초록 ▼

본 연구에서는 스마트 무인기의 자율지능 비행제어 기술의 개발을 위해서 충돌회피, 고장진단 및 재형상 제어, 지능형 적응제어, 자동착륙 및 유도제어 분야에 대한 연구를 수행하였다. 충돌회피 부분에서는 ADS-B 개념을 적용한 알고리즘을 제안하여 신뢰성이 높은 무인항공기 운용을 가능하게 하였다. 고장진단 및 재형상 제어 부분에서는 슬라이딩 모드 제어기와 복합 가설 칼만필터를 이용한 고장진단 및 재형상 제어 알고리즘을 제안하여 무인기의 조종면 고장과 구동기 저하 등의 고장에 대해서 고장을 감지하고 재형상 제어를 수행할 수 있게 하였다.

본 연구에서는 스마트 무인기의 자율지능 비행제어 기술의 개발을 위해서 충돌회피, 고장진단 및 재형상 제어, 지능형 적응제어, 자동착륙 및 유도제어 분야에 대한 연구를 수행하였다. 충돌회피 부분에서는 ADS-B 개념을 적용한 알고리즘을 제안하여 신뢰성이 높은 무인항공기 운용을 가능하게 하였다. 고장진단 및 재형상 제어 부분에서는 슬라이딩 모드 제어기와 복합 가설 칼만필터를 이용한 고장진단 및 재형상 제어 알고리즘을 제안하여 무인기의 조종면 고장과 구동기 저하 등의 고장에 대해서 고장을 감지하고 재형상 제어를 수행할 수 있게 하였다. 지능형 적응제어 부분에서는 신경회로망을 이용한 제어기를 도입한 내부루프 제어기를 설계하여 스마트 무인기의 전 비행영역에서 우수한 성능을 보이도록 하였다. 마지막으로 자동착륙 및 유도제어 부분에서는 고전제어 기를 이용한 외부루프 제어기를 설계하여 주어진 시나리오대로 자동착륙을 수행할 수 있도록 하였다. 제안된 모든 기술들이 실제 무인기에 사용될 수 있는지를 검증하기 위해서 수치 시뮬레이션 및 PILS를 이용한 실시간 시뮬레이션을 수행하여 성능을 검증하였다.

Abstract ▼

- Collision Avoidance Technology
In this research, by performing the literature survey of various collision avoidance methodologies, it offers new techniques using information and probabilistic approach from ADS-B sensor which can be applied to collision avoidance of Smart UAV. Also collision avo

- Collision Avoidance Technology
In this research, by performing the literature survey of various collision avoidance methodologies, it offers new techniques using information and probabilistic approach from ADS-B sensor which can be applied to collision avoidance of Smart UAV. Also collision avoidance algorithm is developed by a real time simulation code, and tested by numerical simulations for various encounter situations. Also, PILS test was performed for 40% scaled smart UAV with adaptive controller.
* Collision Avoidance Method for UAV
For the development of an effective collision avoidance algorithm, collision avoidance research trend were investigated. The research of Conflict Detection and Resolution (CD&R) techniques from various areas such as, manned aircraft, ships, and vehicles, were performed. For the classification of the techniques, it was performed by six standards by defining procedures of CD&R followed by approaching each procedure.
* Development of Real-time Conflict Detection and Resolution Algorithm
In this study, collision avoidance method using probabilistic approach was performed. It is assumed that aircrafts are linked by real time data link like ADS-B. The proposed approach uses probability density functions that describe uncertainties from ADS-B. To calculate the probability of conflict, probabilistic method by using Monte Carlo simulation is used. From the probability of conflict obtained, ‘Threat Level' is determined between two aircrafts, then, one of possible resolution maneuver options which can minimize the probability of conflict is chosen. Simultaneous encounter situation of the multiple non-cooperative aircraft is considered, and avoidance maneuvers are velocity, altitude and heading angle commands to perform PILS test.
* Verification of Collision Avoidance Algorithm by Using PILS Test
In this study, ground control system(GCS), similar to the GCS for the 40% scaled smart UAV, was developed. By using the developed GCS, PILS test was performed with DSP and serial extension board. DSP communicates with GCS, GPS/INS sensor, actuator and ADS-B sensor by RS-232 cable.
- Fault Diagnosis and Reconfigurable Control
This research is divided into two parts, fault diagnosis and reconfigurable control management system of Smart UAV.
