Deep neural networks for robust time delay fault tolerant autonomous landing control system design under severe disturbances
Ağır bozuntular altında derin öğrenme tabanlı gürbüz zaman gecikmeli arıza toleranslı otomatik ıniş kontrol sistemi tasarımı
- Tez No: 559880
- Danışmanlar: DR. ÖĞR. ÜYESİ NAZIM KEMAL ÜRE
- Tez Türü: Yüksek Lisans
- Konular: Uçak Mühendisliği, Aircraft Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- 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: 81
Özet
Kalkış ve iniş aşamsı kısıtlı zaman ve geniş dış bozuntulardan dolayı uçuş sırasının en tehlikeli durumlarıdır.1970'lerin sonlarına doğru (1977, 1979), kalkış veya iniş esnasında kontrol kaybından dolayı oluşmuş bazı kazalar bulunmaktadır. İlk kaza aileron ve rudder kontrol girdilerini kaybından dolayı oluşmuş, ikinci kaza ise elevator kontrolunun kaybı sonucu oluşmuştur. Bu yüzden insanlar, bu tarz sorunları aşmak için yeni bir kontrol dizaynı tasarlamaya kalkışmışlardır. İlk olarak yenilenebilir kontrol dizaynı kullanılsada, 1990'ların başında bazı yazarlar arıza tolerans kelimelerini yazılarında kullanmaya başlamışlardır. İlk olarak pasif arıza kontrol dizaynı kullanılmaya başlanmıştır ancak bu kontrol dizaynı gürbüz kontrol yapısını kullanmakta ve herhangibi bir kontrol tespit sistemi bulunmamaktadır. Bu yaklaşım pratikte basit gözüksede çok fazla kötü yanları bulunmaktadır. Bu yüzden insanlar aktif arıza tolerans kontrol sistemlerini dizaynlarını kullanmaya başlamışlardır. Bu kontrol yapısı kontrol tanımlama sistemine sahip bir yapıdır. İnsanlar tarafından iyi bilinen, çoğu kaza durumlarında uçağın devam etmesinin tehlikeli olucağından acil iniş yapması gerekmektedir. Bu yüzden 2000'lerde insanlar arıza kontrollu iniş kontrol sistemleri tasarlamaya başlamıştır. Yeni kontrol dizaynları tasarlanmaya başlanmış, birbirinden farklı kontrol dizaynları test edilip elde edilen farklı arıza tolerans haritaları kontrol edilip birbirleri ile karşılaştırılmıştır. Bu tezde arıza kontrol dizaynını elde edilebilmesi için öncellikle yüksek tutarlılıkta F-16 modeli Matlab/Simulink ortamında modellenmiştir. Bu model kendine ait geniş aerodinamik katsayı ve moment datasına sahip, kendi actuator modelini, GE F110 motor dizaynını içermektedir. Çevresel model olarak da, hesaplanabilir ve eksen değişimleri ile anlık yerçekim değerini veren bir yerçekim modelini ve NASA tarafından hesaplanması gösterilen atmosfer modelini içermektedir. Ayrıca, sıkışma durumlarını daha detaylı incelemek için ise eyleyiciler, asimetrik olarak sol ve sağ olacak şekilde ayrık olarak ayrılıp yeniden modellenmiştir. Farklı bozuntuları test etmek için ise olasılıksal rüzgar modeli modellenmiştir. Bu model doğrusal yansal ve dik parçalardan oluşmaktadır. Dik ve yansal parçalar sabit rüzgar hızına sahip olmakla beraber, microbrust'u modellemek için ise iniş esnasında bellirli bir irtifa değerinde yön değişimi tasarlanmıştır. Öte yandan, doğrsual model ise hem turbulansı ve sabit rüzgarı içermektedir. Turbulans'ı modellemek için belirli bir standart sapması ve ortalama değeri olan Gaussian normal dağılımı kullanılmaktadır. Öte yandan bu tezde iki farklı kontrolcü tasarımı kullanılmıştır. Ancak kontrolcü tasarımından önce otomatik iniş sistemi tasarımı modellenmiştir. Bu model 3 aşamadan oluşmaktadır, bu aşamalar yaklaşma, süzülme ve iniş toparlanmasıdır. Yaklaşma aşamasında uçağın iniş pisti ile aynı hizaya gelmesi amaçlanmış olup bu esnada sapma açısı kontrol edilmektedir. Süzülme aşamasında ki amaç uçağın yerden yükseliği sabit bir iniş açısı ile kontrol edilmektedir. Bu iki aşama doğrusal bi geometri şeklinde olup denklemleride o şekilde yazılabilmektedir. Son aşama olan iniş toparlanması ise uçağın yerden yükseliğini kontrol etmekte olan exponensiyel bir yapıdır. Ancak denklemsel