KR20230075928A - 랜덤 바람에 대한 가속도 시뮬레이션을 이용한 비행체의 실시간 바람 추정 방법 및 장치 - Google Patents

랜덤 바람에 대한 가속도 시뮬레이션을 이용한 비행체의 실시간 바람 추정 방법 및 장치 Download PDF

Info

Publication number
KR20230075928A
KR20230075928A KR1020210162619A KR20210162619A KR20230075928A KR 20230075928 A KR20230075928 A KR 20230075928A KR 1020210162619 A KR1020210162619 A KR 1020210162619A KR 20210162619 A KR20210162619 A KR 20210162619A KR 20230075928 A KR20230075928 A KR 20230075928A
Authority
KR
South Korea
Prior art keywords
wind
samples
random
generation
aircraft
Prior art date
Application number
KR1020210162619A
Other languages
English (en)
Other versions
KR102694358B1 (ko
Inventor
김석우
최한림
Original Assignee
국방과학연구소
한국과학기술원
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 국방과학연구소, 한국과학기술원 filed Critical 국방과학연구소
Priority to KR1020210162619A priority Critical patent/KR102694358B1/ko
Publication of KR20230075928A publication Critical patent/KR20230075928A/ko
Application granted granted Critical
Publication of KR102694358B1 publication Critical patent/KR102694358B1/ko

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F41—WEAPONS
    • F41G—WEAPON SIGHTS; AIMING
    • F41G7/00—Direction control systems for self-propelled missiles
    • F41G7/006—Guided missiles training or simulation devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Computing Systems (AREA)
  • Fluid Mechanics (AREA)
  • Chemical & Material Sciences (AREA)
  • Algebra (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Combustion & Propulsion (AREA)
  • Traffic Control Systems (AREA)

Abstract

랜덤 바람에 대한 가속도 시뮬레이션을 이용한 비행체의 실시간 바람 추정 방법 및 장치가 개시된다. 바람 추정 방법은 n 세대의 랜덤 바람 샘플들을 생성하는 단계; 상기 n 세대의 랜덤 바람 샘플들에 기초하여 상기 n 세대의 랜덤 바람 샘플에 대한 비행체의 동체 가속도를 계산하는 단계; 및 계산한 동체 가속도와 상기 비행체에서 측정한 동체 가속도 간의 차이에 따라 상기 비행체가 비행 과정에서 경험하는 바람을 추정하는 단계를 포함할 수 있다.

