KR102373475B1 - 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템 및 방법 - Google Patents
가속도 센서를 이용한 드론의 비행상태 모니터링 시스템 및 방법 Download PDFInfo
- Publication number
- KR102373475B1 KR102373475B1 KR1020210098096A KR20210098096A KR102373475B1 KR 102373475 B1 KR102373475 B1 KR 102373475B1 KR 1020210098096 A KR1020210098096 A KR 1020210098096A KR 20210098096 A KR20210098096 A KR 20210098096A KR 102373475 B1 KR102373475 B1 KR 102373475B1
- Authority
- KR
- South Korea
- Prior art keywords
- drone
- acceleration
- frequency signal
- signal
- unit
- Prior art date
Links
- 230000001133 acceleration Effects 0.000 title claims abstract description 120
- 238000012544 monitoring process Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 23
- 238000007405 data analysis Methods 0.000 claims abstract description 19
- 238000013500 data storage Methods 0.000 claims abstract description 16
- 230000005856 abnormality Effects 0.000 claims description 34
- 230000002159 abnormal effect Effects 0.000 claims description 27
- 238000004458 analytical method Methods 0.000 claims description 17
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical group C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 238000013215 result calculation Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0267—Fault communication, e.g. human machine interface [HMI]
- G05B23/0272—Presentation of monitored results, e.g. selection of status reports to be displayed; Filtering information to the user
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0267—Fault communication, e.g. human machine interface [HMI]
- G05B23/027—Alarm generation, e.g. communication protocol; Forms of alarm
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
-
- 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
- G05D1/0011—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- B64C2201/146—
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D45/00—Aircraft indicators or protectors not otherwise provided for
- B64D2045/0085—Devices for aircraft health monitoring, e.g. monitoring flutter or vibration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
본 발명은 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템 및 방법에 관한 것으로, 보다 상세하게는 드론에 구비되는 가속도 센서에 의한 측정치를 고속 푸리에 변환(FFT)에 의해 주파수 신호로 변환하여 정상상태에서의 주파수 신호와 비교함으로써 단순한 구성 및 방법에 의해 신속하면서도 정확하게 드론의 비행상태를 실시간으로 모니터링 할 수 있도록 하는 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템 및 방법에 관한 것이다.
Description
본 발명은 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템 및 방법에 관한 것으로, 보다 상세하게는 드론에 구비되는 가속도 센서에 의한 측정치를 고속 푸리에 변환(FFT)에 의해 주파수 신호로 변환하여 정상상태에서의 주파수 신호와 비교함으로써 단순한 구성 및 방법에 의해 신속하면서도 정확하게 드론의 비행상태를 실시간으로 모니터링 할 수 있도록 하는 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템 및 방법에 관한 것이다.
드론(Drone)은 조종사가 탑승하지 않고 무선전파 유도에 의해 비행과 조종이 가능한 비행기나 헬리콥터 모양의 무인기를 뜻하는 것으로, 애초 군사용으로 개발되었지만 최근에는 고공영상·사진 촬영과 배달, 기상정보 수집, 재난 관리, 농약 살포, 페인트 분사 등 다양한 분야에서 활용되고 있다.
이와 같은 드론 산업은 항공, 정보통신기술(ICT), 소프트웨어, 센서 등 첨단기술이 융합된 4차 산업혁명 시대의 핵심산업으로서 전 세계적으로 이에 대한 연구가 활발히 진행되어 최근에는 드론의 사용 분야와 수요가 폭발적으로 증가하고 있는 추세이다.
일반적으로, 드론에는 도 1에 나타낸 바와 같이, 비행 제어를 위한 비행제어유닛(12)이 구비되고, 상기 비행제어유닛(12)에는 가속도 센서(14a)와 자이로 센서가 연결 또는 구비되어 비행 도중 자세를 제어한다.
즉, 상기 자이로센서는 세 축, 즉 x,y,z 축에서 각속도(angular velocity)를 검출하여 피치(pitch, x), 롤(roll, y), 요(yaw, z) 축을 제어할 수 있고, 각속도의 변화량을 활용해 드론(10)이 흔들리지 않고 안정적으로 비행할 수 있도록 제어하는데 활용된다.
또한, 상기 가속도 센서(14a)는 세 축의 가속도 신호를 측정하여 세 축으로 드론(10)에 가해지는 가속도를 측정하는데 사용됨과 동시에, 정지된 위치에서 드론(10)의 기울기 각도를 측정하는데 사용된다.
즉, 드론(10)의 수평 방향으로 정지해 있는 경우, x축과 y축의 출력은 0g이고, z축의 출력은 1g가 되며, 각 축의 가속도 신호를 측정하여 삼각함수 공식을 적용하면, 드론(10)의 기울기 각도를 구할 수 있다.
또한, 상기 가속도 센서(14a)를 이용하여 수평 및 수직 방향으로의 직선 가속도를 구할 수 있는데, 이를 이용하면 드론(10)의 속도, 방향 및 고도 변화까지 계산할 수 있고, 드론에 발생하는 진동 또한 검출할 수 있다.
한편, 드론의 운용이 증가함에 따라 보다 안정적인 비행이 가능하도록 함과 동시에 충돌 등의 안전사고의 발생을 예방하기 위하여 드론의 비행상태 모니터링에 대한 중요성이 점점 증대되고 있는데, 이와 관련된 선행기술로 대한민국 등록특허공보 제10-2062855호에는 무인 비행체용 이상상태 감지 장치가 게재되어 있다.
상기 선행기술은 충전용 밧데리 측정부, 모터 구동신호 측정부, 제어신호 측정부, 모터 측정부 등을 포함하여 무인 비행체를 구성하는 주요 부품에 대한 작동 감시 기록의 패턴 분석을 통해 이상상태 발생 여부를 판단할 수 있도록 한 것에 그 특징이 있으나, 주요 부품들에 대한 상태 측정을 부품별로 각각 수행하여야 하므로 구성이 복잡하고 각 부품별 이상상태 발생 여부를 판단하므로 모니터링 해야 할 드론의 대수가 증가하는 경우 이상상태 검지의 신속성 및 정확성이 떨어질 수 있는 문제점이 있다.
또한, 대한민국 등록특허공보 제10-1947990호에는 무인비행체 고장 진단 방법 및 장치가 게재되어 있는데, 본 선행기술은 무인비행체 모터로부터 데이터를 수집하고, 모터로부터 출력되는 전압 및 전류의 고조파 왜곡율을 측정 및 분석하여 모터의 고장 유무 및 유형을 판단할 수 있도록 한 것에 기술적 특징이 있는 것으로, 비교적 간단한 구성 및 방법으로 무인비행체의 고장을 진단할 수 있는 장점은 있으나, 모터 이외의 다른 부품에 이상이 발생된 경우, 즉 모터 외의 다른 부품의 이상으로 인해 비행이 제대로 이루어지지 않는 경우에 대한 모니터링이 불가능하다는 문제점이 있다.
그리고, 기존의 다른 드론 비행 모니터링 시스템들은 대부분 드론으로부터 전송되는 신호 또는 영상의 분석을 통해 드론의 현재위치를 파악하여 드론들 사이의 충돌을 방지하기 위한 목적으로 운영되는 것이므로, 단순한 구성 및 방법에 의해 운용 중인 드론의 비행상황 즉, 이상발생 유무를 실시간으로 파악할 수 있는 시스템의 개발이 절실히 요구되고 있는 실정이다.
본 발명은 상기와 같은 종래기술의 문제점들을 해결하기 위하여 안출된 것으로, 본 발명의 목적은 드론에 구비되는 가속도 센서에 의한 측정치를 고속 푸리에 변환(FFT)에 의해 주파수 신호로 변환하여 정상상태에서의 주파수 신호와 비교함으로써 단순한 구성 및 방법에 의해 드론의 비행상태를 실시간으로 모니터링 할 수 있도록 하는 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템 및 방법을 제공함에 있다.
또한, 본 발명은 비행 중인 드론의 이상 발생 유무 만을 판단하도록 하여 모니터링을 위한 구성 및 방법을 최소한으로 간소화시킬 수 있도록 함과 동시에 모니터링 대상이 되는 드론의 개수와 상관없이 신속하면서도 정확하게 비행 중인 드론의 이상발생 유무를 확인할 수 있도록 하는 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템 및 방법을 제공함에 다른 목적이 있다.
상기와 같은 목적들을 달성하기 위한 본 발명은,
드론의 지상통제시스템에 이루어지는 드론의 비행상태 모니터링 시스템에 있어서, 상기 드론에 구비된 가속도 센서에 의해 측정된 가속도 신호를 수신하는 데이터수신부와, 상기 데이터수신부에 의해 수신된 가속도 신호를 고속 푸리에 변환을 통해 주파수 신호로 변환시키는 연산부와, 드론의 가속도 신호를 주파수 형태의 신호로 저장하는 데이터 저장부 및 상기 연산부에 의해 변환된 주파수 신호를 데이터 저장부에 저장된 정상 비행 상태의 주파수 신호와 비교하여 드론의 이상 발생 여부를 판단하는 데이터 분석부를 포함하여, 드론으로부터 전송되는 가속도 신호만으로 드론의 이상 발생 여부를 확인할 수 있도록 구성된 것을 특징으로 한다.
이때, 상기 데이터 저장부는, 드론이 정상 비행 상태인 경우의 가속도 신호를 주파수 신호로 저장하는 제1데이터베이스와, 드론이 이상 비행 상태인 경우의 가속도 신호를 주파수 신호로 저장하는 제2데이터베이스와, 상기 데이터분석부에 의한 드론의 이상 발생 여부 판단 결과를 저장하는 제3데이터베이스를 포함하는 것을 특징으로 한다.
또한, 상기 데이터 저장부에 저장된 데이터들을 이용하여 정상 비행 상태의 가속도 주파수 신호와 이상 비행 상태의 가속도 주파수 신호를 구분하여 반복 학습을 수행하는 딥러닝 프로그램이 구비된 인공지능학습부를 더 포함하는 것을 특징으로 한다.
그리고, 상기 데이터 분석부에서의 분석 또는 인공지능학습부에서의 판단 결과 연산부에 의해 변환된 주파수 신호가 정상 비행 상태의 가속도 주파수 신호와 기설정된 범위 이상으로 차이가 있거나 이상 비행 상태의 가속도 주파수 신호에 해당되는 경우 자동으로 경보음을 발생시키는 경보발생부를 더 포함하는 것을 특징으로 한다.
한편, 본 발명에 따른 가속도 센서를 이용한 드론의 비행상태 모니터링 방법은, 드론의 지상통제시스템에 이루어지는 드론의 비행상태 모니터링 방법에 있어서, 드론으로부터 전송되는 가속도 신호를 고속 푸리에 변환에 의해 주파수 신호로 변환하여 기저장된 정상 비행 상태에서의 주파수 신호와의 비교를 통해 드론의 이상 발생 여부를 판단하는 것을 특징으로 한다.
이때, 상기 모니터링 방법은, 드론의 가속도 센서에 의해 측정되어 전송되는 가속도 신호를 지상통제시스템의 데이터수신부에서 수신하는 가속도 신호 수신단계와, 상기 데이터수신부를 통해 수신한 가속도 신호를 고속 푸리에 변환에 의해 주파수 신호로 변환시키는 고속 푸리에 변환단계와, 변환된 주파수 신호를 기저장된 정상 비행 상태의 가속도 주파수 신호와 비교하여 이상 발생 여부를 판단하는 주파수 분석단계를 포함하는 것을 특징으로 한다.
또한, 상기 모니터링 방법은 딥러닝 프로그램을 이용하여 정상 비행 상태의 가속도 주파수 신호와 이상 비행 상태의 가속도 주파수 신호를 구분하여 반복 학습을 수행하는 인공지능 학습단계와, 상기 주파수 분석단계에서의 분석 결과 고속 푸리에 변환에 의해 변환된 주파수 신호가 정상 비행 상태의 가속도 주파수 신호와 기설정된 범위 이상으로 차이가 있는 경우 경보음을 발생시키는 경보발생단계를 더 포함하는 것을 특징으로 한다.
본 발명에 따르면, 드론에 구비되는 가속도 센서에 의한 측정치를 고속 푸리에 변환(FFT)에 의해 주파수 신호로 변환하여 정상상태에서의 주파수 신호와 비교함으로써 단순한 구성 및 방법에 의해 비행 중인 드론의 이상상황 발생 여부를 실시간으로 모니터링 할 수 있는 뛰어난 효과를 갖는다.
또한, 본 발명에 따르면 비행 중인 드론의 이상 발생 유무 만을 판단하도록 하여 모니터링을 위한 구성 및 방법을 최소한으로 간소화시킬 수 있도록 함과 동시에 모니터링 대상이 되는 드론의 개수와 상관없이 신속하면서도 정확하게 비행 중인 드론의 이상발생 유무를 확인할 수 있도록 하는 효과를 추가로 갖는다.
도 1은 기존의 일반적인 드론에 구비된 비행제어유닛과 각 종 센서들을 개념적으로 도시한 도면.
도 2는 드론의 구성 및 신호전달체계를 개념적으로 도시한 도면.
도 3은 본 발명에 따른 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템을 개략적으로 나타낸 도면.
도 4는 본 발명에 따른 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템의 구성을 개념적으로 나타낸 도면.
도 5 및 도 6은 본 발명에 따른 가속도 센서를 이용한 드론의 비행상태 모니터링 방법을 순차적으로 나타낸 도면.
도 7은 도 6에 나타낸 본 발명 중 가속도 신호 수신단계를 나타낸 도면.
도 8은 도 6에 나타낸 본 발명 중 고속 푸리에 변환단계를 나타낸 도면.
도 2는 드론의 구성 및 신호전달체계를 개념적으로 도시한 도면.
도 3은 본 발명에 따른 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템을 개략적으로 나타낸 도면.
도 4는 본 발명에 따른 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템의 구성을 개념적으로 나타낸 도면.
도 5 및 도 6은 본 발명에 따른 가속도 센서를 이용한 드론의 비행상태 모니터링 방법을 순차적으로 나타낸 도면.
도 7은 도 6에 나타낸 본 발명 중 가속도 신호 수신단계를 나타낸 도면.
도 8은 도 6에 나타낸 본 발명 중 고속 푸리에 변환단계를 나타낸 도면.
이하, 첨부된 도면을 참고로 하여 본 발명에 따른 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템 및 방법의 바람직한 실시예들을 상세히 설명하기로 한다.
도 2는 드론의 구성 및 신호전달체계를 개념적으로 도시한 도면이고, 도 3은 본 발명에 따른 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템을 개략적으로 나타낸 도면이며, 도 4는 본 발명에 따른 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템의 구성을 개념적으로 나타낸 도면이고, 도 5 및 도 6은 본 발명에 따른 가속도 센서를 이용한 드론의 비행상태 모니터링 방법을 순차적으로 나타낸 도면이며, 도 7은 도 6에 나타낸 본 발명 중 가속도 신호 수신단계를 나타낸 도면이고, 도 8은 도 6에 나타낸 본 발명 중 고속 푸리에 변환단계를 나타낸 도면이다.
본 발명은 드론에 구비되는 가속도 센서에 의한 측정치를 고속 푸리에 변환(FFT)에 의해 주파수 신호로 변환하여 정상상태에서의 주파수 신호와 비교함으로써 단순한 구성 및 방법에 의해 신속하면서도 정확하게 드론의 비행상태를 실시간으로 모니터링 할 수 있도록 하는 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템 및 방법에 관한 것으로, 먼저 드론(10)의 일반적인 비행제어 방법을 살펴보면, 드론(10)은 도 2에 나타낸 바와 같이, 비행제어유닛(12)에서 IMU 센서모듈(14)에 의해 측정된 정보들과 GPS 신호 및 텔레메트리를 통해 수신된 신호를 전자변속기(ECS)를 거쳐 모터에 전류를 보내어 비행을 제어하는 구조로 이루어져 있다.
이때, 상기 드론(10)의 비행 제어 및 비행상태를 모니터링하는 지상통제시스템(GCS; Ground Control System)(20)은 드론(10)에 구비된 텔레메트리를 통해 전송된 신호를 받아서 드론(10)의 자세 및 위치 등을 파악할 수 있다.
본 발명은 드론(10)의 비행제어유닛(12)에 연결 또는 내장된 IMU 센서모듈(14) 중 가속도 센서(14a)에 의한 측정 신호(이하, '가속도 신호'라 한다)를 상기 텔레메트리를 통해 지상통제시스템(20)에서 수신한 후 고속 푸리에 변환을 이용하여 주파수 신호로 변환시킴으로써 드론(10)의 비행상태를 모니터링 하기 위한 시스템 및 방법에 관한 것으로, 먼저 본 발명에 따른 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템(100)(이하, '모니터링 시스템(100)'이라 한다)은 도 3 및 도 4에 나타낸 바와 같이, 지상통제시스템(20)에 구비되는 데이터 수신부(110), 연산부(120), 데이터 저장부(130) 및 데이터 분석부(140)를 포함할 수 있다.
먼저, 상기 데이터 수신부(110)는 비행 중인 드론(10)으로부터 전송되는 가속도 신호를 수신하는 역할을 하는 것으로, 드론(10)에 구비된 가속도 센서(14a)에 의해 측정된 가속도 신호는 텔레메트리를 통해 송신되어 지상통제시스템(20)에 구비된 데이터 수신부(110)에서 이를 수신할 수 있다.
다음, 상기 연산부(120)는 데이터 수신부(110)에 의해 수신된 시계열 형태의 가속도 신호를 고속 푸리에 변환에 의해 주파수 계열의 신호로 변환시키는 역할을 하는 것으로, 연산부(120)에는 고속 푸리에 변환기가 포함되어 데이터 수신부(110)로부터 전송되는 가속도 신호를 실시간으로 주파수 신호로 변환시킬 수 있도록 구성되어 있다.
이와 같은 고속 푸리에 변환기를 이용한 가속도 신호의 변환은 드론(10)의 이상발생 여부를 확인하기 위한 것으로, 후술하겠지만 드론(10)의 정상상태인 경우의 가속도 주파수 신호와의 비교를 통해 드론(10)의 이상발생 여부를 파악할 수 있게 된다.
이때, 상기 연산부(120)에 의한 가속도 신호의 변환 결과는 실시간으로 모니터링부(170)에 현시되어 지상통제시스템(20)의 관리자가 육안으로 확인할 수 있도록 구성할 수 있다.
다음, 상기 데이터 저장부(130)는 드론(10)의 가속도 신호를 주파수 형태의 신호로 저장하는 역할을 하는 것으로, 제1데이터베이스(132)와 제2데이터베이스(134)를 포함할 수 있다.
보다 상세히 설명하면, 상기 제1데이터베이스(132)는 드론(10)의 정상 비행상태에서의 가속도 신호를 주파수 신호, 즉 주파수 계열의 신호로 저장하는 것으로, 상기 제1데이터베이스(132)에 저장되는 주파수 신호는 연산부(120)에 의해 변환된 주파수 신호가 드론(10)이 정상상태인 경우인지 아니면 이상상태인 경우인지를 판별하기 위한 기준으로 사용될 수 있다.
다음, 상기 제2데이터베이스(134)는 드론(10)이 이상 비행상태인 경우의 가속도 신호를 주파수 형태의 신호로 저장하는 것으로, 후술할 데이터 분석부(140)에서의 분석 결과, 연산부(120)에 의한 현재 비행 중인 드론(10)으로부터 수신한 가속도 신호의 고속 푸리에 변환 결과가 정상 비행 상태가 아닌 것으로 판별될 경우, 해당 주파수 신호, 즉 고속 푸리에 변환에 의해 변환된 주파수 신호는 제2데이터베이스(134)에 저장될 수 있다.
상기 제1 및 제2데이터베이스(132,134)에 저장되는 정상 비행상태 및 이상 비행상태의 주파수 신호들은 지속적으로 업데이트될 수 있으며, 후술할 인공지능 학습부(150)에서의 학습 자료로서 사용될 수 있다.
또한, 상기 데이터 저장부(130)는 제3데이터베이스(136)를 더 포함할 수도 있는데, 상기 제3데이터베이스(136)는 후술할 데이터 분석부(140)에서의 판단 결과, 즉 드론(10)의 이상 발생 여부 판단 결과를 저장하는 역할을 하는 것으로, 상기 제3데이터베이스(136)에 저장되는 데이터들 또한 후술할 인공지능 학습부(150)에서의 학습 자료로서 사용될 수 있다.
다음, 상기 데이터 분석부(140)는 연산부(120)에 의해 변환된 주파수 신호를 드론(10)이 정상 비행상태일 경우의 주파수 신호와 비교하여 드론(10)의 이상발생 여부를 판단하는 역할을 하는 것으로, 이상발생 여부의 판단 기준이 되는 오차범위는 기설정되어 저장될 수 있다.
즉, 상기 연산부(120)에서 이루어진 고속 푸리에 변환에 의한 가속도 신호의 주파수 신호로의 변환 결과는 모니터링부(170)에 현시됨과 동시에 데이터 분석부(140)로 전송되고, 상기 데이터 분석부(140)에서는 연산부(120)로부터 전송된 주파수 신호를 데이터 저장부(130)의 제1데이터베이스(132)에 저장된 정상 비행상태의 주파수 신호와 비교하여 두 주파수 신호 사이의 차이가 기설정된 오차 범위 이내인 경우에는 드론(10)이 정상 비행상태인 것으로 판단하고, 두 주파수 신호 사이의 차이가 기설정된 오차 범위를 벗어나는 경우에는 드론(10)이 이상 비행상태인 것으로 판단할 수 있다.
이때, 상기 데이터 분석부(140)에서의 드론(10)의 이상 발생 여부 판단 결과는 데이터 저장부(130)의 제3데이터베이스(136)로 전송 및 저장됨과 동시에 모니터링부(170)에 현시될 수 있다.
또한, 상기 데이터 분석부(140)에서의 분석 결과, 드론(10)이 정상 비행상태인 것으로 판단될 경우, 연산부(120)로부터 전송된 주파수 신호는 제1데이터베이스(132)로 전송 및 저장되고, 드론(10)이 이상 비행상태인 것으로 판단돌 경우에는 연산부(120)로부터 전송된 주파수 신호는 제2데이터베이스(134)로 전송 및 저장될 수 있다.
한편, 본 발명에 따른 모니터링 시스템(100)은 지상통제시스템(20)에 구비되는 인공지능 학습부(150)를 더 포함할 수 있는데, 상기 인공지능 학습부(150)는 데이터 저장부(130)에 저장된 데이터들을 이용한 반복 학습을 수행하는 역할을 하는 것으로, 인공지능 학습부(150)에는 딥러닝 프로그램이 구비될 수 있다.
즉, 상기 딥러닝 프로그램을 이용한 반복 학습을 통해 정상 비행상태의 가속도 주파수 신호와의 비교없이도 연산부(120)에서 고속 푸리에 변환에 의해 변환된 가속도 주파수 신호 만으로 드론(10)의 이상 발생여부를 판단할 수 있게 되는 것이다.
보다 상세히 설명하면, 상기 인공지능 학습부(150)는 데이터 저장부(130)의 제1 내지 제3데이터베이스(132,134,136)에 각각 저장된 드론(10)이 정상 비행상태인 경우의 가속도 주파수 신호, 드론(10)이 이상 비행상태인 경우의 가속도 주파수 신호 및 데이터 분석부(140)에서의 드론(10)의 이상 발생여부 판단 결과들을 구분하여 반복적으로 학습하여 정상 비행상태 및 이상 비행상태에서의 가속도 주파수 특성들을 파악할 수 있고, 이를 드론(10)의 이상 발생여부 판단 결과들과 비교하는 학습을 수행할 수 있다.
상기와 같은 반복 학습에 의해, 상기 인공지능 학습부(150)에서는 정상 비행상태의 가속도 주파수 신호와의 비교 없이, 연산부(120)에서 변환된 가속도 주파수 신호만으로 드론(10)의 이상 발생여부를 판단할 수 있게 되어 전체적인 드론(10)의 이상 발생여부 판단에 소요되는 시간을 단축시킬 수 있게 된다.
또한, 본 발명에 따른 모니터링 시스템(100)은 경보발생부(160) 및 모니터링부(170)가 더 포함될 수 있는데, 먼저 상기 경보발생부(160)는 지상통제시스템(20)에 구비되어 드론(10)의 비행상태 모니터링 결과 드론(10)에 이상이 발생된 것으로 판단된 경우, 경보음 등의 경보신호를 발생시키는 역할을 하는 것이다.
즉, 상기 경보발생부(160)는 데이터 분석부(140)에서의 분석 결과 연산부(120)에 의해 변환된 주파수 신호가 정상 비행상태의 주파수 신호와 기설정된 오차범위 이상으로 차이가 있어 드론(10)에 이상이 발생된 것으로 판단되거나, 인공지능 학습부(150)에서 연산부(120)에 의해 변환된 주파수 신호가 드론(10)의 이상 비행상태의 가속도 주파수 신호에 해당되는 것으로 판단하는 경우 경보음 등의 경보 신호를 발생시키도록 구성될 수 있다.
또한, 상기 모니터링부(170)는 지상통제시스템(20)에 구비되어 관리자가 모니터링 시스템(100)에 의한 드론(10)의 이상 발생여부 판단 결과를 육안으로 확인할 수 있도록 하는 구성으로, 전술한 바와 같이, 연산부(120)에서 이루어지는 가속도 신호의 주파수신호로의 변환 결과, 데이터 분석부(140)에서의 분석 결과, 인공지능 학습부(150)에서의 판단 결과 및 경보발생부(160)에서의 경보 신호 발생 여부 등을 실시간으로 현시하도록 구성될 수 있다.
한편, 본 발명에 따른 가속도 센서를 이용한 드론의 비행상태 모니터링 방법은 전술한 바와 같이 구성된 모니터링 시스템(100)을 이용하여 드론(10)의 이상 발생여부를 판단하는 방법에 관한 것으로, 드론(10)의 가속도 센서(14a)에 의해 측정된 가속도 신호를 고속 푸리에 변환을 통해 주파수 신호로 변환하고, 변환된 주파수 신호를 기저장된 정상 비행상태에서의 주파수 신호와 비교함으로써 드론(10)의 이상 발생여부를 판단할 수 있도록 구성된 것에 그 특징이 있다.
보다 상세히 설명하면, 본 발명에 따른 가속도 센서를 이용한 드론의 비행상태 모니터링 방법은 도 5 및 도 6에 나타낸 바와 같이, 가속도 신호 수신단계(S10), 고속 푸리에 변환단계(S20) 및 주파수 분석단계(S30)를 포함할 수 있는데, 먼저, 상기 가속도 신호 수신단계(S10)는 드론(10)에 구비된 가속도 센서(14a)에 의해 측정된 가속도 신호를 지상통제시스템(20)에 구비된 데이터 수신부(110)를 통해 수신하는 단계이다.
즉, 도 7에 나타낸 바와 같이, 비행 중인 드론(10)의 가속도 센서(14a)에 의해 측정된 가속도 신호는 텔레메트리를 통해 지상통제시스템(20)에 구비된 데이터 수신부(110)로 실시간으로 송신될 수 있다.
다음, 상기 고속 푸리에 변환단계(S20)는 고속 푸리에 변환기가 구비된 연산부(120)에서 이루어지는 것으로, 도 7에 나타낸 바와 같이, 데이터 수신부(110)에 의해 수신된 시계열 형태의 가속도 신호를 고속 푸리에 변환에 의해 주파수 계열의 신호로 변환시키는 단계로, 시계열 형태의 가속도 신호를 주파수 신호로 변환시키는 이유는 전술한 모니터링 시스템(100)에서 설명한 바와 같으므로 보다 상세한 설명은 생략하기로 한다.
다음, 상기 주파수 분석단계(S30)는 고속 푸리에 변환단계(S20)에서 변환된 주파수 신호를 정상 비행상태의 가속도 주파수 신호와 비교하여 드론(10)의 이상 발생여부를 판단하는 단계로, 상기 지상통제시스템(20)에 구비되는 데이터 분석부(140)에서 이루어질 수 있다.
즉, 상기 주파수 분석단계(S30)에서 이루어지는 드론(10)의 이상 발생여부 판단은 전술한 바와 같이, 고속 푸리에 변환단계(S20)에서 변환된 주파수 신호를 데이터 저장부(130)의 제1데이터베이스(132)에 저장된 정상 비행상태의 주파수 신호와 비교하여 두 주파수 신호 사이의 차이가 기설정된 오차 범위 이내인 경우에는 드론(10)이 정상 비행상태인 것으로 판단하고, 두 주파수 신호 사이의 차이가 기설정된 오차 범위를 벗어나는 경우에는 드론(10)이 이상 비행상태인 것으로 판단할 수 있다.
한편, 본 발명에 따른 가속도 센서를 이용한 드론의 비행상태 모니터링 방법은 인공지능 학습단계(S40)와 경보발생단계(S50)를 더 포함할 수 있는데, 먼저 상기 인공지능 학습단계(S40)는 인공지능 학습부(150)에 구비된 딥러닝 프로그램을 이용하여 드론(10)이 정상 비행상태인 경우의 가속도 주파수 신호, 드론(10)이 이상 비행상태인 경우의 가속도 주파수 신호 및 데이터 분석부(140)에서의 드론(10)의 이상 발생여부 판단 결과들에 대한 반복 학습을 수행하는 단계이다.
상기와 같은 반복 학습에 의해 정상 비행상태 및 이상 비행상태에서의 가속도 주파수 특성 파악이 완료되면, 전술한 주파수 분석단계(S30)를 거치지 않고서도 고속 푸리에 변환단계(S20)에서 변환된 주파수 신호만으로 드론(10)의 이상 발생여부를 판단할 수 있다.
다음, 상기 경보발생단계(S50)는 주파수 분석단계(S30)에서의 분석 결과 고속 푸리에 변환단계(S20)에서 변환된 주파수 신호가 정상 비행 상태의 가속도 주파수 신호와 기설정된 범위 이상으로 차이가 있어 드론(10)에 이상이 발생된 것으로 판단되는 경우 경보발생부(160)를 통해 경보음 등의 경보 신호를 발생시키는 단계로, 전술한 바와 같이 인공지능 학습단계(S40)를 통한 반복학습이 수행된 경우 인공지능 학습부(150)에서의 판단 결과 만으로 경보 신호를 발생시킬 수도 있다.
따라서, 전술한 바와 같은 본 발명에 따른 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템 및 방법에 의하면, 드론(10)에 구비되는 가속도 센서(14a)에 의한 측정치를 고속 푸리에 변환(FFT)에 의해 주파수 신호로 변환하여 정상상태에서의 주파수 신호와 비교함으로써 단순한 구성 및 방법에 의해 비행 중인 드론(10)의 이상상황 발생 여부를 실시간으로 모니터링 할 수 있을 뿐만 아니라, 비행 중인 드론(10)의 이상 발생 유무 만을 판단하도록 하여 모니터링을 위한 구성 및 방법을 최소한으로 간소화시킬 수 있게 되어 모니터링 대상이 되는 드론(10)의 개수와 상관없이 신속하면서도 정확하게 비행 중인 드론(10)의 이상발생 유무를 확인할 수 있는 등의 다양한 장점을 갖는 것이다.
전술한 실시예들은 본 발명의 가장 바람직한 예에 대하여 설명한 것이지만, 상기 실시예에만 한정되는 것은 아니며, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 다양한 변형이 가능하다는 것은 당업자에게 있어서 명백한 것이다.
본 발명은 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템 및 방법에 관한 것으로, 보다 상세하게는 드론에 구비되는 가속도 센서에 의한 측정치를 고속 푸리에 변환(FFT)에 의해 주파수 신호로 변환하여 정상상태에서의 주파수 신호와 비교함으로써 단순한 구성 및 방법에 의해 신속하면서도 정확하게 드론의 비행상태를 실시간으로 모니터링 할 수 있도록 하는 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템 및 방법에 관한 것이다.
10 : 드론 12 : 비행제어유닛
14 : IMU 센서모듈 14a : 가속도 센서
20 : 지상통제시스템 100 : 모니터링 시스템
110 : 데이터 수신부 120 : 연산부
130 : 데이터 저장부 132 : 제1데이터베이스
134 : 제2데이터베이스 136 : 제3데이터베이스
140 : 데이터 분석부 150 : 인공지능 학습부
160 : 경보발생부 170 : 모니터링부
S10 : 가속도 신호 수신단계 S20 : 고속 푸리에 변환단계
S30 : 주파수 분석단계 S40 : 인공지능 학습단계
S50 : 경보발생단계
14 : IMU 센서모듈 14a : 가속도 센서
20 : 지상통제시스템 100 : 모니터링 시스템
110 : 데이터 수신부 120 : 연산부
130 : 데이터 저장부 132 : 제1데이터베이스
134 : 제2데이터베이스 136 : 제3데이터베이스
140 : 데이터 분석부 150 : 인공지능 학습부
160 : 경보발생부 170 : 모니터링부
S10 : 가속도 신호 수신단계 S20 : 고속 푸리에 변환단계
S30 : 주파수 분석단계 S40 : 인공지능 학습단계
S50 : 경보발생단계
Claims (7)
- 드론의 비행상태 모니터링 시스템에 있어서,
드론의 비행제어 유닛에 내장된 IMU센서 모듈 중 가속도 센서에 의해 측정된 가속도 신호를 수신하는 데이터수신부와,
상기 데이터수신부에 의해 수신된 가속도 신호를 고속 푸리에 변환을 통해 주파수 신호로 변환시키는 연산부와,
드론의 가속도 신호를 주파수 형태의 신호로 저장하는 데이터 저장부와,
상기 연산부에 의해 변환된 주파수 신호를 데이터 저장부에 저장된 정상 비행 상태의 주파수 신호와 비교하여 드론의 이상 발생 여부를 판단하는 데이터 분석부 및
상기 데이터 저장부에 저장된 데이터들을 이용하여 정상 비행 상태의 가속도 주파수 신호와 이상 비행 상태의 가속도 주파수 신호를 구분하여 반복 학습을 수행하는 딥러닝 프로그램이 구비된 인공지능학습부를 포함하되,
상기 데이터 저장부는,
드론이 정상 비행 상태인 경우의 가속도 신호를 주파수 신호로 저장하는 제1데이터베이스와,
드론이 이상 비행 상태인 경우의 가속도 신호를 주파수 신호로 저장하는 제2데이터베이스와,
상기 데이터 분석부에 의한 드론의 이상 발생 여부 판단 결과를 저장하는 제3데이터베이스를 포함하고,
상기 인공지능 학습부에서는 정상 비행상태의 가속도 주파수 신호와의 비교 없이, 연산부에서 변환된 가속도 주파수 신호만으로 드론의 이상 발생여부를 판단할 수 있고,
상기 연산부에 의해 변환된 주파수 신호가 드론의 이상 비행상태의 가속도 주파수 신호에 해당되는 것으로 판단하는 경우 경보 신호를 발생시키는 경보발생부를 포함하는 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템.
