KR101908435B1 - 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법 - Google Patents

생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법 Download PDF

Info

Publication number
KR101908435B1
KR101908435B1 KR1020170009261A KR20170009261A KR101908435B1 KR 101908435 B1 KR101908435 B1 KR 101908435B1 KR 1020170009261 A KR1020170009261 A KR 1020170009261A KR 20170009261 A KR20170009261 A KR 20170009261A KR 101908435 B1 KR101908435 B1 KR 101908435B1
Authority
KR
South Korea
Prior art keywords
drones
search
reconnaissance
group
area
Prior art date
Application number
KR1020170009261A
Other languages
English (en)
Other versions
KR20180085562A (ko
Inventor
신수용
바싯 사합 무하마드
레한 우스만 무하마드
이혜영
Original Assignee
금오공과대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 금오공과대학교 산학협력단 filed Critical 금오공과대학교 산학협력단
Priority to KR1020170009261A priority Critical patent/KR101908435B1/ko
Publication of KR20180085562A publication Critical patent/KR20180085562A/ko
Application granted granted Critical
Publication of KR101908435B1 publication Critical patent/KR101908435B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/12—Target-seeking control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U50/00—Propulsion; Power supply
    • B64U50/10—Propulsion
    • B64U50/19—Propulsion using electrically powered motors
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
    • B64C2201/042—
    • B64C2201/12—
    • B64C2201/143—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2201/00—UAVs characterised by their flight controls
    • B64U2201/10—UAVs characterised by their flight controls autonomous, i.e. by navigating independently from ground or air stations, e.g. by using inertial navigation systems [INS]
    • B64U2201/102—UAVs characterised by their flight controls autonomous, i.e. by navigating independently from ground or air stations, e.g. by using inertial navigation systems [INS] adapted for flying in formations

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법에 관한 것이다. 본 발명에 따른 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법은, 지상 관제 센터의 메인 서버에 의해 드론이 수색 및 정찰할 총 지역을 설정하는 단계; 설정된 지역을 수색 및 정찰할 드론의 수를 정하고, 정해진 드론 수를 바탕으로 드론의 임무 수행에 필요한 관련 사항을 결정하는 단계; 정해진 드론 수를 바탕으로 사용 가능한 모든 드론의 그룹을 형성한 후, 수색 및 정찰의 총 지역을 그룹 번호에 따라 분할하는 단계; 각 그룹의 헤드 드론, 드론의 비행 속도 및 시간을 설정하고, 비행 초기화를 시작하는 단계; 각 그룹이 생체 모방 알고리즘을 이용하여 수색 및 정찰을 수행하고, 각 그룹의 상황을 갱신하는 특정 시간 스탬프 후 그룹들 간에 일반 메시지를 교환하는 단계; 드론의 배터리 용량이 설정된 배터리 임계값을 초과하는지를 판별하여, 초과하면 드론의 재분배를 수행하고, 초과하지 않으면 수색 및 정찰을 계속 수행하는 단계; 및 임의의 그룹의 수색 및 정찰 시간이 총 비행 시간을 초과하는지를 판별하여, 초과하면 해당 그룹의 드론은 해당 지역 내에서 수색 및 정찰을 중단하고, 초과하지 않으면 총 비행 시간 때까지 수색 및 정찰 작업을 계속 수행하는 단계를 포함한다.

