| 1 |
1
심층 신경망(DNN) 모델을 이용하여 드론(drone)의 비행 상태에 따른 배터리 팩의 전류 소모량을 예측하는 단계;배터리 단일 셀의 전기적 등가 회로 모델에 기초하여, 상기 전류 소모량에 따른 상기 배터리 팩의 발열량을 예측하는 단계;상기 배터리 팩의 발열량에 기초하여 상기 드론의 내부 열 유동을 분석함으로써 상기 배터리 팩의 온도를 예측하는 단계;상기 예측된 배터리 팩의 온도에 따른 상기 배터리 팩의 내부 저항 및 수명 감소 특성의 변화에 기초하여, 상기 배터리 팩의 가용 용량을 예측하는 단계; 및 상기 가용 용량에 기초하여, 상기 드론의 비행 패턴을 안내하는 단계를 포함하는, 드론의 비행 패턴을 안내하는 방법
|
| 2 |
2
제1항에 있어서, 상기 배터리 팩의 발열량을 예측하는 단계는개방 회로 전압과 상기 전기적 등가 회로 모델의 개별적인 매개 변수를 잔존 용량(State Of Charge; SOC)과 온도에 따라 측정한 결과를 저장하는 룩업 테이블(Look-Up Table; LUT)을 이용하여 상기 배터리 팩의 발열량을 예측하는 단계를 포함하는, 드론의 비행 패턴을 안내하는 방법
|
| 3 |
3
제1항에 있어서, 상기 배터리 팩의 온도를 예측하는 단계는 상기 배터리 팩의 발열량을 열 RC 등가 회로 모델에 적용하여 상기 드론의 내부 열 유동을 분석함으로써 상기 배터리 팩의 온도를 예측하는 단계를 포함하는, 드론의 비행 패턴을 안내하는 방법
|
| 4 |
4
제3항에 있어서, 상기 열 RC 등가 회로 모델은 상기 배터리 팩의 발열량에 기초한 열저항과 열용량에 의한 열 유동에 따른 상기 배터리 팩의 평균 온도를 출력하는, 드론의 비행 패턴을 안내하는 방법
|
| 5 |
5
제4항에 있어서, 상기 열저항 및 상기 열용량은 상기 드론의 비행을 통해 측정한 전류값 및 온도 데이터에 의해 추출되는, 드론의 비행 패턴을 안내하는 방법
|
| 6 |
6
제4항에 있어서, 상기 배터리 팩의 평균 온도는 상기 배터리 팩의 평균 발열량과, 상기 배터리 팩의 평균 온도와 대기 온도 간의 차이를 상기 배터리 팩과 상기 대기 온도 간의 열저항으로 나눈 값 간의 차이에 비례하고, 상기 배터리 팩의 열용량에 반비례하는, 드론의 비행 패턴을 안내하는 방법
|
| 7 |
7
제1항에 있어서, 상기 배터리 팩의 가용 용량을 예측하는 단계는상기 배터리 팩의 운용 횟수에 따른 상기 배터리 팩의 충방전 사이클에 기초하여, 상기 배터리 팩의 온도에 따른 상기 배터리 팩의 가용 용량을 예측하는 단계를 포함하는, 드론의 비행 패턴을 안내하는 방법
|
| 8 |
8
제1항에 있어서, 상기 심층 신경망 모델은 상기 드론의 지면으로부터의 높이, 상기 드론의 3축 속도, 및 상기 드론의 3축 가속도가 입력됨에 따라 상기 배터리 팩의 예측한 전류 소모량을 출력하는, 드론의 비행 패턴을 안내하는 방법
|
| 9 |
9
제8항에 있어서, 상기 심층 신경망 모델은 상기 드론의 지면으로부터의 높이, 상기 드론의 3축 속도, 및 상기 드론의 3축 가속도가 입력됨에 따라 상기 예측한 전력 소모량과 상기 드론의 실제 비행에 따른 소모 전류 간의 차이에 기초하여 트레이닝되는, 드론의 비행 패턴을 안내하는 방법
|
| 10 |
10
하드웨어와 결합되어 제1항 내지 제9항 중 어느 하나의 항의 방법을 실행시키기 위하여 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램
|
| 11 |
11
