1 |
1
무인기의 위치정보를 획득할 수 있어 위치 제어 모듈이 정상적으로 작동하는 상태에서 상기 무인기가 호버링 중일 때, 현재 자세 및 현재 위치를 산출하는 자세 예측 모듈로부터 상기 무인기의 현재 자세를 획득하는 단계;상기 무인기의 위치정보를 획득할 수 있어 상기 위치 제어 모듈이 정상적으로 작동하는 상태에서 상기 무인기가 호버링 중일 때, 상기 위치 제어 모듈이 상기 자세 예측 모듈로부터 예측된 상기 무인기의 현재 위치, 그리고 상기 무인기의 설정된 목표 위치 및 목표 요(yaw) 각을 고려하여 상기 무인기의 목표 자세 및 목표 추력의 크기를 포함한 목표치를 획득하는 단계;획득된 상기 현재 자세를 입력, 획득된 상기 목표치를 출력으로 설정하고 학습을 수행하여 딥 러닝 신경망을 형성하는 단계; 및상기 무인기의 위치정보를 획득할 수 없어 상기 위치 제어 모듈이 비정상적으로 작동하는 경우, 상기 딥 러닝 신경망에 기초하여 상기 무인기의 자세를 제어하는 단계,를 포함하되,상기 무인기의 자세를 제어하는 단계는, 상기 위치 제어 모듈이 비정상적으로 작동하는 경우, 상기 자세 예측 모듈로부터 출력된 현재 자세에 대응하여 학습된 상기 딥 러닝 신경망의 목표치 출력에 기초하여 상기 무인기가 호버링 자세를 취하도록 제어하고,상기 딥 러닝 신경망을 형성하는 단계는, 상기 위치 제어 모듈이 정상적으로 작동하는 상태에서 상기 무인기가 호버링 중일 때, 제1 시간에서 획득된 현재 자세와 상기 제1 시간 이전의 제2 시간에서 획득된 목표치에 기초하여 상기 딥 러닝 신경망의 출력으로서 상기 제1 시간에서의 목표치를 산출하여 학습을 수행하는 것인, 딥 러닝을 이용한 무인기 비행 제어 방법
|
2 |
2
삭제
|
3 |
3
삭제
|
4 |
4
제1항에 있어서,상기 무인기의 자세를 제어하는 단계는상기 위치 제어 모듈이 정상적으로 작동하는 경우, 확장칼만필터(Extended Kalman Filter)에 기초하여 예측된 상기 무인기의 현재 위치 및 상기 현재 자세를 이용하여 상기 자세를 제어하고,상기 위치 제어 모듈이 비정상적으로 작동하는 경우, 상기 확장칼만필터에 기초하여 예측된 상기 현재 자세를 이용하여 상기 자세를 제어하는 것인, 딥 러닝을 이용한 무인기 비행 제어 방법
|
5 |
5
삭제
|
6 |
6
제1항에 있어서,상기 딥 러닝 신경망을 형성하는 단계는상기 제1 시간에서 획득된 현재 자세와 상기 제2 시간에서 획득된 목표치 각각에 대한 가중치 및 활성 함수(activation function)에 기초하여, 상기 제1 시간에서의 목표치를 산출하는 것인, 딥 러닝을 이용한 무인기 비행 제어 방법
|
7 |
7
제6항에 있어서,상기 딥 러닝 신경망을 형성하는 단계는비용 함수(cost function)를 이용하여 계산된 상기 딥 러닝 신경망의 출력 에러에 기초하여 상기 가중치를 갱신하는 단계,를 포함하는 것인, 딥 러닝을 이용한 무인기 비행 제어 방법
|
8 |
8
제7항에 있어서,상기 가중치를 갱신하는 단계는상기 출력 에러가 최소화되도록 경사 하강법(gradient descent)에 기초하여 상기 가중치를 갱신하는 것인, 딥 러닝을 이용한 무인기 비행 제어 방법
|
9 |
9