Description

생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법{Search and reconnaissance method by multiple drones using particle swarm algorithm}
본 발명은 다수 드론의 수색 및 정찰 방법에 관한 것으로서, 더 상세하게는 다수의 드론 간의 협업 및 공존을 위해 생체 모방 알고리즘을 드론들의 수색 및 정찰에 활용함으로써, 드론들이 더욱 효율적이고 최적화된 방식으로 주어진 임무를 수행할 수 있는 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법에 관한 것이다.
오늘날, 일반적으로 드론으로 알려진 무인 항공기(unmanned aerial vehicle: UAV)는 유인 비행이 어렵거나 위험한 장소에서의 수색, 감시 및 정찰에 최대한 활용되기 때문에 군사 및 민간 산업 분야에서 대중화되고 있다.
UAV는 하늘에서 눈으로 간주되며, 상황 요구에 따라 다양한 모양으로 변화할 수 있다. 그들은 드론에서 AI(인공 지능)에 대한 새로운 연구 영역을 창출했으며, 그곳에서 지능적인 사람처럼 그들 자신 및 행동에 대해 자율적인 결정을 내림으로써 지능적으로 작동하도록 프로그래밍 되어 있다. 드론에서 AI의 개념을 더욱 향상시키기 위해, 다수의 드론을 이용한 그룹 기반의 편대는 타이밍 제약 조건과 적용 범위를 줄일 수 있으므로 특히 감시 및 정찰 관점에서 또한 대중화되고 있다. 다중-UAV 협동 작전은 감시 인식 및 구조 임무 등과 같은 전투 분야와 같은 시나리오를 기반으로 큰 관심사가 된다. 다중-UAV 협동 작전에서, 협동적인 제어 도전을 낳는 다수의 드론이 함께 배치되며, 이러한 도전에 대처하기 위해 효과적인 해결책이 필요한 실정이다.
한편, 공개특허공보 제10-2015-0129602호(특허문헌 1)에는 "사용자 위치에 따른 드론 네트워크의 토폴로지 구성 방법"이 개시되어 있는바, 이에 따른 드론 네트워크의 토폴로지 구성 방법은, 편대를 구성하는 다수의 드론들에 의해 구현되는 것으로, 상기 다수의 드론들 각각의 위치, 구성 및 이동성 정보를 관리하는 지상 제어 장치(GCS)에 의해 제어되는 드론 네트워크의 토폴로지 구성 방법에 있어서, 상기 지상 제어 장치(GCS)가 상기 드론 네트워크의 서비스 지역에 포함된 사용자들 및 그 사용자들의 위치를 검출하는 단계; 상기 지상 제어 장치(GCS)가 상기 사용자들을 그들의 군집 정도에 따라 몇 개의 클러스터로 분할하는 단계; 및 상기 지상 제어 장치(GCS)가 상기 클러스터별로 그 클러스터에 포함된 사용자들 간의 거리 정보에 기초하여 상기 드론들의 배치 형태를 결정하는 토폴로지 구성 단계를 포함하는 것을 특징으로 한다.
이상과 같은 특허문헌 1의 경우, 신속한 대처와 구조가 필요한 상황(예컨대, 재난 발생 등)에서, 드론의 GPS와 네트워크 신호 세기를 이용하여 사용자의 위치를 검출함으로써, 비교적 정확하게 위치를 검출할 수 있고, 그 위치를 기반으로 드론 네트워크의 토폴로지를 구성함으로써 효율적인 구조를 이룰 수 있는 장점이 있을지는 모르겠으나, 다수의 드론들 각각의 위치, 구성 및 이동성 정보를 관리하는 지상 제어 장치(GCS)에 의해 제어되는 드론 네트워크의 토폴로지를 구성함에 있어서, 지상 제어 장치(GCS)가 드론 네트워크의 서비스 지역에 포함된 사용자들과의 유기적인 관계를 기반으로 드론 네트워크의 토폴로지를 구성하도록 되어 있어, 서비스 지역에 사용자가 없는 상황에서 특수 임무 수행을 위해 다수의 드론이 편대를 이루어 비행하는 경우에 대해서는 대처하기 어려운 문제를 내포하고 있다.
공개특허공보 제10-2015-0129602호(2015.11.20.)
본 발명은 상기와 같은 상황을 감안하여 창출된 것으로서, 다수의 드론 간의 협업 및 공존을 위해 생체 모방 알고리즘(예를 들면, 펭귄들이 무리를 지어 사냥하는 알고리즘)을 드론들의 수색 및 정찰에 활용함으로써, 드론들이 더욱 효율적이고 최적화된 방식으로 주어진 임무를 수행할 수 있는 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법을 제공함에 그 목적이 있다.
상기의 목적을 달성하기 위하여 본 발명에 따른 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법은,
a) 지상 관제 센터의 메인 서버에 의해 드론이 수색 및 정찰할 총 지역을 설정하는 단계;
b) 상기 지역 설정 후, 설정된 지역을 수색 및 정찰할 드론의 수를 정하고, 정해진 드론 수를 바탕으로 드론의 임무 수행에 필요한 관련 사항을 결정하는 단계;
c) 상기 정해진 드론 수를 바탕으로 사용 가능한 모든 드론의 그룹을 형성한 후, 수색 및 정찰의 총 지역을 그룹 번호에 따라 분할하는 단계;
d) 상기 지역 분할 후, 각 그룹의 헤드 드론, 드론의 비행 속도 및 시간을 설정하고, 비행 초기화를 시작하는 단계;
e) 상기 비행 초기화 후, 각 그룹이 생체 모방 알고리즘을 이용하여 수색 및 정찰을 수행하고, 각 그룹의 상황을 갱신하는 특정 시간 스탬프 후 그룹들 간에 일반 메시지를 교환하는 단계;
f) 상기 일반 메시지 교환 후, 드론의 배터리 용량이 설정된 배터리 임계값(threshold)을 초과하는지를 판별하여, 초과하면 드론의 재분배를 수행하고, 초과하지 않으면 수색 및 정찰을 계속 수행하는 단계; 및
g) 임의의 그룹의 수색 및 정찰 시간이 총 비행 시간을 초과하는지를 판별하여, 초과하면 해당 그룹의 드론은 해당 지역 내에서 수색 및 정찰을 중단하고, 초과하지 않으면 총 비행 시간 때까지 수색 및 정찰 작업을 계속 수행하는 단계를 포함하는 점에 그 특징이 있다.
여기서, 상기 단계 b)에서 상기 드론의 임무 수행에 필요한 관련 사항은 드론으로 구성되는 그룹의 추정 그룹 수, 드론의 배터리 용량, 배터리 임계값, 드론의 총 비행 시간, 데이터를 지상 관제 센터로 전송할 시간 등을 포함할 수 있다.
또한, 상기 단계 c)에서 상기 모든 드론의 그룹을 형성함에 있어서, 모든 드론에 의해 형성된 그룹의 총 번호는 드론의 수에 기반하여 미리 정해지고, 드론의 총 수를 확인하여 특정 시나리오에 따라 필요한 드론의 수는 변동될 수 있으며, 총 드론 수와 요구되는 그룹을 바탕으로 균일한 분포로 드론을 분배할 수 있다.
이때, 가능한 한 균일한 분포로 드론을 분배하며, 균일한 분포의 드론 분배가 어려울 경우 최대로 균등하게 분할된 그룹을 만들고, 나머지 그룹을 별도의 그룹에 배치할 수 있다.
