이산 사건 모델링 및 시뮬레이션 기반의 다수 무인기 임무 할당 및 최적화 기법 Multi-UAV Mission Allocation and Optimization Technique Based on Discrete-Event Modeling and Simulation원문보기
이동호
(Aerospace Technology Research Institute, Agency for Defense Development)
,
장환철
(Aerospace Technology Research Institute, Agency for Defense Development)
,
김상환
(Aerospace Technology Research Institute, Agency for Defense Development)
,
장우혁
(Aerospace Technology Research Institute, Agency for Defense Development)
본 연구는 복잡한 다수 무인기 시스템을 효율적으로 운용하기 위해 이산 사건 모델 기반의 다수 무인기 이종 임무 할당 기법을 제안한다. 이종 임무의 생성, 임무 할당, 무인기 출동, 임무 수행, 무인기 수리 및 정비에 이르는 무인기의 임무 시작에서 종료까지 일련의 과정을 이산 사건 모델링을 통해 수학적으로 정의하고, 이를 기반으로 주어진 임무 상황에서 필요한 최적 무인기 대수를 도출한다. 도출된 최적 무인기 대수를 적용하여 이산 사건 모델 기반의 반복 시뮬레이션을 통해 그 결과를 검증한다. 제안된 이종 임무 할당 기법으로 운용자는 제한된 무인기 자원을 효율적으로 활용하여 주어진 임무 상황에서 최적의 임무 계획을 수립할 수 있다.
본 연구는 복잡한 다수 무인기 시스템을 효율적으로 운용하기 위해 이산 사건 모델 기반의 다수 무인기 이종 임무 할당 기법을 제안한다. 이종 임무의 생성, 임무 할당, 무인기 출동, 임무 수행, 무인기 수리 및 정비에 이르는 무인기의 임무 시작에서 종료까지 일련의 과정을 이산 사건 모델링을 통해 수학적으로 정의하고, 이를 기반으로 주어진 임무 상황에서 필요한 최적 무인기 대수를 도출한다. 도출된 최적 무인기 대수를 적용하여 이산 사건 모델 기반의 반복 시뮬레이션을 통해 그 결과를 검증한다. 제안된 이종 임무 할당 기법으로 운용자는 제한된 무인기 자원을 효율적으로 활용하여 주어진 임무 상황에서 최적의 임무 계획을 수립할 수 있다.
In this paper, we propose a heterogenous mission allocation technique for multi-UAV system based on discrete event modeling. We model a series of heterogenous mission creation, mission allocation, UAV departure, mission completion, and UAV maintenance and repair process as a mathematical discrete ev...
In this paper, we propose a heterogenous mission allocation technique for multi-UAV system based on discrete event modeling. We model a series of heterogenous mission creation, mission allocation, UAV departure, mission completion, and UAV maintenance and repair process as a mathematical discrete event model. Based on the proposed model, we then optimize the number of UAVs required to operate in a given scenario. To validate the optimized number of UAVs, the simulations are executed repeatedly, and their results are analyzed. The proposed mission allocation technique can be used to efficiently utilize limited UAV resources, and allow the human operator to establish an optimal mission plan.
In this paper, we propose a heterogenous mission allocation technique for multi-UAV system based on discrete event modeling. We model a series of heterogenous mission creation, mission allocation, UAV departure, mission completion, and UAV maintenance and repair process as a mathematical discrete event model. Based on the proposed model, we then optimize the number of UAVs required to operate in a given scenario. To validate the optimized number of UAVs, the simulations are executed repeatedly, and their results are analyzed. The proposed mission allocation technique can be used to efficiently utilize limited UAV resources, and allow the human operator to establish an optimal mission plan.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 감시 임무와 정찰 임무로 구성된 이종 임무를 수행하는 다수 무인기의 임무 할당 기법을 제안하였다. 개발된 이산 사건 모델을 기반으로 주어진 상황에서 필요한 최적 무인기 대수를 도출하였으며, 도출된 최적 무인기 대수를 이산 사건 모델에 입력하여 시뮬레이션을 반복 실행함으로써 그 결과를 검증하였다.
