선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 기존의 자율비행법칙을 이용하여 무인항공기가 표적을 탐지하고 표적의 종류를 판별하는 알고리즘과 여러 가지 비행조건을 비교함으로써 가능한 효율적인 비행운영조건을 도출하기 위한 비행시뮬레이션을 제시하였다.
- 본 시뮬레이션은 임의의 임무 지역에서 적의 다양한 표적 타입의 정보를 효과적이고 효율적으로 획득하기 위한 무인항공기의 운용 조건을 도출하는데 있다.
제안 방법
- 비행체의 수와 비행고도는 Table 7과 같이 비행체 수 12, 16, 20대 각각에 대해 비행고도를 300, 500, 1000ft로 가변하면서 시뮬레이션을 수행하였다. 각각의 시뮬레이션 조건별로 50회의 반복 시험을 수행하였고, 배터리 용량에 따른 시뮬레이션 시간동안에 비행체의 Hit, Nearmiss 수, 진짜표적탐색율(Real Target Coverage) 그리고 진짜 표적에 대한 판별오류 정도(False Target Declaration/Real Target Covered) 를 확인하였다.
- 다수의 무인기가 표적 인근에서 군집비행을 할 경우 서로 충돌하여 추락할 수도 있고 충돌하지는 않지만 서로간의 거리가 매우 가까워 충돌위험이 발생 할 수 있다. 따라서 비행의 안정성을 평가하기 위한 충돌과 충돌위험의 발생 횟수를 모니터링 할 수 있도록 시뮬레이션을 구현하였다. 시뮬레이션에서 충돌은 Hit로, 충돌위험은 Nearmiss로 명명하였다.
- 무인항공기에 장착된 영상카메라는 고도가 증가함에 따라 지상으로부터의 거리는 증가하여 지상에 대한 해상도는 지수함수적으로 떨어지므로 자율표적인지 기능에 따른 표적 타입에 대한 판별능력은 떨어지며, 때로는 가짜 표적을 진짜 표적으로 또는 진짜 표적을 가짜 표적으로 오인하는 경우를 고려하여 임의로 표적 판별 능력을 Tables 4, 5, 6과 같이 혼돈행렬로 구성하였다. 이는 영상카메라를 포함한 자율표적인지 시스템의 실제 성능에 따라 결정될 사항이지만 여러 가지 가변 요소에 따라 달라지는 판별능력의 특성을 고려하면 그 값을 특정할 수가 없으므로 이 시뮬레이션에서는 임의의 판별능력을 설정하였다.
- 표적의 각 타입 별로는 T1 6개, T2 6개, False 4개로 진짜 표적은 총 12개이고 가짜 표적은 4개로 설정하였다. 비행체의 수와 비행고도는 Table 7과 같이 비행체 수 12, 16, 20대 각각에 대해 비행고도를 300, 500, 1000ft로 가변하면서 시뮬레이션을 수행하였다. 각각의 시뮬레이션 조건별로 50회의 반복 시험을 수행하였고, 배터리 용량에 따른 시뮬레이션 시간동안에 비행체의 Hit, Nearmiss 수, 진짜표적탐색율(Real Target Coverage) 그리고 진짜 표적에 대한 판별오류 정도(False Target Declaration/Real Target Covered) 를 확인하였다.
- “Main”이라는 이름의 시뮬레이션 제어함수는 시뮬레이션을 위한 원타임 스텝(one time step)을 대표하는 일련의 이벤트를 반복적으로 발생시켜 전체 시뮬레이션이 작동할 수 있도록 통제한다. 시뮬레이션에서 각 무인항공기는 자신의 현재 위치, 속도, 선회율(Turn Rate), 포메이션(Formation) 그리고 배터리 상태 등의 정보를 포함하고 통신범위 이내의 다른 비행체와 자신의 정보를 공유한다. 이러한 정보를 바탕으로 각 비행체는 가중치가 적용된 비행법칙에 따라 다음 타임 스텝에서 요구되는 위치로의 벡터를 계산하고 그 지점으로 도달하기 위한 가속도를 즉각 적용한다.