또한, 상기 단계 d)에서 상기 비행 초기화를 시작함에 있어서, 그룹 대표들 간에 초기 메시지를 교환하고, 그룹 대표들이 비행을 시작하는 곳으로부터 그들의 기본 좌표 정보를 교환할 수 있다.
또한, 상기 단계 d)에서 모든 그룹에 대해 초기 이륙이 이루어질 수 있고, 그룹들은 각 그룹에 대해 미리 정해진 그들의 특정 하위 지역에 대해 수색 및 정찰을 시작할 수 있다.
또한, 상기 단계 e)에서, 각 그룹이 상기 생체 모방 알고리즘을 이용함에 있어서, 드론의 자율 경로에 대한 다음의 방정식을 이용하여 펭귄 사냥 전략 알고리즘을 시작할 수 있다.
Figure 112017006765040-pat00001
또한, 상기 단계 e)에서 그룹들 간에 교환되는 상기 일반 메시지는 드론의 공간 좌표, 배터리 용량 정보, 각 그룹에 대한 비행 시간을 포함할 수 있다.
이때, 상기 일반 메시지 교환에 있어서, 최고 우선 순위는 드론의 배터리 용량에 주어질 수 있다.
또한, 상기 단계 f)에서 드론의 재분배를 수행함에 있어서, 특정 지역에 드론이 부족하거나 필요한 경우, 드론들이 그룹을 형성하도록 제어할 수 있다.
또한, 상기 단계 f)에서 배터리 용량이 임계값을 초과하지 않으면, 드론들은 그들의 지역 내의 기존의 정보를 이용하여 수색 및 정찰을 계속 수행할 수 있다.
이때, 관심 지역 내에서 수색 및 정찰을 수행할 수 있다.
이때, 또한 특정 시간의 경과 후에 드론에 의해 데이터를 지상 관제 센터로 전송할 수 있다.
또한, 상기 단계 g)에서, 수색 시간이 총 비행 시간을 초과하면, 상기 해당 그룹의 드론은 해당 지역 내에서 수색 및 정찰을 중단하고 초기 위치로 되돌아가는 것으로 보고하고, 초과하지 않으면 총 비행 시간 때까지 수색 및 정찰 작업을 계속하고 해당 지역에서 수색 및 정찰 작업을 마친 후 해당 그룹은 초기 위치로 귀환하도록 제어할 수 있다.
이와 같은 본 발명에 의하면, 다수의 드론 간의 협업 및 공존을 위해 생체 모방 알고리즘(예를 들면, 펭귄들이 무리를 지어 사냥하는 알고리즘)을 드론들의 수색 및 정찰에 활용함으로써, 드론들이 더욱 효율적이고 최적화된 방식으로 주어진 임무를 수행할 수 있는 장점이 있다.
도 1은 본 발명의 실시예에 따른 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법의 실행 과정을 나타낸 흐름도이다.
도 2는 본 발명에 따른 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법에 따라 수색/정찰 지역을 격자 형태로 분할한 상태를 나타낸 도면이다.
도 3은 본 발명에 따른 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법에 따라 다수의 드론에 의한 수색 및 정찰 개요를 나타낸 도면이다.
본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정되어 해석되지 말아야 하며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 한다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다. 또한, 명세서에 기재된 "…부", "…기", "모듈", "장치" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
이하 첨부된 도면을 참조하여 본 발명의 실시예를 상세히 설명한다.
여기서, 본 발명의 실시예에 대해 본격적으로 설명하기에 앞서, 본 발명에 채용되는 생체 모방 알고리즘에 대해 먼저 간략히 설명해 보기로 한다.
생체 모방 알고리즘은 자연계에서 생물학적 시스템의 특성을 모방하는 생물학적 시스템을 기반으로 하는 알고리즘의 일종이다. 이와 같은 생체 모방 알고리즘은 광범위한 응용 분야 및 자연 시스템으로부터 물려받은 단순성과 무작위 요소로 인해 컴퓨터적(계산적) 관점에서 장점이 있는 알고리즘이다.
대부분의 생체 모방 알고리즘은 구현하기가 쉽고 복잡도는 상대적으로 낮으며, 이러한 알고리즘은 단순하지만, 어떤 지역적 최적화를 벗어날 수 있는 충분한 다양성과 능력을 갖춘 다양한 경관을 수색할 수 있다. 생체 모방 컴퓨팅은 알고리즘 설계 분야에서 진취적이고 유망한 연구 분야이며, 인공 신경망(artificial neural networks: ANNs), 진화 알고리즘(evolutionary algorithms: EAs), 인공 면역 시스템(artificial immune systems: AIS), 군집 지능(swarm intelligence: SI) 등과 같은 패러다임을 포함한다.
특히, SI는 단순 에이전트의 집단적 행동에서 영감을 얻은 다중 에이전트 시스템의 개발에 중점을 두고 있다. 무리의 일반적인 목적은 개인의 독립적인 행동에 의해 추구되고, 행동은 서로 간에 그리고 환경과 상호 작용할 수 있다. 전 지구적이고, 지능적이며, 조정된 행동은 이러한 독립적인 행동으로부터 나타난다.
SI의 대표적인 유형으로는 새의 무리 또는 물고기 떼의 이동을 다루는 입자 무리 최적화(particle swarm optimization: PSO)와, 개미 집단의 행동 및 자체 조직 능력으로부터 영감을 얻는 개미 집단 최적화(ant colony optimization: ACO)와, 꿀벌의 특징 중 일부를 모델링하는 벌 떼 지능(bee swarm intelligence: BSI) 등을 들 수 있다. 주로 넓은 범위의 매우 복잡한 문제의 해결에 있어 유연성과 효율성 때문에, SI 알고리즘은 많은 학문 분야와 응용 분야에서 확장되고 점점 더 대중화되고 있다.
그러면, 이상과 같은 생체 모방 알고리즘의 개념을 바탕으로 본 발명의 실시예에 대해 설명해 보기로 한다.
도 1은 본 발명의 실시예에 따른 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법의 실행 과정을 나타낸 흐름도이고, 도 2는 수색/정찰 지역을 격자 형태로 분할한 상태를 나타낸 것이며, 도 3은 다수의 드론에 의한 수색 및 정찰 개요를 나타낸 도면이다.
도 1 내지 도 3을 참조하면, 본 발명에 따른 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법에 따라, 먼저 지상 관제 센터(310)(도 3 참조)의 메인 서버에 의해 다수의 드론(301∼304)이 수색 및 정찰할 총 지역을 설정한다(단계 S101).
상기 지역 설정 후, 설정된 지역을 수색 및 정찰할 드론(301∼304)의 수를 정하고, 정해진 드론 수를 바탕으로 드론(301∼304)의 임무 수행에 필요한 관련 사항을 결정한다(단계 S102). 여기서, 상기 드론(301∼304)의 임무 수행에 필요한 관련 사항은 드론으로 구성되는 그룹의 추정 그룹 수, 드론의 배터리 용량, 배터리 임계값, 드론의 총 비행 시간, 데이터를 지상 관제 센터(310)로 전송할 시간 등을 포함할 수 있다.