Description

랜덤 바람에 대한 가속도 시뮬레이션을 이용한 비행체의 실시간 바람 추정 방법 및 장치{METHOD AND APPARATUS FOR ESTIMATING THE WIND OF A VEHICLE IN REAL TIME USING ACCELERATION SIMULATION FOR RANDOM WIND}
본 발명은 비행체의 바람 추정 방법 및 장치에 관한 것으로, 보다 구체적으로는 랜덤 바람에 대한 가속도 시뮬레이션을 이용하여 비행체가 비행 과정에서 경험하는 바람을 실시간으로 추정하는 방법 및 장치에 관한 것이다.
아음속으로 비행하는 공대지 유도탄과 같은 비행체는 고공의 바람에 비행특성 및 사거리에 영향을 많이 받는다.
피토 튜브 같이 대기속도(airspeed)를 측정할 수 있는 센서를 장착한다면 대기속도와 항법장치에서 측정하는 지면속도(ground speed)의 삼각형 관계를 이용하여 비교적 쉽게 풍향과 풍속을 추정할 수 있다. 그리고, 비행체는 추정한 풍향 및 풍속을 고려하여 비행체를 조종함으로써, 바람에 의한 비행의 영향을 최소화할 수 있다.
그러나, 단거리 공대지 유도탄과 같이 소형, 또는 저가의 비행체는 부피나 무게, 신뢰도, 가격상승의 이유로 대기 속도 센서를 장착하지 않으므로, 비행체가 비행 과정에서 경험하고 있는 바람을 추정할 수 없는 실정이다.
따라서, 대기 속도의 센서 없이 비행체가 비행 과정에서 경험하고 있는 바람을 추정하는 방법이 요청되고 있다.
본 발명은 비행체의 항법장치에서 계측한 가속도와 시뮬레이션을 통하여 추정한 가속도 간의 차이를 기초로 비행체가 비행 과정에서 경험하고 있는 바람을 실시간으로 추정함으로써, 비행체의 대기 속도를 바로 계산하여 비행체의 제어 이득을 정확하게 계산하는 방법 및 장치를 제공한다.
본 발명의 일실시예에 따른 바람 추정 방법은 n 세대의 랜덤 바람 샘플들을 생성하는 단계; 상기 n 세대의 랜덤 바람 샘플들에 기초하여 상기 n 세대의 랜덤 바람 샘플에 대한 비행체의 동체 가속도를 계산하는 단계; 및 계산한 동체 가속도와 상기 비행체에서 측정한 동체 가속도 간의 차이에 따라 상기 비행체가 비행 과정에서 경험하는 바람을 추정하는 단계를 포함할 수 있다.
본 발명의 일실시예에 따른 바람 추정 방법은 1세대의 랜덤 바람 샘플들을 생성하는 단계; 1세대의 랜덤 바람 샘플들의 동체 가속도를 계산하는 단계;를 더 포함하고, 상기 랜덤 바람 샘플을 생성하는 단계는, 상기 1세대의 랜덤 바람 샘플들의 동체 가속도를 기초로 n 세대의 랜덤 바람 샘플들을 생성할 수 있다.
본 발명의 일실시예에 따른 바람 추정 방법의 상기 1세대의 랜덤 바람 샘플들을 생성하는 단계는, 최초 고도에서 랜덤 바람 샘플을 생성하는 경우, 비행체가 출발한 공항, 또는 비행체를 발사한 플랫폼에서 바람 측정 센서로 측정한 바람으로부터 일정 범위 안의 확률 분포에 따라 상기 1세대의 랜덤 바람 샘플들을 생성할 수 있다.
본 발명의 일실시예에 따른 바람 추정 방법의 상기 1세대의 랜덤 바람 샘플들을 생성하는 단계는, 이전 고도에서 추정한 바람이 있는 경우, 이전 고도에서 추정된 바람으로부터 일정 범위 안의 확률 분포에 따라 상기 1세대의 랜덤 바람 샘플들을 생성할 수 있다.
본 발명의 일실시예에 따른 바람 추정 방법의 상기 랜덤 바람 샘플들을 생성하는 단계는, n-1세대의 랜덤 바람 샘플들 중에서 상기 비행체에서 측정한 동체 가속도와의 동체 가속도의 차이가 가장 작은 n- 1세대의 랜덤 바람 샘플을 식별하는 단계; 및 식별한 n- 1세대의 랜덤 바람 샘플로부터 일정 범위 안의 확률 분포에 따라 상기 n세대의 랜덤 바람 샘플들을 생성하는 단계를 포함할 수 있다.
본 발명의 일실시예에 따른 바람 추정 방법은 상기 계산한 동체 가속도와 상기 비행체에서 측정한 동체 가속도 간의 차이에 기초하여 결정되는 최적 비용이 임계 비용 미만인지 여부를 식별하는 단계를 더 포함하고, 상기 바람을 추정하는 단계는, 상기 최적 비용이 임계 비용 미만인 경우 수행될 수 있다.
본 발명의 일실시예에 따른 바람 추정 방법은 상기 최적 비용이 임계 비용 이상인 경우, n을 증가시키는 단계를 더 포함하고, 상기 랜덤 바람 샘플들을 생성하는 단계는, 상기 최적 비용에 대응하는 랜덤 바람 샘플로부터 일정 범위 안의 확률 분포에 따라 n세대의 랜덤 바람 샘플들을 생성할 수 있다.
본 발명의 일실시예에 따른 바람 추정 방법의 상기 바람을 추정하는 단계는, 상기 최적 비용에 대응하는 랜덤 바람 샘플을 상기 비행체가 비행 과정에서 경험한 바람으로 추정할 수 있다.
본 발명의 일실시예에 따른 바람 추정 장치는 n 세대의 랜덤 바람 샘플들을 생성하는 PSO; 및 상기 n 세대의 랜덤 바람 샘플들에 기초하여 상기 n 세대의 랜덤 바람 샘플에 대한 비행체의 동체 가속도를 계산하는 OAAC를 포함하고, 상기 PSO는, 상기 OAAC가 계산한 동체 가속도와 상기 비행체에서 측정한 동체 가속도 간의 차이에 따라 상기 비행체가 비행 과정에서 경험하는 바람을 추정할 수 있다.
본 발명의 일실시예에 따른 바람 추정 장치의 상기 OAAC는, 상기 PSO가 생성한 1세대의 랜덤 바람 샘플들의 동체 가속도를 계산하며, 상기 PSO는, 상기 1세대의 랜덤 바람 샘플들의 동체 가속도를 기초로 n 세대의 랜덤 바람 샘플들을 생성할 수 있다.
본 발명의 일실시예에 따른 바람 추정 장치의 상기 PSO는, 최초 고도에서 랜덤 바람 샘플을 생성하는 경우, 비행체가 출발한 공항, 또는 비행체를 발사한 플랫폼에서 바람 측정 센서로 측정한 바람으로부터 일정 범위 안의 확률 분포에 따라 상기 1세대의 랜덤 바람 샘플들을 생성할 수 있다.
