• Proceedings of the KIEE Conference
• /
• 2000.07b
• /
• pp.1233-1235
• /
• 2000

A new control method of three phase converter without measuring input phase-voltage and DC-link voltage is proposed. Input phase-voltage of these required voltages is estimated using EKF(Extended Kalman Filter) and DC-link voltage is estimated from the measured line currents and the estimated input phase-voltage. This control method is achieved without PLL(Phase Locked Loop) which senses the angle of input phase-voltage and DC-link voltage sensor. In addition, the proposed method controls high power factor and DC-link voltage utilizing the estimated phase angle. This paper describes the effectiveness of the proposed estimated algorithm through simulations.

• Proceedings of the KIPE Conference
• /
• 2001.07a
• /
• pp.227-230
• /
• 2001

A new control method of three phase converter without measuring input Phase-voltage and DC-link voltage is Proposed. Input Phase-voltage of these required voltages is estimated using EKF(Extended Kalman Filter) and DC-link voltage is estimated from the measured line currents and the estimated input phase-voltage. This control method is achieved without PLL(Phase Locked Loop) which senses the angle of input phase-voltage and DC-link voltage sensor. In additon, the proposed method controls high power factor and DC-link voltage utilizing the estimated phase angle. This paper describes the effectiveness of the proposed estimated algorithm through simulations.

• Proceedings of the KIPE Conference
• /
• 2014.07a
• /
• pp.150-151
• /
• 2014

높은 SOC(state-of-charge) 추정알고리즘의 성능을 위해서는 측정된 배터리 단자전압의 정확도가 요구된다. 그렇지만, 예기치 않은 에러로 인해 단자전압에 노이즈 성분이 추가될 경우 SOC 추정성능의 저하를 피할 수 없다. 그러므로, 본 논문에서는 이산 웨이블릿 변환(DWT;discrete wavelet transform)의 다해상도 분석(MRA;multi resolution analysis)의 디노이징(denoising)기법을 적용한 이차전지의 SOC 추정방법을 소개한다. MRA의 시간-주파수 분석을 통해 분해(decomposition)된 저주파 성분(approximation;$A_n$)과 고주파 성분(detail;$D_n$)중 노이즈에 관계된 $D_n$의 고주파 상세 계수(detail coefficient) $d_{j,k}$를 새로이 조정하고 이를 합성(synthesis)하여 디노이징을 마무리 한다. 확장 칼만필터(EKF;extended Kalman filter)의 비교 분석을 통해 제안된 방법의 타당성을 검증한다.

• Proceedings of the KIPE Conference
• /
• 2012.07a
• /
• pp.244-245
• /
• 2012

본 논문에서는 이산 웨이블릿 변환(DWT;discrete wavelet transform)의 다해상도 분석(MRA;multi-resolution analysis)을 통해 분해된 배터리의 저주파 전압 성분(approximation;$A_n$) 기반 SOC(State-of-charge) 추정방법을 소개한다. 급격한 전압 변화의 특성을 나타내는 고주파 전압 성분(detail;$D_n$)이 제거되고 저주파 전압 성분만이 SOC 추정을 위해 사용된다. 이 경우 기존 확장 칼만필터(EKF;extended Kalman filter)에서 SOC 추정에러를 개선하기 위해 사용되었던 노이즈 모델의 생략이 가능하여 알고리즘의 복잡성이 개선된다. 개선된 확장 칼만필터 기반 SOC 추정 결과를 통해 제안된 방법을 검증하였다.

• Proceedings of the KIPE Conference
• /
• 2016.11a
• /
• pp.45-46
• /
• 2016

본 논문은 사용 환경 및 노화에 따라 변하는 배터리 회로 모델의 변수를 실시간으로 추정하는 방법을 제안한다. 동특성 방정식의 개선과 모델변수 변동을 반영하여 시스템 모델의 정확도를 종래의 방법 대비 향상시킨다. 제안하는 추정법의 타당성은 단전지 시뮬레이션과 실험을 통해 검증한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.652-654
• /
• 2012

본 논문에서는 다중 심도 카메라 기반의 실시간 피플 카운팅 시스템을 제안 한다. 카메라 영상으로부터 사람을 감지하고 추적하는 시스템 및 그 방법에 관한 것으로, 피플 카운팅 시스템은 쇼핑몰이나 대형건물의 출입구 등과 같은 다양한 환경에 적용될 수 있다. 기존 피플 카운팅 시스템에서의 급격한 조명의 변화나 겹침 현상, 가림 현상에 대한 해결 방법으로, 다중 심도 카메라 환경에서 동일 객체 추적을 위해 RLM(Range Laser Method)를 적용하고, 조명 등 환경 변화에 강인한 배경 제거 및 물체 검출 기법으로 가우시안 혼합 모델(Gaussian Mixture Model)을 적용해 객체인식에 대한 정확도를 높인다. 또한, 객체를 블랍(Blob)으로 지정해 확장 칼만 필터(Extended Kalman Filter, EKF) 방법으로 객체를 추적한다. 본 제안은 피플 카운팅 시스템에의 객체 검출 및 인식에 대한 정확도를 향상시킬 수 있으리라 기대된다.

