수 조사 결과와 마찬가지로 각각 10개와 8 ms였고, 최대 자료 처리율은 1.
본 장에서는 먼저 다중메시지체인 및 더블버퍼링 기술이 적용된 MIL-STD-1553B 기반 임무 자료 전송 모델을 설명한 후, 효율성을 높이기 위한 최적화 문제를 다룬다.
샘플링 기반 최적화 기법 적용을 위해 위에서 설정된 두 제약조건들을 이용하여 목적함수를 설계한다. 실제 시스템에 존재할 수 있는 불확실성을 고려하여, T_BC와 N_BC를 나타내는 n번째 샘플, [x_n, y_n] 에 대해 수식 (4)와 수식 (5)를 다음과 같이 다시 쓴다.
앞에서 획득한 버스 제어기의 최적 구성, 즉 N_BC 및 T_BC를 각각 10 msg와 8 ms로 실제 MIL-STD-1553B 통신 시스템의 버스 제어기에 적용하였다. 또한 성능 검증을 위해 다른 버스 제어기 구성도 적용해보았다.
따라서 본 논문에서는 샘플링 기반 최적화 기법을 이용하여 임무 자료 전송의 신뢰성을 유지함과 동시에 자료 처리율을 최대화할 수 있는 버스 제어기 구성, 즉 T_BC와 N_BC를 찾고자 한다. 우리는 이와 관련한 연구를 수행한 바 있지만^[7], 최적화 대상 모델을 보완하고 최적화 기법을 보다 면밀하게 검토함으로써 확장 연구를 수행하였다.
먼저 제안된 방법을 별도의 시뮬레이션 환경에서 반복적으로 수행했다. 이 과정에서 제안된 방법에 사용된 각종 변수들에 따른 성능을 자세하게 평가하고 검증했다. 그리고 최종적으로 획득된 최적 N_BC 및 T_BC를 Fig.

대상 데이터

MCO는 300회의 샘플링을 수행하였고, PSO는 300개의 입자를 사용하였다. 전반적으로 MCO와 PSO 모두 전수 조사 결과와 거의 동일한 결과를 나타내었으나, MCO의 경우 설계 여유가 0.
또한 성능 검증을 위해 다른 버스 제어기 구성도 적용해보았다. 본 연구에서 사용된 MIL-STD-1553B 통신 시스템에서, 버스 제어기는 Windows의 실시간 확장 패키지를 적용한 워크스테이션이 사용되었고, 총 6632개의 메시지로 구성된 임무 자료를 NBC개 메시지로 구성된 MMC 단위로 T_BC마다 원격 단말기 역할을 하는 유도제어장치로 전송한다. 유도제어장치는 VxWorks 기반 프로그램을 이용하여 임무 자료를 실시간으로 수신 및 처리한다.

데이터처리

1과 같은 실제 MIL-STD-1553B 통신 시스템에 적용하였다. 이 과정에서 제안된 방법에 의해 획득된 NBC 및 TBC가 아닌 버스 제어기(BC) 구성값들도 적용하고 자료 처리율을 비교함으로써, 제안된 방법의 성능을 검증하였다.

이론/모형

본 장에서는 먼저 시스템 제약조건들을 유도한다. 그 다음에, 대표적인 샘플링 기반 최적화 기법들인, MCO(Monte-Carlo Optimization) 기법과 PSO(Particle Swarm Optimization) 기법을 적용하는 방법을 기술한다.