본 발명의 일실시예에 따른 바람 추정 장치의 상기 PSO는, 이전 고도에서 추정한 바람이 있는 경우, 이전 고도에서 추정된 바람으로부터 일정 범위 안의 확률 분포에 따라 상기 1세대의 랜덤 바람 샘플들을 생성할 수 있다.
본 발명의 일실시예에 따른 바람 추정 장치의 상기 PSO는, n-1세대의 랜덤 바람 샘플들 중에서 상기 비행체에서 측정한 동체 가속도와의 동체 가속도의 차이가 가장 작은 n-1세대의 랜덤 바람 샘플을 식별하며, 식별한 n-1세대의 랜덤 바람 샘플로부터 일정 범위 안의 확률 분포에 따라 상기 n세대의 랜덤 바람 샘플들을 생성할 수 있다.
본 발명의 일실시예에 따른 바람 추정 장치의 상기 PSO는, 상기 계산한 동체 가속도와 상기 비행체에서 측정한 동체 가속도 간의 차이에 기초하여 결정되는 최적 비용이 임계 비용 미만인지 여부를 식별하고, 상기 최적 비용이 임계 비용 미만인 경우, 상기 비행체가 비행 과정에서 경험하는 바람을 추정할 수 있다.
본 발명의 일실시예에 따른 바람 추정 장치의 상기 PSO는, 상기 최적 비용이 임계 비용 이상인 경우, n을 증가시키고, 상기 최적 비용에 대응하는 랜덤 바람 샘플로부터 일정 범위 안의 확률 분포에 따라 n세대의 랜덤 바람 샘플들을 생성할 수 있다.
본 발명의 일실시예에 따른 바람 추정 장치의 상기 PSO는, 상기 최적 비용에 대응하는 랜덤 바람 샘플을 상기 비행체가 비행 과정에서 경험한 바람으로 추정할 수 있다.
본 발명의 일실시예에 의하면, 비행체의 항법장치에서 계측한 가속도와 시뮬레이션을 통하여 추정한 가속도 간의 차이를 기초로 비행체가 비행 과정에서 경험하고 있는 바람을 실시간으로 추정함으로써, 비행체의 대기 속도를 바로 계산하여 비행체의 제어 이득을 정확하게 계산할 수 있다.
도 1은 본 발명의 일실시예에 따른 바람 추정 장치를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따라 바람을 추정한 결과의 일례이다.
도 3은 본 발명의 일실시예에 따른 바람 프로파일에 대한 추정 정확도의 일례이다.
도 4는 본 발명의 일실시예에 따른 바람 추정을 위하여 필요한 시뮬레이션 회수의 일례이다.
도 5는 본 발명의 일실시예에 따른 바람 추정 방법을 도시한 플로우차트이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 바람 추정 장치를 도시한 도면이다.
바람 추정 장치(100)는 비행체가 비행 과정에서 경험하는 바람을 추정하는 장치이며, 도 1에 도시된 바와 같이 OAAC(110)와 PSO(120)를 포함할 수 있다. 이때, OAAC(110)와 PSO(120)는 서로 다른 프로세서, 또는 하나의 프로세서에서 수행되는 프로그램에 포함된 각각의 모듈일 수 있다. 예를 들어, 비행체는 미사일, 무인 비행기, 유인 비행기, 중 적어도 하나일 수 있으며, 본 명세서에서는 비행체가 미사일인 것으로 설정하여 설명한다. 다만 실시예에 따라 바람 추정 장치(100)는 무인 비행기, 또는 유인 비행기가 비행 과정에서 경험하는 바람을 추정할 수도 있다.
OAAC(On-board Acceleration-Aerodynamics module Comparison algorithm)(110)은 가속도-공력 비교 알고리즘을 수행할 수 있다. 또한, OAAC(110)는 도 1에 도시된 바와 같이 환경부(111), 공기 역학부(112), 추친부(113), 및 마이너스 접합기(114)를 포함할 수 있다.
환경부(111)는 관성 항법 시스템(INS: inertial navigation system)(101)으로부터 비행체의 고도(altitude) 및 속도(velocity)를 수신할 수 있다. 이때, 환경부(111)는 수신한 고도 및 속도에 대기 환경 모델을 이용하여 고도에 따른 기압과 공기 밀도 등의 대기 환경을 시뮬레이션할 수 있다. 그리고, 환경부(111)는 시뮬레이션에 따라 결정된 공기 밀도(air density) 및 음속(sound speed)을 공기 역학부(112)로 전송할 수 있다.
공기 역학부(112)는 PSO(120)로부터 랜덤 바람 샘플들을 수신하고, 환경부(111)로부터 공기 밀도 음속(air density sound speed)를 수신하며, 비행체의 구동 장치(ACT: actuator)로부터 비행체의 구동각을 수신할 수 있다. 그리고, 공기 역학부(112)는 비행체의 유도탄의 속도, 자세 등의 비행 상태 정보와 공기 밀도 음속, 및 구동각에 공력 모델을 사용하여 비행체에 가해지는 공력학적 힘과 모멘트를 시뮬레이션할 수 있다. 이때, 공기 역학부(112)는 시뮬레이션에 따라 비행체의 3축 동체 가속도를 계산하여 마이너스 접합기(114)로 출력할 수 있다.
추진부(113)는 추력 모델을 이용하여 비행체의 추진 기관이 발생시키는 추력을 시뮬레이션할 수 있다. 그리고, 추진부(113)는 시뮬레이션에 따라 결정된 추력(thrust force)을 마이너스 접합기(114)로 전송할 수 있다.
마이너스 접합기(114)는 관성 항법 시스템(INS)(101)으로부터 비행체에서 측정한 비행체의 3축 동체 가속도를 수신할 수 있다. 그리고, 마이너스 접합기(114)는 공기 역학부(112)로부터 수신한 3축 동체 가속도와 공기 역학부(112)로부터 수신한 동체 가속도 간의 차이를 PSO(120)로 전송할 수 있다. 예를 들어, 마이너스 접합기(114)는 공기 역학부(112)로부터 수신한 3축 동체 가속도와 관성 항법 시스템(INS)(101)으로부터 수신한 3축 동체 가속도 간의 차이를 나타내는 RMSE(Root Mean Square Error)를 PSO(120)로 전송할 수 있다.