• Proceedings of the KIPE Conference
• /
• 2019.07a
• /
• pp.201-203
• /
• 2019

ESS의 데이터에 노이즈가 발생하였을 때 배터리의 상태를 정확하게 추정하는 것은 어려운 부분이며, 부정확한 배터리 상태 추정은 시스템의 안전성 및 신뢰성을 하락시킬 수 있다. 실제 사용되는 시스템의 대부분의 데이터에는 노이즈가 발생하며, 이러한 노이즈를 고려하여 배터리의 상태를 정확하게 파악하는 연구는 매우 중요하다. 본 논문에서는 주파수 조정 용도로 ESS가 사용되었을 때 배터리의 운전 패턴을 생성하고, 입력 데이터에 심각한 노이즈가 발생하였을 때 EKF 알고리즘을 사용하여 배터리의 상태를 정확하게 추정하는 것을 보여준다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.884-886
• /
• 2022

본 논문에서는 GPS 기반의 자율주행 군사로봇에 사용된 각종 센서들의 융합(Sensor Fusion)에 대하여 다루고 있다. GPS 를 통한 자율주행의 경우 GPS 의 성능에 따라 정확도 차이는 있으나 특별한 지형지물 없이 로봇의 현재 위치를 파악할 수 있다는 장점이 있다. 하지만 GPS 만 이용하여 자율주행 알고리즘을 구성하는 경우 로봇의 진행 방향을 특정하지 못한다는 문제점이 발생한다. 이를 해결하기 위하여 본 논문에서는 RTK GPS 와 Lidar, IMU 센서를 ROS 환경에서 Robot_Localization 과 EKF(Extended Kalman Filter)를 이용하여 융합하는 방법에 대하여 다루었다.

• Journal of Positioning, Navigation, and Timing
• /
• v.10 no.3
• /
• pp.179-187
• /
• 2021

To estimate the location of the train, we consider an integrated navigation system that combines Inertial Navigation System (INS) and Global Navigation Satellite System (GNSS). This system provides accurate navigation results in open sky by combining only the advantages of both systems. However, since measurement update cannot be performed in GNSS signal blocked areas such as tunnels, mountain, and urban areas, pure INS is used. The error of navigation information increases in this area. In order to reduce this problem, the train's Non-Holonomic Constraints (NHC) information can be used. Therefore, we deal with the INS/GNSS/NHC integrated navigation system in this paper. However, in the process of installing the navigation system on the train, a Mounting Misalignment Error of the IMU (MMEI) inevitably occurs. In this case, if the NHC is used without correcting the error, the navigation error becomes even larger. To solve this problem, a method of easily estimating the MMEI without an external device is introduced. The navigation filter is designed using the Extended Kalman Filter (EKF) by considering the MMEI. It is assumed that there is no vertical misalignment error, so only the horizontal misalignment error is considered. The performance of the integrated navigation system according to the presence or absence of the MMEI and the estimation performance of the MMEI according to the method of using NHC information are analyzed based on simulation. As a result, it is confirmed that the MMEI is accurately estimated by using the NHC information together with the GNSS information, and the performance and reliability of the integrated navigation system are improved.

• Journal of Institute of Control, Robotics and Systems
• /
• v.18 no.1
• /
• pp.54-61
• /
• 2012

In this paper, the pose estimation method for the satellite GTB (Ground Test Bed) using vision/MEMS IMU (Inertial Measurement Unit) integrated system is presented. The GTB for verifying a satellite system on the ground is similar to the mobile robot having thrusters and a reaction wheel as actuators and floating on the floor by compressed air. The EKF (Extended Kalman Filter) is also used for fusion of MEMS IMU and vision system that consists of a single camera and infrared LEDs that is ceiling landmarks. The fusion filter generally utilizes the position of feature points from the image as measurement. However, this method can cause position error due to the bias of MEMS IMU when the camera image is not obtained if the bias is not properly estimated through the filter. Therefore, it is proposed that the fusion method which uses the position of feature points and the velocity of the camera determined from optical flow of feature points. It is verified by experiments that the performance of the proposed method is robust to the bias of IMU compared to the method that uses only the position of feature points.