외력 학습을 이용한 해양로봇 기반 항만 수중구조물 조사 시스템 제어 연구

Abstract

본 연구는 항만 수중구조물 조사 목적을 가진 소형 USV(Unmanned surface vehicles)를 효과적으로 제어하기 위해 해양의 Ocean currents 를 RNN(Recurrent Neural Network)의 LSTM (Long ShortTerm Memory models)알고리즘을 활용하여 학습하고 예측된 Ocean currents 정보를 이용한 US의 제어에 관해 연구를 진행하였다. 항만 수중구조물 조사 시스템에 사용되는 소형 USV 는 목적에 맞게 2~5 knot 의 느린 속도로 이동하며 수중구조물의 소나/영상데이터를 취득하며 이로 인해 Ocean currents 에 많은 영향을 받는다. 따라서 Ocean currents 을 무시한 기존의 GNSS (Global Navigation Satellite System) 기반의 항법을 이용한 중ㆍ고속 USV 의 제어 방식을 이용하면 고해상도의 정보를 취득하기 어렵다. 그러므로 기존의 GNSS 항법시스템과 함께 해양에서의 Ocean currents 을 측정하여 학습하고 이를 제어시스템 외란에 적용하여 제어기를 설계 하였고 이를 소형 USV 의 최적제어 관해 연구 하였다. 본 연구의 핵심인 해양의 Ocean currents 의 데이터를 학습하기 위해 RNN 의 일종인 LSTM 을 활용하여 이전의 데이터를 학습하여 다음의 Ocean currents 의 속도를 예상하고 이 데이터를 시스템 외란으로 활용하여 제어기의 출력을 결정하였으며, 소형 USV 의 이동 시 해상의 Ocean currents 를 측정하기 위한 GPS 에서 속도, 방위각, 위치 (위도, 경도) 데이터를 활용하여 선체가 이동하는 속도 및 방향을 계측하고 소형 USV 에 장착된 유속 센서를 이용하여 유속을 갖는 유체의 이동속도를 측정한다. 또한, 소형 USV 의 위치를 제어하기 위한 제어 시스템에 인공 신경망을 이용한 ANN-PID(Artificial neural networks-PID)제어기를 사용하였다. ANN-PID 제어기는 제어 이득을 조절하여 외란에 유연하게 대처하기 위한 제어기로써 이를 통해 USV 의 움직임을 제어하도록 설계한다. 이러한 연구를 바탕으로 소형 USV 의 제어 결과를 분석하고 적용된 제어 시스템의 시뮬레이션을 통해 제어 알고리즘을 검증하였다.