* Non Model-Based fault diagnosis and reconfigurable control algorithm
To execute fault diagnosis and reconfigurable control of aircraft, an algorithm consisted of sliding mode control and adaptive control scheme. When fault occurs, the proposed algorithm performs reconfigurable control by minimizing the difference between reference model and real system. To verify the performance of the proposed algorithm, numerical simulation for floating fault case with linear and non-linear model of smart UAV is performed.
* Model-Based fault diagnosis and reconfigurable control algorithm
To execute fault diagnosis and reconfigurable control of aircraft in actuator efficiency reduction fault case, an algorithm using multi-hypothesis Kalman filter is proposed. To verify the performance of algorithm, numerical simulation is performed for the smart UAV. In additional, real time simulation is performed using PILS system to verify the algorithm.
- Adaptive Intelligence Control Technology
This research on adaptive intelligence control technology of Smart UAV is divided into categories to design the controller of the 40% scale Smart UAV and the full scale Smart UAV, and to implement PILS. The contents and categories of the cesearch is the following.
* Design adaptive control based on neural network
$\cdot$ Analyze dynamics and to verify linear model for the Smart UAV
$\cdot$ Develop intelligence control algorithm and to design SCAS using neural network
$\cdot$ Design PCH to consider the dynamic of the actuator
$\cdot$ Design coordinated turn algorithm for verifying pitch and roll command with the designed SCAS
$\cdot$ Verify the performance of the designed SCAS using simulation
* Develop autonomous flight guidance and evaluate a robustness of a guidance
$\cdot$ Design of trajectory tracking controller using neural network for all flight modes of Smart UAV
$\Rightarrow$ The trajectory tracking controller is evaluated using a nonlinear simulation program with an approach and landing scenario including all flight modes of the Smart UAV
* Develop a real-time C code of an autonomous flight algorithm
$\cdot$ Develop C code for the PILS of the SCAS and flight test
$\cdot$ Compare the result of C code and simulation for verification
* Modify and complement a real-time C code
$\cdot$ Make up command form of $\Phi,\Theta,\Psi$ and P, R, $\Theta$
$\cdot$ Fit the measurement of the heading angle on the control algorithm
$\cdot$ Tuning an adaptive gain of each channel
* Verify the performance of the real-time C code using a single board which has the same CPU of Smart UAV
$\cdot$ Verify the real-time C code using the result of PILS which is constituted with Smart UAV model, GCS and 6713DSK board
$\circ$ Landing and Guidance Technology
* Co-evolutionary augmented Lagrangian method(CEALM)
While the controller design based on the classical control technique is relatively easy due to a simple structure, it has a disadvantage that the meticulous tuning process of the controller gains is dependent on the experience of the designer. Therefore, the controller gain is designed using CEALM which handles the performance requirement of the control system and various constraints effectively.
* Generation of the scenario for the auto-landing
Analysis of the dynamic characteristics of the Smart UAV is difficult because of the tilt-rotor configuration. The reference command for the auto-landing has to include the dynamic characteristics of the Smart UAV. An auto-landing scenario is designed to reflect the dynamic characteristics based on the specifications indicated by KARI.
* Design of the outer-loop controller for the auto-landing and guidance
In general, classical controllers are designed based on a linear model trimmed at a specific state. The linear model trimmed at some state is meaningless since the inner-loop based on the adaptive neural network is included. The structure of the outer-loop controller is tuned to accomplish the optimal performance.
* Study on the control allocation
The Smart UAV with the tilt-rotor configuration can switch from the fixed wing mode to the rotary wing mode, and vice versa. The research on the effective allocation of the control input is performed for the crossing of the control input that occurs during the mode switch.
* Performance verification of the auto-landing and guidance
The overall research items are integrated in order to validate the performance of the auto-landing and guidance of the velocity and altitude in the Matlab simulation environment. It is necessary to develop the PILS system for the outer-loop implementation onto the Smart UAV platform. The Matlab-based results of the auto-landing scenario, controller and the allocation logic of the control input are converted to C-files and the possibility of the real flight test for the auto-landing and guidance of the velocity and altitude is confirmed with PILS tests.

