드론 프로펠러의 고장은 종종 예측하기 어렵습니다. 단일 진단 신호로 명확히 나타나기보다는 여러 비행 기록(flight-log) 채널에 걸쳐 미묘하게 분산되어 나타나기 때문입니다. 이러한 문제점은 드론의 안전성과 신뢰성에 심각한 위험을 초래할 수 있습니다. 최근 발표된 연구는 이러한 복잡한 고장 징후를 효과적으로 감지하기 위한 '변형 인공 노화 점수(Metamorphic Artificial Age Score, AAS)' 기반 의사결정 지원 프로토타입을 제안했습니다.
이 프로토타입은 2024년 공개 데이터셋인 DronePropA의 실제 비행 기록을 활용합니다. MATLAB 매트릭스 형태의 원시 데이터에서 6가지 핵심 지표를 추출하는데, 여기에는 궤적 추적 오류, 자세 불안정성, 추력 명령 부담, 모터 명령 불균형, ESC 명령 불안정성, 배터리 수준 스트레스 등이 포함됩니다. 이 지표들은 정상 비행 기준선과 비교하여 정규화되며, 후보 점수 정책, 변형 적절성 관계, 그리고 중복성 조정 AAS 공식을 통해 평가됩니다. AAS는 시간 경과에 따른 물리적 노화가 아닌, 정책 적절성과 시스템 부담을 측정하는 지표로 활용됩니다. 연구는 정상 사례 1개와 결함 프로펠러 사례 3개를 동일한 속도 프로필과 궤적에서 비교 평가했습니다. 그 결과, 정상 사례는 일상적인 모니터링 대상으로, 심각도 1 사례는 ESC 명령 불안정성으로 인해 유지보수 검토 대상으로 분류되었습니다. 심각도 2 사례는 최대 모터 명령 및 ESC 명령 부담으로, 심각도 3 사례는 최대 궤적 추적 오류로 인해 모두 필수 점검 대상으로 분류되었습니다.
이 연구 결과는 프로펠러 고장 징후가 다양한 운영 채널을 통해 나타날 수 있음을 명확히 보여줍니다. 이는 비행 후 유지보수 우선순위 지정과 자율 시스템 감독을 위해 다중 지표 기반의 의사결정 지원 계층이 필수적임을 시사합니다. 드론의 활용 범위가 넓어지고 복잡해짐에 따라, 이러한 예측 유지보수(predictive maintenance) 기술은 드론 운영의 효율성과 안전성을 크게 향상시킬 수 있습니다. 특히 물류, 감시, 농업 등 다양한 산업 분야에서 드론의 신뢰성이 더욱 중요해지는 상황에서, 이 기술은 잠재적인 사고를 예방하고 운영 비용을 절감하는 데 기여할 것입니다.