KR20210129843A - 무인 비행체 고장 진단 방법 및 장치 - Google Patents

Abstract

본 발명은 무인 비행체 고장 진단 방법 및 장치에 대한 것이다. 보다 상세하게는, 본 발명의 일 실시예에 따른 무인 비행체 고장 진단 방법은, 무인 비행체 항법 정보를 예측하는 단계, 상기 무인 비행체 항법 정보 및 무인 비행체에 대한 정보를 이용하여 고장 상태 변수를 추정하는 단계, 상기 고장 상태 변수를 평가하여 고장 여부 및 고장 발생 요소를 판단하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따르면 외란이 존재하는 환경에서 오경보(false alarm)를 발생시키는 요소들을 효과적으로 제거함으로써 신뢰성 있는 모델 기반의 무인 비행체 고장 진단 방법 및 장치를 제공할 수 있다.

Description

무인 비행체 고장 진단 방법 및 장치{Method and Apparatus for Monitoring Fault of Unmanned Aerial Vehicle}

본 발명은 외란에 강인한 무인 비행체 고장 진단 방법 및 장치에 대한 것이다.

통상 조종사가 직접 탑승하지 않고 무선전파를 이용해 원격 조종하여 비행하거나, 자율 비행하는 비행체를 무인 비행체라 한다. 무인 비행체는 일반 비행체와는 달리 조종사를 위한 공간과 안전장치를 별도로 구비하지 않기 때문에 소형화, 경량화가 가능하여, 사람의 접근이 어려운 곳의 정보 수집과 정찰을 위한 정찰용이나, 방사용으로도 활용되고 있고, 여러 다양한 용도로의 산업용으로 활용되고 있다. 특히, 요즘은 비교적 소형인 무인 비행체들이 보급되면서 일반인들의 취미생활 도구로도 활용되고 있는 실정이다.

종래의 무인 비행체의 경우, 추락사고 이후에 추락의 원인이나 추락 상황에서의 각 주요부품에 대한 작동 상태 등을 분석할 수 있는 기능장치가 탑재되지 않아 추락원인을 분석하기 어려운 문제점이 있었으며, 무인 비행체를 구성하는 각 주요부품의 정상 작동 여부에 대한 전문 분석 툴이 없어 각각의 주요부품들을 육안이나 간단한 계측기를 통해 계측하는 정도로 정상 작동 여부를 검사하고 있어 사용연한에 따른 정확한 부품 교체 시기를 알기 어렵고 유지 보수가 어렵다는 문제점이 있었다.

또한, 비행 도중 고장 발생을 감지하고 이를 지상의 사용자에게 즉시 알려 비행 중인 무인 비행체를 지상으로 신속하게 복귀시킴으로써, 무인 비행체의 추락을 사전에 예방할 수 있는 무인 비행체용 고장 진단 기술의 개발이 절실히 요구되고 있었다.

이에 따라 고안된, 종래의 무인 비행체에 대한 고장 진단 방법은 무인 비행체에 부착된 센서 출력 값과 설정된 기준 값과의 편차를 분석함으로써 고장 여부를 진단하는 것이었다.

특히 무인 비행체의 경우 플랫폼 크기 및 무게의 한계로 인해 시스템의 운동 특성을 표현할 수 있는 모델을 상정하는 예측적 고장 진단 방법을 활용하는 것이 일반적인데, 이러한 방법은 센서의 잡음, 예측 불가능한 시스템의 운동 특성 외의 외력 등 외란에 의해 성능이 크게 하락할 수 있다. 이 경우 센서 출력과 기준값 사이의 허용 편차를 보다 크게 설정하는 등의 방법이 사용될 수 있으나, 이는 결국 고장 진단 속도를 늦추거나 심하게는 고장 진단 민감도를 떨어뜨려 고장이 발견되지 않는 등의 문제점이 있다.

상술한 종래기술의 문제점을 해결하기 위해, 본 발명은 외란(disturbance)에 강인한 무인 비행체의 고장 진단 방법 및 장치를 제공하는 데 그 목적이 있다.

또한, 본 발명의 목적은 고장 진단 속도나 고장 진단 민감도를 유지하면서도 오경보(false alarm)을 발생시키는 요소를 제거할 수 있는 신뢰성 있는 무인 비행체 고장 진단 방법 및 장치를 제공하는 데 있다.

또한, 본 발명의 목적은 무인 비행체의 고장을 신속하게 진단하여 무인 비행체의 추락 등을 사전에 예방할 수 있는 무인 비행체 고장 진단 방법 및 장치를 제공하는 데 있다.

본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허청구범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.

상기 목적을 달성하기 위한, 본 발명의 일 실시예에 따른 무인 비행체 고장 진단 방법은, 무인 비행체 항법 정보를 예측하는 단계, 상기 무인 비행체 항법 정보 및 무인 비행체에 대한 정보를 이용하여 고장 상태 변수를 추정하는 단계, 상기 고장 상태 변수를 평가하여 고장 여부 및 고장 발생 요소를 판단하는 단계를 포함할 수 있다.

