Detailed Information

Cited 0 time in webofscience Cited 0 time in scopus
Metadata Downloads

CNN-LSTM 혼합모델을 이용한 비행상태 예측 기법Flight State Prediction Techniques Using a Hybrid CNN-LSTM Model

Other Titles
Flight State Prediction Techniques Using a Hybrid CNN-LSTM Model
Authors
박진상송민재최은주김병수문용호
Issue Date
2022
Publisher
항공우주시스템공학회
Keywords
UAV(무인항공기); UAM(도심형 항공 이동 수단); CNN(합성곱 신경망); LSTM(장단기 메모리)
Citation
항공우주시스템공학회지, v.16, no.4, pp 45 - 52
Pages
8
Indexed
KCI
Journal Title
항공우주시스템공학회지
Volume
16
Number
4
Start Page
45
End Page
52
URI
https://scholarworks.gnu.ac.kr/handle/sw.gnu/2084
DOI
10.20910/JASE.2022.16.4.45
ISSN
1976-6300
2508-7150
Abstract
최근 차세대 운송시스템으로 주목받고 있는 UAM 분야에서 무인항공기 활용을 위한 기술 개발이 활발히 진행되고 있다. 이러한 기술이 적용된 무인항공기는 주로 도심에서 운용되기 때문에 추락사고를 예방하는 것이 중요하다. 그러나 충돌이 발생되는 무인항공기는 비선형성이 강하기 때문에 비정상 비행 상태를 예측하는 것은 쉽지 않은 일이다. 본 논문에서는 CNN-LSTM 혼합모델을 이용하여 무인항공기의 비행상태를 예측하는 방법을 제안한다. 제안 모델은 비행 데이터간의 시간적, 공간적 특징을 추출하는 CNN 모델과 추출된 특징의 장단기 시간 의존성을 추출하는 LSTM 모델을 결합하여 미래의 특정 시점에서 비행 상태변수를 예측한다. 모의 실험은 제안하는 방법이 기존 인공신경망 모델에 기반한 예측 방법보다 우수한 성능을 보인다.
Files in This Item
There are no files associated with this item.
Appears in
Collections
공학계열 > 기계항공우주공학부 > Journal Articles

qrcode

Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.

Related Researcher

Researcher Moon, Yong Ho photo

Moon, Yong Ho
대학원 (기계항공우주공학부)
Read more

Altmetrics

Total Views & Downloads

BROWSE