이상에 의해 드론(301∼304)의 수가 정해지면, 정해진 드론 수를 바탕으로 사용 가능한 모든 드론의 그룹을 형성한 후, 수색 및 정찰의 총 지역을 그룹 번호에 따라 분할한다(단계 S103). 이때, 이와 같은 지역 분할은 도 2에 도시된 바와 같이, 지역을 특정 격자 형태(201∼206)로 분할할 수 있다. 그리고 이와 같이 지역을 분할한 후 어떤 그룹이 어떤 지역을 수색할지 결정된다.
또한, 상기 모든 드론의 그룹을 형성함에 있어서, 모든 드론에 의해 형성된 그룹의 총 번호는 드론의 수에 기반하여 미리 정해지고, 드론의 총 수를 확인하여 특정 시나리오에 따라 필요한 드론의 수는 변동될 수 있으며, 총 드론 수와 요구되는 그룹을 바탕으로 균일한 분포로 드론을 분배할 수 있다. 이때, 가능한 한 균일한 분포로 드론을 분배하며, 균일한 분포의 드론 분배가 어려울 경우 최대로 균등하게 분할된 그룹을 만들고, 나머지 그룹을 별도의 그룹에 배치할 수 있다. 예를 들어, 총 6대의 드론이 있고 요구된 그룹의 번호가 3이면 균등 분배는 각 그룹에 2 드론이 되거나, 2 그룹이 요구되면 균등 분배는 각 그룹에 3 드론이 된다. 다른 예로, 만일 5개의 그룹이 요구되면 균등하게 분배된 그룹의 최대 수는 1대의 드론을 각각 가지는 4가 되고, 나머지 2대의 드론은 별도의 그룹에 배치된다. 이때, 최대 그룹 수는 총 드론 수를 초과할 수 없다.
상기 지역 분할 후, 각 그룹의 헤드 드론, 드론의 비행 속도(혹은 시간 스탬프의 속도) 및 시간을 설정하고, 비행 초기화를 시작한다(단계 S104). 여기서, 각 그룹의 헤드 드론은 그룹 구성원 간 및 그룹 간 메시지 교환을 담당하게 된다.
또한, 상기 비행 초기화를 시작함에 있어서, 그룹 대표들 간에 초기 메시지를 교환하고, 그룹 대표들이 비행을 시작하는 곳으로부터 그들의 기본 좌표 정보를 교환할 수 있다. 또한, 모든 그룹에 대해 초기 이륙이 이루어질 수 있고, 그룹들은 각 그룹에 대해 미리 정해진 그들의 특정 하위 지역에 대해 수색 및 정찰을 시작할 수 있다.
상기 비행 초기화 후, 각 그룹이 생체 모방 알고리즘(예를 들면, 펭귄 사냥 전략 알고리즘)을 이용하여 수색 및 정찰을 수행하고, 각 그룹의 상황을 갱신하는 특정 시간 스탬프 후 그룹들 간에 일반 메시지를 교환한다(단계 S105). 여기서, 각 그룹이 상기 생체 모방 알고리즘(예를 들면, 펭귄 사냥 전략 알고리즘)을 이용함에 있어서, 드론의 자율 경로에 대한 다음의 방정식을 이용하여 생체 모방 알고리즘(예를 들면, 펭귄 사냥 전략 알고리즘)을 시작할 수 있다.
Figure 112017006765040-pat00002
여기서, Dnew는 생체(예컨대, 펭귄)의 업데이트된 위치이고, rand ( )는 분포를 위한 무작위 수를 나타낸다. 또한, XLocalBest, DLastlast, XLocalLast는 각각 최적의 로컬, 최종 및 새 솔루션을 나타내는 위의 방정식에서 세 가지 다른 솔루션이며, 각 그룹의 드론의 위치를 업데이트하기 위해 사용된다.
또한, 상기 그룹들 간에 교환되는 상기 일반 메시지는 드론의 공간 좌표, 배터리 용량 정보, 각 그룹에 대한 비행 시간을 포함할 수 있다. 이때, 상기 일반 메시지 교환에 있어서, 최고 우선 순위는 드론의 배터리 용량에 주어질 수 있다.
상기 일반 메시지 교환 후, 드론(301∼304)의 배터리 용량이 설정된 배터리 임계값(threshold)을 초과하는지를 판별하여(단계 S106), 초과하면 드론의 재분배를 수행하고(단계 S107), 초과하지 않으면 수색 및 정찰을 계속한다(단계 S108). 여기서, 상기 단계 S107에서 드론의 재분배를 수행함에 있어서, 특정 지역에 드론이 부족하거나 필요한 경우, 드론들이 그룹을 형성하도록 제어할 수 있다.
또한, 상기 단계 S108에서 배터리 용량이 임계값을 초과하지 않으면, 드론들은 그들의 지역 내의 기존의 정보를 이용하여 수색 및 정찰을 계속 수행할 수 있다. 이때, 관심 지역 내에서 수색 및 정찰을 수행할 수 있고, 특정 시간의 경과 후에 드론(301∼304)에 의해 데이터를 지상 관제 센터(310)로 전송할 수 있다(단계 S109).
이후, 임의의 그룹의 수색 및 정찰 시간이 총 비행 시간을 초과하는지를 판별하여(단계 S110), 초과하면 해당 그룹의 드론은 해당 지역 내에서 수색 및 정찰을 중단하고(단계 S111), 초과하지 않으면 총 비행 시간 때까지 수색 및 정찰 작업을 계속 수행한다(단계 S112). 여기서, 상기 수색 시간이 총 비행 시간을 초과하면, 상기 해당 그룹의 드론은 해당 지역 내에서 수색 및 정찰을 중단하고 초기 위치로 귀환하는 것으로 보고하고, 초과하지 않으면 총 비행 시간 때까지 수색 및 정찰 작업을 계속하고 해당 지역에서 수색 및 정찰 작업을 마친 후 해당 그룹은 초기 위치로 귀환하도록 제어할 수 있다(단계 S113).
이상의 설명과 같이, 본 발명에 따른 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법은 다수의 드론 간의 협업 및 공존을 위해 생체 모방 알고리즘(예를 들면, 펭귄들이 무리를 지어 사냥하는 알고리즘)을 드론들의 수색 및 정찰에 활용함으로써, 드론들이 더욱 효율적이고 최적화된 방식으로 주어진 임무를 수행할 수 있는 장점이 있다.
또한, 드론은 사전에 정해진 경로 모델이 아닌 상황 및 관심 지역을 기반으로 최적화된 방식으로 지역을 수색할 수 있고, 더욱 지능적이고 강력해진 기능을 구비함에 따라 정적의 사전에 정해진 데이터를 사용하는 대신 동적으로 작동하며, 이에 따라 복잡한 상황도 능동적으로 처리할 수 있는 장점이 있다.
이상, 바람직한 실시예를 통하여 본 발명에 관하여 상세히 설명하였으나, 본 발명은 이에 한정되는 것은 아니며, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 다양하게 변경, 응용될 수 있음은 당해 기술분야의 통상의 기술자에게 자명하다. 따라서, 본 발명의 진정한 보호 범위는 다음의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술적 사상은 본 발명의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.
201∼206: 격자 형태 분할 지역 301∼304: 드론
310: 지상 관제 센터(원격 제어 장치)

