⚡ 전기공학

Flight Parameter Identification System Based on Cone-Shaped Piezoelectric Cantilever Array

본 연구는 원뿔형 압전 캔틸레버 어레이와 합성곱 신경망을 통합한 새로운 지능형 항공기 헤드 모델 시스템을 제안하고 검증하며, 최신 기술 방식들과 비교하여 대기 속도, 받음각 및 옆미끄럼각 예측에 있어 우수한 정확도를 입증한다.

원저자: Yangyang Huang, Fang Liu, Jie Hu

게시일 2026-10-05

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Yangyang Huang, Fang Liu, Jie Hu

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

현대 항공기, 특히 군용기를 조종하기 위해서는 조종사와 컴퓨터가 세 가지 정보를 즉각적으로 알아야 합니다. 바로 비행기가 공기 속에서 얼마나 빠르게 움직이는지, 기수가 바람에 대해 어떤 각도로 향하고 있는지, 그리고 바람이 동체의 측면을 어떤 각도로 때리고 있는지입니다. 수십 년 동안 엔지니어들은 날개 밖으로 돌출된 물리적인 튜브를 사용하여 이러한 힘을 측정해 왔습니다. 이 방식은 효과적이긴 하지만, 무게를 더하고 비행 속도를 늦추는 항력을 발생시키며, 전자 신호가 간섭에 의해 방해받을 경우 고장이 날 수도 있습니다. 최근 몇 년 동안 과학자들은 거추장스러운 외부 부품 없이도 바람을 느낄 수 있는 표면인 '스마트 스킨(smart skins)'에 주목해 왔습니다. 이러한 스킨은 대개 구부러지거나 늘어날 때 전기를 생성하는 재료를 사용하여, 공기의 물리적인 압력을 컴퓨터가 읽을 수 있는 신호로 변환합니다. 문제는 이러한 스마트 스킨을 비행기가 급격히 기울거나 회전할 때도 기존의 무거운 튜브를 대체할 수 있을 만큼 충분히 정확하게 만드는 것이었습니다.

한 연구팀은 작은 유연한 센서들이 둘러진 고리 형태의 스마트 항공기 코(nose)를 제작하여 이 문제를 해결하는 새로운 방법을 개발했습니다. 연구진은 공기 중으로 튀어나온 튜브 대신, 항공기의 머리 모양을 한 원뿔형 모델을 만들고 그 표면에 일련의 압전 캔틸레버(piezoelectric cantilevers)를 매립했습니다. 이 캔틸레버는 본질적으로 진동할 때 전압을 생성하는 특수 재료로 된 작고 단단한 띠입니다. 연구진은 이 네 개의 띠를 원뿔 주위에 원형으로 배치하였으며, 각 띠는 서로 다른 방향을 향하도록 했습니다. 공기가 원뿔 위로 흐르면 이 띠들을 밀어내어 이들을 진동하게 만듭니다. 공기가 더 빠르게 움직이거나 바람이 원뿔의 측면을 더 많이 때릴수록, 띠들은 더 많이 휘어지고 진동하며 특정 전기 신호를 생성합니다. 이 복잡하고 꿈틀거리는 신호를 이해하기 위해 연구팀은 단순한 수학 공식에만 의존하지 않았습니다. 대신, 그들은 합성곱 신경망(convolutional neural network)이라 불리는 일종의 인공지능을 훈련시켜, 네 개의 띠에서 나오는 전기적 출력을 듣고 풍속과 항공기의 이동 각도를 즉각적으로 계산하도록 했습니다.

연구진은 정지된 물체 위로 공기를 불어넣어 기류를 시뮬레이션하는 시설인 풍동(wind tunnel)에서 이 시스템을 테스트했습니다. 그들은 풍속을 부드러운 미풍부터 초당 30미터의 속도까지 다양한 수준으로 설정하였고, 모델을 기울여 받음각(angle of attack)과 옆미끄럼각(sideslip angle)을 시뮬레이션하며 이를 -20도에서 +20도까지 변화시켰습니다. 공기가 원뿔 위로 몰아치면서 센서들이 진동하기 시작했습니다. 연구진은 띠의 진동이 바람의 힘과 직접적으로 연결되어 있음을 발견했습니다. 풍속이 증가함에 따라 띠들은 더 큰 진폭으로 진동하였고, 그에 따라 생성되는 전기 전압도 상승했습니다. 원뿔 자체의 형상 또한 결정적인 역할을 했는데, 연구진은 원뿔의 설계가 일종의 공명실(resonant chamber)처럼 작동하여 진동을 증폭함으로써 센서가 아주 미세한 기류의 변화까지도 감지할 수 있게 했다고 언급했습니다. 이러한 증폭 덕분에 시스템은 거대하고 무거운 부품 없이도 높은 민감도를 가질 수 있었습니다.

