27.7. 시스템 상태 진단 메시징 및 트러블슈팅

27.7. 시스템 상태 진단 메시징 및 트러블슈팅

상태 추정기(State Estimator)는 PX4-Autopilot 아키텍처 내에서 기체의 자세, 속도, 위치를 연산하는 가장 핵심적이고 민감한 두뇌 역할을 수행한다. 확장 칼만 필터(EKF)의 비선형적 모델 매트릭스 연산과 수많은 센서(IMU, 지자계, GPS, 텔레메트리 등)의 융합 과정에서는 복합적인 오류가 발생할 수 있다. 본 절에서는 PX4 시스템이 이러한 내부적 결함과 센서 기각 상태를 어떻게 정량화하고, 진단 메시징을 통해 지상 관제 시스템(GCS) 또는 비행 기록(ULog)에 트러블슈팅(Troubleshooting) 데이터를 제공하는지 종합적으로 분석한다.

1. uORB 기반 진단 텔레메트리 아키텍처

PX4 비행 제어 스택에서 동작하는 EKF2 모듈은 내부 수학적 상태(State)와 혁신(Innovation) 공분산을 주기적으로 검사하여, 그 결과를 uORB(Micro Object Request Broker) 메시징 버스에 진단 토픽으로 발행(Publish)한다. 이 과정은 EKF 인스턴스 간 격리(Isolation) 원칙을 준수하며, 각 인스턴스는 자신만의 진단 메시지를 시스템에 보고한다.

트러블슈팅과 상태 진단의 근간이 되는 핵심 메타데이터 구조체는 다음과 같다.

  • estimator_status: EKF의 융합 모드 활성화 상태, 솔루션 유효성(Solution Validity), 센서 고장 유무를 비트마스크(Bitmask) 형태로 인코딩하여 제공한다.
  • estimator_innovations: 위치, 속도, 고도 등 각 센서 관측치의 혁신(관측치와 예측치의 차이) 값과 해당 혁신에 대한 분산(Variance) 데이터를 3차원 공간 수치로 제공하여 필터 발산 조짐을 조기에 경고한다.
  • estimator_event_flags: 특정 시점에 트리거링된 비정상적인 상태 전이(State Transition)나 인스턴스 초기화(Reset) 이벤트를 기록한다.
graph TD
    subgraph EKF2 Module
        EKF_Math[EKF Math Core\n& Covariance Engine]
        Diag_Engine[Diagnostics Logic\n& Flag Generator]
        EKF_Math -->|Residuals & Faults| Diag_Engine
    end

    subgraph uORB Message Bus
        Top_Status((estimator_status))
        Top_Inno((estimator_innovations))
        Top_Events((estimator_event_flags))
    end

    Diag_Engine -->|Publish| Top_Status
    Diag_Engine -->|Publish| Top_Inno
    Diag_Engine -->|Publish| Top_Events

    subgraph Diagnostics & Logging
        Logger[ULogger Module]
        MAVLink[MAVLink Streamer]
    end

    Top_Status --> Logger
    Top_Inno --> Logger
    Top_Events --> Logger
    Top_Status -->|ESTIMATOR_STATUS| MAVLink

2. 상태 진단의 주요 분류 체계

PX4의 EKF2 엔진은 다양한 센서 입력과 하드웨어 지연(Delay), 그리고 비행 동역학 모델의 극한 환경 노출(예: 강풍으로 인한 진동, 전자기 간섭)에 대응하기 위해 다음과 같은 세 가지 범주의 상태 진단 체계를 가동한다.

2.1 센서 융합 유효성 판별 (Sensor Fusion Validity)

센서로부터 수신되는 물리적 관측치가 필터 내부의 게이팅(Gating) 산술식을 이탈했는지를 판별한다. GPS의 다중 경로(Multipath) 오차로 인해 위성 관측 데이터의 오차가 급증하거나, 자력계(Magnetometer) 부근에 순간적인 강한 전자기장이 발생할 경우, 필터는 해당 센서 데이터를 모델 갱신 단계(Update Step)에서 사용하지 않고 기각(Reject)한다. 이러한 융합 거부 플래그는 조종자나 GCS 관제 프로그램(예: QGroundControl)에 경고 팝업으로 시각화되어 신속한 기체 복귀 명령(RTL)을 유도하는 트리거가 된다.

2.2 추정기 수학적 무결성 (Mathematical Integrity)

센서의 결함이 아닌 계산기 자체의 오류, 즉 항법 알고리즘 내부의 수치 연산 무결성을 지속 감시한다. 예를 들어 부동 소수점 변수 공간에서 허용되지 않는 연산 범주 초과(NaN: Not a Number)가 발생하거나, 여러 상태 변수 간의 확률 분포를 나타내는 공분산 행렬(Covariance Matrix)이 양의 정부호(Positive Definite) 특성을 잃고 비대칭성을 보이며 발산하는 현상(Divergence)을 검출한다.
수학적 무결성 위반이 감지될 경우 시스템은 즉각 해당 EKF 인스턴스를 격리하고 긴급 상차(Emergency Fallback) 절차를 수행하도록 하드웨어 타이머와 연계되어 동작한다.

2.3 좌표계 및 원점 강제 초기화 (Origin Resets)

필터가 장시간 누적된 바이어스(Bias)나 센서 단절 후 재연결 시 겪는 거대한 오차 단차(Step Jump)를 처리하기 위해, 공간 좌표계의 로컬 원점(Local Origin)을 시스템적으로 강제 이동시키는 이벤트이다. 트러블슈팅 전문가나 데이터 분석가는 비행 로그(Flight Log)에서 상태 변수(X, Y, Z)가 단절적으로 도약하는 구간을 발견할 때, 이 초기화 이벤트 플래그(estimator_event_flags)를 교차 검증하여 해당 튀는 현상이 물리적 충돌에 의한 것인지, 혹은 소프트웨어적인 고도/위치 강제 보정에 의한 것인지를 논리적으로 판독할 수 있다.

3. GCS(QGroundControl)와의 관제 연동 무결성 방어

지상 관제 시스템(GCS)은 이와 같이 uORB를 거쳐 최종적으로 MAVLink 텔레메트리 대역폭을 타고 다운링크(Downlink)되는 ESTIMATOR_STATUS 프로토콜 패킷을 해독한다.
Ardupilot 비행 스택(ArduCopter, ArduPlane 등)이 EKF3의 서브시스템 상태를 EKF_STATUS_REPORT 메시지를 통해 관제하는 방식과 유사하지만, PX4-Autopilot은 다중 에이전트(Multi-agent) 시스템과 ROS2 연동(uXRCE-DDS)을 깊이 염두에 두고 상태 다차원 분석 데이터의 해상도를 더욱 비트(Bit) 단위로 압축하여 송출한다는 점에서 고도화된 특징을 지닌다.

본격적인 트러블슈팅 과정에서는 Flight Review와 같은 온라인 시각화 툴이나 MAVExplorer를 활용하여 마이크로초(us) 단위의 ULog 포맷 데이터를 가공한다. 이를 통해 하드웨어 설계자는 진동 차단 마운트(Vibration Damping Mount)의 기구 설계 불량을 찾아내거나, 소프트웨어 제어 엔지니어는 GPS 오프셋 좌표 벡터의 공학적 모델링 오류 구조를 직관적으로 분석하고 파라미터(예: EKF2_EV_DELAY, EKF2_GPS_CHECK) 튜닝을 통해 시스템 강건성을 복원하는 피드백 루프를 완성하게 된다.