무인기의 위치정보를 획득할 수 있어 위치 제어 모듈이 정상적으로 작동하는 상태에서 상기 무인기가 호버링 중일 때 상기 무인기의 현재 자세 및 현재 위치를 산출하는 자세 예측 모듈;상기 무인기의 위치정보를 획득할 수 있어 상기 위치 제어 모듈이 정상적으로 작동하는 상태에서 상기 무인기가 호버링 중일 때, 상기 자세 예측 모듈로부터 예측된 상기 무인기의 현재 위치, 그리고 상기 무인기의 설정된 목표 위치 및 목표 요(yaw) 각을 고려하여 상기 무인기의 목표 자세 및 목표 추력의 크기를 포함한 목표치를 산출하는 상기 위치 제어 모듈;획득된 상기 현재 자세를 입력, 획득된 상기 목표치를 출력으로 설정하고 학습을 수행하여 딥 러닝 신경망을 형성하는 딥러닝 신경망 생성 모듈; 및상기 무인기의 위치정보를 획득할 수 없어 상기 위치 제어 모듈이 비정상적으로 작동하는 경우, 상기 딥 러닝 신경망에 기초하여 상기 무인기의 자세를 제어하는 자세 제어 모듈,을 포함하되,상기 자세 제어 모듈은, 상기 위치 제어 모듈이 비정상적으로 작동하는 경우, 상기 자세 예측 모듈로부터 출력된 현재 자세에 대응하여 학습된 상기 딥 러닝 신경망의 목표치 출력에 기초하여 상기 무인기가 호버링 자세를 취하도록 제어하고,상기 딥 러닝 신경망 생성 모듈은, 상기 위치 제어 모듈이 정상적으로 작동하는 상태에서 상기 무인기가 호버링 중일 때, 제1 시간에서 획득된 현재 자세와 상기 제1 시간 이전의 제2 시간에서 획득된 목표치에 기초하여 상기 딥 러닝 신경망의 출력으로서 상기 제1 시간에서의 목표치를 산출하여 학습을 수행하는 것인, 딥 러닝을 이용한 무인기 비행 제어 시스템
|
10 |
10
삭제
|
11 |
11
삭제
|
12 |
12
제9항에 있어서,상기 자세 제어 모듈은상기 위치 제어 모듈이 정상적으로 작동하는 경우, 확장칼만필터(Extended Kalman Filter)에 기초하여 예측된 상기 무인기의 현재 위치 및 상기 현재 자세를 이용하여 상기 자세를 제어하고,상기 위치 제어 모듈이 비정상적으로 작동하는 경우, 상기 확장칼만필터에 기초하여 예측된 상기 현재 자세를 이용하여 상기 자세를 제어하는 것인, 딥 러닝을 이용한 무인기 비행 제어 시스템
|
13 |
13
삭제
|
14 |
14
제9항에 있어서상기 딥 러닝 신경망 생성 모듈은상기 제1 시간에서 획득된 현재 자세와 상기 제2 시간에서 획득된 목표치 각각에 대한 가중치 및 활성 함수(activation function)에 기초하여, 상기 제1 시간에서의 목표치를 산출하는 것인, 딥 러닝을 이용한 무인기 비행 제어 시스템
|
15 |
15
제14항에 있어서,상기 딥 러닝 신경망 생성 모듈은비용 함수(cost function)를 이용하여 계산된 상기 딥 러닝 신경망의 출력 에러에 기초하여 상기 가중치를 갱신하는 것인, 딥 러닝을 이용한 무인기 비행 제어 시스템
|
16 |
16
제15항에 있어서,상기 딥 러닝 신경망 생성 모듈은상기 출력 에러가 최소화되도록 경사 하강법(gradient descent)에 기초하여 상기 가중치를 갱신하는 것인, 딥 러닝을 이용한 무인기 비행 제어 시스템
|
17 |
17
제1항, 제4항 및 제6항 내지 제8항 중 어느 한 항의 방법을 실행하기 위한 프로그램이 기록되어 있는 것을 특징으로 하는 컴퓨터에서 판독 가능한 기록매체
|