- 실제 비행을 최대한 모사하기 위하여 여러 가지 오차를 시뮬레이션에 적용하였다. 즉, 비행체의 위치 오차, Heading 각도 오차, GPS 오차에 의한 표적 위치정보 오차가 적용되었다.
- 무인항공기에 장착된 영상카메라는 고도가 증가함에 따라 지상으로부터의 거리는 증가하여 지상에 대한 해상도는 지수함수적으로 떨어지므로 자율표적인지 기능에 따른 표적 타입에 대한 판별능력은 떨어지며, 때로는 가짜 표적을 진짜 표적으로 또는 진짜 표적을 가짜 표적으로 오인하는 경우를 고려하여 임의로 표적 판별 능력을 Tables 4, 5, 6과 같이 혼돈행렬로 구성하였다. 이는 영상카메라를 포함한 자율표적인지 시스템의 실제 성능에 따라 결정될 사항이지만 여러 가지 가변 요소에 따라 달라지는 판별능력의 특성을 고려하면 그 값을 특정할 수가 없으므로 이 시뮬레이션에서는 임의의 판별능력을 설정하였다.
- 시뮬레이션에서 각 무인항공기는 자신의 현재 위치, 속도, 선회율(Turn Rate), 포메이션(Formation) 그리고 배터리 상태 등의 정보를 포함하고 통신범위 이내의 다른 비행체와 자신의 정보를 공유한다. 이러한 정보를 바탕으로 각 비행체는 가중치가 적용된 비행법칙에 따라 다음 타임 스텝에서 요구되는 위치로의 벡터를 계산하고 그 지점으로 도달하기 위한 가속도를 즉각 적용한다.
- 플로킹 이론을 바탕으로 한 무인항공기 자율비행 시뮬레이션을 활용하여 임의의 표적 수에 따른 비행체 수 및 고도 등 특정 비행 조건하에서 비행체의 충돌을 최소화 하면서 목표지역 내에서의 표적 탐색 임무를 얼마나 효율적으로 수행할 수 있는 지를 분 석해 보았다. 본 시뮬레이션은 다수 무인항공기의 정찰임무 수행을 위한 가용한 자원 내에서 가장 효율적이고 효과적인 자원 운용의 솔루션을 제공할 수 있을 것으로 판단된다.
대상 데이터
- 따라서 비행의 안정성을 평가하기 위한 충돌과 충돌위험의 발생 횟수를 모니터링 할 수 있도록 시뮬레이션을 구현하였다. 시뮬레이션에서 충돌은 Hit로, 충돌위험은 Nearmiss로 명명하였다. Hit의 조건은 가장 가까운 두 대의 무인항공기의 중심간 거리가 비행체의 날개길이(Wingspan)보다 가까울 경우 Hit로 정의했으며, Nearmiss의 조건은 두 대의 무인항공기의 중심간 거리가 비행체의 Wingspan의 1~3배 거리에 있는 경우로 설정하였다.
- 전체 표적 수를 임의로 16개로 설정하였다. 표적의 각 타입 별로는 T1 6개, T2 6개, False 4개로 진짜 표적은 총 12개이고 가짜 표적은 4개로 설정하였다. 비행체의 수와 비행고도는 Table 7과 같이 비행체 수 12, 16, 20대 각각에 대해 비행고도를 300, 500, 1000ft로 가변하면서 시뮬레이션을 수행하였다.
데이터처리
- 시뮬레이션 결과는 각 시뮬레이션 조건별로 50회의 반복 시험을 수행한 결과를 평균과 95% 신뢰도 구간을 적용하여 그래프에 표현하였다. 확인 결과 Fig.
이론/모형
- 시뮬레이션은 매트랩(Matlab) 프로그래밍 언어로 개발되었다. 소스코드에는 무인기 대수, 타입별 표적의 수, 비행고도, 비행법칙의 가중치, 타임스텝(time step)의 길이와 같이 거의 모든 시뮬레이션 파라메타들이 초기화되는 형상(Configuration) 함수를 포함한 다.
