Data-driven aircraft performance models for improving baseline fuel estimations
Kalkış öncesi yakıt tahminini iyileştirmek için veri analitik hava taşıtı performans modelleri
- Tez No: 541849
- Danışmanlar: DR. ÖĞR. ÜYESİ EMRE KOYUNCU
- Tez Türü: Yüksek Lisans
- Konular: Havacılık Mühendisliği, Aeronautical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Uçak ve Uzay Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Uçak ve Uzay Mühendisliği Bilim Dalı
- Sayfa Sayısı: 89
Özet
İçinde bulunduğumuz globalleşmiş modern hayat, insanoğlunu hayatın her alanında geçmiş zamanlara kıyasla daha hızlı yaşamaya zorlamaktadır. Bu hızlanmayı karşılama ihtiyacı bazı endüstrilere diğerlerine kıyasla daha büyük sorumluluklar yüklemektedir. Havacılık ise bu endüstrilerin en önemlilerinden biridir. Bu ihtiyacın bir neticesi olarak havacılık endüstrisine her yıl inanılmaz büyüklükte para akışı sağlanmaktadır. Bu büyük para akışının neticesinde havacılıkta yapılan görece küçük bir masraf azaltımı bile global perspektiften bakıldığında büyük farklılıklar yaratacaktır. Havacılık endüstrisinde beklenen bu büyüme, araştırmacıları hava trafiği yönetimi teknolojilerini geliştirmeye zorlamıştır. Bu gelişim sistem kapasitesini ve efektifliğini arttırmak amacındadır ancak bunun yanında çevresel etkileri gözetmeli ve güvenlik regülasyonlarına uymak zorundadır. Bu meydan okumaları aşmak amacıyla otomasyon ve informasyon sistemleri geliştirilmiş ve yeni bir operasyonel konsept olan yörünge bazlı operasyonlar oluşturulmuştur. Havacılıkta, hava trafiğine yoğunlaşmış EUROCONTROL, IATA, ICAO, ATCA ve benzeri kurumlar mevcuttur. Bu kurumların hava taşıtı üreticileri olan Boeing, Airbus, Cessna gibi şirketler ve bazı hava yolu şirketleriyle yakıt tüketimini azaltmaya yönelik proje ortaklıkları mevcuttur. Günümüzde 24 saatin her anında, sivil taşımacılık yapan en az 10000 hava taşıtı gökyüzünde seyr-ü sefer etmektedir. Bu durum havacılık endüstrisinde korkunç bir yakıt maliyetine sebep olmaktadır ve Dünya çapında bu maliyeti azaltmak üzere her yıl yüzlerce çalışma yapılmaktadır. Bilgisayar bilimindeki yeni teknikler sayesinde hava taşıtları geçmişe kıyasla daha iyi modellenebilmekte ve bunun sonucu olarak kesinliği daha yüksek sonuçlar çalışmalarda elde edilmektedir. Şüphesiz Dünya sonsuz kaynağa sahip değildir. Bu yüzden bu çalışmanın motivasyonu sivil hava taşımacılığındaki yakıt tüketiminin yapay sinir ağları ile daha kesin olarak belirlemek ve buna bağlı olarak uçuşlarda alınan fazla ek yakıtın sebep olduğu ek maliyeti azaltmaktır. Havacılıktaki kurumların işbirliği, araştırmacılara BADA gibi hava taşıtı performans modelleri temin eder. BADA performans modeli hava trafiği yönetimi araştırmaları ve operasyonlarında yörünge simülasyonu ve kestirimi yapması amacıyla dizayn edilmiştir. Hava taşıtı performansı parametreleri ve izlenecek yörünge BADA'nın sağladığı data ile hesaplanır. Hem operasyonel hem de simülasyon ve modellemede gerçekliği kopyalamak için her hava taşıtı kendisine tekabül eden bilgisayar ortamında bir modele ihtiyaç duyar ve BADA deneysel çalışmalar sonucu bu modeli bize sağlar. BADA benzeri simülasyon bazlı hava taşıtı performans modellerinin haricinde veri analitik hava taşıtı performans modelleri de mevcuttur. Bu modellerin ortaya çıkması simülasyon bazlı sistemlerin siber-fiziksel sistemlerdeki yetersizliklerinden kaynaklanır. Hava taşıtlarının da içinde bulunduğu siber-fiziksel sistemler, sensör ve aktüatörler yardımıyla fiziksel dünyaya bağlanan çoğunlukla ekstrem komplikasyona sahip sistemlerin genel adıdır. Bu gibi komplike sistemlerde simülasyon bazlı performans modeli kullanmanın önünde pek çok engel vardır. Bu engellerin doğrultusunda veri analitik modeller, siber-fiziksel sistemlerde simülasyon bazlı modellere kıyasla gözlenen verinin sistem performansına hassasiyetini monitör edebilmek gibi büyük avantajları bünyesinde barındırır. Havacılığın yörünge tarafında hem deterministik hem de olasılıksal methodlar denenmiş ancak artan işlem gücüyle Dünya yüzünü makine öğrenmesi algoritmalarına dönmüştür. Çalışmanın motivasyonu veri analitik