olarak çözmek güç olduğunndan sınır denklemlerin yardımına ihtiyaç duyulmaktadır. Otomatik yol ve iniş tasarımı yapıldıktan sonra ilk olarak gürbüz NDI kontrol sistemi ana model olarak modellenmiştir. Bu model hem doğrusal hemde doğrusal olmayan yapıyı içermekte ve ayrıca iç içe geçmiş döngülerden oluşmaktadır. Öte yandan, sentatik inpput ve durum şartları oluşturulmuştur çünkü kontrolcü yapısı yunuslama, yuvarlama ve sapma değişimlerini kontrol etmektedir, bu yüzden değişim matrisleri kullanılmış ve stabilte açısal hız değişimleri ile yukarıda bahsedilen değişimler ile gerçek durum ve kontrol girdileri değerleri elde edilmiştir. Ayrıca, içi içe geçmiş döngüler ilede ayrık kontrol yapısı sağlanmıştır. İyi ve kötü tarafları bulunan bu kontrolcü, yüksek kazanç katsayılarına sahip olduğu için arıza tolerans konusunda hem sıkışma hem verimlilik kaybı durumlarında başarılı olmakla beraber, öte yandan yine yüksek kazanç katsayılarına sahip olduğu için yüksek bozuntulara (bu tez için yüksek rüzgar değerlerine) karşı çok duyarlıdır ve çabuk bozulmaktadır. Öte yandan, ikini kontrol yapısı olan zaman gecikmeli kontrol yapısı bu tezde kullanılmıştır. Bu yapı genel olarak robot kontrol modellerinde kullanılmakta olup tasarım aşamasında kendi model yapısına ihtiyaç duymamaktadır. İstenilen frekans ve sönüm değerlerinin yardımı ve bir önceki durum koşulları ile kontrolu sağlamaktadır. Kontrolcünün en önemli özelliği çoğu bozuntulara karşı iyi sonuç vermesidir ancak tahmini değerlere ihtiyaç duyduduğundan arıza durumlarına karşı biraz problemleri bulunmaktadır. İki kontrolcününde hem avantajları hem de dezavantajları bulunduğu için bu tezde bu problemler aşmak için iki ana kontrolcü yapısını bir araya getirerek yeni bir kontrolcü yapısı meydana getirlişmitir. Arıza durumu olmadığı şartlarda yeni kontrolcü yapısı çoğu bozuntuya karşı iyi sonuç verebilmektedir. Ancak oluşturulan yeni kontrolcünün bazı katsayıları tahmini vermek gerektiği için hala ağır arıza şartları altında problem yaşamakatadır. Yapay zeka bu günlerde en pöpüler araştırma konularından biri. Çok basit bir tanımlama yapmak gerekir ise yapay zeka bir nevi iterasyon yöntemi olmakla beraber bu yöntemin nasıl çalıştığı tam bir kapalı kutudur. Bu yüzden insanlar hala nasıl çalıştığını anlamak için teorik olarak çalışmalar yapmakta ve yayınlar yapmaktadır. Yukarıda bahsedilen TDC katsayısını bir kaç farklı yöntemle elde etmeye çalışabilir ancak bu yöntemlerin hep bir zayıflıkları veya açıkları bulunmaktadır Örneğin kazanç tablosu hazırlanabilirdi ancak bu da zamansal sorunları ortaya çıkarıcaktır. Bu yüzden, bu tezde bu tahmini katsayları elde etmek için yapay zeka kullanmak iyi bir yöntem olarak düşünülmektedir. Katsayılar, uçağın durum ve kontrol bilgilerini kullanarak tahmin edilmektedir. Binlerece farklı koşullarda simulasyonlar alınıp bu simulasyonların ufak bir kısmı test ve diğer kısmıda eğitim olarak ayrılıp, önce bir boyutlu konvolisyon yapısından geçirilir ve önemli özellikleri ayırt edilir ardından zamansal bağlamı anlayabilmek için LSTM yapsından geçer ve gerekli boyuta ulaşabilmesi içinse dense yapısından geçirilir ve kazanç değerleri elde edilir. Bu değerler kontrolcü yapısına bağlanılır ve her zaman aralığında bu yapı çalışarak gerekli kazanç değerinlerini verebilmektedir. Sonuç olarak ise, yeni tasarlanan yapay zekalı gürbüz NDI TDC kontrolcü yapısı, kendi alanlarında kanıtlanmış ve bu tezde kulanılan ana kontrolcü yapılarıyla karşılaştırılmıştır. Karşılaştırma, orta değerli bozunntu değerlerinde olup farklı sıkışma şartlarında yapılmıştır. Önce sol elevator, sonra sağ aileron en son ise hem sol elevator hem sağ aileron sıkışmaları incelenmiş ve bu 3 koşul için arıza tolerans haritalari elde edilim ana kontrolcülerin arıza tolerans haritaları ile karşılatırılmıştır.
