Rotary UAVs or drones have high mobility and are used in various fields. However, due to the capacity limitation of the battery, the main power source of the drone, it is difficult to operate for a long time, so the practical use of the drone is lower than its potential. In this situation, in order to improve the drone's flight time, this study proposes a method for deriving the optimal operation method of the drone for a given mission. In order to model the power consumption of the drone, artificial neural networks were trained based on the drone's flight status data, such as speed and acceleration, and the power consumption data. In this study, we solve the problem of deriving the optimal path and speed of the drone by using graph when given a flight mission to reach a single destination from a single starting point. In order to solve the problem, the vertices, the edges, and the weights of edges of the graph were properly defined, and the optimal path search algorithm was applied to the generated graph to derive the optimal energy path and velocity of the drone in the real flight space. The effectiveness of the proposed method is verified through simulation in the presence of wind and obstacles, and it is confirmed that the energy gain of up to 12.7% is obtained.
회전익 무인항공기, 또는 드론은 높은 기동성을 갖고 있어 다양한 분야에서 활용 되고 있다. 그러나, 드론의 주 전력원인 배터리의 용량 한계로 인해 장시간 운용이 힘들다는 단점이 있어 드론 활용의 실용성은 그 잠재력에 비해 낮은 편이다. 이러한 상황에서 드론의 비행시간을 향상시키고자 본 연구에서는 데이터에 기반한 드론의 전력 소모 모형을 구축하고, 이를 이용하여 주어진 임무에 맞는 드론의 최적 운용법을 도출하는 방법을 제안한다. 이에 필요한 소비 전력 모형화를 위해 자체적으로 제작한 전력 측정 기판을 사용하여 전력 데이터를 수집하고 이를 속도 및 가속도 등과 같은 드론의 비행 상태 데이터와 병합하여 병합한 데이터를 바탕으로 인공 신경망을 학습하였다. 본 연구에서는 단일 출발점에서 단일 목적지에 도달해야하는 비행 임무가 주어졌을 때 드론의 최적 경로 및 속도를 도출하는 문제를 그래프를 통해 해결한다. 문제 해결을 위해 그래프의 정점, 간선 및 간선의 가중값을 적절하게 정의하였으며 도출된 그래프에 최적 경로 탐색 알고리즘을 적용하여 실제 비행 공간에서 드론의 에너지 최적 경로 및 속도를 도출하였다. 제안한 방법의 효용성을 바람 및 장애물이 존재하는 환경에서 시뮬레이션을 통해 확인하였으며 최대 12.7%의 에너지 이득을 얻을 수 있음을 확인하였다.