Claims (14)

  1. a) 지상 관제 센터의 메인 서버에 의해 드론이 수색 및 정찰할 총 지역을 설정하는 단계;
    b) 상기 지역 설정 후, 설정된 지역을 수색 및 정찰할 드론의 수를 정하고, 정해진 드론 수를 바탕으로 드론의 임무 수행에 필요한 관련 사항을 결정하는 단계;
    c) 상기 정해진 드론 수를 바탕으로 사용 가능한 모든 드론의 그룹을 형성한 후, 수색 및 정찰의 총 지역을 그룹 번호에 따라 분할하는 단계;
    d) 상기 지역 분할 후, 각 그룹의 헤드 드론, 드론의 비행 속도 및 시간을 설정하고, 비행 초기화를 시작하는 단계;
    e) 상기 비행 초기화 후, 각 그룹이 생체 모방 알고리즘을 이용하여 수색 및 정찰을 수행하고, 각 그룹의 상황을 갱신하는 특정 시간 스탬프 후 그룹들 간에 일반 메시지를 교환하는 단계;
    f) 상기 일반 메시지 교환 후, 드론의 배터리 용량이 설정된 배터리 임계값(threshold)을 초과하는지를 판별하여, 초과하면 드론의 재분배를 수행하고, 초과하지 않으면 수색 및 정찰을 계속 수행하는 단계; 및
    g) 임의의 그룹의 수색 및 정찰 시간이 총 비행 시간을 초과하는지를 판별하여, 초과하면 해당 그룹의 드론은 해당 지역 내에서 수색 및 정찰을 중단하고, 초과하지 않으면 총 비행 시간 때까지 수색 및 정찰 작업을 계속 수행하는 단계를 포함하고,
    상기 단계 b)에서 상기 드론의 임무 수행에 필요한 관련 사항은 드론으로 구성되는 그룹의 추정 그룹 수, 드론의 배터리 용량, 배터리 임계값, 드론의 총 비행 시간, 데이터를 지상 관제 센터로 전송할 시간을 포함하며,
    상기 단계 e)에서, 각 그룹이 상기 생체 모방 알고리즘을 이용함에 있어서, 드론의 자율 경로에 대한 다음의 방정식을 이용하여 생체 모방 알고리즘을 시작하는 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법.
    Figure 112018062589979-pat00007

