Sabit kanatlı insansız hava araçlarında kullanılan ataletsel ölçüm birimi cihaz arızasının makine öğrenmesi yaklaşımıyla tespiti
Detection of inertial measurement unit device failure in fixed wing unmanned aerial vehicles with machine learning approach
- Tez No: 1025406
- Danışmanlar: DOÇ. DR. EBRU KARAKÖSE
- Tez Türü: Yüksek Lisans
- Konular: Sivil Havacılık, Havacılık ve Uzay Mühendisliği, Civil Aviation, Aeronautical Engineering
- Anahtar Kelimeler: Makine öğrenmesi, İnsansız hava aracı, İnsansız otonom hava sistemleri, Machine learning, Unmanned aerial vehicle, Unmanned autonomous aerial vehicles
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Havacılık Bilimi ve Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
İnsansız hava araçlarında uçuş güvenliğinin sağlanabilmesi, sensörlerden elde edilen verilerin doğruluğu ve sürekliliği ile doğrudan ilişkilidir. Bu sensörler arasında yer alan atalet ölçüm birimleri, konum, hız ve yönelim bilgilerinin üretilmesinde kritik bir rol oynamaktadır. Ancak bu sensörlerde meydana gelebilecek arızalar veya anormallikler, sistem performansını olumsuz yönde etkileyerek ciddi güvenlik risklerine yol açabilmektedir. Bu nedenle, ataletsel ölçüm birimi sensör arızalarının erken ve doğru bir şekilde tespit edilmesi büyük önem taşımaktadır. Bu tez çalışmasında, ataletsel ölçüm birimi sensör verilerine ait arızaların tespiti amacıyla makine öğrenmesi ve derin öğrenme tabanlı farklı sınıflandırma algoritmalarının performansları karşılaştırmalı olarak incelenmiştir. Çalışma kapsamında klasik makine öğrenmesi yöntemleri, topluluk öğrenmesi yaklaşımları ve derin öğrenme mimarileri kullanılmıştır. Her bir algoritma için en uygun parametreler belirlenmiş ve modeller adil bir şekilde eğitilerek değerlendirilmiştir. Algoritmaların performansları doğruluk, F1-skoru, ROC–AUC ve hata temelli metrikler kullanılarak analiz edilmiştir. Elde edilen sonuçlar, özellikle topluluk öğrenmesi ve zamansal bağımlılıkları modelleyebilen derin öğrenme tabanlı yöntemlerin ataletsel ölçüm birimi sensör arızası tespiti probleminde daha yüksek başarı sağladığını göstermektedir. Bu çalışma, güvenlik kritik havacılık uygulamalarında güvenilir arıza tespit sistemlerinin geliştirilmesine katkı sağlamayı amaçlamaktadır.
Özet (Çeviri)
Ensuring flight safety in unmanned aerial vehicles is directly linked to the accuracy and continuity of data obtained from sensors. Among these sensors, inertial measurement units play a critical role in generating position, velocity and orientation data. However, faults or anomalies that may occur in these sensors can adversely affect system performance, leading to serious safety risks. Therefore, the early and accurate detection of Inertial Measurement Unit sensor faults is of great importance. In this thesis, the performance of various machine learning and deep learning based classification algorithms was comparatively analysed for the purpose of detecting faults in Inertial Measurement Unit sensor data. The study utilised classical machine learning methods, ensemble learning approaches and deep learning architectures. The most suitable parameters were determined for each algorithm, and the models were trained and evaluated fairly. The performance of the algorithms was analysed using accuracy, F1-score, ROC–AUC and error-based metrics. The results indicate that, in particular, collaborative learning and deep learning-based methods capable of modelling temporal dependencies achieve higher success in the problem of detecting sensor failures in inertial measurement units. This study aims to contribute to the development of reliable fault detection systems for safety-critical aviation applications.
Benzer Tezler
- A practical implementation of navigation and obstacle avoidance for quadcopters
Dört pervaneli helikopterler için bir engelden kaçınma ve seyrüsefer uygulaması
ONUR YILDIRIM
Yüksek Lisans
İngilizce
2022
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. OVSANNA SETA ESTRADA
- Autopilot system and ground station software for UAV's
İnsansız hava araçları için oto pilot sistemi ve yer istasyonu yazılımı
SELMAN TOSUNOĞLU
Yüksek Lisans
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. RÜSTEM ASLAN
- Aerial package delivery via smart parachute-payload system
Akıllı paraşüt-yük sistemiyle havadan paket teslimi
SİNAN ALNIPAK
Yüksek Lisans
İngilizce
2024
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ERDİNÇ ALTUĞ
- Development of inertial navigation system with applications to airborne collision avoidance
Ataletsel seyrüsefer sistemi geliştirilmesi ve hava aracı çarpışma önleme uygulamalarında kullanımı
MEHMET HASANZADE
Yüksek Lisans
İngilizce
2016
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ALİ FUAT ERGENÇ
- Sabit kanatlı insansız hava araçlarında kanat uç vortekslerinin aerodinamik kuvvetlere etkisi
The effect of tip vortexs on aerodynamic forces in fixed-wing unmanned aerial vehicle
YUSUF İLHAN
Yüksek Lisans
Türkçe
2022
Makine MühendisliğiHarran ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUSUF IŞIKER