modeller kullanarak hava taşıtı modellerinin referans tahminlerini iyileştirmektir. Veri analitik modeller isminden de anlaşıldığı gibi informasyon ve bilgisayar bilimleriyle iç içedir. Bilgisayar biliminde, python en çok doğası gereği diğer programlama dillerine kıyasla daha anlaşılabilir olması gereğiyle tercih edilir. Ayrıca hava taşıtları gibi komplike sistemlerde en efektif kodlama dilidir. Daha açık olmak gerekirse, bir hava taşıtını modellemek ve simüle etmek disiplinler arası uzmanlık isteyen çok kompleks bir işlemdir. Bu yüzden python avantajları sebebiyle bu çalışmada tercih edilmiştir. Bu çalışmada Keras, Pandas, Numpy, Scipy, Mxnet, Matplotlib, Bokeh, Glob ve Sklearn kütüphaneleri kullanılmıştır. Bu kütüphanelerden keras ve mxnet, çalışmanın yapay sinir ağları bölümünde, scipy, numpy, glob ve pandas kütüphaneleri veri yönetimi ve işleminde ve son olarak matplotlib ve bokeh kütüphaneleri de veriyi monitör etmek amacıyla kullanılmıştır. Çalışma kapsamında ilk olarak, BADA dökümanındaki toplam enerji formülü, itki formülleri, sürükleme formülleri, kaldırma formülleri benzeri tüm temel oluşturacak formüller ve teknik parametreler bilgisayar ortamına entegre edildi. Bunun akabinde, uçaklarda uçuş anındaki bilgileri saklamak için kullanılan kara kutu verileri olarak da bilinen QAR verileri veri işlemeden geçirildi. Bu çalışma kapsamında QAR verileri 2 uçaktan alınmış olup bu uçakların ikisi de Boeing 737-800 modelidir. Kullanılan uçuş verileri, 1 numaralı hava taşıtı için 219 uçuş ve 2 numaralı hava taşıtı için B738 563 uçuş olarak sağlanmıştır. Tüm uçuşlar için olan QAR bilgileri kuyruk numaraları baz alınarak ihtiyaç doğrultusunda modifiye edilmiş akabinde birleştirilmiş ve 3 uçuş fazlarına göre (Tırmanma, seyr-ü sefer, alçalma) ayrılmışlardır. Bundan sonra modifiye edilen ve birleştirilen 3 csv (virgul ile ayrılmış değer dosyası) dosyası ikili sisteme çevrilmiş ve makine öğrenmesinde kullanılmıştır. Makine öğrenmesi işleminde, bu ikili sistem dosyalara adam algoritması gibi yapay sinir ağı algoritmaları uygulanmıştır. Daha iyi bir öğrenme temin edebimek için bu çalışmada pek çok method kullanılmış ve birbirleriyle kıyaslanmış, sonucunda veri veri analitik model için en uygun olanı kullanılmıştır. Kara kutu modeli veri analitik modelin doğruluğunu kontrol etmek amacıyla tasarlanmıştır. Kara kutu modeli sonuçlarına gore bu model gerçek QAR sonuçlarıyla %99 üzeri bir uyum sağlamıştır. Bundan anlaşılacağı gibi giriş bilgisi olarak QAR verilerini kullanan kara kutu modeli çıktı olarak gerçeğe çok yakın değerler vererek uçağın bilgisayar ortamına çok yüksek bir başarı oranıyla aktarılmasını sağlamıştır. Bunun akabinde Gaz kolu/Otomatik Gaz Kolu modeli ki bu tez çalışmasının ana amacı doğrultusunda tasarlanan model yaratılmıştır. Yapısı gereği Gaz Kolu/Otomatik Gaz Kolu modeli ikili sisteme çevrilmiş verileri kullanarak mevcut uçuş için gaz kolu değerlerini çıktı olarak veren bir modeldir. Bu gaz kolu çıktıları daha sonra kara kutu modeline girdi olarak verilip yakıt tüketimi hesaplanır. Ancak sözü edilen modeli tasarlamak kalkış öncesi yakıt tüketimi tahminini iyileştirmek için tek başına yeterli değildir. Bu sebeple üçüncü olarak daha sağlıklı bir karşılaştırma yapmak amacıyla bu eğitilmiş modeller ilgili uçuş planlarına entegre edilmiş ve yakıt tüketimleri karşılaştırılmıştır. Çalışmanın bu bölümünde uçuş planı verisine pek çok informasyon işlemi uygulanmıştır. Bunun temel sebebi beklenmedik hava koşulları ya da hava trafiği kontrolörleri tarafından yönetilen yüksek hava trafiği yoğunluğu sebebiyle uçuş planını tamamen izlemenin imkansız olmasından kaynaklanır. Bu sorunu aşmak amacıyla uygulama algoritmaları kullanılmıştır. Modellenen uçuşlar bireysel olarak da incelenmiş ve gaz kolu değerlerinin gerçek uçuşlara kıyası yapılmıştır. Sonuç tatmin edici olup gerçek QAR gaz kolu değerlerine fazlasıyla yakın ve karakteristik olarak benzer yapıdadır. Yapılan bu işlemler sonunda veri analitik modelin, BADA hava taşıtı performans modeli ve saber (uçuş planı yakıt tüketimi) değerlerine göre daha gerçekçi ve iyi sonuçlar verdiği gözlenmiştir.
