혁신적 수학 프레임워크, 엔지니어의 최적 항공기 센서 선택 지원

2019년 보잉 737 맥스 추락 사고에서 잔해에서 회수된 블랙박스는 고장 난 압력 센서가 불운한 항공기를 급강하하게 만들었을 가능성을 시사했습니다. 이 사건과 다른 사건들은 그러한 비극의 재발을 막기 위한 센서 선택, 개수, 배치에 대한 더 큰 논쟁을 촉발했습니다.

텍사스 A&M 대학교 연구자들은 이제 엔지니어가 항공기 및 기타 기계에서 어떤 센서를 사용하고 어디에 배치해야 할지 정보에 입각한 결정을 내리는 데 도움이 되는 포괄적인 수학적 프레임워크를 개발했습니다.

"모든 제어 시스템의 초기 설계 단계에서, 특정 관심 물리량을 측정하도록 시스템을 최적화하기 위해 어떤 센서를 사용하고 어디에 배치할지에 대한 중요한 결정을 내려야 합니다."라고 Raktim Bhattacharya 교수는 말했습니다. "우리의 수학적 공식화로 엔지니어는 무엇을 얼마의 정밀도로 감지해야 하는지 모델에 입력하면, 모델의 출력은 필요한 최소 센서 수와 그들의 정확도가 됩니다."

자동차든 비행기든 복잡한 시스템에는 측정해야 할 내부 특성이 있습니다. 예를 들어 비행기에서는 각속도와 가속도 센서가 특정 위치에 배치되어 속도를 추정합니다.

센서는 또한 서로 다른 정확도를 가질 수 있습니다. 기술적으로 정확도는 센서 측정값의 노이즈, 즉 요동으로 측정됩니다. 이 노이즈는 내부 특성을 얼마나 정확하게 예측할 수 있는지에 영향을 미칩니다. 그러나 정확도는 시스템과 애플리케이션에 따라 다르게 정의될 수 있습니다. 예를 들어 일부 시스템은 예측에서 노이즈가 특정량을 초과하지 않도록 요구할 수 있고, 다른 시스템은 노이즈의 제곱을 가능한 한 작게 만들어야 할 수 있습니다. 모든 경우 예측 정확도는 센서 비용에 직접적인 영향을 미칩니다.

"센서 정확도를 2배 더 높이고 싶다면 비용은 2배 이상일 가능성이 큽니다."라고 Bhattacharya는 말했습니다. "게다가 어떤 경우에는 매우 높은 정확도가 필요하지 않기도 합니다. 예를 들어 물체 감지용 고가의 4K HD 차량 카메라는 불필요합니다. 첫째, 인간을 다른 자동차와 구별하는 데 미세한 특징이 필요하지 않고, 둘째, 고해상도 카메라의 데이터 처리가 문제가 되기 때문입니다."

Bhattacharya는 센서가 극도로 정밀하더라도 센서를 어디에 놓을지 아는 것이 중요하다고 덧붙였습니다. 필요하지 않은 위치에 비싼 센서를 놓을 수 있기 때문입니다. 따라서 이상적인 솔루션은 센서 수와 위치를 최적화하여 비용과 정밀도의 균형을 맞춥니다.

이 논리를 테스트하기 위해 Bhattacharya와 그의 팀은 F-16 항공기 모델을 설명하는 방정식 세트를 사용하여 수학적 모델을 설계했습니다. 그들의 연구에서 연구자들의 목적은 이 항공기의 전진 속도, 비행기에 대한 풍향 각도(받음각), 비행기가 향하는 방향과 수평선 사이의 각도(피치 각도), 피치 속도를 추정하는 것이었습니다. 사용 가능한 센서는 항공기에서 일반적으로 가속도, 각속도, 피치 속도, 압력, 받음각을 측정하는 센서들이었습니다. 또한 모델에는 각 센서에 대한 예상 정확도도 제공되었습니다.

그들의 모델은 전진 속도를 정확하게 추정하기 위해 모든 센서가 필요한 것은 아니라고 밝혀냈습니다. 각속도 센서와 압력 센서의 판독값만으로도 충분했습니다. 또한 이 센서들은 받음각 같은 다른 물리적 상태를 추정하는 데도 충분하여 추가 받음각 센서의 필요성을 배제했습니다. 사실 이 센서들은 받음각 측정의 대리 역할로 시스템에 중복성을 도입하여 시스템 신뢰성을 높이는 효과가 있었습니다.

Bhattacharya는 센서 레퍼토리가 제공되더라도 항상 필요한 최소 센서 수를 나타내도록 수학적 프레임워크가 설계되었다고 말했습니다.

"설계자가 모든 유형의 센서를 모든 곳에 배치하고 싶다고 가정해 봅시다. 우리 수학적 모델의 장점은 불필요한 센서를 제거한 다음 필요한 최소 센서 수와 위치를 알려준다는 것입니다."라고 그는 말했습니다.

또한 연구자들은 이 연구가 항공우주 공학 관점에서 이루어졌지만, 그들의 수학적 모델은 매우 일반적이며 다른 시스템에도 영향을 미칠 수 있다고 지적했습니다.

"공학 시스템이 더 크고 복잡해짐에 따라 센서를 어디에 놓을지 문제가 점점 더 어려워집니다."라고 Bhattacharya는 말했습니다. "예를 들어 정말 긴 풍력 터빈 블레이드를 만든다면, 시스템의 일부 물리적 특성을 센서를 사용하여 추정해야 하고 이 센서들을 구조물이 고장 나지 않도록 최적 위치에 배치해야 합니다. 이는 사소하지 않으며 바로 거기서 우리 수학적 프레임워크가 작용합니다."

연락처 정보