PSO(Particle Swarm Optimization)(120)는 휴리스틱 최적화 방법에 따라 최적의 랜덤 바람 샘플을 생성할 수 있다. 또한, 실시예에 따라서는 휴리스틱 최적화를 사용하는 다른 방법에 따라 랜덤 바람 샘플을 생성하는 구성으로 PSO(120)를 대체할 수 있다. PSO(120)는 비용 함수(cost function)를 최소화 하기 위해, 여러 세대에 걸쳐 랜덤 바람 샘플을 생성하는 과정을 반복하여 최적의 바람을 추정할 수 있다.
PSO(120)는 세대 별로 랜덤 바람 샘플들 각각에 비용 함수를 적용하여 랜덤 바람 샘플들 각각의 비용(cost)를 계산할 수 있다. 그리고, PSO(120)는 복수의 세대를 거쳐 비용이 가장 작은 랜덤 바람 샘플을 탐색할 수 있다. 이때, PSO(120)는 이전 세대의 랜덤 바람 샘플들 중에서 비용이 가장 작은 랜덤 바람 샘플에서 일정 거리 안에 현재 세대의 랜덤 바람 샘플들을 생성하는 과정을 반복할 수 있다. 또한, 세대에 따라 랜덤 바람 샘플들의 이동하는 속도와 방향 또한 랜덤하므로, PSO(120)는 랜덤 바람 샘플들의 이동하는 속도와 방향을 조절함으로서 비용이 가장 작은 랜덤 바람 샘플로 수렴하는 속도를 조절할 수 있다. 예를 들어, PSO(120)는 마이너스 접합기(114)로부터 수신한 RMSE를 랜덤 바람 샘플들 각각의 비용 함수로 설정할 수 있다. 그리고, PSO(120)는 가장 작은 비용 함수의 값인 최적 비용이 기 설정된 최소 오차인 임계 비용 미만인 경우, 최적 비용에 대응하는 랜덤 바람 샘플을 비행체가 비행 과정에서 경험하는 바람으로 추정할 수 있다.
구체적으로, PSO(120)는 1세대의 랜덤 바람 샘플들을 생성할 수 있다. 이때, PSO(120)는 이전 고도, 또는 이전 시간에 추정된 랜덤 바람 샘플로부터 일정 범위 안의 확률 분포에 따라 1세대의 랜덤 바람 샘플들을 생성할 수 있다. 예를 들어, PSO(120)는 이전 고도, 또는 이전 시간에 추정된 랜덤 바람 샘플을 중심으로 ±10 m/s 이내에서 고른 확률분포로 1세대의 랜덤 바람 샘플들을 생성할 수 있다. 또한, 1세대의 랜덤 바람 샘플들 중 적어도 하나는 이전 고도, 또는 이전 시간에 추정된 랜덤 바람 샘플일 수 있다.
그리고, PSO(120)는 생성한 1세대의 랜덤 바람 샘플들을 OAAC(110)로 전송할 수 있다. 이때, OAAC(110)는 1세대의 랜덤 바람 샘플들의 동체 가속도를 계산할 수 있다. 그리고, OAAC(110)는 1세대의 랜덤 바람 샘플들 각각의 RMSE를 PSO(120)로 전송할 수 있다.
다음으로, PSO(120)는 1세대의 랜덤 바람 샘플들의 동체 가속도를 기초로 n 세대의 랜덤 바람 샘플들을 생성할 수 있다. 이때, n은 2 이상의 정수일 수 있다. 예를 들어, PSO(120)는 OAAC(110)로부터 수신한 1세대의 랜덤 바람 샘플들 각각의 RMSE들 중에서 가장 작은 RMSE를 식별할 수 있다. 그리고, PSO(120)는 가장 작은 RMSE에 대응하는 1세대의 랜덤 바람 샘플로부터 일정 범위 안의 확률 분포에 따라 n세대의 랜덤 바람 샘플들을 생성할 수 있다.
그 다음으로, PSO(120)는 생성한 n세대의 랜덤 바람 샘플들을 OAAC(110)로 전송할 수 있다. 이때, OAAC(110)는 n세대의 랜덤 바람 샘플들의 동체 가속도를 계산할 수 있다. 그리고, OAAC(110)는 n세대의 랜덤 바람 샘플들 각각의 RMSE를 PSO(120)로 전송할 수 있다.
다음으로, PSO(120)는 가장 작은 RMSE의 값인 최적 비용이 기 설정된 최소 오차인 임계 비용 미만인지 여부를 식별 할 수 있다.
최적 비용이 임계 비용을 초과하는 경우, PSO(120)는 n을 증가시키고, 최적 비용에 대응하는 랜덤 바람 샘플로부터 일정 범위 안의 확률 분포에 따라 랜덤 바람 샘플들을 생성할 수 있다. 이때, PSO(120)가 생성하는 랜덤 바람 샘플들은 증가된 n세대의 랜덤 바람 샘플일 수 있다.
또한, 최적 비용이 임계 비용 미만인 경우, PSO(120)는 가장 작은 RMSE에 대응하는 랜덤 바람 샘플을 비행체가 비행 과정에서 경험한 바람으로 추정할 수 있다.
바람 추정 장치(100)는 비행체의 항법장치에서 계측한 가속도와 시뮬레이션을 통하여 추정한 가속도 간의 차이를 기초로 비행체가 비행 과정에서 경험하고 있는 바람을 실시간으로 추정함으로써, 비행체의 대기 속도를 바로 계산하여 비행체의 제어 이득을 정확하게 계산할 수 있다.
또한, 바람 추정 장치(100)는 비행체의 항법장치에서 계측한 가속도와 시뮬레이션을 통하여 추정한 가속도 간의 차이를 기초로 비행체가 비행 과정에서 경험할 바람을 미리 예측함으로써, 비행체(미사일)의 유도 성능을 향상시킬 수 있다.
도 2는 본 발명의 일실시예에 따라 바람을 추정한 결과의 일례이다.
도 2에서 평균(mean)(201)은 바람 데이터베이스에 포함된 고공 기상 데이터에서 남북 방향 성분(U)와 동서 방향 성분(V)의 평균이고, +- 1σ, 2σ, 3σ는 바람 데이터베이스에 포함된 고공 기상 데이터에서 남북 방향 성분(U)와 동서 방향 성분(V)의 표준 편차일 수 있다.
그래프(210)는 실제 바람(202), 발사 조건 A에서 방향 N(North)으로 발사된 비행체의 원격 측정 데이터를 기초로 바람 추정 장치(100)가 추정한 바람(203), 및 발사 조건 A에서 방향 E(East)으로 발사된 비행체의 원격 측정 데이터를 기초로 바람 추정 장치(100)가 추정한 바람(204)의 U 성분의 일례이다. 예를 들어, 발사 조건 A는 고도 12km, 60km 전방의 20m/s로 이동하는 표적에 대해 비행체를 발사하는 조건일 수 있다. 또한, 실시예에 따라 발사 조건 A에 포함된 조건들은 변경될 수도 있다.