    여기서, Dnew는 생체의 업데이트된 위치이고, rand ( )는 분포를 위한 무작위 수를 나타낸다. 또한, XLocalBest, DLastlast, XLocalLast는 각각 최적의 로컬, 최종 및 새 솔루션을 나타내는 위의 방정식에서 세 가지 다른 솔루션을 나타낸다.
  2. 삭제
  3. 제1항에 있어서,
    상기 단계 c)에서 상기 모든 드론의 그룹을 형성함에 있어서, 모든 드론에 의해 형성된 그룹의 총 번호는 드론의 수에 기반하여 미리 정해지고, 드론의 총 수를 확인하여 특정 시나리오에 따라 필요한 드론의 수는 변동될 수 있으며, 총 드론 수와 요구되는 그룹을 바탕으로 균일한 분포로 드론을 분배하는 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법.
  4. 제3항에 있어서,
    상기 드론을 분배함에 있어서, 가능한 한 균일한 분포로 드론을 분배하며, 균일한 분포의 드론 분배가 어려울 경우 최대로 균등하게 분할된 그룹을 만들고, 나머지 그룹을 별도의 그룹에 배치하는 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법.
  5. 제1항에 있어서,
    상기 단계 d)에서 상기 비행 초기화를 시작함에 있어서, 그룹 대표들 간에 초기 메시지를 교환하고, 그룹 대표들이 비행을 시작하는 곳으로부터 그들의 기본 좌표 정보를 교환하는 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법.
  6. 제1항에 있어서,
    상기 단계 d)에서 모든 그룹에 대해 초기 이륙이 이루어지고, 그룹들은 각 그룹에 대해 미리 정해진 그들의 특정 하위 지역에 대해 수색 및 정찰을 시작하는 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법.
  7. 삭제
  8. 제1항에 있어서,
    상기 단계 e)에서 그룹들 간에 교환되는 상기 일반 메시지는 드론의 공간 좌표, 배터리 용량 정보, 각 그룹에 대한 비행 시간을 포함하는 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법.
  9. 제8항에 있어서,
    상기 일반 메시지 교환에 있어서, 최고 우선 순위는 드론의 배터리 용량에 주어지는 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법.
  10. 제1항에 있어서,
    상기 단계 f)에서 드론의 재분배를 수행함에 있어서, 특정 지역에 드론이 부족하거나 필요한 경우, 드론들이 그룹을 형성하도록 제어하는 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법.
  11. 제1항에 있어서,
    상기 단계 f)에서 배터리 용량이 임계값을 초과하지 않으면, 드론들은 그들의 지역 내의 기존의 정보를 이용하여 수색 및 정찰을 계속 수행하는 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법.
  12. 제11항에 있어서,
    상기 수색 및 정찰을 계속 수행함에 있어서, 관심 지역 내에서 수색 및 정찰을 계속 수행하는 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법.
  13. 제11항에 있어서,
    상기 수색 및 정찰을 계속 수행함에 있어서, 특정 시간의 경과 후에 드론에 의해 데이터를 지상 관제 센터로 전송하는 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법.
  14. 제1항에 있어서,
    상기 단계 g)에서, 수색 시간이 총 비행 시간을 초과하면, 상기 해당 그룹의 드론은 해당 지역 내에서 수색 및 정찰을 중단하고 초기 위치로 되돌아가는 것으로 보고하고, 초과하지 않으면 총 비행 시간 때까지 수색 및 정찰 작업을 계속하고 해당 지역에서 수색 및 정찰 작업을 마친 후 해당 그룹은 초기 위치로 귀환하도록 제어하는 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법.
KR1020170009261A 2017-01-19 2017-01-19 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법 KR101908435B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170009261A KR101908435B1 (ko) 2017-01-19 2017-01-19 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170009261A KR101908435B1 (ko) 2017-01-19 2017-01-19 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법