Özet (Çeviri)
Due to limited time and external disturbances landing or take-off is one of the extreme cases of the flight. In past late 1970's (1977, 1979), there are some accidents that occurred loss of control during take-off and landing, the first one occurred due to loss of aileron and rudder control, the second one occurred is due to loss of elevator control. Thus, people start to research a new control design to tackle these problems. The first reconfigurable controller design is used however, early 1990's some authors used fault tolerant term in their works. First, people use passive fault tolerant design which uses robust controller design without any fault diagnosis and detection system. This approach can be applicable, however, has lots of drawbacks. Thus, people start using active fault tolerant control design, this design uses a separate fault diagnosis and detection system to identify failures. It is well known that, in most of the failure cases, aircraft's must perform an emergency landing due to it is dangerous to continue. Hence, in the 2000s people start the fault-tolerant control system for the landing phase. Several controller designs are tested and give a different fault-tolerant range. In this thesis, to obtain fault-tolerant controller first a high-fidelity F-16 fighter aircraft is modeled in Matlab/Simulink environment. This model has own extensive aerodynamic coefficient and moment database, own actuator model, engine model and own environment model that contains gravity, atmosphere model. To test stuck failure on actuators, aircraft's actuator design must be separated in to left and right. Also to test, several disturbances probabilistic wind model is modeled. This model includes longitudinal, lateral and vertical components. Both lateral and vertical components have constant wind speed however it changes its direction at given altitude to simulate microburst. On the other hand, in longitudinal component simulates both constant wind and turbulence hence it has a Gaussian normal distribution. Two different controllers have defined in this thesis, first robust NDI controller design is modeled for baseline controller which have both linear and nonlinear components. Also, this controller is made of cascaded loops, tracking loops to inner loops. This controller has both advantage and drawbacks, this controller has given good performance to tackle actuator failure due to the usage of high gains however, for the same reason this controller deteriorate at severe wind condition. Thus, to compensate this problem another baseline controller is defined which is Time Delay Controller. Early, 2010's this design is just used for the robotics industry. The main advantage of this controller is, under severe disturbances this controller still gives a good performance. However, this controller relies on estimated gains. One of the main contributions of this thesis is to combine these two base controller design to obtain a new controller. Nevertheless, this controller must be updated for landing conditions under failure stations. Deep learning is the of the popular research area these days. To give basic define deep learning is one of the iteration methods, but in fact, this network is a black box so people still try to understand how it works. In our case there are some methods to obtain TDC's estimated gains, however, every method has disadvantages, however obtaining these gains with using Deep learning is a good idea. In this thesis, deep learning is used for obtaining the estimated gains with training aircraft's state and control information. Thousands of simulations on different conditions (faulty, non-faulty) take these simulations data and passed through their layers (Convolutional and recurrent) and obtain the necessary gains. As a result, a new robust NDI TDC controller with a deep neural network is compared with other baselines, state of the art fault tolerant autolanding controller. To compare fault tolerant maps are obtained where stuck conditions are given as left elevator and right aileron.
Benzer Tezler
- Secure and coordinated beamforming in 5G and beyond systems using deep neural networks
5G ve ötesi sistemlerde derin sinir ağları kullanarak güvenli ve koordineli hüzmeleme
UTKU ÖZMAT
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET AKİF YAZICI
DR. ÖĞR. ÜYESİ MEHMET FATİH DEMİRKOL
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Lifelong learning for auditory scene analysis
İşitsel sahne analizi için hayat boyu öğrenme
BARIŞ BAYRAM
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN İNCE
- Derin öğrenme tabanlı yöntemlerle düşük ışıklı görüntü iyileştirme
Low light image enhancement with deep learning based methods
EMİN CİHANGİR US
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
- Fractures decay and crack detection in oil pipelines using deep convolutional neural network
Derin kavramsal sinir ağları kullanılarak petrol boru hatlarında kırık çürüme ve çatlak tespiti
HAYDER ABDULZAHRA MTANI AL-BAIDHANI
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAHİ ABDU IBRAHIM