UAV (unmanned aerial vehicle) are widely used in various industries today, and research on the technologies required for safe autonomous flight and accurate mission execution of UAVs is actively underway. However, despite these efforts, unexpected sensor fault in autonomous flight situations can cause the UAV to deviate from the planned path or even crash. In this paper, we introduce and optimize a UAV position sensor freezing fault recovery system based on a deep learning prediction module that can effectively respond to the position sensor freezing fault situation among the sensor fault situations that may occur in UAVs. In the optimization phase, the optimal set of hyperparameters to be used in the deep learning module of this fault recovery system is found by Bayesian optimization technique within a predefined search space. The performance of each deep learning module set to the minimum, maximum, and quartile hyperparameter sets determined by the objective function among the hyperparameter sets explored during the optimization process is compared, and furthermore, the performance of each UAV position sensor freezing fault recovery system equipped with it is compared. The results show that the performance of the deep learning prediction module is important for the UAV position sensor freezing fault recovery system, so it is necessary to optimize the hyperparameters to obtain the optimal prediction module. In addition, the optimized UAV position sensor freezing fault recovery system is deployed on a real UAV to experimentally verify how well it responds to sensor freezing fault situations.
오늘날 여러 산업현장에서 UAV (unmanned aerial vehicle)가 광범위하게 활용되면서 UAV의 안전한 자율 비행과 정확한 미션 수행에 필요한 기술 연구가 활발히 진행되고 있다. 그러나 이러한 노력에도 불구하고, 자율비행상황에서 예기치 못한 센서 고장이 발생한다면 UAV는 계획 경로를 이탈하거나 심하면 추락까지 할 수 있다. 본 논문에서는 UAV에서 발생할 수 있는 센서 고장 상황 중 위치 센서 프리징 고장 상황에 효과적으로 대응할 수 있는 딥러닝 예측 모듈 기반 UAV 위치 센서 프리징 고장 복구 시스템을 소개하고 그것을 최적화한다. 최적화 단계에서는 해당 고장 복구 시스템의 딥러닝 모듈에 사용될 최적의 하이퍼파라미터 집합을 사전에 정의된 탐색 영역 내에서 베이지안 최적화 기법으로 찾는다. 최적화 과정에서 탐색된 하이퍼파라미터 집합 중 목적 함숫값을 기준으로 최소, 사분위수, 최대의 하이퍼파라미터 집합으로 설정된 각 딥러닝 모듈들의 성능을 비교해보고, 더 나아가, 그것을 탑재한 각 UAV 위치 센서 프리징 고장 복구 시스템의 성능까지 비교해본다. 이를 통해 딥러닝 예측 모듈 기반 UAV 위치 센서 프리징 고장 복구 시스템에서는 탑재된 딥러닝 예측 모듈의 성능이 중요하기 때문에 최적의 예측 모듈을 확보하기 위한 하이퍼파라미터 최적화의 필요성을 제시한다. 또한 최적화된 UAV 위치 센서 프리징 고장 복구 시스템을 실제 UAV에 탑재하여 센서프리징 고장상황을 얼마나 잘 대응하는지 실험적으로 검증한다.
