함포 사격 정확도 향상을 위한 딥러닝 기반 사격제원 계산 모델 설계
Design of Ballistic Calculation Model for Improving Accuracy of Naval Gun Firing based on Deep Learning
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문에서는 함포 사격 정확도를 향상시키기 위해 표적 위치 예측과 사격 오차 도출에서의딥러닝 알고리즘 적용 가능성을 연구하였다. 표적 위치 예측 시 딥러닝 알고리즘의 하나인 LSTM 모델과 RN 구조를 적용했을 때 좀 더 정밀한 표적 위치를 예측할 수 있다는 가능성을 확인하고모델을 설계하였다. 사격 오차 도출 시 사격제원 계산에 영향을 끼치는 요소들을 데이터 셋으로관리하며, GAN을 사용하여 데이터 셋을 생성 후 강화 학습을 진행하여 사격 오차를 줄일 수 있는 모델을 설계하였다. 2가지 모델을 결합하여 사격 정확도를 향상시키기 위한 딥러닝 기반의 사격제원 계산 모델을 설계하였다.
Abstract
This paper shows the applicability of deep learning algorithm in predicting target position and getting correction value of impact point in order to improve the accuracy of naval gun firing. Predicting target position, the proposed model using LSTM model and RN structure is expected to be more accurate than existing method using kalman filter. Getting correction value of impact point, the another proposed model suggests a reinforcement model that manages factors which is related in ballistic calculation as data set, and learns using the data set. The model is expected to reduce error of naval gun firing. Combining two models, a ballistic calculation model for improving accuracy of naval gun firing based on deep learning algorithm was designed.
참고문헌 (11)
- 이동훈, "함포교전 시뮬레이션 시스템", 한국군사과학기술학회지, 10(1), pp.79~85 (2007), 한국군사과학기술학회
- C. Kim, "Development of Artificial Intelligence(AI) and Application of Defense Sector", Defense & Technology, (428), pp.62~75 (2014)
- S. Kim, "Trends in Artificial Intelligence Technology and Application of Defense Sector", Defense & Technology, (455), pp.88~99 (2017)
- 김성우, "국방분야 빅데이터 분석의 활용가능성에 대한 고찰", 한국경영과학회지, 39(2), pp.1~19 (2014), 한국경영과학회[DOI]
- 이영주, "IMM3를 이용한 사격제원계산장치 대함필터 연구", 한국군사과학기술학회지, 8(3), pp.24~32 (2005), 한국군사과학기술학회
- Jin-Ha Hwang, "Improvement of Track Tracking Performance Using Deep Learning-based LSTM Model", Journal of the Korea Institute of Information and Communication Engineering, 25(1), pp.189~192 (2021)
- Byeoungdo Kim, "Machine Learing Based Vehicle Trajectory Prediction Technique Using Relation Network", Proceedings of Symposium of the Korean Institute of communications and Information Sciences, pp.156~157 (2018)
- Goodfellow, Ian, "Generative Adversarial Nets", Advances in neural information processing systems, 27, pp.2672~2680 (2014)
- ChangHyun Lee, "A Study on Application of Time Series Data Enhancement Technique and Performance Evaluation using Generative Adversarial Neural Network(GAN)", Proceedings of Symposium of the Korean Institute of communications and Information Sciences, pp.1067~1068 (2021)
- Hwan il Kang, "A Study on the Built Trajectory for the External Circumstances and Improvement of the Hit Probability", KSC Annual Conference Proceedings, 39(2), pp.46~48 (2012)
- 김의진, "함포 사격통제시스템 검증을 위한 시뮬레이션 환경 구축 및 개발진행단계에 따른 적용 방안 연구", 한국시뮬레이션학회 논문지, 20(2), pp.41~48 (2011), 한국시뮬레이션학회