목차 Contents

• 제 1 장. 연구개발과제의 개요 ...34
• 제 2 장. 국내외 기술개발 현황 ...38
• 제 3 장. 연구개발수행 내용 및 결과 ...50
• 1 절. 무인기 충돌회피 기술 ...50
• 1. 충돌회피 알고리즘 연구 ...50
• 가. 충돌회피 기술을 위한 연구 ...50
• 나. 충돌감지 및 충돌회피 모델 제시 ...52
• 2. 실시간 충돌 감지 및 회피 알고리즘 ...52
• 가. 충돌회피 기법 특성 ...52
• 나. ADS-B ...53
• 다. 시스템 모델 ...54
• 라. 시뮬레이션 결과 ...64
• 3. PILS를 이용한 충돌회피 알고리즘 검증 ...72
• 가. PILS용 지상통제시스템 개발 ...72
• 나. PILS 시스템 구성 ...76
• 다. PILS 테스트 결과 ...78
• 2 절. 다중화 시스템 고장여유 기술 ...83
• 1. 비모델 기반 고장진단 및 재형상 제어 ...83
• 1.1 고장상황 모델링 ...84
• 1.2 모델추종 기법 기반 재형상 기법 ...93
• 2. 모델 기반 고장진단 및 재형상 기법 ...103
• 2.1 복합 가설 칼만필터 ...103
• 2.2 재형상 제어 ...108
• 2.3 PILS 시뮬레이션 ...120
• 3 절. 지능형 적응제어 기술 ...126
• 1. 신경회로망 내부루프 제어기 설계 ...126
• 1.1 틸터로터 항공기 운동모드 분석 ...126
• 1.2 Control Mixer 분석 ...129
• 1.3 신경회로망 기반의 적응제어 기법 ...133
• 1.4 스마트무인기의 SCAS 설계 ...139
• 2. SCAS 시뮬레이션 결과 및 성능평가 ...141
• 3. 40% 축소기 모델 모드 통합형 궤적추종 제어기 설계 ...145
• 3.1 모드 통합형 궤적추종 제어기 설계 ...145
• 3.2 자동착륙 시나리오 ...151
• 3.3 자동착륙 시뮬레이션 결과 및 평가 ...153
• 4. PILS 수행 ...158
• 4.1 설계된 SCAS 제어기의 C 코딩 ...158
• 4.2 코딩 결과 검증 ...161
• 4.3 PILS 수행 결과 ...166
• 4 절. 무인기 자동착륙 및 유도제어 기술 ...168
• 1. 자동착륙 시나리오 ...168
• 2. 자동착륙 제어기 설계 ...169
• 가. 자동착륙 명령 생성 ...169
• 나. 제어 입력 구성 ...171
• 다. 종방향 제어 시스템 ...172
• 라. 횡방향 제어 시스템 ...172
• 마. 매트랩 함수의 C 코드 변환 ...173
• 바. 공진화 기법을 이용한 제어이득 최적화 ...174
• 3. PILS 실험결과 ...178
• 가. 자동착륙 연구 기술 ...178
• 나. 유도제어(속도 및 고도유지) 기술 ...186
• 제 4 장. 목표달성도 및 관련분야에의 기여도 ...192
• 제 5 장. 연구개발결과의 활용계획 ...194
• 제 6 장 참고 문헌 ...196
• 표 1-1 기술별 연구개발 최종목표 ...34
• 표 2-1 탐지 센서에 따른 장단점과 예 ...40
• 표 2-2 다중화 시스템 고장여유 기술 분류 ...44
• 표 3-1 충돌위험 수준(Threat level) ...60
• 표 3-2 충돌위협에 따른 회피기동 옵션 ...61
• 표 3-2 수평면 조우 상황 분류 ...65
• 표 3-4 수직면 조우 상황 분류 ...65
• 표 3-5 페루프 시스템의 고유치 ...99
• 표 3-6 40% 축소기 모델(ver.2.7) 시뮬레이션 결과 ...141
• 표 3-7 100% 모델(ver.2.7) 시뮬레이션 결과 ...143
• 표 3-8 각 모드별 스마트무인기 조종 방식 ...145
• 표 3-9 프로그램 구조 ...158
• 표 3-10 자동 착륙 과정에 따른 속도와 고도 ...169
• 표 3-11 자동 착륙 과정에 따른 속도 및 고도, 요각의 유도식 ...170
• 표 3-12 스마트무인기의 조종입력 ...171
• 표 3-13 비행 모드에 따른 제어입력 ...171
• 표 3-14 자동착륙을 위한 종방향 제어기의 제어이득 ...178
• 표 3-15 속도 및 고도 유지를 위한 종방향 제어기의 제어이득 ...186
• 표 3-16 속도 및 고도 변화율 구속조건 ...187
• 표 4-1 연구 목표 달성도 ...192
• 표 4-2 연구 개발결과의 활용도 ...193
