http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
대기 속도 센서가 없는 무추력 항공기의 강인 필터 기반의 바람 속도 추정 기법
박용곤종(Yong-gonjong Park),박찬국(Chan Gook Park) 한국항공우주학회 2019 韓國航空宇宙學會誌 Vol.47 No.2
본 논문에서는 대기 속도 센서가 없는 항공기에서의 강인 필터 기반의 바람 추정 기법을 제안한다. 바람 속도(wind velocity)는 항공기의 유도 및 제어를 더욱 정밀하게 수행하기 위해 사용되는 정보이다. 일반적으로 바람 속도는, 대기 속도와 지면 속도의 차이를 계산하여 얻을 수 있다. 이때 대기 속도는 피토 튜브와 같은 항공기와 대기의 상대 속도를 측정하는 대기 속도 측정 센서에서 얻을 수 있고, 지면 속도는 항법 시스템으로부터 얻을 수 있다. 그러나 항공기의 구성을 간단하게하기 위하여 대기 속도 측정 센서를 장착하지 않는 경우, 바람 속도를 직접적으로 얻을 수 없기 때문에 필터를 이용한 바람 추정 기법이 필수이다. 이때 난류에 의해 항공기의 공력 계수가 변하게 되는데, 이는 바람 추정 필터의 시스템 모델의 불확실성을 유발하게 되고, 결국 바람 추정 성능이 저하된다. 따라서 본 연구에서는 공력계수 불확실성에 강인함을 확보하기 위해 H∞ 필터를 적용한 바람 추정 기법을 제안하였다. 시뮬레이션을 통해 제안하는 기법이 공력계수의 불확실성이 있는 상황에서 성능을 개선하는 것을 확인하였다. In this paper, a robust filter based wind velocity estimation algorithm without an air velocity sensor in an air vehicle is presented. The wind velocity is useful information for the air vehicle to perform precise guidance and control. In general, the wind velocity can be obtained by subtracting an air velocity which is obtained by an air velocity sensor such as a pitot-tube, and a ground velocity which is obtained by a navigation equipment. However, in order to simplify the configuration of the air vehicle, the wind estimation algorithm is necessary because the wind velocity can not be directly obtained if the air velocity measurement sensor is not used. At this time, the aerodynamic coefficient of the air vehicle changes due to the turbulence, which causes the uncertainty of the system model of the filter, and the wind estimation performance deteriorates. Therefore, in this study, we propose a wind estimation method using H∞ filter to ensure robustness against aerodynamic coefficient uncertainty, and we confirmed through simulation that the proposed method improves the performance in the uncertainty of aerodynamic coefficient.
박용곤종(Yong-gonjong Park),강철우(Chulwoo Kang),이달호(Dal Ho Lee),박찬국(Chan Gook Park) 제어로봇시스템학회 2014 제어·로봇·시스템학회 논문지 Vol.20 No.5
This paper presents a novel aided navigation method for AUV (Autonomous Underwater Vehicles). The navigation system for AUV includes several sensors such as IMU (Inertial Measurement Unit), DVL (Doppler Velocity Log) and depth sensor. In general, the 13<SUP>th</SUP> order INS error model, which includes depth error, velocity error, attitude error, and the accelerometer and gyroscope biases as state variables is used with measurements from DVL and depth sensors. However, the model may degrade the estimation performance of the heading state. Therefore, the 11<SUP>th</SUP> INS error model is proposed. Its validity is verified by using a degree of observability and analyzing steady state error. The performance of the proposed model is shown by the computer simulation. The results show that the performance of the reduced 11<SUP>th</SUP> order error model is better than that of the conventional 13<SUP>th</SUP> order error model.
매개변수 사전 오차 모델링 기법을 이용한 SAR 요동측정 알고리즘
박우정(Woo Jung Park),박용곤종(Yong-gonjong Park),이수정(Soojeong Lee),박찬국(Chan Gook Park),송종화(Jong-Hwa Song),배창식(Chang Sik Bae) 한국항공우주학회 2019 韓國航空宇宙學會誌 Vol.47 No.8
항공 SAR에서 고품질의 영상을 얻기 위해서는 영상 획득 구간에서 항공기의 요동을 정확히 측정하여야 한다. 특히 요동측정을 할 때 상대적 위치오차 및 불연속성 오차를 줄여야 한다. 이를 해결하기 위해 본 논문에서는 합성 개구 레이더(SAR)에서 실시간으로 요동측정을 하는 매개변수 사전 오차 모델링 방법(P-PEM, Pre-Parametric Error Modeling)을 제안한다. P-PEM은 기존에 본 연구진에서 제안한 항법오차를 다항식으로 모델링하여 추정하는 매개변수 오차 모델링 기법(PEM, Parametric Error Modeling)에서 확장된 기법이다. PEM은 IMU에 의한 INS 오차를 짧은 시간 동안 다항식이라 가정하여 모델링하는 요동측정기법이다. 반면, P-PEM은 다항식 오차 모델의 계수를 미리 추정하고 영상촬영단계에서 사용한다. 시뮬레이션 결과, P-PEM을 적용하면 실시간으로 불연속성 오차를 제거한 요동측정이 가능함을 확인하였다. In order to obtain high-quality images by motion compensation in the airborne synthetic aperture radar (SAR), accurate motion sensing in image acquisition section is necessary. Especially, reducing relative position error and discontinuity in motion sensing is important. To overcome the problem, we propose a pre-parametric error modeling (P-PEM) algorithm which is a real-time motion sensing algorithm for the airborne SAR in this paper. P-PEM is an extended version of parametric error modeling (PEM) method which is a motion sensing algorithm to mitigate the errors in the previous work. PEM estimates polynomial coefficients of INS error which can be assumed as a polynomial in the short term. Otherwise, P-PEM estimates polynomial coefficients in advance and uses at image acquisition section. Simulation results show that the P-PEM reduces relative position error and discontinuity effectively in real-time.