1 |
1
센서 유닛의 센싱 데이터 및 사용자 커맨드를 기초로 무인 항공기의 경로를 제어하기 위한 수학적 예측 신호를 생성하는 제1 모델; 및상기 센서 유닛의 상기 센싱 데이터, 상기 사용자 커맨드, 상기 무인 항공기의 플랜트 출력 신호, 상기 무인 항공기의 상태 신호 및 상기 수학적 예측 신호를 기초로 상기 무인 항공기의 경로를 제어하기 위한 신경망 예측 신호를 생성하는 제2 모델을 포함하고,상기 수학적 예측 신호 및 상기 신경망 예측 신호 중 하나를 선택하여 동작 예측 출력 신호를 생성하는 무인 항공기용 뉴럴 네트워크 시스템
|
2 |
2
제1항에 있어서, 상기 무인 항공기용 뉴럴 네트워크 시스템은 복수의 상기 제2 모델들을 포함하고, 상기 제2 모델의 개수는 상기 무인 항공기의 모터의 개수에 대응하는 것을 특징으로 하는 무인 항공기용 뉴럴 네트워크 시스템
|
3 |
3
제1항에 있어서, 상기 제1 모델은 비행 전에 오프라인 학습을 수행하고, 상기 제2 모델은 비행 중에 온라인 학습을 수행하는 것을 특징으로 하는 무인 항공기용 뉴럴 네트워크 시스템
|
4 |
4
제1항에 있어서, 상기 수학적 예측 신호 및 상기 신경망 예측 신호의 차이가 임계값보다 작거나 같은 경우, 상기 신경망 예측 신호를 상기 동작 예측 출력 신호로 선택하고, 상기 수학적 예측 신호 및 상기 신경망 예측 신호의 차이가 상기 임계값보다 큰 경우, 상기 수학적 예측 신호를 상기 동작 예측 출력 신호로 선택하는 것을 특징으로 하는 무인 항공기용 뉴럴 네트워크 시스템
|
5 |
5
제4항에 있어서, 상기 수학적 예측 신호 및 상기 신경망 예측 신호 중 어느 하나를 선택하기 위한 선택 신호를 생성하는 레지듀얼 프로세싱 블록을 더 포함하는 것을 특징으로 하는 무인 항공기용 뉴럴 네트워크 시스템
|
6 |
6
무인 항공기를 제어하기 위한 플랜트 출력 신호 및 상기 무인 항공기의 상태를 나타내는 상태 신호를 생성하는 리던던시 아키텍처; 뉴럴 네트워크를 이용하여, 상기 리던던시 아키텍처가 정상적으로 동작할 수 없는 경우에 상기 무인 항공기를 제어하기 위한 동작 예측 출력 신호를 생성하는 뉴럴 네트워크 아키텍처; 및상기 플랜트 출력 신호, 상기 동작 예측 출력 신호 및 상기 상태 신호를 기초로 상기 무인 항공기를 제어하는 최종 출력 신호를 생성하는 출력 생성부를 포함하는 무인 항공기 제어 시스템
|
7 |
7
제6항에 있어서, 상기 리던던시 아키텍처는 동일한 기능을 수행할 수 있는 복수의 센서 유닛들을 포함하는 것을 특징으로 하는 무인 항공기 제어 시스템
|
8 |
8
제7항에 있어서, 상기 센서 유닛들은 위성 항법 시스템 또는 관성 항법 장치를 포함하는 것을 특징으로 하는 무인 항공기 제어 시스템
|
9 |
9
제6항에 있어서, 상기 리던던시 아키텍처는 상기 플랜트 출력 신호 및 상기 상태 신호를 상기 출력 생성부에 출력하는 제1 비행 제어부; 및상기 제1 비행 제어부에 오류가 발생하는 경우, 상기 제1 비행 제어부를 대체하여 상기 플랜트 출력 신호 및 상기 상태 신호를 상기 출력 생성부에 출력하는 제2 비행부를 포함하는 것을 특징으로 하는 무인 항공기 제어 시스템
|
10 |
10
제9항에 있어서, 상기 리던던시 아키텍처는 지상에 있는 사용자와 신호를 주고 받는 제1 텔레메트리 텔레커맨드 모듈; 및상기 제1 텔레메트리 텔레커맨드 모듈에 오류가 발생하는 경우, 상기 제1 텔레메트리 텔레커맨드 모듈을 대체하여 상기 지상에 있는 상기 사용자와 상기 신호를 주고 받는 제2 텔레메트리 텔레커맨드 모듈을 더 포함하는 것을 특징으로 하는 무인 항공기 제어 시스템
|
11 |
11
제10항에 있어서, 상기 제1 비행 제어부 및 상기 제2 비행 제어부는 핫 스탠바이 방식으로 동작하고, 상기 제1 텔레메트리 텔레커맨드 모듈 및 상기 제2 텔레메트리 텔레커맨드 모듈은 콜드 스탠바이 방식으로 동작하는 것을 특징으로 하는 무인 항공기 제어 시스템
|
12 |
12
제10항에 있어서, 상기 리던던시 아키텍처는, 동일한 기능을 수행할 수 있는 복수의 버스를 포함하는 것을 특징으로 하는 무인 항공기 제어 시스템
|
13 |
13