Özet (Çeviri)
In this era, modern life in globalized World forces people to live faster compared to previous times. The need which is caused to satisfy this pace incurs some industries a huge responsibility. Aviation industry is one of these main industries. Therefore, there is an enormous cash flow to the industry. As a result of this massive influx of cash even a minor cost reduction in aviation makes a great difference in Global perspective. This expected growth of aviation industry in Globe, force researchers to design improved Air Traffic Management (ATM) technologies and procedures. In order to increase capacity of the system and its efficiency while reducing environmental impact and maintaining safety regulations. To overcome these challenges, new automation and information systems are being developed and this new global operational concept is called Trajectory Based Operations (TBO). In aviation, there are some associations such as, EUROCONTROL, IATA, ICAO, ATCA, which focus on Air Traffic Management (ATM). These associations have partnership with operating airlines and aircraft manufacturers such as, Boeing, Airbus, Cessna on projects to reduce fuel consumption. These partnership relations provide Aircraft Performance Model (APM) documents like BADA to researchers which is an input of TBOs. The BADA APM is designed to simulate and predict the trajectories of aircraft in order to ATM research and operations. The parameters of aircraft performance and trajectories can be calculated using information and data contained in BADA. In order to simulate reality for both operational and research modeling each and every real aircraft needs a corresponding aircraft model and due to experimental study BADA also provides models. Nowadays in every single moment of 24 hours of a day, there are at least 10000 commercial aircraft cruise in Worldwide. This situation causes to a huge fuel cost in aviation industry and every year there are hundreds of studies to reduce this cost in global. Via new techniques in computer science, aircraft can be modeled better compared to past and as a result of these better models we can get more precise results in our studies. Undoubtfully, Earth does not have infinite sources. Therefore, the motivation of this study focuses to determine fuel consumption of airliners more precisely by using artificial neural network techniques due to reduce the cost which is caused by unnecessary additional fuel. In trajectory side both deterministic and probabilistic methods are tried but with the improvements in computation science World turn its face to the machine learning algorithms. The motivation of this thesis is improving baseline estimations of aircraft performance models with data-driven methods. In computer science, python is mostly preferred due to its more understandable nature compared to other coding languages. It is also one of the most effective software language for complicated systems such as aircraft. To be clear, modeling and simulating an aircraft is a very complex interdisciplinary profession. Therefore, python is preferred in this study due to its advantages. In this study Keras, Pandas, Numpy, Scipy, Mxnet, Matplotlib, Bokeh, Glob and Sklearn libraries are used. Firstly, formulas and technical parameters in BADA document are coded into computer environment. Quick Access Recorder (QAR) is used to store all information for flight in aircraft. It is also known as black box data. Secondly, for this thesis QAR data for the given aircraft which are B738 AC#1 (219 flights), B738 AC#2 (563 flights). QAR data for all flights are modified due to necessity and merged according to their tail number and separated to 3 according to flight phases such as, climb, cruise and descent. After that, these 3 modified and merged csv files are converted to binary to be used in machine learning. Secondly, artificial neural network algorithms such as Adam algorithm are applied to these binary files. In order to achieve a better learning a lot of method is used in thesis. Black-box model is created in order to control accuracy of data-driven APM. By the results of Black-box model it is easily seen that Black-box model and actual QAR data matches more than %99. After that Throttle/Auto-Throttle model which is the main aim of the thesis study is created. However, standing alone APM model is not sufficient. Thirdly, to obtain more healthy comparison, these trained models integrated to belonged flight plans and fuel results are compared with each other. In this phase, several data process is applied to the flight plan data. The main reason of data process is originated to the sensor characteristics. On the other hand, it is obvious that, following flight plan completely is impossible due to several reasons such as unexpected weather conditions or high traffic density which is managed by air traffic control (ATC). To overcome these situations an implementation algorithm is used in thesis.
Benzer Tezler
- Zamanında performansı artırmak için makine öğrenme yaklaşımı ile blok süre tahmini
Enhancing on-time performance through machine learning approach for predicting block time
SEDA SOYKAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER BADAY
- Index modulation based designs, error performance and physical layer security analyses for unmanned aerial vehicle networks
İnsansız hava aracı ağları için indis modülasyonu tabanlı tasarımlar, hata performansı ve fiziksel katman güvenlik analizleri
AYŞE BETÜL BÜYÜKŞAR
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik-Haberleşme Eğitimi Ana Bilim Dalı
PROF. DR. İBRAHİM ALTUNBAŞ
- 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
- Aircraft reliability prediction using bayesian networks that combine fault data and design specifications
Hata verisi ve tasarım değerlerini birleştiren bayes ağları ile hava aracı güvenilirlik tahmini
FARUK UMUT KÜÇÜKER
Yüksek Lisans
İngilizce
2018
Endüstri ve Endüstri MühendisliğiHacettepe ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BARBAROS YET