• 그림 1-1 ADS-B 기술 구성도 ...35
• 그림 1-2 고장진단 및 재형상제어를 통한 고장여유 기술 체계도 ...35
• 그림 1-3 신경회로망 기반의 지능형 적응제어시스템 구조 ...36
• 그림 2-1 Kiruna 공항에서 이륙한 Eagle 무인기 ...41
• 그림 2-2 ADS-B 장치를 장착한 ...41
• 그림 2-3 Proteus에 장착된 Amphitech사의 OASys 레이더 ...43
• 그림 2-4 AS350 B3에 장착된 Amphitech사의 OASys 레이더 ...43
• 그림 2-6 적응기법 이용 고장검출 및 분리 ...46
• 그림 2-7 고장허용 제어기법 ...47
• 그림 2-8 고장적응 제어기법의 블럭선도 ...47
• 그림 3-1 ADS-B 운용 개념도 ...54
• 그림 3-2 항공기의 좌표계 ...54
• 그림 3-3 Conflict의 정의 ...57
• 그림 3-4 충돌 감지, 충돌회피 및 유도 알고리즘 흐름도 ...58
• 그림 3-5 Monte Carlo simulation 정확도 ...59
• 그림 3-6 시간 간격에 대한 비행경로 적분 [3-10] ...59
• 그림 3-7 보호 구역과 항공기의 예상 경로 교차(상대 좌표) ...60
• 그림 3-8 3차원 유도 기하 ...62
• 그림 3-9 수평면 유도 기하 ...62
• 그림 3-10 수직면 유도 기하 ...63
• 그림 3-11 비행경로 ...66
• 그림 3-12 상대 거리 ...66
• 그림 3-13 충돌 확률 ...66
• 그림 3-14 제어 명령 ...66
• 그림 3-15 비행경로 ...67
• 그림 3-16 상대 거리 ...67
• 그림 3-17 충돌 확률 ...67
• 그림 3-18 제어 명령 ...67
• 그림 3-19 비행경로 ...68
• 그림 3-20 상대 거리 ...68
• 그림 3-21 충돌 확률 ...68
• 그림 3-22 제어 명령 ...68
• 그림 3-23 비행경로 ...69
• 그림 3-24 상대 거리 ...69
• 그림 3-25 충돌 확률 ...69
• 그림 3-26 제어 명령 ...69
• 그림 3-27 비행경로 ...70
• 그림 3-28 상대 거리 ...70
• 그림 3-29 충돌 확률 ...70
• 그림 3-30 제어 명령 ...70
• 그림 3-31 비행경로 ...71
• 그림 3-32 상대 거리 ...71
• 그림 3-33 충돌 확률 ...71
• 그림 3-34 상대 거리 ...71
• 그림 3-35 지상통제 시스템 ...72
• 그림 3-36 비행 조종 영역 및 기타버튼 ...73
• 그림 3-37 충돌회피장치 및 엔진제어 ...73
• 그림 3-38 통신 및 COM/조이스틱 ...74
• 그림 3-39 저속주기 데이터 ...74
• 그림 3-40 메시지 영역 데이터 ...75
• 그림 3-41 비행계기 및 노브 ...76
• 그림 3-42 평면지도 및 천이경로 ...76
• 그림 3-43 PILS 시스템 구성도 ...77
• 그림 3-44 DSP와 확장보드 ...77
• 그림 3-45 적기 생성 프로그램 ...78
• 그림 3-46 비행경로 ...79
• 그림 3-47 상대 거리 ...79
• 그림 3-48 충돌 확률 ...79
• 그림 3-49 제어 명령 ...79
• 그림 3-50 비행경로 ...80
• 그림 3-51 상대 거리 ...80
• 그림 3-52 충돌 확률 ...80
• 그림 3-53 제어 명령 ...80
• 그림 3-54 비행경로 ...81
• 그림 3-55 상대 거리 ...81
• 그림 3-56 충돌 착률 ...81
• 그림 3-57 제어 명령 ...81
• 그림 3-58 비행경로 ...82
• 그림 3-59 상대 거리 ...82
• 그림 3-60 충돌 확률 ...82
• 그림 3-61 제어 명령 ...82
• 그림 3-62 고정익 모드 Control Mixer의 Matlab simulink ...86
• 그림 3-63 고장이 발생하지 않은 경우 롤각 변화 ...89
• 그림 3-64 고장이 발생하지 않은 경우 고도 변화 ...89
• 그림 3-65 LQR 제어기를 사용한 선형 모델의 롤각 시간반응 ...91
• 그림 3-66 LQR 제어기를 사용한 선형 모델의 조종면 변위 ...91
• 그림 3-67 LQR 제어기를 사용한 비선형 모델의 롤각 시간반응 ...92