풍속과 풍향이 동시에 변하는 실제 비행의 복잡한 상황에서도 시스템이 대응할 수 있도록, 연구진은 데이터의 의미를 해석하는 데 인공지 intelligence 알고리즘을 사용했습니다. 그들은 네 개의 센서로부터 얻은 전기 신호를 컴퓨터 프로그램에 입력하였는데, 이 프로그램은 다양한 조건에서 센서가 어떻게 반응하는지에 대한 수천 가지 사례를 학습한 상태였습니다. 결과는 놀라울 정도로 정밀했습니다. 시스템이 풍속, 받음각, 옆미끄럼각을 예측했을 때 오차는 매우 작았습니다. 시스템이 예측한 값과 실제 풍동 측정 장비가 측정한 값 사이의 차이는 풍속의 경우 초당 0.13미터 미만, 받음각은 0.15도 미만, 옆미끄럼각은 0.12도 미만이었습니다. 이러한 오차 범위는 열이나 압력 변화를 기반으로 하는 다른 유형의 스마트 센서를 사용한 기존 방식보다 훨씬 더 작습니다.

또한 이 연구는 설계의 한계점도 밝혀냈습니다. 연구진은 바람이 원뿔의 정면을 타격하는 특정 범위 내에서 센서가 가장 잘 작동한다는 것을 발견했습니다. 만약 바람이 측면에서 너무 멀리, 즉 20도를 넘어서 불어오면 기류가 불규칙해지고 소용돌이(vortices)가 발생하여 센서를 혼란스럽게 만들어 전기 신호가 불규칙해졌습니다. 이 발견은 연구팀이 장치의 최적 작동 범위를 정의하는 데 도움을 주었으며, 이 장치가 항공기가 비교적 직선으로 비행하거나 완만한 회전을 할 때 가장 신뢰할 수 있음을 확인해주었습니다. 정교한 물리적 설계와 강력한 학습 알고리즘을 결합함으로써, 연구팀은 매끄러운 원뿔형 표면과 작게 진동하는 띠들이 전통적인 계기들과 대등하거나 이를 능가하는 수준의 정확도로 비행 매개변수를 측정할 수 있음을 입증했습니다. 이 접근 방식은 미래의 항공기가 바람을 느끼는 매끄럽고 지능적인 피부로 덮여, 하늘을 항해하는 더 가볍고 빠르며 신뢰할 수 있는 방법을 제공할 수 있음을 시사합니다.

기술 요약: 원추형 압전 캔틸레버 어레이를 이용한 비행 파라미터 식별 시스템

문제 정의
비행 파라미터, 구체적으로 대기 속도( $v_{air}$ ), 받음각( $\psi$ ), 측각( $\gamma$ )의 정확한 측정은 첨단 비행체의 자세 제어에 있어 매우 중요하다. 피토관(PT), 다중 압력 센싱 포트(MPSP), 그리고 글로벌 위성 항법 시스템(GNSS)을 활용하는 전통적인 방식은 상당한 한계에 직면해 있다. 피토관과 다중 압력 센싱 포트는 항공기의 무게를 증가시키고 비행 성능에 영향을 미치며, 긴 파이프라인 거리로 인한 신호 지연이 발생하여 실시간 대응성을 저해한다. 또한, GNSS는 마이크로파 무기로 인한 전자기 간섭에 취약하다. 정전용량형, 압전저항형, 열 유동 센서와 같은 스마트 재료 및 구조(SMS)가 경량화되고 순응 가능한 대안을 제공하지만, 기존 시스템들은 군용 항공기에 요구되는 급격한 자세 변화에 대한 예측 정확도가 불충분한 경우가 많다. 또한, 항공기 헤드 표면의 진동 데이터와 합성곱 신경망(CNN) 알고리즘을 결의하여 세 가지 파라미터( $v_{air}$ , $\psi$ , $\gamma$ )를 모두 높은 정밀도로 동시에 추정하는 시스템에 대한 보고는 부족한 실정이다.

방법론
저자들은 압전 캔틸레버 어레이(PCA)와 CNN 기반 예측 알고리즘이 통합된 새로운 지능형 항공기 헤드 모델(AHM) 시스템을 제안한다.

