본 연구에서는 eVTOL 비행체 디지털 트윈을 개발하기위해 심층학습 기반 고정밀도 비행 동역학 모델링 방법인 Neural Dynamics Processes 와 강전 제어 시스템인 es-DNLC를 제안하였다. Neural Dynamics Processes는 비행시험 및 비행 시뮬레이션을 통한 데이터 취득, 데이터 전처리, 모델 학습, 모델 검증으로 이루어진 비행 동역학 모델 생성 프로세스로, DNN 기반의 Neural Dynamics와 LSGAN 기반의 Generative Dynamics, 그리고 물리 정보 신경망 모델인 Physics-informed Neural Dynamics와 Physics-informed Generative Dynamics 모델을 제안하였다.
시뮬레이션 데이터와 비행시험 데이터를 이용하여 모델을 학습하고, 시뮬레이션 데이터를 학습한 모델에 추가적으로 비행 시험 데이터를 전이 학습하여 예측 성능을 비교 및 분석하였다. 물리 정보 신경망 모델은 전이 학습 수행 시, 예측 오차가 감소함을 보였으며, 물리 정보 신경망 모델의 전이 학습이 가장 효과적임을 확인하였다. 또한, es-DNLC는 eVTOL 항공기의 심층학습 기반 강건 제어 시스템으로, es-CLF를 목적함수로 사용하여 시스템이 주어진 조건을 만족하도록 학습한다. 기존의 LQR 제어기에 비해 ROA(Region of Attraction)의 넓이가 증가함을 확인하였으며, 강한 바람이 부는 환경에서의 검증을 PX4-Gazebo SITL을 통해 수행하였다. 본 연구를 통해 eVTOL 비행체의 디지털 트윈을 위한 핵심 기술인 고정밀도 비행 동역학 모델 개발과 강건 제어 시스템 개발을 수행하였다.