그래프(220)는 실제 바람(202), 발사 조건 A에서 방향 N(North)으로 발사된 비행체의 원격 측정 데이터를 기초로 바람 추정 장치(100)가 추정한 바람(203), 및 발사 조건 A에서 방향 E(East)으로 발사된 비행체의 원격 측정 데이터를 기초로 바람 추정 장치(100)가 추정한 바람(204)의 V 성분의 일례이다.
도 3은 바람 데이터베이스를 기초로 랜덤 바람 샘플을 생성하여 추정한 바람의 프로파일에 대한 추정 정확도(310), 본 발명에 따라 추정한 바람의 프로파일에 대한 추정 정확도(320) 및 측정한 비행 궤적과 랜덤 바람 샘플의 비행 궤적 간의 오차를 최소화하여 추정한 바람의 프로파일에 대한 추정 정확도(330)의 일례이다. 도 3에 도시된 바와 같이 본 발명에 따라 추정한 바람의 프로파일에 대한 추정 정확도(320)는 추정 정확도(330)보다 오류가 크지만, 추정 정확도(310)에 비하면 오류의 차이가 적으며, 실시간으로 동작할 수 있다는 차이가 있다.
도 4는 바람 데이터베이스를 기초로 랜덤 바람 샘플을 생성하여 바람을 추정하기 위하여 필요한 시뮬레이션 회수(410), 측정한 비행 궤적과 랜덤 바람 샘플의 비행 궤적 간의 오차를 최소화하여 바람을 추정하기 위하여 필요한 시뮬레이션 회수(430), 및 본 발명에 따라 바람을 추정하기 위하여 필요한 시뮬레이션 회수(420)의 일례이다.
도 5는 본 발명의 일실시예에 따른 바람 추정 방법을 도시한 플로우차트이다.
본 발명의 일실시예에 따른 바람 추정 방법은, 실시간, 또는 기 설정된 시간 간격으로 수행되어 바람을 추정함으로써, 비행체가 비행에 따라 경험하는 바람을 비행체가 비행 중인 상태에서 실시간으로 추정할 수 있다.
단계(510)에서 PSO(120)는 1세대의 랜덤 바람 샘플들을 생성할 수 있다. 이때, PSO(120)는 이전 고도, 또는 이전 시간에 추정된 랜덤 바람 샘플로부터 일정 범위 안의 확률 분포에 따라 1세대의 랜덤 바람 샘플들을 생성할 수 있다. 또한, 1세대의 랜덤 바람 샘플들 중 적어도 하나는 이전 고도, 또는 이전 시간에 추정된 랜덤 바람 샘플일 수 있다. 그리고, PSO(120)는 생성한 1세대의 랜덤 바람 샘플들을 OAAC(110)로 전송할 수 있다.
단계(520)에서 OAAC(110)는 1세대의 랜덤 바람 샘플들의 동체 가속도를 계산할 수 있다. 그리고, OAAC(110)는 계산한 1세대의 랜덤 바람 샘플들 각각의 동체 가속도와 상기 비행체에서 측정한 동체 가속도 간의 차이를 비교할 수 있다. 이때, OAAC(110)는 비교 결과에 따라 1세대의 랜덤 바람 샘플들의 동체 가속도와 비행체에서 측정한 동체 가속도 간의 차이를 나타내는 1세대의 랜덤 바람 샘플들 각각의 RMSE를 PSO(120)로 전송할 수 있다.
단계(530)에서 PSO(120)는 계산한 동체 가속도와 비행체에서 측정한 동체 가속도 간의 차이에 기초하여 결정되는 최적 비용이 임계 비용 미만인지 여부를 식별할 수 있다. 예를 들어, 최적 비용은 가장 작은 RMSE의 값이고, 임계 비용은 기 설정된 최소 오차의 값일 수 있다. 그리고, 최적 비용이 임계 비용 미만인 경우, PSO(120)는 단계(570)를 수행할 수 있다. 또한, 최적 비용이 임계 비용 이상인 경우, PSO(120)는 단계(540)를 수행할 수 있다.
단계(540)에서 PSO(120)는 n을 증가 시킬 수 있다. 예를 들어, PSO(120)는 n=n+1 에 따라 n을 증가시킬 수 있다. 또한, 단계(510) 내지 단계(520)는 n이 초기값인 1인 경우, 수행될 수 있다. 즉, 단계(520)이 수행된 후, 단계(530)에서 최적 비용이 임계 비용 이상으로 판단된 경우, PSO(120)는 n의 초기값인 1에 n=n+1을 적용하여 2를 다음 n으로 결정할 수 있다.
단계(550)에서 PSO(120)는 n-1세대의 랜덤 바람 샘플들의 동체 가속도를 기초로 n 세대의 랜덤 바람 샘플들을 생성할 수 있다. 구체적으로, PSO(120)는 n-1세대의 랜덤 바람 샘플들 중 RMSE이 가장 작은 n-1세대의 랜덤 바람 샘플로부터 일정 범위 안의 확률 분포에 따라 n세대의 랜덤 바람 샘플들을 생성할 수 있다.
예를 들어, 단계(540)에서 증가된 n이 2인 경우, PSO(120)는 n-1인 1세대의 랜덤 바람 샘플들 중에서 비행체에서 측정한 동체 가속도와의 동체 가속도의 차이가 가장 작은 1세대의 랜덤 바람 샘플을 식별할 수 있다. 이때, PSO(120)는 OAAC(110)로부터 수신한 1세대의 랜덤 바람 샘플들 각각의 RMSE들 중에서 가장 작은 RMSE를 식별할 수 있다. 그리고, PSO(120)는 가장 작은 RMSE에 대응하는 1세대의 랜덤 바람 샘플을 비행체에서 측정한 동체 가속도와의 동체 가속도의 차이가 가장 작은 1세대의 랜덤 바람 샘플로 식별할 수 있다. 다음으로, PSO(120)는 식별한 1세대의 랜덤 바람 샘플로부터 일정 범위 안의 확률 분포에 따라 n세대의 랜덤 바람 샘플들을 생성할 수 있다.
단계(560)에서 PSO(120)는 단계(550)에서 생성한 n세대의 랜덤 바람 샘플들을 OAAC(110)로 전송할 수 있다. 이때, OAAC(110)는 n세대의 랜덤 바람 샘플들의 동체 가속도를 계산할 수 있다. 그리고, OAAC(110)는 n세대의 랜덤 바람 샘플들 각각의 RMSE를 PSO(120)로 전송할 수 있다.