Publications (2)

Publication Number Publication Date
KR20180085562A KR20180085562A (ko) 2018-07-27
KR101908435B1 true KR101908435B1 (ko) 2018-10-16

Family

ID=63078306

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170009261A KR101908435B1 (ko) 2017-01-19 2017-01-19 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법

Country Status (1)

Country Link
KR (1) KR101908435B1 (ko)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102089067B1 (ko) * 2018-07-30 2020-03-16 광주과학기술원 다중 드론 시스템 및 그것의 동작 방법
CN111099024B (zh) * 2018-10-29 2021-07-16 中科灵动航空科技成都有限公司 油电混合动力旋翼无人机点火重启动方法、系统及存储器
KR102063851B1 (ko) * 2019-02-18 2020-01-08 국방과학연구소 무인 이동체 임무 할당 최적화 방법 및 장치
KR102267018B1 (ko) * 2019-09-30 2021-06-18 (주) 성부 화재 진압 운송수단을 이용한 화재 예방 시스템
CN111831008B (zh) * 2020-06-18 2024-03-22 航空工业信息中心 一种基于分布式架构的无人机编队协同控制系统及其方法
KR102499995B1 (ko) * 2020-07-22 2023-02-15 한국전자통신연구원 무인기 검출을 위한 정찰 무인기 및 이의 감시구역 비행 방법
KR102388501B1 (ko) * 2020-10-23 2022-04-21 한국항공우주연구원 다수의 비행체들의 장기 체공을 위한 비행 제어신호 생성 방법
CN112230678B (zh) * 2020-10-29 2023-07-14 皖江工学院 基于粒子群算法的三维无人机路径规划方法及规划系统
CN113190038A (zh) * 2021-04-19 2021-07-30 北京理工大学 一种无人机集群空中区域侦察任务的分配方法
CN113949826A (zh) * 2021-09-28 2022-01-18 航天时代飞鸿技术有限公司 一种通信带宽有限条件下无人机集群协同侦察方法及系统
CN114138003B (zh) * 2021-10-14 2024-04-02 中国航空工业集团公司洛阳电光设备研究所 一种小型固定翼无人机双机协同区域侦察方法
CN113671996B (zh) * 2021-10-22 2022-01-18 中国电子科技集团公司信息科学研究院 一种基于信息素的异构无人机侦察方法及系统
CN114115355B (zh) * 2022-01-24 2022-04-22 众芯汉创（北京）科技有限公司 一种无人机组任务规划方法、装置及系统
CN114599004B (zh) * 2022-01-28 2024-01-05 北京邮电大学 一种基站布局方法和装置
CN114967751B (zh) * 2022-06-21 2022-12-06 深圳华创电科技术有限公司 飞行器航迹追踪方法、装置、设备及存储介质
CN115542936B (zh) * 2022-10-28 2024-04-16 中国地质大学（武汉） 一种航磁无人机舵机布局智能优化方法、装置及电子设备
CN116430311B (zh) * 2023-06-12 2023-09-29 中国航天科工集团八五一一研究所 一种基于无人机集群的多信号源搜索定位方法
CN117330714B (zh) * 2023-12-01 2024-02-13 江苏新睿清智科技有限公司 一种基于大数据的区域环境监测预警系统及方法
CN117970945A (zh) * 2024-03-29 2024-05-03 西北工业大学 一种多无人机协同侦察轻量化双层空间表征方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012244837A (ja) 2011-05-23 2012-12-10 Mitsubishi Electric Corp 発電装置、発電システム及び発電方法
JP2014059860A (ja) * 2012-07-18 2014-04-03 Boeing Co 複数ビークルに組織的なタスク割当を行うためのミッション再計画
KR101628880B1 (ko) 2015-08-24 2016-06-09 (주)유진테크시스템 무인비행체를 구비하는 재난 방송 시스템
WO2016209504A1 (en) 2015-06-25 2016-12-29 Intel Corporation Personal sensory drones