한편, 상기 무인 비행체 항법 정보는 무인 비행체의 위치, 속도, 자세각, 자세각속도에 대한 정보를 포함할 수 있다.

한편, 상기 무인 비행체 모델은 실제 무인 비행체를 토대로 가상으로 상정된 것일 수 있다.

한편, 상기 무인 비행체는 비행 제어를 위한 비행 제어부, 비행체에 구동력을 전달하기 위한 하나 이상의 구동기, 위치를 송출하기 위한 GPS 센서와 정확한 자세를 도출하는데 사용될 수 있는 지자기 센서, 가속도 센서, 각속도 센서를 포함할 수 있다.

한편, 상기 지자기 센서, 가속도 센서, 각속도 센서는 IMU(Inertial Measurement Unit) 센서에 포함된 것일 수 있다.

한편, 상기 고장 발생 요소를 판단하는 단계는, 상기 고장 상태 변수를 저역 통과 필터(Low Pass filter, LPF)에 통과시키는 단계; 및 상기 무인 비행체의 가능한 상태에 대한 확률을 업데이트 하는 단계를 포함할 수 있다.

한편, 상기 확률을 업데이트 하는 단계는, 고장 요소의 인덱스가 출력될 확률을 의미하는 혼동 행렬을 생성하는 단계를 포함할 수 있다.

상기 목적을 달성하기 위한, 본 발명의 일 실시예에 따른 무인 비행체 고장 진단 장치는, 무인 비행체의 모델을 상정하여 무인 비행체 항법 정보를 예측하고, 상기 무인 비행체 항법 정보 및 무인 비행체에 대한 정보를 이용하여 고장 상태 변수를 추정하며, 상기 고장 상태 변수를 평가하여 고장 여부 및 고장 발생 요소를 판단하는 프로세서 및 외부의 무인 비행체로부터 비행체 상태 데이터를 입력받는 수신부를 포함할 수 있다.

한편, 상기 무인 비행체 항법 정보는 무인 비행체의 위치, 속도, 자세각, 자세각속도에 대한 정보를 포함할 수 있다.

한편, 상기 무인 비행체 모델은 실제 무인 비행체를 토대로 가상으로 상정된 것일 수 있다.

한편, 상기 프로세서는 상기 고장 여부 및 상기 고장 발생 요소를 판단할 때, 상기 고장 상태 변수를 저역 통과 필터(Low Pass filter, LPF)에 통과시키고, 상기 무인 비행체의 가능한 상태에 대한 확률을 업데이트할 수 있다.

한편, 상기 프로세서는 상기 확률이 기 설정된 한계 값보다 높은 경우 비행체가 고장난 것으로 판단할 수 있다.

상기 목적을 달성하기 위한, 본 발명의 일 실시예에 따른 무인 비행체 고장 진단 프로그램은, 컴퓨터에서, 무인 비행체 모델을 이용하여 무인 비행체 항법 정보를 예측하는 단계, 상기 무인 비행체 항법 정보 및 무인 비행체에 대한 정보를 이용하여 고장 상태 변수를 추정하는 단계, 상기 고장 상태 변수를 평가하여 고장 여부 및 고장 발생 요소를 판단하는 단계를 실행시키는 비-일시적 컴퓨터 판독가능 매체에 저장된 프로그램일 수 있다.

본 발명의 일 실시예에 따르면 오경보를 발생시킬 수 있는 요소를 제거하여 신뢰성 있는 모델 기반의 무인 비행체 고장 진단 방법 및 장치를 기대할 수 있다.

본 발명의 일 실시예에 따르면 저주파 외란 및 고주파 외란에 강인한 무인 비행체 고장 진단 방법 및 장치를 기대할 수 있다.

본 발명의 일 실시예에 따르면 무인 비행체의 고장여부를 신속하게 진단하여 무인 비행체의 추락 및 추락으로 인한 피해 등을 방지할 수 있다.

도 1은 본 발명의 일 실시예에 따른 무인 비행체 고장 진단 시스템을 포함하는 무인 비행체를 도시한 것이다.
도 2는 본 발명의 일 실시예에 따른 무인 비행체 고장 진단 시스템의 블록도를 도시한 것이다.
도 3은 본 발명의 일 실시예에 따른 도 2의 시스템에 포함될 수 있는 고장 상태 변수 평가부를 도시한 것이다.
도 4는 본 발명의 일 실시예에 따른 무인 비행체 고장 진단 방법을 도시한 것이다.
도 5는 본 발명의 일 실시예에 따른 무인 비행체 고장 진단 장치를 도시한 것이다.

이하에서는 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.