단계(570)에서 PSO(120)는 최적 비용에 대응하는 랜덤 바람 샘플을 비행체가 비행 과정에서 경험한 바람으로 추정할 수 있다. 즉, PSO(120)는 가장 작은 RMSE의 값을 가지는 랜덤 바람 샘플을 비행체가 비행 과정에서 경험한 바람으로 추정할 수 있다.
본 발명은 비행체의 항법장치에서 계측한 가속도와 시뮬레이션을 통하여 추정한 가속도 간의 차이를 기초로 비행체가 비행 과정에서 경험하고 있는 바람을 실시간으로 추정함으로써, 비행체의 대기 속도를 바로 계산하여 비행체의 제어 이득을 정확하게 계산할 수 있다.
한편, 본 발명에 따른 바람 추정 장치 또는 바람 추정 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성되어 마그네틱 저장매체, 광학적 판독매체, 디지털 저장매체 등 다양한 기록 매체로도 구현될 수 있다.
본 명세서에 설명된 각종 기술들의 구현들은 디지털 전자 회로조직으로, 또는 컴퓨터 하드웨어, 펌웨어, 소프트웨어로, 또는 그들의 조합들로 구현될 수 있다. 구현들은 데이터 처리 장치, 예를 들어 프로그램가능 프로세서, 컴퓨터, 또는 다수의 컴퓨터들의 동작에 의한 처리를 위해, 또는 이 동작을 제어하기 위해, 컴퓨터 프로그램 제품, 예를 들어 기계 판독가능 저장 장치(컴퓨터 판독가능 매체)에서 유형적으로 구체화된 컴퓨터 프로그램으로서 구현될 수 있다. 상술한 컴퓨터 프로그램(들)과 같은 컴퓨터 프로그램은 컴파일된 또는 인터프리트된 언어들을 포함하는 임의의 형태의 프로그래밍 언어로 기록될 수 있고, 독립형 프로그램으로서 또는 모듈, 구성요소, 서브루틴, 또는 컴퓨팅 환경에서의 사용에 적절한 다른 유닛으로서 포함하는 임의의 형태로 전개될 수 있다. 컴퓨터 프로그램은 하나의 사이트에서 하나의 컴퓨터 또는 다수의 컴퓨터들 상에서 처리되도록 또는 다수의 사이트들에 걸쳐 분배되고 통신 네트워크에 의해 상호 연결되도록 전개될 수 있다.
컴퓨터 프로그램의 처리에 적절한 프로세서들은 예로서, 범용 및 특수 목적 마이크로프로세서들 둘 다, 및 임의의 종류의 디지털 컴퓨터의 임의의 하나 이상의 프로세서들을 포함한다. 일반적으로, 프로세서는 판독 전용 메모리 또는 랜덤 액세스 메모리 또는 둘 다로부터 명령어들 및 데이터를 수신할 것이다. 컴퓨터의 요소들은 명령어들을 실행하는 적어도 하나의 프로세서 및 명령어들 및 데이터를 저장하는 하나 이상의 메모리 장치들을 포함할 수 있다. 일반적으로, 컴퓨터는 데이터를 저장하는 하나 이상의 대량 저장 장치들, 예를 들어 자기, 자기-광 디스크들, 또는 광 디스크들을 포함할 수 있거나, 이것들로부터 데이터를 수신하거나 이것들에 데이터를 송신하거나 또는 양쪽으로 되도록 결합될 수도 있다. 컴퓨터 프로그램 명령어들 및 데이터를 구체화하는데 적절한 정보 캐리어들은 예로서 반도체 메모리 장치들, 예를 들어, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM(Compact Disk Read Only Memory), DVD(Digital Video Disk)와 같은 광 기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media), 롬(ROM, Read Only Memory), 램(RAM, Random Access Memory), 플래시 메모리, EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM) 등을 포함한다. 프로세서 및 메모리는 특수 목적 논리 회로조직에 의해 보충되거나, 이에 포함될 수 있다.
또한, 컴퓨터 판독가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용매체일 수 있고, 컴퓨터 저장매체를 모두 포함할 수 있다.
본 명세서는 다수의 특정한 구현물의 세부사항들을 포함하지만, 이들은 어떠한 발명이나 청구 가능한 것의 범위에 대해서도 제한적인 것으로서 이해되어서는 안되며, 오히려 특정한 발명의 특정한 실시형태에 특유할 수 있는 특징들에 대한 설명으로서 이해되어야 한다. 개별적인 실시형태의 문맥에서 본 명세서에 기술된 특정한 특징들은 단일 실시형태에서 조합하여 구현될 수도 있다. 반대로, 단일 실시형태의 문맥에서 기술한 다양한 특징들 역시 개별적으로 혹은 어떠한 적절한 하위 조합으로도 복수의 실시형태에서 구현 가능하다. 나아가, 특징들이 특정한 조합으로 동작하고 초기에 그와 같이 청구된 바와 같이 묘사될 수 있지만, 청구된 조합으로부터의 하나 이상의 특징들은 일부 경우에 그 조합으로부터 배제될 수 있으며, 그 청구된 조합은 하위 조합이나 하위 조합의 변형물로 변경될 수 있다.
마찬가지로, 특정한 순서로 도면에서 동작들을 묘사하고 있지만, 이는 바람직한 결과를 얻기 위하여 도시된 그 특정한 순서나 순차적인 순서대로 그러한 동작들을 수행하여야 한다거나 모든 도시된 동작들이 수행되어야 하는 것으로 이해되어서는 안 된다. 특정한 경우, 멀티태스킹과 병렬 프로세싱이 유리할 수 있다. 또한, 상술한 실시형태의 다양한 장치 컴포넌트의 분리는 그러한 분리를 모든 실시형태에서 요구하는 것으로 이해되어서는 안되며, 설명한 프로그램 컴포넌트와 장치들은 일반적으로 단일의 소프트웨어 제품으로 함께 통합되거나 다중 소프트웨어 제품에 패키징 될 수 있다는 점을 이해하여야 한다.
한편, 본 명세서와 도면에 개시된 본 발명의 실시 예들은 이해를 돕기 위해 특정 예를 제시한 것에 지나지 않으며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시 예들 이외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 자명한 것이다.
100: 바람 추정 장치
110: OAAC
120: PSO