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101209197B1 (ko) * 2010-11-24 2012-12-06 이화여자대학교 산학협력단 차량 위치 서비스를 제공하기 위한 차량 그룹 관리 방법 및 차량 그룹 등록 방법
US9599993B2 (en) * 2012-04-30 2017-03-21 The Trustees Of The University Of Pennsylvania Three-dimensional manipulation of teams of quadrotors
KR101636476B1 (ko) 2014-05-12 2016-07-06 고려대학교 산학협력단 드론을 이용한 네트워크 서비스 제공 방법 및 그 장치
KR101755092B1 (ko) * 2015-02-27 2017-07-19 광운대학교 산학협력단 무선 네트워크를 위한 무인 비행체, 무인 비행체 시스템 및 그 제어 방법
KR20160128144A (ko) * 2015-04-28 2016-11-07 주식회사 유브이코어 상용 이동 통신망을 이용한 소형 uav 항공 교통 관제 시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012244837A (ja) 2011-05-23 2012-12-10 Mitsubishi Electric Corp 発電装置、発電システム及び発電方法
JP2014059860A (ja) * 2012-07-18 2014-04-03 Boeing Co 複数ビークルに組織的なタスク割当を行うためのミッション再計画
WO2016209504A1 (en) 2015-06-25 2016-12-29 Intel Corporation Personal sensory drones
KR101628880B1 (ko) 2015-08-24 2016-06-09 (주)유진테크시스템 무인비행체를 구비하는 재난 방송 시스템

Also Published As

Publication number Publication date
KR20180085562A (ko) 2018-07-27

Similar Documents

Publication Publication Date Title
KR101908435B1 (ko) 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법
Akram et al. Security, privacy and safety evaluation of dynamic and static fleets of drones
Campion et al. A review and future directions of UAV swarm communication architectures
Sauter et al. Performance of digital pheromones for swarming vehicle control
Duan et al. Bio-inspired computation in unmanned aerial vehicles
CN111552314B (zh) 多无人机自适应编队跟踪控制方法
Sun et al. Optimal satellite formation reconfiguration based on closed-loop brain storm optimization
Beard et al. Decentralized cooperative aerial surveillance using fixed-wing miniature UAVs
Yang et al. Survey of swarm intelligence optimization algorithms
Parunak Making swarming happen
Chang et al. Coactive design of explainable agent-based task planning and deep reinforcement learning for human-UAVs teamwork
CN110286694B (zh) 一种多领导者的无人机编队协同控制方法
Rosalie et al. Coverage optimization with connectivity preservation for uav swarms applying chaotic dynamics
CN112788699B (zh) 一种飞行自组织网网络拓扑确定方法及系统
Belkadi et al. UAVs fleet control design using distributed particle swarm optimization: A leaderless approach
Fraser et al. Data ferrying in tactical networks using swarm intelligence and stigmergic coordination
Kieffer et al. Hybrid mobility model with pheromones for UAV detection task
CN110392879A (zh) 用于建立行为方案的方法和系统
Rasmussen et al. Branch and bound tree search for assigning cooperating UAVs to multiple tasks
Cheng et al. Dynamic mission control for UAV swarm via task stimulus approach
Feng et al. Consensus-based robust clustering and leader election algorithm for homogeneous UAV clusters
CN116009573A (zh) 异构无人机集群自组织运行控制方法、系统和设备
Valentini How robots in a large group make decisions as a whole? From biological inspiration to the design of distributed algorithms
Steiger et al. Learning for path planning and coverage mapping in UAV-assisted emergency communications
CN113495574B (zh) 一种无人机群飞行的控制方法、装置

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant