4. * AUV 운용 *
1. 단정에서 진수 또는
소해함 진수 근거리 통제
작전지역 이동
2. 해저면 탐색
(광역/정밀)
4. 복귀
3. RF통신 및 GPS 위치보정
5. 단정을 이용한 인양 또는
지정위치에서 복귀, 근거리 통제
인양 (소해함 )
5. * AUV 구성 *
-Mission : Seabed 탐색, 정찰용
-구성품 : PC, Bat., IMU, GPS, SSS,
안테나, AC camera.
6. 1. 연구배경 및 동향_연구배경
AUV 용도 : 감시/정찰, 공격 Mission 의 필요성 증가
국내외 자율 무인잠수정 연구 Start up. ( 소형, 대형 잠수정 )
무인잠수정 관련연구
1. 잠수함 인프라 중심
2. 소형 잠수정 인식 : 개발기간, 비용 등 애로.
3. 실해역 시험의 제한으로 인한 충분한 사전연구 필요
소형 무인잠수정 시스템 제어 파라미터 식별방안 효율증진 필요
7. 1. 연구배경 및 동향_연구동향
Kalman Filter 이용한 계수 추정
- Don Pfitsch, Benjamin Gordon, James Rice, Samuel Cubbage, “Development and Deployment of
Autonomous Scale Submarine Models for Hydrodynamic Testing of US Navy Submarine Maneuvering
Characteristics“, IEEE/MTS Oceans Conference, Monterey, CA, Sept. 2016
- 윤현규, 이기표, “선박 조종미계수 식별 시 모델링 전 추정기법과 확장 Kalman 필터에 의한 계수추정법의
비교에 관한 연구”, 대한조선학회논문집 제40권5호, pp. 43-52, 2003.10.
- J. Kim, K. Kim, H.S. Choi, W. Seong, K.Y. Lee, “Estimation of Hydrodynamic Coefficients for an AUV Using
Nonlinear Observers“, IEEE J. of Oceanic Engineering, Vol 27, No.4, October 2002.
- Juan C.C. Luque, Decio C. Donha, “AUV Identification and Robust Control”, the 18th IFAC World Congress,
Milano, September 2011.
AUV 운동 실측 데이터에 확장 칼만필터를 적용한 계수추정은 추정 계수의 정확도에 한계 보유.
시스템 모델 입력값이 넓은 주파수 범위를 갖지 못함
시스템 모델의 상태변수가 가우스 분포를 갖는 랜덤 오차라는 조건을 충족시키기 어렵고, 오차공분산의
범위를 정하는 것에 오차가 존재
8. 1. 연구배경 및 동향_연구동향
해상 실험 또는 실측 data 를 이용한 계수 추정
- 해상 실측 자료를 이용한 횡동요 조종 계수 식별 -1998 JSNAK 김찬기
확장칼만 필터와 상호 보완적인 방법으로 사용을 위한 방안으로 사용
- Experimental model identification of open-frame underwater vehicles(2013 OE)
ROV의 적용을 목표로 연구
민감도 분석내용의 활용
- 민감도_분석을_이용한_수중운동체의_계수식별 – 1997 KACC
- On the identification of non-linear models of UUV (2003 CEP)
- 수중운동체의 조종성능에 대한 민감도 해석법의 적용- 2005 JSNAK
- 선수동요 동유체력 미계수 추정을 위한 시운전 시나리오에 관한 연구 2006 JSNAK
9. 자율 무인잠수정의 동유체력 계수 식별에 있어서
계산된 (이론 및 경험식) 계수를 기반으로,
- PMM (Planar Motion Mechanism) 시험검증 없이 AUV의 실험
데이타를 활용, 계수를 추정 / 식별하고
- 최적설계 개념을 도입하여 민감도 분석 및 메타모델을 구하여
계수를 식별하는 방법을 연구 및 성능검증
* 6자유도 AUV 수치모델에 추정계수 입력
2. 연구 내용
19. 4. 자율 무인잠수정 계수식별 _ 이론 및 경험식 산출
계수 검증 / 보완
이론 및 경험식 산출 계수 Simulation 결과 수치해석 모델기반 시뮬레이터
-200 -180 -160 -140 -120 -100 -80 -60 -40 -20 0
0
20
40
60
80
100
120
140
160
180
200
East [m]
North[m]
X-Y Trajectory with Initial System Parameter
Trajectory
Start
Stop
- 속도 및 이로 인한 전체 이동거리의 차이
추진기 모델 수정 및 상대속도 개념
- 방향전환의 일관성이 없슴
부력중심 이동, Fin Coefficients ( Y,Z,M,N ),
Moment 값 확인, 부호의 적정성, Mass 및
관성모우멘트 값 조정, 방향타 오류 수정
- 조류에 밀리는 현상 조류속도 반영
- 주요 파라미터 계수 조정
X_uu, Z1_q, Y1_del_r, Z1_del_s, M1_del_s,
K1_r, K1_v 값 조정
- 초기 헤딩값 정렬 셋팅
roll, pitch, heading, 초기 Elevator각 수정 등.
* 원인추정
: 원통형상외 부착물 효과.
: 조립작업의 일관성 결여
: 시험환경 불일치, 초기 셋팅 등
20. 4. 자율 무인잠수정 계수식별 _ 이론 및 경험식 산출
계수 검증 / 보완
Parameter 항
이론 및 경험식
산출 계수 값 (*105)
자율무인 잠수정
운용실험 data. 보정값 (*105)
비 고
Xrr -86.9941 -1893.7 * 10 이상
Xvr 1614.799 1614.799 -
Xuu -142.062 -307.25 * 2 이상
Ydelr 2333.286 140.0 * 10 이상
Zdels -2377.97 -142.7 * 10 이상
Kv 77.03625 -770.362 * 10 이상
Mdels -950.579 -92.91 * 10 이상
Nrdot -83.8809 -41.940 * 2 이상
Npq -83.3832 -42.6916 * 2 이상
Nvdot 86.99409 43.4970 * 2 이상
Nv -1255.76 -1268.32 -
Ndelr -932.717 -71.68 * 10 이상
21. 4. 자율 무인잠수정 계수식별_최종결과, 개선필요성
자율운항 실험 궤적에 맞는 파라미터 보정
-250 -200 -150 -100 -50 0 50 100 150 200
-300
-250
-200
-150
-100
-50
0
50
East [m]
North[m]
Exp 140813-#1522-2 : 20h Dive1 - Initial Position : x0
= 15.7, y0
= -217 m
Experiment
Simulation
500 1000 1500 2000
-400
-200
0
200
East[m]
Exp 140813-#1522-2 : 20h Dive1 - Initial Position : X = 15.7, Y = -217, Z = 1.28 [m]
500 1000 1500 2000
-300
-200
-100
0
100
North[m]
500 1000 1500 2000
-5
0
5
10
Time [s]
Depth[m]
Experiment
Simulation
파라미터 식별에 장기간 소요
비전문가의 접근 어려움, 파라미터의 전체 시
스템 영향성 판단에 많은 시간 투입
제어시스템의 지능화에 대한 요구 증대
개선 필요성
22. 목적함수 – 궤적 Data.
5. 최적설계 이론 적용 – 최적설계 정식화
-250 -200 -150 -100 -50 0 50 100 150 200
-300
-250
-200
-150
-100
-50
0
50
Object Function 궤적 - Initial Position : x0
= 15.74, y0
= -216.6 m
North[m]
Eat [m]
변수설정
* X-Y plane. 무인잠수정의 이동좌표를 10 Hz의 간격으로 획득 X,Y 각각 13341개 값.
00 대학 외 00 연구소 외
Np,
Nr,
Nv,
N_delta_r
Zrp,
Zvp,
Z_delta_s
Xuu,
Y_delta_r,
K_r,
Y_vav
Object Function =
𝑖=1
𝑛
𝑥 𝐸𝑥𝑝. − 𝑥 𝑠𝑖𝑚𝑢. 2 +
𝑖=1
𝑛
𝑦 𝐸𝑥𝑝. − 𝑦𝑠𝑖𝑚𝑢. 2
23. 변수 민감도 분석결과
5. 최적설계 이론 적용 – 변수 민감도 분석
- 설계변수 (Design Variable)들이 해석응답 (Analysis Response)에 미치는 상대적 크기분석
- 여러 개의 해석응답에 영향력이 큰 설계변수를 구분
24. 메타모델 : 상용 Tool 중, Easy Design의 Kriging 알고리즘 적용
: 초기 변수를 적용한 해석 결과 메타 모델을 생성 및 최적치 추정
이 값으로 다시 해석하여 확인과정을 거침.
: 추정값과 실제값의 차이로부터 다시 메타 모델을 수정 반복, 순차적 해석으로
메타모델 수정 및 최적의 시스템 변수를 추정하는 방법
5. 최적설계 이론 적용 – 메타모델 선정/최적화
최적화는 22회의 초기해석 포함 전체 50회 입력 및 해석하고 과정
정 중 근사값이 도출되어 수렴시킴.