Yapay sinir ağları yaklaşımı ile uçuş kontrol sisteminde arıza tespiti ve yalıtımı
Fault detection and isolation in aircraft control system using artificial neural networks
- Tez No: 142990
- Danışmanlar: PROF. DR. ÇİNGİZ HACIYEV
- Tez Türü: Yüksek Lisans
- Konular: Uçak Mühendisliği, Aircraft Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2003
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Uçak Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 93
Özet
Bu tez çalışmasında modem uçakların uçuş kontrol sistemlerinde oluşabilecek arızaların, yapay sinir ağlan kullanılarak tesbiti ve yalıtımı amaçlanmıştır. Öncelikle literatürde geçen arıza tesbit ve yalıtım sistemlerinin zayıf yanlan incelenmiş, bu zayıflıklan giderecek şekilde yapay sinir ağ modelleri geliştirilmiştir. Geliştirilen yapay sinir ağlarının eğitimi için benzetim uygulamalarından yararlamlmış ve Levenberg-Marquardt optimizasyon algoritmalan ile çok katmanlı ileri beslemeli yapay sinir ağlan ile uçağın uzunlamasına eksenindeki önemli dinamik parametrelerden hücum açısı ve elevator kontrol yüzeyi açısı kestirilmiştir. Kestirilen değerlerin gerçek algılayıcı sinyalleri ile karşılaştınlması ile hatalı olan sistem bulunmuş ve yalıtılmıştır. Arızaların yapay sinir ağlarını değişik oranda etkilemesi sonucundan yararlanılarak matematiksel modeli ve giriş sinyalleri farklı yapay sinir ağlan bir arada kuUanılmış, elevator kontrol yüzey açısı ve hücum açısı ölçen sanal sensörlerin nominal değerlerden sapmalarına bakılarak arızaların tesbitinde güvenilirlik artınlmıştır
Özet (Çeviri)
The purpose of this thesis is to detect and isolate faults in the flight control systems of modern aircrafts using artificial neural networks. Inefficiencies of the previous work in the field of fault detection and isolation has been identified and artificial neural network models have been proposed to counter these disadvantages. Simulation data has been used to train a multilayer feedforward neural network using Levenberg-Marquardt optimization algorithm to estimate critical longitudinal axis parameters, elevator control surface angle, and angle of attack. The faulty system has been identified and isolated using real measurements of sensors and estimated values. The effects of faults on different neural models has been exploited by designing multiple neural networks with different input signals, mathematical models and reliability of fault detection algorithm has been augmented with the residue signals of virtual sensors measuring elevator control surface angle and aircraft angle of attack.
Benzer Tezler
- Digital-twin flight modelling through machine learning for trajectory error estimation and recovery
Rota hesaplamalarında makine öğrenmesi tabanlı dijital ikiz uçuş modeli
MEVLÜT UZUN
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. GÖKHAN İNALHAN
DR. MUSTAFA UMUT DEMİREZEN
- Numerical and experimental investigation of boundary layer transition with active and passive flow control methods
Sınır tabaka geçişinin aktif ve pasif akış kontrol yöntemleriyle sayısal ve deneysel incelenmesi
ABDUSSAMET SUBAŞI
Doktora
İngilizce
2017
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN GÜNEŞ
- Neural network based adaptive output feedback control: Applications and improvements
Yapay sinir ağları tabanlı uyarlamalı çıktı geri beslemeli kontrol: Uygulamalar ve iyileştirmeler
ALİ TÜRKER KUTAY
Doktora
İngilizce
2005
Havacılık ve Uzay MühendisliğiGeorgia Institute of TechnologyHavacılık ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. ANTHONY J. CALISE
- Adaptive neural network applications on missile controller design
Uyarlanabilir yapay sinir ağları uygulamalarıyla füze kontrolcüsü tasarımı
SERKAN SAĞIROĞLU
Yüksek Lisans
İngilizce
2009
Savunma ve Savunma TeknolojileriOrta Doğu Teknik ÜniversitesiHavacılık ve Uzay Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. İLKAY YAVRUCUK
- A multi-fidelity prediction framework with convolutional neural networks using high-dimensional data
Yüksek boyutlu veriler ile çok-doğruluklu evrişimsel sinir ağı tabanlı kestirim
HÜSEYİN EMRE TEKASLAN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. MELİKE NİKBAY