Neural network based online estimation of maneuvering steady states and control limits
Yapay sinir ağı tabanlı manevra denge noktalarının ve kontrol limitlerinin çevrimiçi belirlenmesi
- Tez No: 269515
- Danışmanlar: YRD. DOÇ. DR. İLKAY YAVRUCUK
- Tez Türü: Yüksek Lisans
- Konular: Havacılık Mühendisliği, Aeronautical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Havacılık Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 110
Özet
Bu tezde yapay sinir ağları kullanılarak, yaklaşmakta olan hava aracı limitlerinin çevrimiçitahminini sağlayacak algoritmaların geliştirilmesi ele alınmıştır. Bu amaç ile uçus zarfı parametreleriolan hücum açısı ve yük faktörünün yapay sinir ağı tabanlı dinamik modelleri oluşturulmuştur.Oluşturulan dinamik modeller kullanılarak uçuş zarfı parametrelerinin durağan kararlılıkdurumları tahmin edilmiştir. Aynı zamanda bu modeller ters çevirilerek, bilinen uçuş zarfılimitlerinde kritik kontrol girdileri de bulunmuştur. Geliştirilen tahmin algoritması uçuşsırasında uçuş verilerinin kaydedildiği ve kullanıldığı farklı bir yapay sinir ağı öğrenmeyöntemi ile değerlendirilmiştir. Uçuş sırasında kaydedilen verilerin kullanıldığı öğrenmeyönteminin, anlık verileri kullanan öğrenme yöntemlerine göre, gerçek hücum açısı ve yükfaktörü dinamiğini daha iyi temsil ettiği gösterilmiştir. Uçuş sırasında verilerin kaydedilipkullanılmasının çeşitli faydaları manevra denge noktalarının ve kontrol limitlerinin tahminiaçısından gösterilmiştir.
Özet (Çeviri)
This thesis concerns the design and development of neural network based predictive algorithmsto predict approaching aircraft limits. Therefore, approximate dynamics of flight envelopeparameters such as angle of attack and load factor are constructed using neural networkaugmented dynamic models. Then, constructed models are used to predict steady state responses.By inverting the models and solving for critical controls at the known envelope limits,critical control inputs are calculated as well. The performance of the predictor algorithmis then evaluated with a different neural network online adaptation law which uses a stackof recorded data. It is shown that using a stack of recorded data online, constructed modelsbecome much more representative of limit parameter dynamics compared to adaptation usinginstantaneous measured data only. The benefits of recording data online and using it forweight adaptation are presented in the scope of dynamic trim and control limit predictions.
Benzer Tezler
- Science, technology and innovation-related text data analysis with deep neural networks
Derin sinir ağları ile bilim, teknoloji ve inovasyon ile ilgili metin analizi
NECİP GÖZÜAÇIK
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEMAL OKAN ŞAKAR
DOÇ. DR. SERCAN ÖZCAN
- Çevrimiçi öğrenme ortamlarında öğrenme analitiği verileri ve makine öğrenmesi kullanarak akademik başarının değerlendirilmesi
Assessment of academic success in online learning environments using learning analytics data and machine learning
RAMAZAN TEKİNARSLAN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA SERT
- Interface design: Personal preference analysis
Arayüz tasarımı: Kişisel tercih analizi
AYKUT AYDINLI
Yüksek Lisans
İngilizce
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. TAYYAR ŞEN
- Deep neural network (DNN) based multilingual speaker age estimation
Derin sinir ağı (DSA) tabanlı çok dilli konuşmacı yaş tahmini
MOHAMMED MUNTAZ OSMAN
Doktora
İngilizce
2021
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. OSMAN BÜYÜK