인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2026.2
- 수록면
- 278 - 289 (12page)
- DOI
- 10.5302/J.ICROS.2026.25.0266
이용수
초록· 키워드
The control performance of aerospace systems such as missiles highly depends on the accuracy of aerodynamic models. In particular, uncertainties in the center-of-pressure (CP) can significantly degrade stability due to their direct influence on aerodynamic moments. Conventional statistical or data-driven models often show limited interpolation capabilities and lack physical consistency. Therefore, this study proposes a dynamics-embedded neural ordinary differential equation framework to estimate nonlinear CP errors. The method models only the uncertain CP error with a neural network while explicitly embedding it within rigid-body dynamics. An integral-form loss function is introduced to capture the temporal characteristics of flight data and, enhance noise robustness and data efficiency. Validation using high-fidelity, six degrees-of-freedom simulation data demonstrates that the proposed model accurately identifies nonlinear CP errors and generalizes well to unseen flight conditions. Moreover, it produces smooth and physically consistent interpolation in data-sparse regions, indicating that the model learns intrinsic physical relationships rather than memorizing trajectories. This work presents a dynamics-embedded learning framework that combines analytical dynamics with neural modeling, providing a reliable and interpretable approach for aerodynamic uncertainty estimation in complex aerospace systems.
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- Abstract
- I. 서론
- II. 유도탄 동역학 및 공력 모델
- III. 압력 중심 오차 추정 기법
- IV. 시뮬레이션 및 분석
- V. 결론
- REFERENCES
참고문헌
참고문헌 신청최근 본 자료
UCI(KEPA) : I410-151-26-02-096089015