• 그림 3-68 LQR 제어기를 사용한 비선형 모델의 조종면 변위 ...92
• 그림 3-69 일반적인 모델추종기법 알고리듬 ...93
• 그림 3-70 일반적인 모델 추종 기법을 이용한 선형 모델의 롤각 시간반응 ...94
• 그림 3-71 스마트 무인기의 모델추종 기법을 기반한 재형상 제어 시스템 ...100
• 그림 3-72 재형상 제어기를 사용한 선형 모델의 롤각 시간반응 ...100
• 그림 3-73 재형상 제어기를 사용한 선형 모델의 조종면 변위 ...101
• 그림 3-74 재형상 제어기를 사용한 비선형 모델의 롤각 시간반응 ...101
• 그림 3-75 재형상 제어기를 사용한 비선형 모델의 조종면 변위 ...102
• 그림 3-75 칼만필터 계산과정 ...105
• 그림 3-77 정상상태에서의 상태변수 값 ...109
• 그림 3-78 정상 상태에서의 log-likelihood function의 값 ...109
• 그림 3-79 정상 상태에서의 고장 모드 선언값 ...110
• 그림 3-80 정상 상태에서의 제어입력 값 ...110
• 그림 3-81 Collective Stick 효율저하 시의 상태변수 값(재형상 제어를 하지 않은 경우) ...111
• 그림 3-82 Collective Stick 효율저하 시의 log-likelitood function 값 ...112
• 그림 3-83 Collective Stick 효율저하 시의 고장 모드 선언값 ...112
• 그림 3-84 Collective Stick 효율저하 시의 제어입력 값 ...113
• 그림 3-85 Collective Stick 효율저하 시의 상태변수 값 (재형상 제어를 한 경우) ...113
• 그림 3-86 Collective Stick 효율저하 시의 log-likelihood function 값 ...114
• 그림 3-87 Collective Stick 효율저하 시의 고장 모드 선언값 ...114
• 그림 3-88 Collective Stick 효율저하 시의 제어입력 값 ...115
• 그림 3-89 Longitudinal Stick 효율저하 시의 상태변수 값 ...116
• 그림 3-90 Longitudinal Stick 효율저하 시의 log-likelihood function 값 ...116
• 그림 3-91 Longitudinal Stick 효율저하 시의 고장 모드 선언값 ...117
• 그림 3-92 Longitudinal Stick 효율저하 시의 제어입력 값 ...117
• 그림 3-93 Longitudinal Stick 효율저하 시의 상태변수 값 ...118
• 그림 3-94 Longitudinal Stick 효율저하 시의 log-likelihood function 값 ...118
• 그림 3-95 Longitudinal Stick 효율저하 시의 고장 모드 선언값 ...119
• 그림 3-96 Longitudinal Stick 효율저하 시의 제어입력 값 ...119
• 그림 3-97 PILS 시스템 구성도 ...120
• 그림 3-98 Collective Stick 효율 감소시 상태변수 값 비교 ...122
• 그림 3-99 Collective Stick 효율 감소시 고장 모드 선언값 비교 ...122
• 그림 3-100 Collective Stick 효율 감소시 상태변수 값 비교 ...123
• 그림 3-101 Collective Stick 효율 감소시 고장 모드 선언값 비교 ...123
• 그림 3-102 Longitudinal Stick 효율 감소시 상태변수 값 비교 ...124
• 그림 3-103 Longitudinal Stick 효율 감소시 고장 모드 선언값 비교 ...124
• 그림 3-104 Longitudinal Stick 효율 감소시 상태변수 값 비교 ...125
• 그림 3-105 Longitudinal Stick 효율 감소시 고장 모드 선언값 비교 ...125
• 그림 3-106 TR301 최종모델 Open-loop Mode ...126
• 그림 3-107 TRS4 모델 종축 Open-loop Mode ...127
• 그림 3-108 TRS4 모델 횡방향축 Open-loop Mode ...127
• 그림 3-109 TRS5 최종모델 Open-loop Mode ...128
• 그림 3-110 TRS5 40S 최종모델 Open-loop Mode ...128