본 발명의 실시 예를 설명함에 있어서 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그에 대한 상세한 설명은 생략한다. 그리고, 도면에서 본 발명에 대한 설명과 관계없는 부분은 생략하였으며, 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

본 발명에 있어서, 서로 구별되는 구성요소들은 각각의 특징을 명확하게 설명하기 위함이며, 구성요소들이 반드시 분리되는 것을 의미하지는 않는다. 즉, 복수의 구성요소가 통합되어 하나의 하드웨어 또는 소프트웨어 단위로 이루어질 수도 있고, 하나의 구성요소가 분산되어 복수의 하드웨어 또는 소프트웨어 단위로 이루어질 수도 있다. 따라서, 별도로 언급하지 않더라도 이와 같이 통합된 또는 분산된 실시 예도 본 발명의 범위에 포함된다.

본 발명에 있어서, 다양한 실시 예에서 설명하는 구성요소들이 반드시 필수적인 구성요소들을 의미하는 것은 아니며, 일부는 선택적인 구성요소일 수 있다. 따라서, 일 실시 예에서 설명하는 구성요소들의 부분집합으로 구성되는 실시 예도 본 발명의 범위에 포함된다. 또한, 다양한 실시 예에서 설명하는 구성요소들에 추가적으로 다른 구성요소를 포함하는 실시 예도 본 발명의 범위에 포함된다.

본 발명에 있어서, 다양한 실시 예에서 설명하는 구성요소들이 반드시 필수적인 구성요소들을 의미하는 것은 아니며, 일부는 선택적인 구성요소일 수 있다. 따라서, 일 실시 예에서 설명하는 구성요소들의 부분집합으로 구성되는 실시 예도 본 발명의 범위에 포함된다. 또한, 다양한 실시 예에서 설명하는 구성요소들에 추가적으로 다른 구성요소를 포함하는 실시 예도 본 발명의 범위에 포함된다.

본 발명에 있어서, 제1, 제2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용되며, 특별히 언급되지 않는 한 구성요소들 간의 순서 또는 중요도 등을 한정하지 않는다. 따라서, 본 개시의 범위 내에서 일 실시 예에서의 제1 구성요소는 다른 실시 예에서 제2 구성요소라고 칭할 수도 있고, 마찬가지로 일 실시예에서의 제2 구성요소를 다른 실시예에서 제1 구성요소라고 칭할 수도 있다.

본 발명의 어떤 구성요소가 다른 구성요소에 “연결되어” 있다거나 “접속되어” 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있으나, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성 요소가 다른 구성 요소에 “직접 연결되어” 있다거나, “직접 접속되어” 있다고 언급된 때에는, 중간에 다른 구성 요소가 존재하지 않는 것으로 이해되어야 할 것이다.

이하, 첨부한 도면을 참조하여 본 발명의 실시 예들에 대해서 설명할 것이다.

도 1은 본 발명의 일 실시예에 따른 무인 비행체 고장 진단 시스템(202)을 포함하는 무인 비행체의 내부 구조를 도시한 것이다. 상기 무인 비행체에는, 상기 고장 진단 시스템 외에 센서(102, 103), 하나 이상의 모터(104), 무인 비행체를 제어하는 제어부(101)를 포함할 수 있다. 다만, 도 1에 도시된 구성요소로 한정되는 것은 아니다.

일 실시예로서, 무인 비행체의 본체 내부에는 지상의 사용자 단말기와 무선전파를 송수신하여 무인 비행체에 포함되는 구성요소들의 작동을 제어하는 비행 제어부(101)가 구비될 수 있다. 상기 제어부는 상기 비행체가 안정적인 자세를 유지할 수 있도록 하는 센서(102, 103)나 하나 이상의 모터(104)와 필요시 데이터를 송수신할 수 있다.

일 실시예로서, 무인 비행체의 본체에는 IMU 센서(102) 및 GPS 센서(103)가 포함될 수 있다. 먼저, 상기 IMU(Inertial measurement unit) 센서(102)란 관성 측정 장치로서, 이동 물체의 속도와 방향, 중력, 가속도를 측정하는 센서이다. 일반적으로 가속도(Accelerometer) 센서, 자이로스코프(Gyroscope) 센서, 지자기(Magnetometer) 센서 등을 포함할 수 있다.

상기 IMU 센서(102)는 x, y, z 좌표계를 이용하여 무인 비행체의 롤(roll), 피치(pitch), 요(yaw)를 나타낼 수 있다. 예를 들어, 롤(roll)은 x축으로, 피치(pitch)는 y축으로, 요(yaw)는 z축으로 나타낼 수 있으며, 이에 한정되는 것은 아니다. 상기 센서(102, 103)를 통해 x축, y축, z축이 동쪽, 북쪽, 지구 중력 반대방향, 즉 하늘방향에 대하여 얼마나 틀어져 있는지를 롤(roll) (좌-우 기울기), 피치(pitch) (전-후 기울기), 요(yaw) (좌-우 회전)에 대한 회전 운동을 각도(angle) 데이터로 제공할 수 있으며, 상기 3축에 대한 가속도 값도 나타낼 수 있다.

상기 GPS 센서(103)는 무인 비행체의 위치를 경도, 위도, 고도 등을 포함하여 도출하는 센서로, 좌표 값을 출력할 수 있다. 상기 무인 비행체의 현재 위치를 기억할 수 있으며, 지상에서 무인 비행체를 조종하는 사용자가 없는 경우, 즉 사전에 입력된 비행 경로를 따라 자율적으로 비행하는 경우, 상기 GPS 센서에 상기 비행경로가 입력될 수 있으며, 자기의 현재 비행 위치와 비교하면서 스스로 비행할 수 있다.

한편, 하나 이상의 모터(104) 또한 무인 비행체에 포함될 수 있다. 일 실시예로서, 상기 모터가 복수 개 존재하는 경우 상기 모터들은 서로 동일하거나 상이한 사양의 모터일 수 있으며 제어신호를 입력 받아 프로펠러를 회전, 구동시켜 무인 비행체의 비행을 가능하게 할 수 있다.

한편, 상기 비행 제어부(101)는, 상기 센서(102, 103)와 상기 모터(104)를 적절히 제어함으로써 무인 비행체가 안정적으로 비행할 수 있게 하기 위하여, 현재 무인 비행체 상태 데이터를 기반으로 상기 센서나 상기 모터에 적절한 제어 입력을 생성, 전달할 수 있다.

상기 무인 비행체 상태 데이터는 상기 센서나 상기 모터로부터 수집된 것일 수 있으며, 무인 비행체 본체의 내부에 다른 구성요소를 더 포함하는 경우 다른 구성요소로부터 수집된 상기 비행체에 대한 데이터도 포함될 수 있다.

다만, 일 실시예로서, 상기 제어부(101)는 지상의 사용자 단말기와 무선전파를 송수신하는 과정에서 외부의 다른 무선통신 장비에 의해 전파 방해를 받거나 외부로부터 유입되는 노이즈 신호의 영향을 받아 오작동할 수도 있다. 또한, 비행 중 제어부(101)의 제어 대상이 되는 비행체의 구성요소에 예상치 못한 고장이 발생할 수도 있다.

상기 제어부(101)가 비행체에 고장이 발생했음을 감지하지 못해 적절한 대응을 내리지 못하는 경우, 비행체가 자율 비행중일 뿐 아니라 지상에 무인 비행체의 비행을 통제하는 사용자가 있다고 하더라도 무인 비행체의 비행을 통제하지 못하고 결국 무인 비행체가 충돌 또는 추락할 수 있다.

상기와 같은 경우를 방지하기 위하여 본 발명의 일 실시예에 따른 무인 비행체 고장 진단 시스템(202)이 포함될 수 있다. 상기 시스템은 상기 센서(102, 103)와, 상기 제어부(101)와, 상기 하나 이상의 모터(104)와 데이터를 주고받을 수 있다.

상기 무인 비행체 고장 진단 시스템(202)은, 무인 비행체의 항법 정보를 예측하는 기능을 제공하는 모델 기반 상태 변수 예측부와, 센서로부터 전달받은 정보와 상기 무인 비행체의 항법 정보를 기반으로 고장 상태 변수를 추정하는 고장 추정부와, 상기 무인 비행체의 항법 정보와 상기 고장 상태 변수를 기반으로 새로운 무인기 상태 변수 추정값을 출력하는 비행체 상태 변수 추정부 및 상기 고장 상태 변수를 평가하여 고장의 유무 및 고장 요소 탐지 기능을 제공하는 고장 상태 변수 평가부를 포함할 수 있다. 이에 대하여는 도 2 내지 도 5에서 더욱 상세하게 설명할 것이다.

도 2는 본 발명의 일 실시예에 따른 무인 비행체 고장 진단 시스템을 블록도로 도시한 것이다.

보다 상세하게는, 일 실시예로서, 상기 고장 진단 시스템(202)은 무인 비행체의 내부에 포함되는 형태로 구현될 수 있으며, 모델 기반 상태 변수 예측부(204), 비행체 상태 변수 추정부(205), 고장 추정부(206), 고장 상태 변수 평가부(207)를 포함할 수 있으나, 이에 한정되는 것은 아니다.

또한, 일 실시예로서, 설명의 명료함을 위해 무인 비행체는 현재 비행중이라고 가정한다.

일 실시예로서, 상기 모델 기반 상태 변수 예측부(204)는, 무인 비행체에 포함된 비행 제어부로부터 도출된 제어 입력 및 기존의 비행체 상태 데이터를 입력(201) 받을 수 있다.

이를 통해, 무인 비행체의 모델을 상정할 수 있는데, 이는 실제의 무인 비행체를 기반으로 생성한 가상의 무인 비행체 모델일 수 있다.

상기 모델 기반 상태 변수 예측부(204)는, 상정된 무인 비행체의 모델을 이용하여 상기 입력된 제어 입력 및 기존의 비행체 상태 데이터를 이용하여 무인 비행체의 항법 정보를 예측하는 기능을 제공할 수 있다. 즉, 무인 비행체가 어떤 상황일지에 대한 정보를, 상정한 무인 비행체의 모델을 이용하여 도출할 수 있다.

상기 무인 비행체의 항법 정보란 무인 비행체의 위치, 속도, 자세각, 자세각속도에 대한 정보를 포함할 수 있으며, 상태 변수로 나타날 수 있다.

한편, 일 실시예로서, 비행체 상태 변수 추정부(205)는 모델 기반 상태 변수 예측부(204)로부터 전달받은 상기 무인 비행체의 항법 정보와 고장 추정부(206)로부터 전달받은 고장 상태 변수를 이용하여 새로운 무인기 상태 변수 추정 값을 출력할 수 있다.

상기 새로운 무인기 상태 변수 추정 값은, 예를 들어, 고장 여부 및 고장 요소 판단에 사용될 고장 상태 변수를 고려하여, 새로운 무인기의 상태를 추정하는 값일 수 있으며, 무인 비행체의 위치, 가속도, 각속도 등에 대한 정보를 포함할 수 있다.

상기 비행체 상태 변수 추정부(205)는 상기 새로운 무인기 상태 변수 추정 값을 상기 모델 기반 상태변수 예측부(204)에 전달할 수 있다.

고장 추정부(206)는, 일 실시예로서, 상기 모델 기반 상태 변수 예측부(204)로부터 전달받은 상기 무인 비행체의 항법 정보와 무인 비행체의 센서로부터 전달받은 상기 비행체 상태 데이터(208)를 이용하여 고장 상태 변수를 추정할 수 있으며, 상기 비행체 상태 데이터에는 무인비행체의 자세각, 자세각속도, 위치 등이 포함될 수 있다.

상기 고장 추정부(206)는 고장 상태 변수 평가부(207)에 상기 고장 상태 변수를 전달할 수 있다.

예를 들어, 고장 상태 변수 평가부(207)는 상기 고장 추정부(206)에서 추정한 고장 상태 변수를 평가하여 상기 고장 여부를 판단할 수 있으며, 고장이 발생하였다고 판단되면 무인 비행체의 어느 구성요소에서 고장이 난 것인지를 판단할 수 있으며, 이를 비행체 상태 가설에 대한 확률(203)로 출력할 수 있다. 상기 고장 상태 변수 평가부에 대하여는 도 3에서 더욱 상세하게 설명할 것이다.

한편, 상기 고장 상태 변수는 실제 운용 시, 상기 모델 기반 상태변수 예측부(204)에서 상정하는 무인 비행체 모델이 갖는 영구적 오차, 비행 환경에서의 바람 및 센서에 수신되는 간헐적 잡음 등을 포함하는 각종 외란(disturbance)에 영향을 받을 수 있다.

따라서, 해당 고장 상태 변수를 그대로 고장 진단에 활용할 시 그 정확도는 다소 떨어질 수 있다. 이를 방지하기 위하여, 본 발명의 일 실시예에 따른 고장 상태 변수 평가부(207)에는 필터링부와 고장 판단부를 포함할 수 있는데, 상기 필터링 부와 상기 고장 판단부에 대하여는 도 3에서 더욱 상세하게 설명할 것이다.

도 3은 본 발명의 일 실시예에 따른 고장 상태 변수 평가부(207)를 상세히 도시한 것이다. 보다 상세하게는, 도 3a는 상기 고장 상태 평가부에 포함될 수 있는 고장 판단부(305)와 필터링부(304)를 나타낸 것이고, 도 3b는 상기 필터링부(304)와 상기 고장 판단부(305)의 일 실시예를 도시한 것이다.

일 실시예로서, 무인 비행체 내부에 고장이 날 수 있는 구성요소에 각각 인덱스(index)가 기 설정되어 있다고 가정한다.

상기 필터링부(304)는, 일 실시예로서, 저역 통과 필터(Low Pass Filter, LPF)를 포함할 수 있다. 상기 저역 통과 필터는 고장 상태 변수를 입력 받아 상대적으로 저역대인 외란, 예를 들어, 바람 및 비행체 설정 상의 바이어스(bias)를 통과시키며, 이를 기존의 고장 상태 변수에서 감함으로써 보정된 고장 상태 변수를 생성할 수 있게 된다. 이는 도 3b에 나타난 저역 통과 필터(314)에 해당할 수 있다.

그 외에, 특정 주파수 대역의 잡음을 삭제하고자 할 때에는 대역 필터(Band Pass Filter, BPF)나 고역 통과 필터(High Pass Filter, HPF) 등을 이용하는 것도 가능하며, 이에 한정되는 것은 아니다.

상기 고장 판단부(305)는, 일 실시예로서, 상기 필터링부를 통과한, 바람 및 비행체 설정 상의 바이어스를 제외한 상기 보정된 고장 상태 변수를 수신하여, 고장 요소 탐지를 수행할 수 있다. 상기 고장 요소 탐지를 수행하여, 고장이 발생한 것으로 판단되면, 고장 요소 인덱스를 획득할 수 있게 된다.

일 실시예로서, 상기 고장 판단부(305)는 고장 요소 탐지부(315)와 비행체 상태 가설 확률 업데이트부(316)를 포함할 수 있다.

상기 고장 요소 탐지부(315)는, 예를 들어, 상기 저역 통과 필터(314)을 통한 고장 상태 변수, 즉 보정된 고장 상태 변수를 전달받아 고장 요소를 탐지하고, 고장 요소 인덱스를 출력할 수 있다.

예를 들어, 하기의 수학식 1의 조건부 판별을 통해 이를 기반으로 어느 구성요소에 고장이 났는지 판단하는 기능을 수행할 수 있다.

[수학식 1]

여기서, O는 고장 요소 인덱스, A는 상정된 무인 비행체 모델의 시간의 변화에 따른 상태의 변화를 나타내는 천이행렬, γ는 역치, M는 고장 상태 변수이다. argmax() 함수는

의 절대값이 극대로 형성되는

의 값을 찾기 위한 함수일 수 있다.

즉, 역치 γ 이하의 값에서는 고장이 나지 않은 것으로 판단할 수 있으며, 역치는 적절하게 기 설정된 값일 수 있다.

상기 수학식 1에 따라 고장 요소 인덱스 O를 도출할 수 있는데, 고장 요소 인덱스 O는 하나 이상일 수 있다.

다만, 앞선 저역 통과 필터(314)의 활용으로 저주파 영역대의 외란이 제거되었다 할지라도 센서 자체의 잡음 등으로 인해 여전히 간헐적인 오경보(false alarm)가 발생할 여지가 있다.

이러한 문제점을 방지하기 위해, 상기 비행체 상태 가설 확률 업데이트부(316)는, 예를 들어, 상기 고장 요소 인덱스를 기반으로 비행체 상태 가설에 대한 확률(303)을 도출할 수 있다. 상기 비행체 상태 가설에 대한 확률(303)은 해당 인덱스의 고장 요소에 고장이 발생하였을 확률과 동일할 수 있다.

즉, 고장 요소 인덱스를 먼저 획득한 후 이를 가설 집합에 포함된 가설과 연결시켜 실제로 고장이 났을 확률을 도출할 수 있다. 단 한번의 오경보(false alarm)로 고장을 확신하는 것을 방지하기 위하여 가능한 모든 비행체의 상태를 가설로 세우고, 각 가설에 대한 확률을 업데이트할 수 있다.

이 경우, 오경보(false alarm)를 방지하기 위하여 상기 고장 요소 인덱스에 해당하는 고장 요소에서 실제로 고장이 발생하였을 확률(303)을 출력할 수 있다. 상기 실제로 고장이 발생하였을 확률은, 무인 비행체에서 각 요소별로 가능한 상태에 대하여 가설 확률을 업데이트 함으로서 도출할 수 있다. 이를 통해 고장 상태 변수에 대한 활용도를 높이고, 고장 판단의 신뢰도 및 정확도를 높일 수 있다.

상기 비행체 상태 가설은 상기 고장 요소 탐지부가 도출한 고장 요소 인덱스 O 별로 표현될 수 있으며, 상기 고장 요소 인덱스 O에 대한 확률 업데이트를 위하여, 하기 수학식 2와 같이 무인 비행체의 가능한 상태에 대한 가설 집합을 설정할 수 있다.

일 실시예로서, 상기 무인 비행체에는 모터가 4개 이상 포함되어 있고, 고장요소 인덱스 O는 제1 모터, 제2 모터, 제3 모터 및 제4 모터를 지시한다고 가정한다. 상기 모터를 제외한 나머지 구성(센서 등)에는 절대로 고장이 발생할 수 없다고 가정한다. 이 경우, 비행체 상태 가설 집합은 하기와 같을 수 있다.

[수학식 2]

H= {정상, 제1 모터 고장, 제2 모터 고장, 제3 모터 고장, 제4 모터 고장}

상기 집합 H에 포함된 가설 중 특정 가설이 참이라고 판단될 경우, 상기 고장 판단부(305)에서 고장 요소 인덱스 O의 고장 발생 확률을 의미하는 혼동행렬 (confusion matrix)를 설정할 수 있다. 혼동 행렬에 대한 수학적 표현은 수학식 3과 같을 수 있다.

[수학식 3]

상기 혼동 행렬과 혼동행렬을 이용하여 무인 비행체의 상태 가설에 대한 확률 P(H)을 업데이트할 수 있는데, 이 과정은 하기 수학식 4와 같을 수 있다.

[수학식 4]

schur-hadamard product )

상기 식에서

는

에서 업데이트 된 확률 값일 수 있다.

상기 고장 판단부(305)에서 출력되는 것은 상기 가설에 대한 확률(303)이며, 이 확률의 업데이트는 고장 요소 인덱스를 기반으로 수행되지만, 해당 인덱스에서 실제로 고장이 발생했을 지에 대한 불확실성을 확률로서 고려함으로써 오경보를 방지할 수 있다.

최종적으로 출력되는 확률은 비행체의 고장/정상 여부에 대한 판단 잣대가 될 수 있다.

도 4는 본 발명의 일 실시예에 따른 무인 비행체 고장 진단 방법을 도시한 것이다. 상기 무인 비행체 고장 진단 방법은, 무인 비행체 고장 진단 시스템이나 무인 비행체 고장 진단 장치에 의해 수행될 수 있다. 상기 무인 비행체 고장 진단 시스템은 도 1 및 도 2에서 도시한 바와 동일할 수 있으며, 상기 무인 비행체 고장 진단 장치는 도 5에서 도시하는 것과 동일할 수 있다.

먼저, 무인 비행체 항법 정보를 예측(S401)하는 단계는 일 실시예로서 무인 비행체에 포함된 비행 제어부로부터 도출된 제어 입력 및 기존의 비행체 상태 데이터를 입력 받는 단계를 포함할 수 있다. 이를 이용하여 무인 비행체 모델을 상정하고, 상기 모델을 이용하여 무인 비행체 항법 정보를 예측하는 단계일 수 있다.

즉, 현재 무인 비행체가 어떤 상황일지에 대한 정보를, 상정한 무인 비행체의 모델을 이용하여 도출할 수 있다.

상기 무인 비행체의 항법 정보란 무인 비행체의 위치, 속도, 자세각, 자세각속도에 대한 정보를 포함할 수 있으며, 상태 변수의 형태로 도출될 수 있다. 상기 예측(S401)은 도 2에서 설명한 바와 동일할 수 있다.

고장 상태 변수를 추정(S402)하는 단계는 일 실시예로서 상기 무인 비행체 항법 정보와 무인 비행체 상태 데이터 등을 이용하여 고장 상태 변수를 추정하는 단계일 수 있다. 상기 고장 상태 변수는 도 2에서 설명한 바와 동일할 수 있다.

상기 무인 비행체 상태 데이터는 위치, 속도, 자세각, 자세각속도에 대한 정보를 포함할 수 있다.

상기 고장 상태 변수를 기반으로 고장 여부를 판단(S403)하는 단계는, 예를 들어, 고장 상태 변수를 평가하여 상기 고장 여부를 판단할 수 있으며, 고장이 발생하였다고 판단되면 무인 비행체의 어느 구성요소에서 고장이 난 것인지를 판단할 수 있다.

이때, 상기 단계(S403)는 고장 여부를 판단하고 고장 요소를 탐지하는 단계를 포함할 수 있다. 상기 고장 여부를 판단하고 고장 요소를 탐지하는 단계는, 고장 상태 변수를 필터링하고, 필터링 된 고장 상태 변수를 이용하여 고장 요소를 탐지하고, 고장 요소를 탐지하여 출력되는 고장 요소 인덱스를 기반으로 비행체의 고장/정상 여부를 확률로서 출력하는 것을 특징으로 할 수 있으며, 이는 도 2 내지 도 3에서 설명한 바와 동일할 수 있다.

이후 종료 조건(S404)이 만족되면, 비행체 고장 진단을 종료할 수 있고, 종료 조건이 만족되지 않은 것으로 판단되면 다시 무인 비행체 항법 정보를 예측(S401)하는 단계로 돌아가 비행체 고장 진단을 반복할 수 있다. 상기 종료 조건은 기 설정될 수 있으며, 어느 조건이든 가능하다고 할 것이다.

일 실시예로서, 상기 무인 비행체 고장 진단 방법은 무인 비행체가 비행 중이면 종료 조건이 만족되지 않는 한 반복해서 수행될 수 있다.

일 실시예로서, 상기 종료 조건은, 무인 비행체의 비행 제어부(도 1, 101)나 무인 비행체를 조종하는 지상의 사용자가 상기 고장 진단을 종료하도록 지시하였거나, 무인 비행체의 비행이 종료되었는지 여부로 설정할 수 있다. 예를 들어, 고장 요소 인덱스를 기반으로 한 고장 확률이 출력된 이후 무인 비행체의 비행 제어부(도 1, 101)에서 비행 종료를 결정하였거나, 지상에서 무인 비행체를 조종하는 사용자가 있는 경우에는 사용자가 출력된 상기 고장 확률을 확인하여 비행을 종료한 경우가 될 수 있다.

도 5는 본 발명의 일 실시예에 따른 무인 비행체 고장 진단 장치를 도시한 것이다. 상기 진단 장치(502)는, 무인 비행체의 내부에 포함될 수도 있으나, 무인 비행체와 분리되어 구현되는 것도 가능하다. 하기에서는, 무인 비행체의 외부에 별도로 상기 무인 비행체 고장 진단 장치가 구비되어 있다고 가정한다.

외부의 무인 비행체로부터 비행체 상태 데이터 등을 수신하는 수신부(504), 고장 여부를 판단하고 고장 요소를 탐지하는 프로세서(505)를 포함할 수 있다.

보다 상세하게는, 상기 수신부(504)는 예를 들어, 무인 비행체로부터 제어 입력 및 기존의 비행체 상태 데이터를 수신할 수 있으며, 이를 프로세서에 전달할 수 있다.

상기 프로세서(505)는, 일 실시예로서 무인 비행체의 모델을 상정할 수 있는데, 이는 실제 무인 비행체를 기반으로 생성한 가상의 무인 비행체 모델일 수 있다.

상기 상정된 무인 비행체 모델을 이용하여 상기 제어 입력과 상기 기존의 비행체 상태 데이터를 이용하여 무인 비행체 항법 정보를 예측할 수 있으며, 상기 무인 비행체 항법 정보, 비행체 상태 데이터, 제어 입력은 모두 도 2에서 설명한 바와 동일할 수 있다.

또한, 프로세서(505)는, 예를 들어, 상기 무인 비행체 항법 정보와 고장 상태 변수를 이용하여 새로운 무인기 상태 변수 추정 값을 출력할 수 있고, 상기 고장 상태 변수는 무인 비행체 항법 정보와 상기 비행체 상태 데이터로부터 추정된 것일 수 있다. 상기 무인 비행체 항법 정보는 무인 비행체의 위치, 속도, 자세각, 자세각속도 등을 포함할 수 있다. 이때, 상기 무인 비행체 항법 정보는 상태 변수로 나타날 수 있다.

이 때, 프로세서는 고장 상태 변수를 필터링하여 바람 및 비행체 설정 자체의 바이어스(bias) 등을 포함하는 외란을 제거하고, 고장 상태 변수를 평가할 수 있다. 상기 고장 상태 변수를 평가함은, 고장 요소 인덱스를 기반으로 무인 비행체의 상태 가설 집합을 생성하여 고장이 발생하였을 확률, 즉 비행체 상태 가설에 대한 확률(503)을 출력하는 형태로 고장 여부를 판단하고 하여 고장 요소를 탐지할 수 있다. 이는 도 2 내지 도 3에서 상세히 설명한 바와 같을 수 있다.

본 개시의 다양한 실시 예는 모든 가능한 조합을 나열한 것이 아니고 본 개시의 대표적인 양상을 설명하기 위한 것이며, 다양한 실시 예에서 설명하는 사항들은 독립적으로 적용되거나 또는 둘 이상의 조합으로 적용될 수도 있다.

또한, 본 개시의 다양한 실시 예는 하드웨어, 펌웨어(firmware), 소프트웨어, 또는 그들의 결합 등에 의해 구현될 수 있다. 하드웨어에 의한 구현의 경우, 하나 또는 그 이상의 ASICs(Application Specific Integrated Circuits), DSPs(Digital Signal Processors), DSPDs(Digital Signal Processing Devices), PLDs(Programmable Logic Devices), FPGAs(Field Programmable Gate Arrays), 범용 프로세서(general processor), 컨트롤러, 마이크로 컨트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다. 예를 들어, 종단 혹은 에지에서 사용될 수 있는 비 일시적 컴퓨터 판독가능한 매체에 저장된 프로그램의 형식이나, 에지 혹은 클라우드에서 사용될 수 있는 비 일시적 컴퓨터 판독 가능한 매체에 저장된 프로그램의 형식으로도 구현될 수 있음은 자명하다. 또한, 다양한 하드웨어 및 소프트웨어의 결합으로도 구현될 수 있다.

본 발명의 일 실시예에 따른 무인 비행체 고장 진단 프로그램은, 컴퓨터에서무인 비행체 모델을 이용하여 무인 비행체 항법 정보를 예측하는 단계, 상기 무인 비행체 항법 정보 및 무인 비행체에 대한 정보를 이용하여 고장 상태 변수를 추정하는 단계, 상기 고장 상태 변수를 평가하여 고장 여부를 판단하고 고장 요소를 탐지하는 단계를 실행시키는 비-일시적 컴퓨터 판독가능 매체에 저장된 프로그램일 수 있다.

본 개시의 범위는 다양한 실시 예의 방법에 따른 동작이 장치 또는 컴퓨터 상에서 실행되도록 하는 소프트웨어 또는 머신-실행 가능한 명령들(예를 들어, 운영체제, 애플리케이션, 펌웨어(firmware), 프로그램 등), 및 이러한 소프트웨어 또는 명령 등이 저장되어 장치 또는 컴퓨터 상에서 실행 가능한 비-일시적 컴퓨터-판독가능 매체(non-transitory computer-readable medium)를 포함한다.

이상에서 설명한 본 발명은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하므로, 본 발명의 범위는 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다.

101: 비행 제어부
102: IMU 센서
103: GPS 센서
104: 모터
202: 무인 비행체 고장 진단 시스템

Claims (1)

1. 무인비행체의 고장을 진단하는 방법에 있어서,
   무인 비행체 항법 정보를 예측하는 단계;
   상기 무인 비행체 항법 정보 및 무인 비행체 상태 데이터를 이용하여 고장 상태 변수를 추정하는 단계;
   상기 고장 상태 변수를 평가하여 고장 여부를 판단하고 고장 요소를 탐지하는 단계;
   를 포함하는 고장을 진단하는 방법.

Images