연구실 탐방 (Strategic Aerospace Initiative Lab. , 지도교수: 안재명)

---

 

 

 안재명 교수님이 이끄는 전략적 항공우주문제 연구실(SAI – Strategic Aerospace Initiative)은 시스템 전체의 가치에 영향을 주는 전략적 이슈들을 다루고 있습니다. 특히, 발사체 시스템, 위성 군집화, 달탐사 시스템, 무인기 시스템 등 복잡한 항공우주 시스템을 분석하고 디자인하는 연구를 수행하고 있으며, 개별 서브시스템보다는 시스템 간의 결합 관계에 더욱 주목합니다. 공학 기술에 위험관리(risk management), 경제성 평가(financial analysis) 등의 이론을 적용시킴으로써 공학과 관리 방법론 간의 연결고리 역할을 하고 있습니다.

 

 

- 항공우주 시스템 컨셉디자인 개발

[Concept Design of Aerospace Systems / Projects]

 

 새로운 개념의 컨셉이 적용되기 위해서는 복잡한 최적화 문제와 디자인 기법을 사용하여야 합니다. 연구실에서는 우주 물체 회수를 위한 인공위성 시스템 컨셉을 최적화 문제로 다루어 연구한 바 있습니다. 현재 궤도상의 우주 파편은 심각한 문제로 떠오르고 있으며, 향후 우주 활동을 지속하기 위해서는 이들을 직접 방문하여 제거하는 우주 파편을 능동적으로 제거할 수 있어야한다는 점에 착안해 시작되었으며, 위 임무 설계를 위한 multi-target rendezvous 문제를 정의하고, 최적 방문 순서 및 랑데부 궤적을 얻기 위한 방법론을 제시하였습니다.

 

 

 

- 최적화 프레임워크 개발/응용

[Optimization Framework Development]

최적화 프레임워크를 필요로 하는 연구 분야로는 실험설계법(DoE-Design of Experiment) 최적화 연구를 들 수 있습니다. 실험에 사용되는 자원 이용을 최소화하면서 동시에 얻고자 하는 정보를 최대화할 수 있는 실험을 계획하는 방법론을 제안하는 연구로써, 풍동실험과 관련된 연구는 국내외적으로도 활발히 수행 중입니다. 초기 실험 계획을 빠르게 수립하여 실험을 진행한 후 데이터를 분석하고 추가 실험 계획을 설정하며, 추가로 획득한 데이터를 실시간으로 분석하여 추가 실험점을 선택하는 적응적 실험 재설계 기법을 적용한 풍동실험 시스템을 제안한 바 있습니다. 또한 이를 활용한 비행체의 공력 계수를 모델링하여 방법론을 검증하였습니다.

 

- 집단 의사결정 방법론 연구

[Group Decision Methodologies]

 거대복잡시스템은 많은 시스템 요소(element)들로 이루어져 있으며 이 요소들은 복잡한 상호작용을 합니다. 한 요소가 변화를 가지면 관계를 맺고 있는 다른 요소들이 영향을 받게 되고 결국 전체 시스템의 거동이 변화하게 되므로 요소들 간의 상호작용을 정확하게 이해하는 것이 중요하다 할 수 있습니다.

 Design structure matrix(DSM)은 요소들 간의 상호의존성 모델링 방법 중 하나이며 그림과 같습니다. (i, j)에는 “i번째 요소가 j번째 요소에 의존하는 정도()”, 혹은 “j번째 요소가 i번째 요소에 영향을 주는 정도()”를 나타내는 수치가 채워집니다. 하지만 “영향을 주는 요소”와 “영향을 받는 요소”로 설명 할 수 있는 양방향 관점에서 다른 평가를 내릴 수 있기 때문에 인적 요소와 관련된 시스템의 DSM을 객관적으로 생성하는 것은 어려운 일입니다. 두 가지 관점에서의 차이는 다양한 이유가 있을 것이며 최종 결론을 내기 위해서 이 차이를 줄이는 것이 중요하고, 집단의사결정 기법을 활용하여 차이를 줄이고 정확한 DSM을 생성 할 수 있습니다.

 

 

- 비행체 비행역학 기반 연구

[Flight Mechanics of Aerospace Vehicles Related Research]

비행체의 비행역학을 기반으로 시스템을 최적화 및 분석한 연구로는 우주 파편 낙하점 및 분산 영역 예측 연구와 지능형 무인기 의사결정 연구를 소개할 수 있습니다.

본 연구에서는 재진입 우주 물체의 낙하점을 재진입 과정 중 파편화 특성을 고려하여 신속하게 산정 할 수 있는 새로운 방법론을 제시합니다. 순간 낙하점(Instantaneous Impact Point, IIP)의 민감도를 활용하여 낙하점과 분산 영역을 산정 한 후, 이를 이용해 낙하점이 될 가능성이 있는 모든 영역을 포함한 경계를 최종 분산 영역으로 제시하였으며 미국 합동우주작전본부(JSpOC)에서 제공하는 궤도, 추락 정보를 활용하여 유효성을 검증했습니다.

 

 

 

 

무인기 연구로는 임무 수준에서 무인기의 통합적인 자율 의사결정 프레임워크 개발 연구가 있습니다. 본 연구는 불확실하고 동적인 무인기 임무 환경에서 지상국과의 교신 없이 임무 수행 상태, 상황 인식, 기체 상태, 연료량 등을 통합적으로 고려하여 신속한 자율적 판단을 내릴 수 있는 지능형 의사결정 알고리즘 개발을 목표로 합니다. 이를 위해 임무 수준의 의사결정 과정을 상태 집합, 행동 집합, 상태 천이 모델, 보상 모델로 구성된 MDP (Markov Decision Process) 기반의 무인기 임무 계획(mission planning) 문제로 정식화 하였고, 이후 정의된 상태 집합에 대한 무인기의 최적 정책을 동적 프로그래밍을 통해 산출합니다. 다양한 임무 환경에 대한 MDP 최적 정책들의 데이터셋을 통해 심층 신경망을 학습시켜, 동적이고 불확실한 새로운 임무 상황에 대해 신속한 준최적 의사결정을 수립할 수 있는 정책망을 구축하는 연구를 진행 중입니다.

 

 

편집         이재호[barbossa0412@kaist.ac.kr]