Learning drag coefficient of ballistic targets using gaussian process modeling
Balistik hedeflerin sürtünme katsayısının gaussian süreç modeliyle öğrenilmesi
- Tez No: 595312
- Danışmanlar: DR. ÖĞR. ÜYESİ EMRE ÖZKAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 114
Özet
Balistik obje takibi, obje dinamiğini doğrudan etkileyen balistik katsayının kestirimini içermektedir. Çoğu çalışmada, bu balistik katsayı obje uçuşu boyunca sabit kabul edilmektedir. Gerçekte, balistik katsayı obje süratinin bir fonksiyonudur ve objenin aerodinamik özelliklerine bağlıdır. Literatürde düşme noktası öngörümü, balistik obje havadayken objenin satıh ile buluşacağı konumun öngörüm problemidir. Öngörüm doğruluğu, balistik katsayının öngörüm modelinde nasıl ele alındığına bağlıdır. Bu tezde, obje sürati ve balistik katsayı arasındaki ilişkiyi tanımlayan fonksiyonu gözlemlere dayalı olarak öğrenmek için bir metot önerilmektedir. Bu öğrenilen fonksiyon daha sonra düşme noktası öngörümü boyunca kullanılır. Bilinmeyen bu fonksiyon Bayesçi yaklaşım altında Gauss süreci vasıtasıyla öğrenilmektedir. Önerilen yöntem ve geleneksel metotlar gerçekçi bir benzetim ortamında karşılaştırmalı olarak çalışılmıştır. Önerilen yöntemi karakterize etmek amacıyla geniş çaplı analizler yürütülmüş, yöntemin karekök ortalama hata ölçütü açısından geleneksel metotlardan daha iyi bir düşme noktası öngörüm performansı olduğu gösterilmiştir.
Özet (Çeviri)
Ballistic object tracking involves estimating an unknown ballistic coefficient which directly affects the dynamics of the object. In most studies, the ballistic coefficient is assumed to be constant throughout the object's flight. In reality, the ballistic coefficient is a function of the speed of the object and depends on the object's aerodynamic properties. In the literature, the impact point prediction is defined as predicting the position that the object is expected to hit on the ground while the object is still on the fly. The accuracy of the impact point prediction highly depends on the treatment of the ballistic coefficient in the prediction model. In this thesis, we propose a method to learn the unknown function that describes the relationship between the speed and the ballistic coefficient of the object from the observations. Then, the function is used to predict the impact point of the ballistic object. The unknown function is learned via Gaussian process in the Bayesian framework. The proposed and conventional methods are comparatively studied in a realistic simulation environment. Extensive simulation studies are conducted to characterize the performance of the proposed method and it is shown that the method has a better impact point prediction performance than the conventional ones in terms of the root mean square error.
Benzer Tezler
- Rapid lift and drag prediction tool with multi-layer perceptron model for supercritical airfoils
Çok katmanlı algılayıcı ile eğitilmiş süperkritik kanatlar için hızlı tasarım aracı
CANER ATLI
Yüksek Lisans
İngilizce
2023
Havacılık ve Uzay MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZGÜR UĞRAŞ BARAN
DOÇ. DR. HANDE ALEMDAR
- Eş zamanlı öğrenme kontrol tekniği ile dört pervaneli bir insansız hava aracının aerodinamik kuvvetlerinin araştırılması
Investigation of aerodynamic forces of a quadcopter unmanned aerial vehicle with a concurrent learning based adaptive control techniques
BURAK DEMİRTAŞ
Yüksek Lisans
Türkçe
2024
Uçak MühendisliğiNecmettin Erbakan ÜniversitesiUçak Mühendisliği Ana Bilim Dalı
PROF. DR. MUAMMER ÖZGÖREN
DR. ÖĞR. ÜYESİ SERHAT OBUZ
- A new nonlinear lifting line method for configuration aerodynamics and deep learning based aerodynamic surrogate models
Konfigürasyon aerodinamiği analizi ve derin öğrenme bazlı aerodinamik dijital model oluşturmak için yeni bir doğrusal olmayan taşıyıcı çizgi metodu
HASAN KARALİ
Yüksek Lisans
İngilizce
2020
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. MAHMUT ADİL YÜKSELEN
PROF. DR. GÖKHAN İNALHAN
- Çeşitli kanat profillerinin aerodinamik parametrelerinin yapay sinir ağları ile belirlenmesi
Determination aerodynamics parameters of various airfoils using artificial neural networks
ERTUĞRUL KARATAY
Yüksek Lisans
Türkçe
2015
Havacılık MühendisliğiErciyes ÜniversitesiSivil Havacılık Ana Bilim Dalı
DOÇ. DR. İLKE TÜRKMEN
- A convolutional neural network methodology with a momentum-flux-based loss function for predicting aerodynamic flow around airfoils
Uçak kanatları etrafında aerodinamik akış tahmini için momentum-akı-bazlı kayıp fonksiyonlu convolutıonal sinir ağı metodolojisi
MUSTAFA MERT DENİZ
Yüksek Lisans
İngilizce
2023
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZGÜR UĞRAŞ BARAN
DOÇ. DR. HANDE ALEMDAR