$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

무인기의 SEAD 임무 수행을 위한 임무 경로 생성 및 효과도 산출 기법 연구
A Study on the Techniques of Path Planning and Measure of Effectiveness for the SEAD Mission of an UAV 원문보기

한국항행학회논문지 = Journal of advanced navigation technology, v.26 no.5, 2022년, pp.304 - 311  

우지원 (LIG넥스원 항공드론연구소) ,  박상윤 (LIG넥스원 항공드론연구소) ,  남경래 (LIG넥스원 항공드론연구소) ,  고정환 (LIG넥스원 항공드론연구소) ,  김재경 (LIG넥스원 항공드론연구소)

초록
AI-Helper 아이콘AI-Helper

적 방공망 제압 임무는 현대전에서 전략적으로 중요한 임무이지만 적 방공자산에 직접적으로 노출될 위험이 높아 위험 부담이 크다. 따라서, 무인기를 활용하여 임무를 수행하는 것이 하나의 대안으로 제시된다. 본 논문에서는 무인기의 적 방공망 제압 임무 수행을 위한 경로 생성 기법과 생성된 경로에 대한 임무 효과도 산출 기법을 제안한다. 먼저, RRT 기반의 경로 탐색 알고리즘을 기반으로 적의 단거리 대공 위협을 고려할 수 있는 저공 침투/이탈 비행 경로 기법을 다룬다. 또한, 최단의 경로이면서 동시에 적의 단거리 대공 위협을 최대한 회피하는 표적 타격 경로를 생성하기 위해 Dubins 경로 기반의 타격 경로 생성 기법이 사용된다. 이를 통해 생성된 침투/타격/이탈 경로를 순서에 따라 통합한다. 통합된 경로를 기반으로 연료소모량, 무인기의 생존 확률, 임무 수행 소요 시간, 그리고 표적 파괴 확률로 이루어진 임무 효과도를 산출한다. 마지막으로, 제안된 적 방공망 제압 임무 경로 생성 기법 및 임무 효과도 산출 기법을 가상 시나리오를 통해 검증한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Although the SEAD(suppression to enemy air defenses) mission is a strategically important task in modern warfare, the high risk of direct exposure to enemy air defense assets forces to use of unmanned aerial vehicles. this paper proposes a path planning algorithm for SEAD mission for an unmanned aer...

주제어

#Measure of effectiveness   #Mission planning   #Path planning   #Rapidly-exploring random tree   #Unmanned aerial vehicle  

표/그림 (8)

AI 본문요약
AI-Helper 아이콘 AI-Helper

문제 정의

  • 본 연구에서는 무인기의 SEAD 임무 수행을 위한 저공 침투 타격 임무 경로를 생성하는 기법과 생성된 경로에 대한 임무 효과도를 산출하는 기법을 제시하고 있으며, 주어진 가상 시나리오를 토대로 검증되었다. RRT* 기반의 경로 탐색 알고리즘을 통해, 적의 단거리 대공 위협을 고려할 수 있는 저공 침투/이탈 비행 경로를 생성하였고, Dubins 경로 기반의 타격 경로 생성기법을 통해 최단의 경로이면서 동시에 적의 단거리 대공 위협을 최대한 회피하는 경로를 생성하였다.
  • 따라서, 두 경로점 사이의 경로 비용을 모델링하여 다양한 비용들을 반영할 수 있다. 본 연구에서는 무인기의 피격확률과 이동 거리에 의한 경로 비용을 동시에 고려할 수 있도록 경로 비용 모델을 개선했다. 경로점 A에서 경로점 B로 이동할 때, 이동 거리 비용은 식 (1)과 같이 경로점 간의 유클리드 거리를 계산하여 간단히 반영할 수 있다.