• 그림 3-111 Control Mixer의 입/출력 ...129
• 그림 3-112 Control Mixer를 포함한 스마트무인기 조종시스템 ...129
• 그림 3-113 Cyclic Pitch Block ...130
• 그림 3-114 Collective & Lateral Cyclic Pitch Block ...131
• 그림 3-115 Conversion Corridor block ...132
• 그림 3-116 Dynamic Model Inversion ...134
• 그림 3-117 Adaptive Control Architecture ...135
• 그림 3-118 PCH를 포함하는 SCAS 구조 ...138
• 그림 3-119 신경회로망의 구조 ...140
• 그림 3-120 40% 축소기 모델 (DMI 모델 : 회적인 모드) ...142
• 그림 3-121 100% 모델 (DMI 조건 : 회전익 모드) ...144
• 그림 3-122 스마트무인기 궤적추종 적응제어기 ...150
• 그림 3-123 스마트무인기 Conversion Corridor ...151
• 그림 3-124 스마트무인기 자동착륙 시나리오 ...152
• 그림 3-125 북쪽 방향 속도(Ue) ...153
• 그림 3-126 동쪽 방향 속도(Ve) ...154
• 그림 3-127 고도(H) ...154
• 그림 3-128 내부루프의 명령추종 성능 ...155
• 그림 3-129 자동착륙 시 상태변수의 응답특성 ...156
• 그림 3-130 자동착륙 궤적(신경회로망 작동 전) ...157
• 그림 3-131 자동착륙 궤적(신경회로망 작동) ...157
• 그림 3-132 헤딩명령의 ${\pm}\infty$ 형태로 누적 방식 ...159
• 그림 3-133 스틱입력에 따른 요 명령 생성 방식 ...159
• 그림 3-134 시뮬링크 블록과 비교 ...161
• 그림 3-135 Command Generator Block ...162
• 그림 3-136 Command Generator 결과 비교 ...162
• 그림 3-137 Neural Network Block 추가 ...163
• 그림 3-138 Neural Network Block 추가 결과 비교 ...163
• 그림 3-139 DMI Block 추가 ...164
• 그림 3-140 DMI Block 추가 결과 비교 ...164
• 그림 3-141 PCH Block 추가 ...165
• 그림 3-142 시뮬링크 수정 후 결과 비교 ...165
• 그림 3-143 시뮬레이션 결과 ...166
• 그림 3-144 PILS 결과 ...166
• 그림 3-145 시뮬레이션 결과 ...167
• 그림 3-146 PILS 결과 ...167
• 그림 3-147 시뮬레이션 결과 ...167
• 그림 3-148 PILS 결과 ...167
• 그림 3-149 자동 착륙 시나리오 ...168
• 그림 3-150 3차원 자동 착륙 시나리오 ...170
• 그림 3-151 종방향 제어 시스템 ...172
• 그림 3-152 횡방향 제어 시스템 ...173
• 그림 3-153 안장점 문제에 대한 공진화 알고리듬(CEALM)의 순서도 ...177
• 그림 3-154 스마트 무인기의 비선형 시뮬레이터 ...178
• 그림 3-155 자동착륙 궤적 결과 ...179
• 그림 3-156 속도 대 틸팅각 변화 ...180
• 그림 3-157 오일러 각 응답 ...180
• 그림 3-158 각속도 응답 ...181
• 그림 3-159 종방향 제어입력 ...181
• 그림 3-160 횡방향 제어 입력 ...182
• 그림 3-161 자동착륙 속도 궤적 ...183
• 그림 3-162 자동착륙 고도 궤적 ...184
• 그림 3-163 속도 대 틸팅 각 변화 ...184
• 그림 3-164 오일러 각 응답 ...185
• 그림 3-165 각속도 응답 ...185
• 그림 3-166 종방향 제어입력 ...186
• 그림 3-167 속도 및 고도 변화율 구속조건을 고려한 시뮬링크 ...187
• 그림 3-168 속도 유지 결과 ...188
• 그림 3-169 고도 유지 결과 ...188
• 그림 3-170 속도 대 틸팅 각 변화 ...189
• 그림 3-171 오일러 각 응답 ...189
• 그림 3-172 각속도 응답 ...190
• 그림 3-173 종방향 제어입력 ...190