인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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.
피인용 0
초록·키워드
This study proposes a real-time thrust anomaly detection algorithm for multicopter-type unmanned aerial vehicles (UAVs) using an autoencoder-based semi-supervised learning approach. The performance of this system is verified through a hardware-in-the-loop simulation (HILS) environment. The proposed method detects anomalies without additional sensors by using only the onboard signals of the flight controller including the attitude, angular rate, and motor pulse-width modulation data. The autoencoder was trained solely on normal flight data and determines faults by monitoring reconstruction errors. The developed algorithm accurately detected an induced motor failure within 0.06 s while showing no false alarms during normal operation. The HILS system successfully replicated the dynamic behavior of the UAV and validated the real-time performance and reliability of the proposed model. This approach enables the efficient and safe pre-flight validation of fault detection systems. Future work will involve real flight tests to evaluate the robustness of the algorithm under various fault scenarios and environmental conditions.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-096087173
