연구 영역

대표 연구 분야

연구실에서 최근에 진행되고 있는 관심 연구 분야

1

항공우주 시스템을 위한 최적화 및 유도제어

김종한 연구실은 항공우주 시스템의 유도, 항법, 제어 분야에서 최적화 이론과 실제 응용을 융합한 연구를 선도하고 있습니다. 특히 컨벡스 최적화, 비선형 최적화, 동적 프로그래밍 등 다양한 수학적 기법을 활용하여 위성, 미사일, 드론, 재사용 발사체 등 항공우주 시스템의 비행 경로, 자세 제어, 임무 계획 문제를 해결합니다. 이러한 연구는 실제 시스템의 복잡한 제약 조건과 불확실성을 고려하여, 실시간으로 적용 가능한 알고리즘 개발에 중점을 두고 있습니다. 연구실은 다양한 실제 프로젝트와 산업체 협업을 통해, 위성의 on-off 추력기 할당, 재사용 발사체의 연착륙 유도, 다수 무인이동체의 충돌회피 경로 생성, 미사일의 종말 유도제어 등 다양한 응용 문제에 최적화 기반의 해법을 제시해왔습니다. 예를 들어, ADMM, 확장 프로젝션, 혼합정수계획법 등 최신 최적화 알고리즘을 실제 비행제어 소프트웨어에 적용하여, 실시간 임무 수행과 안전성 향상에 기여하고 있습니다. 또한, 센서 네트워크 기반의 분산 추정, 협동 유도제어, 상태추정 및 고장진단 등도 주요 연구 주제입니다. 이러한 연구는 항공우주 분야의 첨단 기술 발전에 직접적으로 기여하며, 국방, 우주탐사, 민간 항공 등 다양한 산업 분야에서의 실질적 문제 해결에 활용되고 있습니다. 연구실은 이론적 연구와 실험적 검증을 병행하여, 실제 시스템에 적용 가능한 신뢰성 높은 알고리즘을 개발하고, 국내외 학술지 및 특허를 통해 그 성과를 널리 알리고 있습니다.

2

딥러닝 및 인공지능 기반 항공우주 시스템 지능화

연구실은 딥러닝, 머신러닝, 강화학습 등 인공지능 기술을 항공우주 시스템에 접목하여, 비행체의 상태 추정, 이상 탐지, 경로 예측, 충돌 회피, 임무 할당 등 다양한 지능형 기능을 구현하고 있습니다. 특히, 트랜스포머, 오토인코더, PINN(Physics-Informed Neural Networks) 등 최신 딥러닝 모델을 활용하여, 오프로드 차량의 상태 추정, 드론의 실시간 비행 데이터 예측, 항공기 이상 징후 조기 경보, 다수 무인기의 협동 임무 계획 등 실제 현장에 적용 가능한 솔루션을 개발합니다. 이러한 연구는 대규모 센서 데이터, 레이더 신호, 비행 로그 등 다양한 데이터 소스를 효과적으로 처리하고, 실시간으로 의사결정을 내릴 수 있는 경량화된 AI 모델 설계에 중점을 둡니다. 예를 들어, 네트워크 구조 최적화, 프루닝, 병렬처리 등 하드웨어 제약을 고려한 AI 모델 경량화 연구도 활발히 진행되고 있습니다. 또한, 강화학습 기반의 충돌 회피, 임무 최적화, 비정상 상태 진단 등 실제 항공우주 시스템의 안전성과 효율성을 높이는 다양한 AI 응용 연구가 이루어지고 있습니다. 연구실의 AI 기반 연구는 현대 항공우주 시스템의 지능화와 자율화에 핵심적인 역할을 하며, 국방, 민간항공, 우주탐사 등 다양한 분야에서 혁신적인 기술 발전을 이끌고 있습니다. 실제 산업체와의 협력 프로젝트, 정부 과제, 학술 논문 및 특허를 통해 그 성과가 국내외적으로 인정받고 있습니다.