• 한국수소및신에너지학회논문집
• /
• 제23권3호
• /
• pp.243-249
• /
• 2012

A lightweight 200W direct methanol fuel cell (DMFC) stack is designed and fabricated to power a small scale Unmanned Aerial Vehicle (UAV). The DMFC stack consists of 33-cells in which membrane-electrode assemblies (MEAs) having an active area of 88 $cm^2$ are sandwiched with lightweight composite bipolar plates. The total stack weight is around 3.485 kg and stack performance is tested under various methanol feed concentrations. The DMFC stack delivers a maximum power of 248 W at 13.2 V and $71.3^{\circ}C$ under methanol feed concentration of 1.2 M. In addition, the voltage of individual cell in the 33-cell stack is measured at various current levels to ensure the stability of DMFC stack operations. The cell voltage distribution data exhibit the maximum cell voltage deviation of 28 mV at 15 A and hence the uniformity of cell voltages is acceptable. These results clearly demonstrate that DMFC technology becomes a potential candidate for small-scale UAV applications.

• 한국농촌건축학회논문집
• /
• 제23권4호
• /
• pp.1-12
• /
• 2021

Recently, the use of unmanned aerial vehicles (UAVs) is increasing in the field of land information acquisition and terrain exploration through high-altitude aerial photography. High-altitude aerial photography is suitable for large-scale geographic information collection, but has the disadvantage that it is difficult to accurately collect small-scale geographic information. Therefore, this study used low-altitude UAV to monitor changes in small rural spaces around rural resources, and the results are as follows. First, the low-altitude aerial imagery had a very high spatial resolution, so it was effective in reading and analyzing topographic features. Second, an area with a large number of aerial images and a complex topography had a large amount of point clouds to be extracted, and the number of point clouds affects the three-dimensional quality of rural space. Third, 3D mapping technology using point cloud is effective for monitoring rural space and rural resources because it enables observation and comparison of parts that cannot be read from general aerial images. In this study, the possibility of rural space analysis of low-altitude UAV was verified through aerial photography and analysis, and the effect of 3D mapping on rural space monitoring was visually analyzed. If data acquired by low-altitude UAV are used in various forms such as GIS analysis and topographic map production it is expected to be used as basic data for rural planning to maintain and preserve the rural environment.

• 항공우주기술
• /
• 제2권2호
• /
• pp.186-198
• /
• 2003

15kg급 소형무인기의 동력장치 개발을 위한 연구로서 엔진 개조에 따른 성능변화를 측정하기 위하여 소형엔진 성능시험대를 제작 및 개량하였고, 추가적인 성능 개량을 위한 향후계획을 도출하였다. 표준적인 엔진시험방법을 통해 엔진의 성능을 평가하여 문제점을 찾아내고 개선하여 목표한 장기체공형 무인기 엔진 개발을 완수할 수 있도록 엔진성능 표준 시험장치를 구성하였다. 엔진성능 표준시험 장치를 이용하여 가솔린 연료를 사용하는 개조된 엔진의 성능을 측정하고 이의 과정 및 엔진성능과 관련한 문제점들을 제시하였다.

• 한국항공우주학회지
• /
• 제35권10호
• /
• pp.912-917
• /
• 2007

논문에서는 신경회로망을 이용하여 소형 무인항공기의 횡/방향 운동 파라미터를 추정하고 기존 파라미터 추정기법인 퓨리에변환을 이용한 추정기법(FTR)과 후처리 기법인 최대공산법(MLE)의 추정 결과와 비교하여 신경회로망 기법을 이용한 파라미터 추정 결과의 신뢰성과 가능성을 확인하였다. 또한 파라미터 추정 결과를 이용하여 선형시스템을 구성하고 비행체의 특성을 확인하였으며, 선형 시뮬레이션을 통하여 추정된 파라미터의 타당성을 검증하였다.

• ETRI Journal
• /
• 제28권6호
• /
• pp.796-798
• /
• 2006

This letter proposes a tapered stacked microstrip antenna for application in small unmanned aerial vehicles (UAVs), which has advantages in mountainous terrains. With its tapered structure and increased bandwidth designed to operate at the resonance frequency of 2.4 GHz, the proposed antenna improves directivity, accuracy, and precision of small UAVs. The test flight results show the proposed tapered antenna has a three times higher impedance capability of 350 MHz based on VSWR<2. The transmission pattern is also more reliable than that of previous antenna designs.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2005년도 ICCAS
• /
• pp.580-585
• /
• 2005

A QRT(Quad-Rotor Type) hovering robot system is developed for quick detection and observation of the circumstances under calamity environment such as indoor fire spots. The UAV(Unmanned Aerial Vehicle) is equipped with four propellers driven by each electric motor, an embedded controller using a DSP, INS(Inertial Navigation System) using 3-axis rate gyros, a CCD camera with wireless communication transmitter for observation, and an ultrasonic range sensor for height control. The developed hovering robot shows stable flying performances under the adoption of RIC(Robust Internal-loop Compensator) based disturbance compensation and the vision based localization method. The UAV can also avoid obstacles using eight IR and four ultrasonic range sensors. The VTOL(Vertical Take-Off and Landing) flying object flies into indoor fire spots and sends the images captured by the CCD camera to the operator. This kind of small-sized UAV can be widely used in various calamity observation fields without danger of human beings under harmful environment.

