[논문 리뷰] Energy Model for UAV Communications: Experimental Validation and Model Generalization

Ning Gao, Yong Zeng외 6명|arXiv (Cornell University)|2020. 05. 04.

UAV Applications and Optimization참고 문헌 20인용 수 6

한 줄 요약

이 논문은 광범위한 비행 실험을 통해 회전익 무인 항공기(UAV)를 위한 이론적 에너지 모델을 검증하고, 임의의 2차원 수평 비행을 위한 일반화된 히우리스틱 에너지 모델을 제안한다. 12,000개 이상의 전력-속도 데이터 포인트에 대해 모델 기반 곡선 피팅과 모델 무관 딥 러닝을 모두 적용하여 이론과 측정치 사이의 강력한 일치를 확인하고, 더 작은 반경으로 인한 더 높은 관성 가속도로 인해 전력 소모가 증가하는 원형 비행에서의 모델 정확도를 검증한다.

ABSTRACT

Wireless communication involving unmanned aerial vehicles (UAVs) is expected to play an important role in future wireless networks. However, different from conventional terrestrial communication systems, UAVs typically have rather limited onboard energy on one hand, and require additional flying energy consumption on the other hand, which renders energy-efficient UAV communication with smart energy expenditure of paramount importance. In this paper, via extensive flight experiments, we aim to firstly validate the recently derived theoretical energy model for rotary-wing UAVs, and then develop a general model for those complicated flight scenarios where rigorous theoretical model derivation is quite challenging, if not impossible. Specifically, we first investigate how UAV power consumption varies with its flying speed for the simplest straight-and-level flight. With about 12,000 valid power-speed data points collected, we first apply the model-based curve fitting to obtain the modelling parameters based on the theoretical closed-form energy model in the existing literature. In addition, in order to exclude the potential bias caused by the theoretical energy model, the obtained measurement data is also trained using a model-free deep neural network. It is found that the obtained curve from both methods can match quite well with the theoretical energy model. Next, we further extend the study to arbitrary 2-dimensional (2-D) flight, where, to our best knowledge, no rigorous theoretical derivation is available for the closed-form energy model as a function of its flying speed, direction, and acceleration. To fill the gap, we first propose a heuristic energy model for these more complicated cases, and then provide experimental validation based on the measurement results for circular level flight.

연구 동기 및 목표

• 직선 수평 비행 조건에서 회전익 UAV에 대한 이론적 에너지 모델을 실험적으로 검증하는 것.
• 이론적 유도가 불가능한 복잡한 2차원 비행 시나리오를 위한 일반화된 에너지 모델을 개발하는 것.
• 비행 속도, 반경, 관성 가속도가 UAV 전력 소비에 미치는 영향을 정량화하는 것.
• 에너지 소비 곡선 추정을 위한 모델 기반 피팅과 모델 무관 딥 러닝 간의 비교.
• 다양한 속도와 반경에서의 원형 수평 비행에서 히우리스틱 모델을 검증하는 것.

제안 방법

• 직선 수평 비행 조건에서 약 12,000개의 유효한 전력-속도 데이터 포인트를 확보하기 위해 광범위한 비행 실험을 수행하였다.
• 로터기계 항공역학 및 추진 물리학에서 유도된 이론적 폐쇄형 에너지 모델을 사용하여 모델 기반 곡선 피팅을 적용하였다.
• 이론적 모델의 가정을 회피하기 위해 동일한 측정 데이터에 대해 모델 무관 딥 뉴럴 네트워크를 사용하였다.
• 임의의 2차원 수평 비행을 위한 히우리스틱 에너지 모델을 제안하였으며, 에너지를 속도와 관성 가속도의 함수로 표현하였다.
• 다양한 속도(1–6 m/s)와 반경(10–20 m)에서의 원형 수평 비행 실험 데이터를 사용하여 히우리스틱 모델을 검증하였다.
• 정상 상태 원형 비행 거동을 분리하기 위해 이륙 및 착륙 단계의 데이터를 제외하였다.

실험 결과

연구 질문

• RQ1 회전익 UAV에 대한 이론적 에너지 모델이 직선 수평 비행 조건에서 실제 비행 측정치와 얼마나 잘 일치하는가?
• RQ2 이론적 모델의 가정에 의존하지 않고도 모델 무관 딥 러닝이 이론적 에너지 모델을 재현할 수 있는가?
• RQ3 원형 수평 비행에서 UAV 전력 소비는 비행 속도와 비행 반경에 따라 어떻게 변화하는가?
• RQ4 관성 가속도가 곡선 비행에서 에너지 소비에 미치는 영향은 어느 정도인가?
• RQ5 일반화된 히우리스틱 에너지 모델은 직선 운동을 초월한 임의의 2차원 수평 비행을 정확하게 기술할 수 있는가?

주요 결과

• 모델 기반 곡선 피팅과 모델 무관 딥 러닝 모두 이론적 에너지 모델과 밀도 있는 일치를 보였으며, 이론 모델의 타당성을 확인하였다.
• 이론적 에너지 모델은 단순 다항식 근사보다 UAV 전력 소비를 더 잘 특성화하였다.
• 높은 속도(≥4 m/s)에서 비행 반경이 감소할수록 전력 소모가 크게 증가하여 관성 가속도의 영향을 확인하였다.
• 속도 ≤4 m/s일 경우 비행 반경이 전력 소비에 미치는 영향이 미미하여 느린 도전 구간에서의 낮은 민감도를 나타내었다.
• 히우리스틱 에너지 모델은 다양한 반경과 속도에서 원형 수평 비행의 전력 소비를 정확하게 예측하였으며, 결과가 일관성을 보였다.
• 에너지에 미치는 탄성 가속도의 누적 효과가 초기 및 최종 속도에만 의존하며, 중간 값에 따라 달라지지 않는다는 점이 운동 에너지 항을 통해 예측된 바와 일치함을 입증하였다.