Claims (16)

  1. n 세대의 랜덤 바람 샘플들을 생성하는 단계;
    상기 n 세대의 랜덤 바람 샘플들에 기초하여 상기 n 세대의 랜덤 바람 샘플에 대한 비행체의 동체 가속도를 계산하는 단계; 및
    계산한 동체 가속도와 상기 비행체에서 측정한 동체 가속도 간의 차이에 따라 상기 비행체가 비행 과정에서 경험하는 바람을 추정하는 단계
    를 포함하는 바람 추정 방법.
  2. 제1항에 있어서,
    상기 계산한 동체 가속도와 상기 비행체에서 측정한 동체 가속도 간의 차이에 기초하여 결정되는 최적 비용이 임계 비용 미만인지 여부를 식별하는 단계
    를 더 포함하고,
    상기 바람을 추정하는 단계는,
    상기 최적 비용이 임계 비용 미만인 경우 수행되는 바람 추정 방법.
  3. 제2항에 있어서,
    상기 최적 비용이 임계 비용 이상인 경우, n을 증가시키는 단계
    를 더 포함하고,
    상기 랜덤 바람 샘플들을 생성하는 단계는,
    상기 최적 비용에 대응하는 랜덤 바람 샘플로부터 일정 범위 안의 확률 분포에 따라 n세대의 랜덤 바람 샘플들을 생성하는 바람 추정 방법.
  4. 제3항에 있어서,
    상기 랜덤 바람 샘플들을 생성하는 단계는,
    n-1세대의 랜덤 바람 샘플들 중에서 상기 비행체에서 측정한 동체 가속도와의 동체 가속도의 차이가 가장 작은 n-1세대의 랜덤 바람 샘플을 식별하는 단계; 및
    식별한 n-1세대의 랜덤 바람 샘플로부터 일정 범위 안의 확률 분포에 따라 상기 n세대의 랜덤 바람 샘플들을 생성하는 단계
    를 포함하는 바람 추정 방법.
  5. 제1항에 있어서,
    1세대의 랜덤 바람 샘플들을 생성하는 단계;
    1세대의 랜덤 바람 샘플들의 동체 가속도를 계산하는 단계;
    를 더 포함하고,
    상기 랜덤 바람 샘플을 생성하는 단계는,
    상기 1세대의 랜덤 바람 샘플들의 동체 가속도를 기초로 n 세대의 랜덤 바람 샘플들을 생성하는 바람 추정 방법.
  6. 제5항에 있어서,
    상기 1세대의 랜덤 바람 샘플들을 생성하는 단계는,
    최초 고도에서 랜덤 바람 샘플을 생성하는 경우, 비행체가 출발한 공항, 또는 비행체를 발사한 플랫폼에서 바람 측정 센서로 측정한 바람으로부터 일정 범위 안의 확률 분포에 따라 상기 1세대의 랜덤 바람 샘플들을 생성하는 바람 추정 방법.
  7. 제5항에 있어서
    상기 제1 세대의 랜덤 바람 샘플을 생성하는 단계는,
    이전 고도에서 추정한 바람이 있는 경우, 이전 고도에서 추정된 바람으로부터 일정 범위 안의 확률 분포에 따라 상기 랜덤 바람 샘플들을 생성하는 바람 추정 방법.
  8. 제1항에 있어서,
    상기 바람을 추정하는 단계는,
    상기 최적 비용에 대응하는 랜덤 바람 샘플을 상기 비행체가 비행 과정에서 경험한 바람으로 추정하는 바람 추정 방법.
  9. n 세대의 랜덤 바람 샘플들을 생성하는 PSO; 및
    상기 n 세대의 랜덤 바람 샘플들에 기초하여 상기 n 세대의 랜덤 바람 샘플에 대한 비행체의 동체 가속도를 계산하는 OAAC
    를 포함하고,
    상기 PSO는,
    상기 OAAC가 계산한 동체 가속도와 상기 비행체에서 측정한 동체 가속도 간의 차이에 따라 상기 비행체가 비행 과정에서 경험하는 바람을 추정하는 바람 추정 장치.
  10. 제9항에 있어서,
    상기 PSO는,
    상기 계산한 동체 가속도와 상기 비행체에서 측정한 동체 가속도 간의 차이에 기초하여 결정되는 최적 비용이 임계 비용 미만인지 여부를 식별하고,
    상기 최적 비용이 임계 비용 미만인 경우, 상기 비행체가 비행 과정에서 경험하는 바람을 추정하는 바람 추정 장치.
  11. 제10항에 있어서,
    상기 PSO는,
    상기 최적 비용이 임계 비용 이상인 경우, n을 증가시키고, 상기 최적 비용에 대응하는 랜덤 바람 샘플로부터 일정 범위 안의 확률 분포에 따라 n세대의 랜덤 바람 샘플들을 생성하는 바람 추정 장치.
  12. 제11항에 있어서,
    상기 PSO는,
    n-1세대의 랜덤 바람 샘플들 중에서 상기 비행체에서 측정한 동체 가속도와의 동체 가속도의 차이가 가장 작은 n-1세대의 랜덤 바람 샘플을 식별하며, 식별한 n-1세대의 랜덤 바람 샘플로부터 일정 범위 안의 확률 분포에 따라 상기 n세대의 랜덤 바람 샘플들을 생성하는 바람 추정 장치.
  13. 제9항에 있어서,
    상기 OAAC는,
    상기 PSO가 생성한 1세대의 랜덤 바람 샘플들의 동체 가속도를 계산하며,
    상기 PSO는,
    상기 1세대의 랜덤 바람 샘플들의 동체 가속도를 기초로 n 세대의 랜덤 바람 샘플들을 생성하는 바람 추정 장치.
  14. 제13항에 있어서,
    상기 PSO는,
    최초 고도에서 랜덤 바람 샘플을 생성하는 경우, 비행체가 출발한 공항, 또는 비행체를 발사한 플랫폼에서 바람 측정 센서로 측정한 바람으로부터 일정 범위 안의 확률 분포에 따라 상기 1세대의 랜덤 바람 샘플들을 생성하는 바람 추정 장치.
  15. 제13항에 있어서
    상기 PSO는,
    이전 고도에서 추정한 바람이 있는 경우, 이전 고도에서 추정된 바람으로부터 일정 범위 안의 확률 분포에 따라 상기 1세대의 랜덤 바람 샘플들을 생성하는 바람 추정 장치.
  16. 제9항에 있어서,
    상기 PSO는,
    상기 최적 비용에 대응하는 랜덤 바람 샘플을 상기 비행체가 비행 과정에서 경험한 바람으로 추정하는 바람 추정 장치.
KR1020210162619A 2021-11-23 2021-11-23 랜덤 바람에 대한 가속도 시뮬레이션을 이용한 비행체의 실시간 바람 추정 방법 및 장치 KR102694358B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210162619A KR102694358B1 (ko) 2021-11-23 2021-11-23 랜덤 바람에 대한 가속도 시뮬레이션을 이용한 비행체의 실시간 바람 추정 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210162619A KR102694358B1 (ko) 2021-11-23 2021-11-23 랜덤 바람에 대한 가속도 시뮬레이션을 이용한 비행체의 실시간 바람 추정 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20230075928A true KR20230075928A (ko) 2023-05-31
KR102694358B1 KR102694358B1 (ko) 2024-08-13