• 한국융합학회논문지
• /
• 제8권6호
• /
• pp.237-243
• /
• 2017

배터리 팩 수명에 대한 무지는 무인항공기의 추락을 야기할 수 있으며 이로 인해 잔존수명 예측이 잔존 용량 예측에 있어서 중요 요소가 되었다. 전기자동차와는 달리, 소형 무인항공기는 무겁고 복잡한 배터리 관리 시스템을 운반 할 수 없기 때문에, 사고를 예방하기 위해서는 간단하고, 가볍고, 저렴하고, 강력한 배터리 관리 시스템을 적용하는 것이 필요하다. 본 논문에서는, 두 가지 잔존수명 예측 방법들을 보여주는데, 한 가지는 내부 저항을 이용하는 것이며 다른 한 가지는 상보필터를 이용한 $SOC_I$와 $SOC_V$를 사용하는 방법이다. 결과를 통해 30 방전 사이클 후의 잔존용량은 92%로 계산되었다.

• 한국항행학회논문지
• /
• 제18권2호
• /
• pp.151-157
• /
• 2014

최근 무인항공기는 군사용뿐만 아니라 민간용으로도 많이 사용되고 있다. 무인항공기는 미리 입력된 좌표에 따라 GPS 정보를 이용하여 자동비행한다. 그러나 재밍이나 외부 교란에 의해 GPS 신호를 수신할 수 없으면 자동비행이 불가능 해진다. 이러한 문제를 해결하기 위한 한 방법으로, 본 연구에서는 무인기에 탑재된 카메라로부터 촬영된 영상으로부터 실시간으로 특정 영역을 검출하고 인식하는 알고리즘을 제안한다. 실시간 분류와 기계 학습에 사용할 특징을 추출하기 위한 전처리 과정으로 군집화 알고리즘인 그래프 기반 분할 알고리즘을 사용하여 슈퍼 픽셀화 하였다. 다양한 컬러모델 및 혼합 컬러 모델을 비교 분석하여 가장 이상적인 혼합 모델을 선정하고, 분류 알고리즘으로는 적은 트레이닝 데이터로도 뛰어난 분류 성능을 낼 수 있는 서포트 벡터 머신을 사용하였다. 무인항공 영상으로부터 18개의 컬러와 텍스처 특징 벡터를 추출하고 학습 및 예측과정을 통해 하천, 비닐하우스, 논 등 3 종류의 영역을 실시간으로 분류하였다.

• 한국작물학회:학술대회논문집
• /
• 한국작물학회 2022년도 추계학술대회
• /
• pp.75-75
• /
• 2022

Traditional agriculture mostly focused on activity in the field, but current agriculture faces problems such as reduction of agricultural inputs, labor shortage and so on. Accordingly, traditional agricultural experiments generally considered the simple treatment effects, but current agricultural experiments need to consider the several and complicate treatment effects. To analyze such several and complicate treatment effects, data collection has the first priority. Remote sensing is a quite effective tool to collect information in agriculture, and recent easier availability of UAVs (Unmanned Aerial Vehicles) enhances the effectiveness. LAI (Leaf Area Index) is one of the most important information for evaluating the condition of crop growth. In this study, we utilized UAV with multispectral camera to evaluate plant-based LAI of sweetcorn in a small-scale field experiment and discussed the feasibility of a new experimental design to analyze the several and complicate treatment effects. The plant-based SR measured by UAV showed the highest correlation coefficient with LAI measured by a canopy analyzer in 2018 and 2019. Application of linear mix model showed that plant-based SR data had higher detection power due to its huge number of data although SR was inferior to evaluate LAI than the canopy analyzer. The distribution of plant-based data also statistically revealed the border effect in treatment plots in the traditional experimental design. These results suggest that remote sensing with UAVs has the advantage even in a small-scale experimental plot and has a possibility to provide a new experimental design if combined with various analytical applications such as plant size, shape, and color.

• 한국항행학회논문지
• /
• 제25권1호
• /
• pp.115-123
• /
• 2021

잣은 우리나라 대표적인 견과류 임산물이자 수익형 작물이다. 그러나 잣송이는 사람이 직접 나무 위로 올라가 수확하기 때문에 위험성이 높다. 이러한 문제를 해결하기 위해서 로봇 또는 UAV(unmanned aerial vehicle)를 이용한 잣송이 수확이 필요하다. 본 논문에서는 UAV를 이용한 잣송이 수확을 위해 UAV 항공 영상에서 딥러닝(deep learning) 기반의 잣송이 검출 기법을 제안한다. 이를 위해, UAV를 이용하여 실제 잣나무 숲에서 동영상을 촬영했으며, 적은 수의 데이터 보완을 위해 데이터 증강기법을 사용했다. 3D 검출을 위한 데이터로는 Unity3D을 이용하여 가상 잣송이 및 가상환경을 3D 모델링 하였으며 라벨링은 좌표계의 3차원 변환법을 이용해 구축했다. 잣 분포 영역 검출, 잣 객체에 대한 2D 및 3D 검출을 위한 딥러닝 알고리즘은 DeepLabV3, YOLOv4, CenterNet을 각각 이용하였다. 실험 결과, 잣송이 분포 영역 검출률은 82.15%, 2D 검출률은 86.93%, 3D 검출률은 59.45%이었다.