제9항에 있어서, 상기 상태 신호는 상기 무인 항공기의 복수의 모터들이 각각 정상 상태인지 비정상 상태인지 나타내고, 상기 상태 신호는 상기 무인 항공기 제어 시스템의 복수의 센서 유닛들이 각각 정상 상태인지 비정상 상태인지 나타내는 것을 특징으로 하는 무인 항공기 제어 시스템
|
14 |
14
제9항에 있어서, 상기 제1 비행 제어부는, 복수의 센서 유닛들로부터 센싱 데이터들을 수신하고, 상기 센싱 데이터들 중 하나를 선택하여 최종 센싱 데이터를 생성하는 보터; 및상기 최종 센싱 데이터 및 사용자 커맨드를 기초로 상기 플랜트 출력 신호를 생성하는 커맨드 생성부를 포함하는 것을 특징으로 하는 무인 항공기 제어 시스템
|
15 |
15
제6항에 있어서, 상기 무인 항공기 제어 시스템은 복수의 뉴럴 네트워크 아키텍처들을 포함하고, 상기 뉴럴 네트워크 아키텍처들은 서로 다른 비정상 모드에 대응하는 것을 특징으로 하는 무인 항공기 제어 시스템
|
16 |
16
제6항에 있어서, 상기 뉴럴 네트워크 아키텍처는 상기 무인 항공기의 경로를 제어하기 위한 수학적 예측 신호를 생성하는 수학적 모델; 및상기 무인 항공기의 경로를 제어하기 위한 신경망 예측 신호를 생성하는 딥 뉴럴 네트워크 모델을 포함하며, 상기 뉴럴 네트워크 아키텍처는 상기 수학적 예측 신호 및 상기 신경망 예측 신호 중 하나를 선택하여 동작 예측 출력 신호를 생성하는 것을 특징으로 하는 무인 항공기 제어 시스템
|
17 |
17
제16항에 있어서, 상기 수학적 모델은 센서 유닛의 센싱 데이터 및 사용자 커맨드를 기초로 상기 수학적 예측 신호를 생성하고, 상기 딥 뉴럴 네트워크 모델은 상기 센서 유닛의 상기 센싱 데이터, 상기 사용자 커맨드, 상기 플랜트 출력 신호, 상기 상태 신호 및 상기 수학적 예측 신호를 기초로 상기 신경망 예측 신호를 생성하는 것을 특징으로 하는 무인 항공기 제어 시스템
|
18 |
18
제16항에 있어서, 상기 수학적 모델은 비행 전에 오프라인 학습을 수행하고, 상기 딥 뉴럴 네트워크 모델은 비행 중에 온라인 학습을 수행하는 것을 특징으로 하는 무인 항공기 제어 시스템
|
19 |
19
제16항에 있어서, 상기 뉴럴 네트워크 아키텍처는 상기 수학적 예측 신호 및 상기 신경망 예측 신호의 차이가 임계값보다 작거나 같은 경우, 상기 신경망 예측 신호를 상기 동작 예측 출력 신호로 선택하고, 상기 뉴럴 네트워크 아키텍처는 상기 수학적 예측 신호 및 상기 신경망 예측 신호의 차이가 상기 임계값보다 큰 경우, 상기 수학적 예측 신호를 상기 동작 예측 출력 신호로 선택하는 것을 특징으로 하는 무인 항공기 제어 시스템
|
20 |
20
제19항에 있어서, 상기 뉴럴 네트워크 아키텍처는 상기 수학적 예측 신호 및 상기 신경망 예측 신호 중 어느 하나를 선택하기 위한 선택 신호를 생성하는 레지듀얼 프로세싱 블록을 더 포함하는 것을 특징으로 하는 무인 항공기 제어 시스템
|
21 |
21
제6항에 있어서, 상기 리던던시 아키텍처가 정상적으로 동작하는 경우, 상기 출력 생성부는 상기 리던던시 아키텍처로부터 수신한 상기 플랜트 출력 신호를 상기 최종 출력 신호로 출력하고,상기 리던던시 아키텍처가 정상적으로 동작하지 않는 경우, 상기 출력 생성부는 상기 뉴럴 네트워크 아키텍처로부터 수신한 상기 동작 예측 출력 신호를 상기 최종 출력 신호로 출력하는 것을 특징으로 하는 무인 항공기 제어 시스템
|
22 |
22
리던던시 아키텍처를 이용하여, 무인 항공기를 제어하기 위한 플랜트 출력 신호 및 상기 무인 항공기의 상태를 나타내는 상태 신호를 생성하는 단계;뉴럴 네트워크 아키텍처를 이용하여, 상기 리던던시 아키텍처가 정상적으로 동작할 수 없는 경우에 상기 무인 항공기를 제어하기 위한 동작 예측 출력 신호를 생성하는 단계;상기 리던던시 아키텍처가 정상적으로 동작하는 경우, 상기 플랜트 출력 신호를 최종 출력 신호로 출력하는 단계; 및상기 리던던시 아키텍처가 정상적으로 동작하지 않는 경우, 상기 뉴럴 네트워크 아키텍처로부터 수신한 상기 동작 예측 출력 신호를 상기 최종 출력 신호로 출력하는 단계를 포함하는 무인 항공기 제어 방법
|