Family

ID=86542837

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210162619A KR102694358B1 (ko) 2021-11-23 2021-11-23 랜덤 바람에 대한 가속도 시뮬레이션을 이용한 비행체의 실시간 바람 추정 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102694358B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101502402B1 (ko) * 2013-12-13 2015-03-16 국방과학연구소 차분방식과 확률기법을 적용한 바람 모델링 방법
WO2018062336A1 (ja) * 2016-09-30 2018-04-05 日本電気株式会社 飛行制御装置、無人飛行機、飛行制御方法、及びコンピュータ読み取り可能な記録媒体
KR20190013204A (ko) * 2017-08-01 2019-02-11 주식회사 유니브이알 가상현실 체험용 공기혼합현상을 이용한 송풍시스템
KR20210081492A (ko) * 2019-12-23 2021-07-02 주식회사 포디솔루션 초 저고도 바람 예측 정보 제공 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101502402B1 (ko) * 2013-12-13 2015-03-16 국방과학연구소 차분방식과 확률기법을 적용한 바람 모델링 방법
WO2018062336A1 (ja) * 2016-09-30 2018-04-05 日本電気株式会社 飛行制御装置、無人飛行機、飛行制御方法、及びコンピュータ読み取り可能な記録媒体
KR20190013204A (ko) * 2017-08-01 2019-02-11 주식회사 유니브이알 가상현실 체험용 공기혼합현상을 이용한 송풍시스템
KR20210081492A (ko) * 2019-12-23 2021-07-02 주식회사 포디솔루션 초 저고도 바람 예측 정보 제공 방법

Also Published As

Publication number Publication date
KR102694358B1 (ko) 2024-08-13

Similar Documents

Publication Publication Date Title
US6871816B2 (en) Proactive optical trajectory following system
US11467002B2 (en) Systems and methods for obtaining wind information
CN113467495B (zh) 一种满足严格时间位置约束的飞行器快速轨迹优化方法
CN107844128B (zh) 一种基于复合比例导引的高超声速飞行器巡航段制导方法
EP3610219B1 (en) Dynamic autopilot
US20220107160A1 (en) Glide Trajectory Optimization for Aerospace Vehicles
Youn et al. Model-aided state estimation of HALE UAV with synthetic AOA/SSA for analytical redundancy
CN105912019A (zh) 动力翼伞系统空投风场的辨识方法
CN114329766A (zh) 面向深度强化学习的飞行动力学模型可信度评估方法
US11119512B2 (en) Guiding device, flying object and guiding method
US20210349474A1 (en) Device and method for controlling glide vehicle and flying body
WO2024042310A1 (en) Training data for air data estimation in aircraft
Rodriguez et al. Wind characterization and mapping using fixed-wing small unmanned aerial systems
KR102694358B1 (ko) 랜덤 바람에 대한 가속도 시뮬레이션을 이용한 비행체의 실시간 바람 추정 방법 및 장치
Elbaioumy et al. Modelling and Simulation of Surface to Surface Missile General Platform
US20050035242A1 (en) Proactive optical trajectory following system
KR102577728B1 (ko) 랜덤 바람에 대한 시간 시뮬레이션을 이용한 비행체의 바람 추정 방법 및 장치
CN114740760A (zh) 捷联制导体制导弹的半实物仿真方法及系统
US20200216166A1 (en) Terminal Approach Angle Guidance for Unpowered Vehicles
CN113885352A (zh) 火星edl全过程自主gnc数学仿真验证系统
EP4328547A1 (en) Training data for air data estimation in aircraft
CN111043919A (zh) 一种采用解算发射区方式验证武器射程及精度的方法
EP4328594A1 (en) Air data estimation in aircraft
CN114167890B (zh) 一种无人飞行装置智能避障方法
Nie et al. Aircraft dynamic parameters identification based on adaptive weight Kalman filter

Legal Events

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