만약 가용한 자원이 없을 경우, 개체는 자원을 점유하기 위해 대기열(Queue)이라는 공간에서 기다린다. 본 연구는 시뮬레이션 중 대기열에서 기다리는 임무의 평균 대기시간 등을 측정하여 다수 무인기 임무 할당 시스템에 대한 성능을 분석하였다.
본 연구는 이와 같이 시간의 흐름에 따라 임무가 동적으로 생성되는 상황에서 임무를 효율적으로 무인기에게 할당하기 위해, 이산 사건 모델 기반의 임무 할당 기법을 제안한다. 이산 사건 모델에 기반한 다수 무인기의 임무 계획 및 임무 할당과 관련된 기존연구로서, Park 등[6]은 ARENA 기반의 복수 무인기 운용을 위한 복수 임무 모델을 제안하였고 이를 통해 이종 무인기의 임무 할당과 선택 전략이 임무성공률을 비롯한 시스템 성능에 끼치는 영향을 분석하였다.
본 연구에서는 보다 효율적인 최적해 탐색을 위해, 무인기 대수의 증감값 설정 및 이에 따른 시뮬레이션 반복 과정을 자동으로 진행하는 ARENA의 OptQuest를 활용하여 최적 무인기 대수를 도출하였다.
반면에 무인기를 필요 이상으로 운용하게 된다면 이는 자원의 낭비가 된다. 본 연구에서는 사전 임무 계획 단계에서 이러한 무인기 자원을 효율적으로 활용하기 위한 임무 할당 문제를 다루며, 특히 이산 사건 모델링 및 시뮬레이션 도구인 ARENA Simulation[3]을 활용하여 각 단계 간의 흐름을 표현하고 다양한 상황에 대한 시뮬레이션을 수행하여 그 결과를 분석하였다.
Dietrich 등[7]은 무인기 정비(Maintenance)전략이 다수 무인기 운용 시스템에 끼치는 영향을 분석하기 위한 OMNeT++ 기반 시뮬레이션 모델을 제안하였다. 본 연구에서는 정찰(Reconnaissance) 임무와 감시(Surveillance) 임무로 구성된 이종 임무에 대해 이산 사건 모델 기반의 다수 무인기 임무 할당 방법을 제안하고, 주어진 임무 상황에서 필요한 최적 무인기 대수를 도출하였다. 이를 통해 운용자는 제한된 무인기 자원을 효율적으로 관리하게 되며, 임무 할당 과정을 자동화함으로써 운용자의 업무 부담을 경감하게 된다.
운용 중인 무인기 가운데 본 임무가 끝난 무인기는 먼저 지상 관제소에 보고를 한다. 지상 관제소는 그 시점에서 임무 대기 열에 신규 임무가 존재하는지 확인한다. 만약 임무 대기열이 비어있다면 무인기는 지상 관제소로 복귀한다.
가설 설정
정찰은 작전에 필요한 정보를 획득하기 위해 지형이나 정세를 살피는 것을 의미한다. 본 연구는 정찰 임무가 임의의 시점에서 확률적으로 발생하는 동적 상황을 가정한다. 반면에 감시 임무는 임무 계획에 의해 사전에 정해진 특정 지점을 지속적으로 관찰하는 것이다.
임무 계획에 의해 위치가 미리 결정된 감시 임무와는 다르게 정찰 임무는 임의의 시점에 Fig. 1과 같이 임무 시작점을 중심으로 한 변의 길이가 2b인 정사각형 내 임의의 위치에서 발생한다고 가정하였다.
제안 방법
Table 2의 최적 무인기 대수 결과를 이산 사건 모델에 입력하여 각 β 값에 대해 총 20번의 시뮬레이션을 반복 실행하였다.
다수 무인기의 임무 할당 시스템을 다음과 같이 이산 사건 모델을 기반으로 구현하였다. 본 연구는 임무를 개체(Entity)로, 무인기를 자원(Resource)으로 표현한다.