심층 신경망 모델을 이용하여 드론의 비행 상태에 따른 배터리 팩의 전류 소모량을 예측하고, 배터리 단일 셀의 전기적 등가 회로 모델에 기초하여 상기 전류 소모량에 따른 상기 배터리 팩의 발열량을 예측하고, 상기 배터리 팩의 발열량에 기초하여 상기 드론의 내부 열 유동을 분석함으로써 상기 배터리 팩의 온도를 예측하고, 상기 예측된 배터리 팩의 온도에 따른 상기 배터리 팩의 내부 저항 및 수명 감소 특성의 변화에 기초하여, 상기 배터리 팩의 가용 용량을 예측하며, 상기 가용 용량에 기초하여, 상기 드론의 비행 패턴을 생성하는 프로세서; 및 상기 드론의 비행 패턴을 안내하는 출력 장치를 포함하는, 드론의 비행 패턴을 안내하는 장치
|
| 12 |
12
제11항에 있어서, 상기 프로세서는 개방 회로 전압과 상기 전기적 등가 회로 모델의 개별적인 매개 변수를 잔존 용량(SOC)과 온도에 따라 측정한 결과를 저장하는 룩업 테이블(LUT)을 이용하여 상기 배터리 팩의 발열량을 예측하는, 드론의 비행 패턴을 안내하는 장치
|
| 13 |
13
제11항에 있어서, 상기 프로세서는 상기 배터리 팩의 발열량을 열 RC 등가 회로 모델에 적용하여 상기 드론의 내부 열 유동을 분석함으로써 상기 배터리 팩의 온도를 예측하는, 드론의 비행 패턴을 안내하는 장치
|
| 14 |
14
제13항에 있어서, 상기 열 RC 등가 회로 모델은 상기 배터리 팩의 발열량에 기초한 열저항과 열용량에 의한 열 유동에 따른 상기 배터리 팩의 평균 온도를 출력하는, 드론의 비행 패턴을 안내하는 장치
|
| 15 |
15
제14항에 있어서, 상기 열저항 및 상기 열용량은 상기 드론의 비행을 통해 측정한 전류값 및 온도 데이터에 의해 추출되는, 드론의 비행 패턴을 안내하는 장치
|
| 16 |
16
제14항에 있어서, 상기 배터리 팩의 평균 온도는 상기 배터리 팩의 평균 발열량과, 상기 배터리 팩의 평균 온도와 대기 온도 간의 차이를 상기 배터리 팩과 상기 대기 온도 간의 열저항으로 나눈 값 간의 차이에 비례하고, 상기 배터리 팩의 열용량에 반비례하는, 드론의 비행 패턴을 안내하는 장치
|
| 17 |
17
제11항에 있어서, 상기 프로세서는상기 배터리 팩의 운용 횟수에 따른 상기 배터리 팩의 충방전 사이클에 기초하여, 상기 배터리 팩의 온도에 따른 상기 배터리 팩의 가용 용량을 예측하는, 드론의 비행 패턴을 안내하는 장치
|
| 18 |
18
제11항에 있어서, 상기 심층 신경망 모델은 상기 드론의 지면으로부터의 높이, 상기 드론의 3축 속도, 및 상기 드론의 3축 가속도가 입력됨에 따라 상기 배터리 팩의 예측한 전류 소모량을 출력하는, 드론의 비행 패턴을 안내하는 장치
|
| 19 |
19
제18항에 있어서, 상기 심층 신경망 모델은 상기 드론의 지면으로부터의 높이, 상기 드론의 3축 속도, 및 상기 드론의 3축 가속도가 입력됨에 따라 상기 예측한 전력 소모량과 상기 드론의 실제 비행에 따른 소모 전류 간의 차이에 기초하여 트레이닝되는, 드론의 비행 패턴을 안내하는 장치
|
| 20 |
20
드론에 있어서, 상기 드론에 전력을 공급하는 배터리 팩;심층 신경망 모델을 이용하여 상기 드론의 비행 상태에 따른 상기 배터리 팩의 전류 소모량을 예측하고, 배터리 단일 셀의 전기적 등가 회로 모델에 기초하여 상기 전류 소모량에 따른 상기 배터리 팩의 발열량을 예측하고, 상기 배터리 팩의 발열량에 기초하여 상기 드론의 내부 열 유동을 분석함으로써 상기 배터리 팩의 온도를 예측하고, 상기 예측된 배터리 팩의 온도에 따른 상기 배터리 팩의 내부 저항 및 수명 감소 특성의 변화에 기초하여, 상기 배터리 팩의 가용 용량을 예측하며, 상기 가용 용량에 기초하여, 상기 드론의 비행 패턴을 안내하는 프로세서; 및 상기 비행 패턴에 따라 구동되는 모터를 포함하는, 드론
|
