Real-time flight state monitoring and trajectory surveillance using RNN
연구 내용
실시간 비행 데이터로 비정상 비행 징후를 조기에 예측하는 RNN 기반 감시 알고리즘을 개발하여 사고 위험을 낮추는 연구
비행 초기 구간에서 발생하는 비정상 응답을 조기에 식별하기 위해 순환신경망(RNN) 기반 예측 모델을 구성합니다. NASA Generic Transport Model(GTM) 기반 연구 플랫폼의 데이터를 활용하여 비선형 비행 응답을 학습하고, 저고도 비행에서 회복 가능 시간이 제한되는 상황을 고려하여 즉시 대응이 가능하도록 예측 결과를 실시간 모니터링 형태로 구현합니다. 이를 통해 조기 경보를 제공하고, 지상 충돌 위험을 포함한 운영 안전성 향상을 목표로 합니다.
관련 연구 성과
관련 논문
1편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기 단계에서는 비행 초기 구간에서 관측되는 상태 정보를 기반으로 RNN이 비선형 응답 패턴을 안정적으로 학습하는지 확인하는 데 집중하였습니다. 이후에는 NASA GTM 데이터로부터 회전·비정상 단계의 전조를 모델 입력으로 정리하고, 예측 결과가 실제 지상 진실과 얼마나 부합하는지 검증하는 절차를 정립하였습니다. 2025년에는 incipient spin 단계 탐지 성능을 중심으로 예측 기반 조기 경보 체계를 정교화하였습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Data-driven flight path monitoring technique using recurrent neural network for the safety management of commercial aircraft