The mathematical dynamics model of the tilt-rotor UAV that has nacelle mounted wing extensions (WE) is presented based on CFD analysis using FLUENT and DATCOM. The advantage of the aerodynamic performance of the WE is compared to the performance of the original tilt-rotor UAV in a trim analysis as well as simulation. Two different types of neural network controllers are designed for the inner loop and outer loop of the tilt-rotor and its WE variant. One is the linear parameterized sigma-pi neural network (SPNN) and the other is the nonlinear parameterized single hidden layer perceptron neural networks (SHL-NN). In order to improve the control performance of outer loop, Pseudo-Control Hedging (PCH) is applied to the outer loop as well as the inner loop of neural networks controls. The dynamic inversion on a linear model of the original tilt-rotor at hover conditions is used as a baseline. Both of SPNN and SHL-NN adaptive controllers minimize the error of the inversion model. This error typically occurs due to the use of an approximate tilt-rotor model for helicopter mode instead of the WE model throughout the flight envelope from helicopter to airplane mode. The waypoint navigation and the automatic hover guidance are applied to the most outer loop of the neural network controller for the autonomous flight, which consists of nacelle conversion and reconversion as well as automatic take-off and landing. The fast dynamic reference commands generated by the autonomous waypoint guidance are inputted to the outer loop control in order to make the PCH of the outer loop effective. Lastly, the nonlinear simulation results are compared under turbulent wind conditions, in which the WE is more negatively affected than the original tilt-rotor model.
나셀에 확장날개(Wing Extension, WE)를 장착한 틸트로터 무인기의 수학적 모델을 개발하였다. 기존 틸트로터 운동모델에 확장날개 공력모델을 추가하기 위해서 전산유체역학 해석도구인 FLUENT와 DATCOM을 이용한 공력데이터베이스를 구축하였다. 트림해석과 비선형 시뮬레이션을 통해 기존 틸트로터 무인기와 확장날개를 장착한 틸트로터 무인기의 성능을 비교하였다. 틸트로터 기본모델과 확장날개(WE) 장착모델에 대해 각기 다른 두 종류의 신경망 (Neural Network, NN)을 이용해서 내부루프와 외부루프 제어기를 통합하여 설계하였다. 하나는 선형 계수를 갖는 Sigma-Pi Neural Networks (SPNN)이고, 다른 하나는 비선형 계수를 갖는 Single Hidden Layer perceptron Neural Networks (SHL-NN)이다. 제어성능을 향상시키기 위해서 신경회로망의 내부루프와 외부루프에 Pseudo-Control Hedging (PCH) 기법을 모두 적용하였다. 기존 틸트로터 무인기의 정지비행 상태의 선형모델을 동역학 역변환(Dynamic Inversion)하여 전체 비행영역에서의 기본모델(Baseline Model)로 사용하였다. 그리고, SPNN 와 SHL-NN의 적응제어 신호가 모델링 오차를 최소화하도록 하였다. 모델링 오차는 모든 비행영역에 대해 기존 틸트로터 운동모델의 정지비행 상태 역변환 모델만을 사용함으로써 발생하며, 특히 확장날개 운동모델은 더 큰 오차를 가진다. 자동이착륙 및 자동천이를 포함하는 자율경로비행이 가능하도록 경로점 유도제어기의 출력이 내/외부 신경망 제어기에 입력되도록 설계하였다. 이때 신경망 제어기의 PCH 신호를 활성화시키기 위해 큰 대역폭을 갖는 유도명령신호를 생성하도록 하였다. 확장날개(WE) 장착모델이 더 큰 영향을 받는 난류 및 돌풍 조건하에서 자율 경로 모의비행(Simulation)을 수행하여 틸트로터 기본모델 및 확장날개 장착모델의 성능과 신경망 제어기의 성능을 비교 분석하였다.