가설 설정

  • 경로점 A에서 경로점 B로 이동할 때 소모연료량을 분석하기 위해 XY평면에서는 속력 V로 등속비행, 고도축으로는 등 가속 비행한다고 가정한다. 또한, 경로점간 소모 연료량 분석구간 동안 연료량 소모로 인한 무게 변화를 고려하지 않으며, 바람과 같은 교란이 없다고 가정한다.
  • 경로점간 비행 시간은 경로점간 거리를 주어진 속도 V로 등속 비행한다고 가정한다. 이를 통해, 목적 경로점에 도달하는 시점을 계산할 수 있다.
  • 경로점 A에서 경로점 B로 이동할 때 소모연료량을 분석하기 위해 XY평면에서는 속력 V로 등속비행, 고도축으로는 등 가속 비행한다고 가정한다. 또한, 경로점간 소모 연료량 분석구간 동안 연료량 소모로 인한 무게 변화를 고려하지 않으며, 바람과 같은 교란이 없다고 가정한다. 무인기의 진행방향은 경로의 방향과 항상 일치한다.
본문요약 정보가 도움이 되었나요?

참고문헌 (11)

  1. Eun, Y.,and Bang, H., "Cooperative Control of Multiple UCAVs for Suppression of Enemy Air Defenses," AIAA 3rd 'Unmanned Unlimitted' Technical Conference, Workshop and Exhibit, Vol. 20-12, pp. 1-14, 2004. 

  2. Ridder, J. P., and HandUber, J. C., "Mission Planning for Joint Suppression of Enemy Air Defenses Using a Genetic Algorithm," Genetic and Evolutionary Computation Conference, GECCO 2005, Vol. June 25-29,2005, pp. 1929-1936, 2005. 

  3. Woo, J. W., Choi, Y. S., An J. Y., Kim C. J.,"An Approach to Air-to-Surface Mission Planner on 3D Environments for an Unmanned Combat Aerial Vehicle," Drones, 2022, 6, 20. 

    상세보기

  4. LaValle, S. M. "Rapidly-Exploring Random Trees: A New Tool for Path Planning," Report No. TR 98-11, Computer Science Department, Iowa State University, 1998. Available at http://janowiec.cs.iastate.edu/papers/rrt.ps. 

  5. Yang, L., Qi, J., Song, D., Xiao, J., Han, J., and Xia, Y., "Survey of Robot 3D Path Planning Algorithms," Journal of Control Science and Engineering. vol. 2016, pp. 22, 2016. 

  6. Karaman, S., and Frazzoli, E., "Sampling-Based Algorithms for Optimal Motion Planning," International Journal of Robotics Research, Vol 30, Issue 7, pp. 846-894, 2011. 

    상세보기

  7. Wang, J., Chi, W., Li, C., Wang, C., and Meng, M. Q. H. "Neural RRT*: Learning-Based Optimal Path Planning," IEEE Transactions on Automation Science and Engineering, Vol. 17, Issue 4, pp. 1748-1758, 2020. 

    상세보기

  8. Li, Y., Wei, W., Gao, Y., Wang, D., and Fan, Z. "PQ-RRT*: An Improved Path Planning Algorithm for Mobile Robots," Expert Systems with Applications, 113425, 2020. 

  9. Nasir, J., Islam, F., Malik, U., Ayaz, Y., Hasan, O., Khan, M., and Muhammad, M. S. "RRT*-SMART: A Rapid Convergence Implementation of RRT*," International Journal of Advanced Robotic Systems, Vol. 10, pp. 299-310, 2013. 

    상세보기

  10. Dubins, L. E. "On Curves of Minimal Length with a Constraint on Average Curvature, and with Prescribed Initial and Terminal Positions and Tangents," American Journal of Mathematics, Vol. 79, Issue 3. pp. 497, 1957. 

    상세보기

  11. Kim, C. J., Sung, S., and Shin, K. C. "Pseudo-Spectral Application to Nonlinear Optimal Trajectory Generation of a Rotorcraft," Advanced Science Letters, Vol. 9, Issue 1, pp. 204-209, 2012. 

    상세보기

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로