적응형 확장 칼만 필터를 이용한 무동력 무인수상정의 실시간 표류 경로 예측 = Real-Time Drift Trajectory Prediction of a Non-Propelled Unmanned Surface Vehicle Using an Adaptive Extended Kalman Filter

국문 초록 (Abstract)

해양 환경에서 무동력 상태로 운용되는 무인수상정은 추진기 소음의 영향을 배제할 수 있어 다양한 해양 탐사 및 계측 지원 임무에 활용될 수 있다. 그러나 무동력 무인수상정은 해류, 바람, 파랑과 같은 외란의 영향을 직접적으로 받아 표류 경로가 비선형적으로 변화하며, 이로 인해 계측 위치를 안정적으로 유지하는 데 한계가 있다. 이러한 특성은 무동력 무인수상정을 활용한 해양 계측 및 시험 지원 임무 수행 시, 계측 위치 안정성 확보를 어렵게 만드는 주요 요인으로 작용한다.
본 연구에서는 외란이 시변적으로 변화하는 해양 환경에서 계측 지원 임무를 수행하기 위해, 무동력 무인수상정의 표류 경로를 실시간으로 예측하는 곡률 편차 기반 적응형 확장 칼만 필터(Curvature Deviation-based Adaptive Extended Kalman Filter, CD-AEKF)를 제안한다. 제안된 필터는 표류 경로의 곡률 변화를 적응성 지표로 활용하여 필터의 망각 계수를 동적으로 조정함으로써, 비정상적인 외란 환경에서도 예측 정확도와 추정 안정성을 동시에 향상시킨다. 이후 예측된 표류 경로를 기준으로 시험 대상 선박이 무동력 무인수상정이 위치한 시험 구간에 접근할 수 있도록, Line-of-Sight 유도 기법과 Cross-Track Error 기반 경로 추종 알고리즘을 결합한 접근 경로 유도 방법을 적용하여 시험 대상 선박의 권고 항로를 도출하였다. 제안된 방법의 유효성은 시뮬레이션 데이터와 실해역 계측 데이터를 통해 검토하였다. 시뮬레이션에서는 다양한 외란 조건에서 기존 칼만 필터, 확장 칼만 필터 및 곡률 편차 기반 적응형 확장 칼만 필터 간의 예측 성능을 비교하였으며, 실해역 데이터를 적용하여 제안된 방법의 실해역 적용 가능성과 예측 성능을 확인하였다. 제안된 방법은 무동력 무인수상정을 활용한 해양 계측 및 시험 지원 임무의 신뢰성 향상에 기여할 수 있으며, 향후 해양 환경에서의 자율 계측 시스템 구축을 위한 핵심 기반 기술로 활용될 수 있을 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

Non-Propelled Unmanned Surface Vehicle (USVs) operated in marine environments can be utilized for various marine exploration and measurement support missions, as they eliminate the influence of propulsion-induced noise. However, non-propelled USV are directly affected by environmental disturbances such as ocean currents, wind, and waves, causing their drift trajectories to change in a highly nonlinear manner. As a result, maintaining stable measurement positions becomes challenging, which constitutes a major factor that degrades positional stability during marine measurement and test support missions using non-propelled USV.
In this study, a Curvature Deviation-based Adaptive Extended Kalman Filter (CD-AEKF) is proposed to enable real-time prediction of the drift trajectory of a non-propelled USV for measurement support missions in marine environments with time-varying disturbances. The proposed filter dynamically adjusts the forgetting factor by utilizing variations in trajectory curvature as an adaptability indicator, thereby simultaneously improving prediction accuracy and estimation stability under non-stationary disturbance conditions. Based on the predicted drift trajectory, an approach path guidance method is further applied by combining a Line-of-Sight guidance law with a Cross-Track Error-based path-following algorithm, allowing a test vessel to approach the designated test area where the non-propelled USV is located. Through this process, a recommended navigation path for the test vessel with respect to the drifting USV is derived. The effectiveness of the proposed method is evaluated using both simulation data and measured real-sea data. In the simulation study, the prediction performance of the conventional Kalman Filter, the Extended Kalman Filter, and the Curvature Deviation-based Adaptive Extended Kalman Filter is compared under various disturbance conditions. Furthermore, real-sea measurement data are applied to verify that the prediction performance validated in simulation is maintained in real marine environments, thereby confirming the practical applicability of the proposed method. The proposed approach is expected to enhance the reliability of marine measurement and test support missions using non-propelled USV and can serve as a core enabling technology for the development of autonomous marine measurement systems in future marine environments.

목차 (Table of Contents)

• 1. 서론 1
• 1.1. 연구 배경 1
• 1.2. 연구 동향 2
• 1.3. 연구 목적과 내용 4
• 2. 무인수상정 동역학 모델링 7
• 2.1. 좌표계 설정 7
• 2.2. 운동학 9
• 2.3. 운동역학 10
• 2.3.1 질량 행렬 정의 11
• 2.3.2 코리올리 및 구심력 행렬 정의 12
• 2.3.3 감쇠 행렬 정의 13
• 2.3.4 추력 행렬 정의 14
• 2.3.5 무인수상정 운동방정식 정의 15
• 3. 적응형 확장 칼만 필터 17
• 3.1 칼만 필터 17
• 3.1.1 칼만 필터 알고리즘 17
• 3.2 확장 칼만 필터 20
• 3.2.1 운동학 기반 시스템 모델 20
• 3.2.2 확장 칼만 필터 알고리즘 21
• 3.3 적응형 확장 칼만 필터 23
• 3.3.1 운동역학 기반 시스템 모델 24
• 3.3.2 측정 신호 전처리 27
• 3.3.3 적응형 확장 칼만 필터 알고리즘 28
• 3.4 시뮬레이션 기반 표류 경로 예측 유효성 검토 32
• 3.4.1 무인수상정 모델 및 시뮬레이션 조건 33
• 3.4.2 시뮬레이션 기반 예측 결과 35
• 3.5 실해역 실험 기반 표류 경로 예측 유효성 검토 45
• 3.5.1 실해역 계측 데이터 및 실험 조건 45
• 3.5.2 실해역 실험 기반 예측 결과 47
• 4. 접근 경로 유도 53
• 4.1. 접근 경로 유도 알고리즘 53
• 4.1.1. 직선 경로 추종 53
• 4.1.2. 계측 시험 경로 추종 55
• 4.2. 접근 경로 유도 시뮬레이션 57
• 4.2.1. 시험 대상 선박 모델 및 시뮬레이션 조건 57
• 4.2.2. 유도 법칙 기반 권고 항로 생성 유효성 검토 59
• 5. 결론 65
• 참고문헌 67
• Abstract 71