또한, 각 감시 임무 점에서 감시 임무가 최적화 문제 (3)의 제약 조건에서 e 로 정의된 감시 공백 없이 진행되는지 여부를 확인하였다. Table 4는 20번의 시뮬레이션 동안 각 감시 임무 점 s 1,.
본 시뮬레이션에서는 총 5개의 감시 임무점이 주어진 상황을 고려하였다. 또한, 모든 감시 임무점에 대한 감시 임무시간 tsj을 동일한 값으로 설정하였으며, 각 감시 임무점의 위치는 임의로 결정하였다. Table 1에서 β는 지수분포를 따르는 정찰 임무의 생성시간 간격 평균이다.
최적화 문제 (3)에서 최적 무인기 대수는 다음과 같이 시뮬레이션을 반복 진행하여 도출할 수 있다. 먼저 초기 무인기 대수를 적용하여 진행한 시뮬레이션 결과를 통해 현재 무인기 대수가 최적화 문제의 제약조건을 만족하는지 평가한다. 무인기 대수가 제약조건을 만족할 경우 최적화 문제의 가능한 해(Feasible Solution)가 된다.
본 연구는 다수 무인기가 수행하는 이종 임무를 정찰과 감시로 분류한다. 정찰은 작전에 필요한 정보를 획득하기 위해 지형이나 정세를 살피는 것을 의미한다.
본 연구는 앞서 기술한 이산 사건 모델을 기반으로 주어진 상황에서 필요한 최적 무인기 대수를 다음의 최적화 문제로 정형화하여 구한다.
또한, 개체는 특정 서비스(Service)를 진행하기 위해 자원을 점유하여 사용하고, 작업이 완료되면 자원을 반환한다. 본 연구는 임무를 개체로 표현함으로써 임무의 발생을 개체의 생성으로 모델링하였고, 무인기의 임무 할당을 임무(개체)가 무인기(자원)를 점유하는 구조로 설계하였다[8,9].
앞서 정의된 이산 사건 모델을 기반으로 하여 Table 1과 같은 환경에서 시뮬레이션을 진행하여 최적화 문제 (3)에 대한 해를 도출하였다.
감시 임무점 sj에 대한 감시 공백을 방지하기 위해 지상 관제소는 신규 임무를 일정한 시간 간격으로 생성한다. 이때 해당 감시 임무점 sj에 대한 감시 임무의 생성 시간 간격 #을 적어도 감시 임무시간#와 같게 설정함으로써 전임 무인기가 감시 임무를 끝내기 전에 후임 무인기가 감시 임무점에 도착할 수 있도록 생성 스케줄을 설계하였다.
7과 같다. 정찰 임무의 발생 빈도에 따라 각 상황에서 정찰 임무가 발생하는 사각형 영역의 변화에 대한 최적 무인기 대수를 도출하였다. 정찰 임무의 발생 빈도가 잦은 상황(β=30분)에서 최적화 제약 조건을 만족하기 위해 더 많은 무인기가 필요한 것을 확인할 수 있다.
반면에 감시 임무는 임무 계획에 의해 사전에 정해진 특정 지점을 지속적으로 관찰하는 것이다. 하나의 무인기가 탑재된 연료량을 초과하는 비행시간만큼 임무를 수행할 수 없기 때문에 본 연구는 다수 무인기가 서로 교대하면서 감시 임무를 수행하도록 모델링하였다. 또한 원활한 임무 교대를 위해서는 무인기가 제때 출발해야 한다.
데이터처리
본 연구는 감시 임무와 정찰 임무로 구성된 이종 임무를 수행하는 다수 무인기의 임무 할당 기법을 제안하였다. 개발된 이산 사건 모델을 기반으로 주어진 상황에서 필요한 최적 무인기 대수를 도출하였으며, 도출된 최적 무인기 대수를 이산 사건 모델에 입력하여 시뮬레이션을 반복 실행함으로써 그 결과를 검증하였다. 시뮬레이션 반복 실행 결과, 최적 무인기 대수가 주어진 제약 조건을 만족하는 것을 확인하였다.