하드웨어 설계 (AHM-PCA):
- 구조: 직사각형 슬롯의 새로운 링 구성을 특징으로 하는 ABS 소재의 원추형 프레임(CSF)을 사용한다. PZT-5 재료로 제작된 4개의 압전 바이모프 캔틸레버(PBC)가 이 홈에 설치된다. PBC는 y-z 평면에서 90° 투영 각도를 갖도록 배치된다.
- 치수: 원추는 길이 120mm, 직경 80mm, 원추각 40°이다. 개별 PBC의 크기는 길이 36mm, 폭 2mm, 두께 0.2mm이다.
- 전자 장치: PBC는 병렬 전극 연결 모델을 사용한다. 시스템은 전하 증폭기, 데이터 수집 카드, 그리고 0에서 40 m/s 사이의 기류를 생성할 수 있는 스마트 풍동을 포함한다.
이론적 모델링:
- MATLAB을 통해 해결된 전기기계적 결합 방정식을 사용하여 PBC 진동 메커니즘에 대한 수학적 모델을 구축하였다.
- 이 모델은 진동 변위 $y(t)$ 를 공기 압력 $P(t)$ 및 응답 전압 $U(t)$ 와 연관시킨다. 모델에는 기계적 감쇠비, 공진 주파수 및 전기기계적 결합 항이 포함된다.
- 분석 결과, 원추형 프레임은 헬름홀츠 공명기(Helmholtz resonator)와 유사하게 작용하여 유동 압력을 높이고 PBC 진동 진폭을 증폭시키는 것으로 나타났다.
알고리즘 (CNN):
- 다중 입력 센서 신호(4개 PBC의 응답 전압)를 다중 출력 비행 파라미터( $v_{air}$ , $\psi$ , $\gamma$ )로 매핑하기 위해 합성곱 신경망(CNN)이 채택되었다.
- 네트워크는 공간적/시간적 특징을 추출하기 위한 합성곱 계층, 차원을 축소하기 위한 풀링 계층, 그리고 최종 예측을 위한 완전 연결 계층을 활용한다.
- 각 파라미터에 대한 평균 제곱 오차(MSE)를 결합한 복합 손실 함수가 학습에 사용되었다.
실험적 검증:
- 실험 체계 1: 공기 속도(0–30 m/s)와 각도( $\psi, \gamma$ 범위 -40° ~ 40°)에 따른 응답 전압 및 진동 진폭 특성을 측정하였다.
- 실험 체계 2: CNN을 학습시키고 검증하기 위한 파라미터화 실험이 수행되었다. 공기 속도는 0에서 28 m/s 범위였으며, $\psi$ 와 $\gamma$ 는 -20°에서 20° 사이에서 변화되었다.

주요 결과

진동 특성: 실험 결과, 공기 속도( $v_{air}$ )와 제곱 평균 제곱근(RMS) 응답 전압 및 진동 진폭 사이에 이차 양의 상관관계가 있음이 확인되었다. 분석 모델은 실험 데이터와 높은 일치성을 보였다.
센싱 특성: 시스템은 각도가 20° 미만일 때 PBC의 응답 전압이 $\psi$ 및 $\gamma$ 에 대해 이차 함수에 근사함을 입증하였다. 그러나 -20°에서 20° 사이의 특정 범위 내에서는 실험 결과가 $\psi$ 와 $\gamma$ 모두에 대해 선형 센싱 특성을 나타냈다. 이 범위를 벗어나면(예: ±20° 초과) 유동장의 불안정성과 와류 방출로 인해 신호가 무질서하게 증가하며, 이는 유효 작동 한계를 정의한다.
예측 정확도: CNN 알고리즘은 다음과 같은 절대 오차로 비행 파라미터를 성공적으로 예측하였다:
- 대기 속도 ( $v_{air}$ ): < 0.13 m/s
- 받음각 ( $\psi$ ): < 0.15°
- 측각 ( $\gamma$ ): < 0.12°
응답 시간: 시스템은 약 0.6초의 응답 시간을 나타냈다.

의의 및 주장
본 논문은 제안된 AHM-PCA 시스템이 CNN 알고리즘과 결합될 때, 스마트 재료 및 구조를 사용하는 기존의 최첨단(SOTA) 방법들보다 우수한 정확도를 달성한다고 주장한다. 저자들은 이러한 개선 사항을 다음과 같이 정량화하였다:

대기 속도 정확도: 208% 향상 (기존 SOTA의 0.27 m/s 대비 0.13 m/s 오차).
받음각 정확도: 580% 향상 (기존 SOTA의 0.87° 대비 0.15° 오차).
측각 정확도: 225% 향상 (기존 SOTA의 0.27° 대비 0.12° 오차).

저자들은 이 접근 방식이 빠르고, 소형화되었으며, 전자기 간섭으로부터 자유로운 비행 파라미터 식별을 달성하기 위한 새로운 경로를 제공한다고 결론짓는다. 그들은 이 장치가 첨단 비행체의 지능형 스킨으로 사용되기 위해 밀리미터 수준까지 더 소형화될 수 있는 잠재력이 있다고 시사한다.

유사한 논문