성능/효과

등은 버스 제어기에서 SMC를 사용했을 때와 MMC를 사용했을 때, 그리고 원격 단말기에서 단일버퍼를 사용했을 때와 더블 버퍼를 사용했을 때의 자료 처리율을 비교 및 분석하였다. 그들의 결과에서는 MMC와 더블 버퍼를 사용했을 때 가장 높은 자료 처리율을 보였다. 하지만, 그들의 연구에서는 버스 제어기에서 MMC를 구성할 때 사용되는 메시지의 개수와 MMC의 전송 주기를 경험적(heuristic) 방법을 이용하여 결정했다.
입자의 개수는 수렴 속도에 크게 영향을 주지 않았다. 긴축 계수가 높을수록 입자의 속도를 적게 제한하기 때문에 높을수록 수렴 속도가 빨라질 것으로 예상되었으나, 특정 값을 넘게 되면 오히려 수렴 속도가 느려짐을 확인할 수 있었다. 따라서 PSO를 적용할 때에는 적절한 긴축 계수를 설정하는 것이 중요함을 알 수 있었다.
MCO에 의해 획득된 버스 제어기 구성이 실제 최적값인지 검증하기 위해, 전체 샘플링 영역에 대한 전수 조사를 수행하였고 동일한 결과를 확인할 수 있었다. 따라서 본 연구에 적용된 MCO가 성공적으로 수행되었음을 알 수 있다.
25 msg/ms였다. 따라서 본 연구에 적용된 PSO가 성공적으로 수행되었음을 알 수 있다.
이는 본 논문에서 제안된 방법에서 획득한 결과와 동일하다. 따라서 제안된 방법은 성공적으로 동작했음이 검증되었다.
제안된 방법의 성능은 다양한 변수 및 시스템 요구사항에 따라 면밀하게 분석 및 평가되었다. 또한, 제안된 방법에 의해 획득된 결과가 실제 실시간시스템에서도 최적 자료 처리율을 보장함을 통해 그 성능이 검증되었다.
MCO는 300회의 샘플링을 수행하였고, PSO는 300개의 입자를 사용하였다. 전반적으로 MCO와 PSO 모두 전수 조사 결과와 거의 동일한 결과를 나타내었으나, MCO의 경우 설계 여유가 0.3, 0.4, 0.7인 경우에는 전수 조사 결과와 조금 다른 결과를 나타내었고, PSO의 경우 설계 여유가 0.1인 경우에는 전수 조사 결과와 조금 다른 결과를 나타내었다. 두 기법들 간 엄밀한 성능 비교는 쉽지 않지만, 동일한 개수의 샘플 및 입자를 사용하는 경우, 일반적으로 PSO가 조금 더 높은 정확도를 나타내었다.
이는 버스 제어기가 과도하게 빠른 주기로 임무 자료를 전송함에 따라 자료가 있는 유도제어장치의 버퍼에 덮어씀으로 인해자료가 손실되었기 때문이다. 전송실패 없이 가장 효율적으로 임무 자료를 전송한 버스 제어기 구성은 N_BC 및 T_BC가 각각 10 msg와 8 ms일 때였다. 이는 본 논문에서 제안된 방법에서 획득한 결과와 동일하다.
본 논문은 다중메시지체인 및 더블버퍼링 기술이 적용된 MIL-STD-1553B 통신에서 효율적 임무 자료 전송을 위한 샘플링 기반 최적화 기법 적용 방법을 제안하였다. 제안된 방법을 통해 버스 제어기를 구성하는 최적 메시지 개수와 최적 전송 주기를 획득할 수 있었다. 제안된 방법의 성능은 다양한 변수 및 시스템 요구사항에 따라 면밀하게 분석 및 평가되었다.
제안된 방법을 통해 버스 제어기를 구성하는 최적 메시지 개수와 최적 전송 주기를 획득할 수 있었다. 제안된 방법의 성능은 다양한 변수 및 시스템 요구사항에 따라 면밀하게 분석 및 평가되었다. 또한, 제안된 방법에 의해 획득된 결과가 실제 실시간시스템에서도 최적 자료 처리율을 보장함을 통해 그 성능이 검증되었다.
본 연구에서는 시스템 특성을 고려하여 N_BC 및 T_BC를 정수로 가정했기 때문에, 최종 전역 최적위치를 반올림한 값을 최적치로 사용했다. 즉, PSO 수행 결과 N_BC 및 T_BC는 MCO 수행 결과 및 전수 조사 결과와 마찬가지로 각각 10개와 8 ms였고, 최대 자료 처리율은 1.25 msg/ms였다. 따라서 본 연구에 적용된 PSO가 성공적으로 수행되었음을 알 수 있다.
5와 같다. 최대 목적함수를 나타내는 버스 제어기 구성, N_BC 및 T_BC는 각각 10개와 8 ms였고, 최대 자료 처리율은 1.25msg/ms였다. MCO에 의해 획득된 버스 제어기 구성이 실제 최적값인지 검증하기 위해, 전체 샘플링 영역에 대한 전수 조사를 수행하였고 동일한 결과를 확인할 수 있었다.

핵심어	질문	논문에서 추출한 답변
	MIL-STD-1553B 통신 시스템은 무엇인가?	MIL-STD-1553B 통신 시스템은 워드(word) 또는 메시지(message) 형식의 자료를 송수신하는 직렬(serial)버스 시스템이다. 하나의 워드는 3개의 동기(sync) 비트(bit), 16개의 자료 또는 명령 및 상태 비트, 그리고 1개의 패리티(parity) 비트로 구성되어 있다.
	유도 무기 시스템에서 임무 자료는 어떠한 전송과정을 거치는가?	유도무기 시스템의 경우, 임무 자료(mission data)는 Fig. 1과 같이 일반적으로 발사 전에 버스 제어기(Bus Controller, BC) 역할을수행하는 임무 전송 장비(mission data transmission device)로부터 원격 단말기 역할(Remote Terminal, RT)을 수행하는 유도제어장치(Guidance Control Unit, GCU)로 전송된다.
	PSO 기법을 MCO기법과 비교하시오.	PSO는 군집 지능 관점에서 개발된 샘플링 기반 최적화 기법이다[8]. 설정된 영역으로부터 샘플링을 하는 과정은 MCO와 유사하지만, 추출된 샘플을 샘플링 영역 내에서 반복적으로 이동시키며 보다 적극적으로 최적 지점을 찾아 간다는 점에서 MCO와 다르다. PSO는 비교적 구현이 간단하면서도 좋은 성능을 보여 왔기 때문에, 다양한 분야에 적용되어 왔다.

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

MIL-STD-1553B 통신에서 샘플링 기반 최적화 기법을 이용한 효율적 임무 자료 전송
Efficient Mission Data Transmission with Sampling-Based Optimization in MIL-STD-1553B 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

질의응답

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

MIL-STD-1553B 통신에서 샘플링 기반 최적화 기법을 이용한 효율적 임무 자료 전송 Efficient Mission Data Transmission with Sampling-Based Optimization in MIL-STD-1553B 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

질의응답

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

이헌철 (2) 김기표 (8) 권용성 (2)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

MIL-STD-1553B 통신에서 샘플링 기반 최적화 기법을 이용한 효율적 임무 자료 전송
Efficient Mission Data Transmission with Sampling-Based Optimization in MIL-STD-1553B 원문보기

AI 본문요약
AI-Helper