이론/모형
다수 무인기 시스템은 수많은 요소로 구성된 복잡한 시스템으로서, 안정적인 운용을 위해서는 동적으로 발생하는 상황 변화에 효과적으로 대처할 수 있어야 한다. 본 연구에서는 동적 시뮬레이션을 통한 통계적 분석이 가능한 수학적 도구로서 잘 알려진 이산 사건 모델링 기법[1]을 활용하여, 이러한 다수무인기 시스템을 모델링하고 컴퓨터 환경에서 시간의 흐름에 따라 어떻게 변화하는지 분석한다[2].
성능/효과
본 연구에서 진행한 시나리오뿐만 아니라 운용 조건(다수 임무 시작점, 임무 점 위치 분포, 이종 임무 시간 분포 등)을 변경하여 다양한 시나리오로 확장하여 적용할 수 있다. 또한, 이산 사건 모델을 기반으로 하여 시뮬레이션 진행 시 거시적인 다수 무인기의 운용 시스템을 효과적으로 분석하여 임무 수행에 필요한 최적 무인기 대수를 도출할 수 있다. 이를 통해 운용자는 제한된 무인기 자원을 효율적으로 활용하여 주어진 임무 상황에서 최적의 임무 계획을 수립할 수 있다.
개발된 이산 사건 모델을 기반으로 주어진 상황에서 필요한 최적 무인기 대수를 도출하였으며, 도출된 최적 무인기 대수를 이산 사건 모델에 입력하여 시뮬레이션을 반복 실행함으로써 그 결과를 검증하였다. 시뮬레이션 반복 실행 결과, 최적 무인기 대수가 주어진 제약 조건을 만족하는 것을 확인하였다.
후속연구
본 연구에서 진행한 시나리오뿐만 아니라 운용 조건(다수 임무 시작점, 임무 점 위치 분포, 이종 임무 시간 분포 등)을 변경하여 다양한 시나리오로 확장하여 적용할 수 있다. 또한, 이산 사건 모델을 기반으로 하여 시뮬레이션 진행 시 거시적인 다수 무인기의 운용 시스템을 효과적으로 분석하여 임무 수행에 필요한 최적 무인기 대수를 도출할 수 있다.
참고문헌 (9)
Rossetti, M. D., Simulation modeling and Arena, 2nd Ed., John Wiley & Sons, Hoboken, NJ, 2016, pp. 1-6.
Kelton, W. D., Sadowski, R. P., and Zupick, N. B., Simulation with Arena, 6th Ed., McGraw-Hill Education, New York, 2015, p. 677.
Bellinghan, J., Tillerson, M., Richards, A., and How, J. P., "Multi-Task Allocation and Path Planning for Cooperating UAVs," Cooperative Control: Models, Applications and Algorithms, Vol. 1, 2003, pp. 23-41.
Leary, S., Deittert, M., and Bookless, J., "Constrained UAV mission planning: A comparison of approaches," 2011 IEEE International Conference on Computer Vision Workshops, 2011, pp. 2002-2009.
Park, H. J., Jeong, S. S., and Ahn, J. M., "Design of a multiple-UAS mission model using activity-based modeling," 14th International Conference on Control, Automation and Systems, 2014, pp. 848-851.
Dietrich T., Krug S., and Zimmermann A., "A discrete event simulation and evaluation framework for multi UAV system maintenance processes," 2017 IEEE International Systems Engineering Symposium, 2017, pp. 1-6.
Lee, D. H., Chang, W., and Byun, J., "Discrete-event Modeling and Simulation of Autonomous Multi-UAV Mission Management," Avionics Systems Symposium Korea, 2018, p. 203.
Lee, D. H., Chang, W., and Byun, J., "An Optimization Technique for Discrete Event Model-based UAV Real-Time Heterogeneous Mission Allocation," Proceeding of the Korean Society for Aeronautical and Space Sciences Fall Conference, November 2018, pp. 278-279.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.