• 한국군사과학기술학회지
• /
• 제26권5호
• /
• pp.409-421
• /
• 2023

In the air power, UAVs have played a large and diversified role in performing missions from simple to high-level complex ones. In particular, the suppression of enemy air defenses(SEAD) is very dangerous for a pilot so it is expected that the manned-unmanned teaming(MUM-T) system with tailless stealthy unmanned aerial vehicle(UAV) will greatly enhance effectiveness of the mission while ensuring the pilot safe. This paper describes simulation studies of remote airborne control(RAC) environment for performing the SEAD mission by MUM-T, by which the air force pilot remotely controls tailless UAVs individually or small UAVs in swarm. Through this simulation, air force pilot can derive the concept of MUM-T mission operation with various UAVs in the future, and it can be used to upgrade the MUM-T system by verifying the effectiveness of the mission.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2003년도 추계종합학술대회
• /
• pp.797-800
• /
• 2003

본 논문은 차량 번호판 중앙부 위치값을 기반으로한 신경망을 이용하여 차량의 번호판 영역을 추출하는 방법을 제안하고자 한다. 임의의 숫자들로 정의된 표시영역에 대한 학습패턴과 넓은 범위를 수용할 수 있도록 한 신경망의 학습패턴을 이용하여 보다 효율적인 방법을 제시하였다. 학습패턴으로 차량 번호판 인식의 최적화을 이루었고 차량번호 및 헤드라이트 부분의 은닉효과와, 학습패턴의 확대 및 감소에 대하여 연구하였단. 위의 과정을 통하여 지하주차장에서 595여대의 자동차에 대하여 번호판 영역을 추출한 결과 98.5%의 인식율을 보여주었다.

• 한국항공우주학회지
• /
• 제47권9호
• /
• pp.678-685
• /
• 2019

미래 전장 환경의 변화와 항공무기체계의 기술적 발전에 따라 유인기와 무인기의 상호 보완적인 유무인기 복합 운용을 통한 임무 수행이 요구된다. 기존의 유무인기 전투체계는 항공작전임무에 따라 운용되었으며 유무인기의 성능에 따라 수행 가능한 임무가 제한된다. 본 논문에서는 유무인기 협업 기반의 임무 도출을 위해 미 국방성의 무인기 시스템 로드맵과 공군의 항공작전을 분석한 후 기존의 유무인기의 임무를 분석한다. 다음으로 임무를 수행하기 위해 필요한 유무인기의 기본 기능을 식별하고 유무인기 협업 기반의 임무를 적 방공제압 임무로 선정한 후 이 임무를 수행하기 위한 절차를 단계별로 분석한다. 본 논문은 유무인기 복합 운용 개념의 구체화를 위해 임무 단계별 절차를 물리적인 공간 및 시간 순서의 맥락으로 분석하여 제안한다.

• 조명전기설비학회논문지
• /
• 제15권4호
• /
• pp.14-22
• /
• 2001

본 논문에서는 전력계통의 저주파 진동 억제와 안정도 향상을 위해 적응 뉴로-퍼지 전 보상기(Adaptive Neuro-Fuzzy Precompensator, ANFP)를 설계하였다. 여기서 ANFP는 종래의 전력계통 안정화 장치(Power System Stabilizer, PSS)를 보상하도록 설계되며, 이 설계기법은 기존의 PSS 최적 파라미터를 구하는 방식과는 달리 현재 사용중인 PSS 파라미터를 고정시켜놓고, ANFP만을 추가하는 구조적인 장점을 나타낸다. 먼저, 학습 능력을 가지는 퍼지 전 보상기가 구성되며, 이는 발전 유니트의 입출력 데이터로부터 학습된다. ANFP는 학습의 특성을 가지기 때문에 보상기의 퍼지규칙과 소속함수는 학습 알고리즘에 의해 자동으로 동조될 수 있다 학습은 ANFP와 목표 제어기(desired controller)의 출력을 비교하여 평가되는 오차를 최소화하도록 수행된다. 사례 연구 들에서 다양한 동작 조건들 상에서 전력계통의 우수한 제동을 제공할 수 있었으며, 시스템의 동특성을 향상시킬 수 있었다