- 플로킹 이론을 응용하여 무인항공기가 목표지역에서 임의의 목표물을 탐색하기 위한 자율비행법칙을 적용하였다. 자율비행법칙은 플로킹의 4가지 집단행 동을 포함한 총 10개의 법칙(Rule)으로 구성하였고 10개의 비행법칙은 각각의 제어벡터를 생성한 후 각각의 제어벡터를 합함으로써 하나의 비행벡터를 형성한다[5].
성능/효과
- Figure 10에서는 비행체의 수가 증가할수록 또는 비행고도가 높을수록 진짜표적 탐색율이 유의하게 증가함을 알 수 있다. 또한 300ft 고도에서는 무인기 대수 증가에 비례하여 진짜 표적 탐색율이 증가하였으나, 500ft 및 1,000ft 고도에서는 무인기가 12대에서 16 대로 증가하였을 때보다 16대에서 20대로 증가하였을 경우 진짜표적 탐색율의 증가율이 감소한 것을 알 수 있다. 마찬가지로 한정된 임무영역 내에서 무인기 수가 어느 수준에 도달하면 진짜표적 탐색율이 감소할 수 있음을 의미한다.
- 시뮬레이션 결과는 각 시뮬레이션 조건별로 50회의 반복 시험을 수행한 결과를 평균과 95% 신뢰도 구간을 적용하여 그래프에 표현하였다. 확인 결과 Fig. 8과 Fig. 9와 같이 비행체의 수가 증가할수록 평균 Hit 수와 Nearmiss 수가 증가하였고, 비행고도가 높을수록 영상카메라의 조사범위가 넓어져 표적이나 웨이포인트에서의 선회비행 반경이 길어져 Hit와 Nearmiss는 감소하는 경향이 보였다. 그러나 무인기가 12대에서 16대로 증가하였을 때보다 16대에서 20대로 증가하였을 경우 500ft 고도에서는 Hit 수가 대폭 증가하였고 1,000ft 고도에서는 Nearmiss 수가 대폭 증가한 점은 한정된 임무영역 내에서 무인기 수가 어느 수준 이상으로 증가하면 충돌의 위험성이 급격히 커질 수 있음을 의미한다.
후속연구
- 본 시뮬레이션은 다수 무인항공기의 정찰임무 수행을 위한 가용한 자원 내에서 가장 효율적이고 효과적인 자원 운용의 솔루션을 제공할 수 있을 것으로 판단된다. 다만, 본 논문에서 제시한 시뮬레이션은 이미 알고 있는 고정된 장애물과 군집 내의 무인항공기에 대한 충돌회피 기능만 고려가 되었으며 임의의 이동 장애물에 대한 충돌회피 기능은 고려되지 않은 한계점이 있으므로 그에 대한 추가 연구가 필요할 것으로 고려된다.
- 따라서 비행체 수가 많을수록 또는 비행고도가 높을수록 진짜 표적에 대한 탐색율은 증가하지만 비행체가 많아지면 충돌가능성이 높아지고 고도가 높으면 표적 판별력이 떨어진다. 대신에 고도가 높으면 충돌가능성도 감소하므로 실제 무인항공기 운영 시 충돌가능성과 표적 판별력을 상호 고려한 고도설정이 필요할 것으로 판단된다.
- 플로킹 이론을 바탕으로 한 무인항공기 자율비행 시뮬레이션을 활용하여 임의의 표적 수에 따른 비행체 수 및 고도 등 특정 비행 조건하에서 비행체의 충돌을 최소화 하면서 목표지역 내에서의 표적 탐색 임무를 얼마나 효율적으로 수행할 수 있는 지를 분 석해 보았다. 본 시뮬레이션은 다수 무인항공기의 정찰임무 수행을 위한 가용한 자원 내에서 가장 효율적이고 효과적인 자원 운용의 솔루션을 제공할 수 있을 것으로 판단된다. 다만, 본 논문에서 제시한 시뮬레이션은 이미 알고 있는 고정된 장애물과 군집 내의 무인항공기에 대한 충돌회피 기능만 고려가 되었으며 임의의 이동 장애물에 대한 충돌회피 기능은 고려되지 않은 한계점이 있으므로 그에 대한 추가 연구가 필요할 것으로 고려된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.