- 삭제
- 삭제
- 삭제
- 제 1항에 따른 드론의 비행상태 모니터링 시스템을 이용한 드론의 비행상태 모니터링 방법에 있어서,
드론의 비행제어 유닛에 내장된 IMU센서 모듈 중 가속도 센서에 의해 측정되어 전송되는 가속도 신호를 수신하는 가속도 신호 수신단계와,
상기 가속도 신호 수신단계에서 수신한 가속도 신호를 고속 푸리에 변환에 의해 주파수 신호로 변환시키는 고속 푸리에 변환단계와,
변환된 주파수 신호를 데이터 저장부에 저장된 정상 비행 상태의 가속도 주파수 신호와 비교하여 이상 발생 여부를 판단하는 주파수 분석단계와,
딥러닝 프로그램을 이용하여 정상 비행 상태의 가속도 주파수 신호와 이상 비행 상태의 가속도 주파수 신호를 구분하여 반복 학습을 수행하는 인공지능 학습단계를 포함하되,
상기 인공지능 학습단계가 완료되면 정상 비행상태의 가속도 주파수 신호와의 비교 없이 고속 푸리에 변환단계에서 변환된 주파수 신호만으로 드론의 이상 발생여부를 판단할 수 있고,
상기 고속 푸리에 변환단계에서 변환된 주파수 신호가 드론의 이상 비행상태의 가속도 주파수 신호에 해당되는 것으로 판단되는 경우 경보 신호를 발생시키는 경보발생단계를 더 포함하는 가속도 센서를 이용한 드론의 비행상태 모니터링 방법. - 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210098096A KR102373475B1 (ko) | 2021-07-26 | 2021-07-26 | 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210098096A KR102373475B1 (ko) | 2021-07-26 | 2021-07-26 | 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102373475B1 true KR102373475B1 (ko) | 2022-03-14 |
Family
ID=80824026
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210098096A KR102373475B1 (ko) | 2021-07-26 | 2021-07-26 | 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102373475B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115164884A (zh) * | 2022-07-19 | 2022-10-11 | 中国民航大学 | 一种无人机飞行状态在线监测系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101947990B1 (ko) | 2017-09-25 | 2019-02-14 | 주식회사 팩테크 | 무인비행체 고장 진단 방법 및 장치 |
| KR102007471B1 (ko) * | 2017-03-14 | 2019-08-05 | 정남진 | 드론 관리 시스템 |
| KR102062855B1 (ko) | 2018-01-31 | 2020-01-07 | 하성배 | 무인 비행체용 이상상태 감지 장치 |
| KR20200078073A (ko) * | 2018-12-21 | 2020-07-01 | 주식회사 케이티 | 드론 관제 방법 및 이를 위한 장치 |
| KR102261899B1 (ko) * | 2019-11-15 | 2021-06-07 | 주식회사 스마티 | 드론의 이상 진단장치 및 그 방법 |
| KR102267840B1 (ko) * | 2019-12-30 | 2021-06-22 | 광주과학기술원 | 드론 모니터링 시스템 |
-
2021
- 2021-07-26 KR KR1020210098096A patent/KR102373475B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102007471B1 (ko) * | 2017-03-14 | 2019-08-05 | 정남진 | 드론 관리 시스템 |
| KR101947990B1 (ko) | 2017-09-25 | 2019-02-14 | 주식회사 팩테크 | 무인비행체 고장 진단 방법 및 장치 |
| KR102062855B1 (ko) | 2018-01-31 | 2020-01-07 | 하성배 | 무인 비행체용 이상상태 감지 장치 |
| KR20200078073A (ko) * | 2018-12-21 | 2020-07-01 | 주식회사 케이티 | 드론 관제 방법 및 이를 위한 장치 |
| KR102261899B1 (ko) * | 2019-11-15 | 2021-06-07 | 주식회사 스마티 | 드론의 이상 진단장치 및 그 방법 |
| KR102267840B1 (ko) * | 2019-12-30 | 2021-06-22 | 광주과학기술원 | 드론 모니터링 시스템 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115164884A (zh) * | 2022-07-19 | 2022-10-11 | 中国民航大学 | 一种无人机飞行状态在线监测系统 |
| CN115164884B (zh) * | 2022-07-19 | 2024-05-03 | 中国民航大学 | 一种无人机飞行状态在线监测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3006899B1 (en) | Systems and methods for attitude fault detection based on air data and aircraft control settings | |
| US8798817B2 (en) | Methods and systems for requesting and retrieving aircraft data during flight of an aircraft | |
| Zhao et al. | A health performance evaluation method of multirotors under wind turbulence | |
| US20130197739A1 (en) | Methods and systems for aircraft health and trend monitoring | |
| US9728014B2 (en) | Sensor fault detection and diagnosis for autonomous systems | |
| EP1455313A1 (en) | Aircraft condition analysis and management system | |
| EP3637212B1 (en) | Adaptable vehicle monitoring system and method | |
| KR102062855B1 (ko) | 무인 비행체용 이상상태 감지 장치 | |
| KR20210129843A (ko) | 무인 비행체 고장 진단 방법 및 장치 | |
| US20150081158A1 (en) | Method of detecting a defect in a structure, detector device and flying object | |
| KR102373475B1 (ko) | 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템 및 방법 | |
| Yong et al. | Unmanned aerial vehicle sensor data anomaly detection using kernel principle component analysis | |
| Benini et al. | Fault detection of a VTOL UAV using acceleration measurements | |
| CN114088192A (zh) | 振动监测保护系统及方法、存储介质 | |
| US20190095847A1 (en) | System and method for monitoring workflow checklist with an unobtrusive sensor | |
| CN111141286A (zh) | 一种无人机飞控多传感器姿态置信解算方法 | |
| Ramasamy et al. | A laser obstacle detection and avoidance system for manned and unmanned aircraft applications | |
| US11338935B1 (en) | Automated flight control functional testing | |
| Cleland-Huang et al. | Towards real-time safety analysis of small unmanned aerial systems in the national airspace | |
| Dhakal et al. | UAV Fault and Anomaly Detection Using Autoencoders | |
| Raptis et al. | A particle filtering-based framework for real-time fault diagnosis of autonomous vehicles | |
| CN111157018B (zh) | 一种检测方法、检测装置及自动驾驶车辆 | |
| Varga | Fault detection and isolation of actuator failures for a large transport aircraft | |
| KR102091204B1 (ko) | 무인 비행체 비행 제어 검사 시스템 및 그 방법 | |
| Tang et al. | An integrated health and contingency management case study on an autonomous ground robot |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |