Nonlinear model based guidance with deep learning based target trajectory prediction against agile attack patterns
Çevik saldırı manevralarına karşı derin öğrenme tabanlı tehdit yörünge tahmini ile doğrusal olmayan model öngörülü kontrol
- Tez No: 671673
- Danışmanlar: DOÇ. DR. NAZIM KEMAL ÜRE
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Havacılık Mühendisliği, Computer Engineering and Computer Science and Control, Aeronautical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Uçak ve Uzay Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Uçak ve Uzay Mühendisliği Bilim Dalı
- Sayfa Sayısı: 73
Özet
Tehdit önleme problemi savunma sistemleri için hayati önem taşımaktadır. Bu sebeple tehdidin bertaraf edilme olasılığını artırmak için çeşitli güdüm yasaları geliştirilmiştir. Güdüm yasalarının, tehdidi en düşük ıskalama mesafesi (miss distance) ile önleyebilmesi kullanılan algoritmaların başarısının en önemli göstergesidir. Böylece tehdit, durdurucu füzenin patlama alanı içerisinde kalarak bertaraf edilmiş olacaktır. PN gibi geleneksel güdüm yasaları temel dinamik denklemler ve geometrik ilişkilerden faydalanarak tehdidin engellenmesi için gerekli engelleyici füzenin ivmesinin üretilmesini sağlamaktadır. Fakat bu güdüm yasası hareketli tehditlere karşı yeterli performans gösterememektedir. Tehdidin hareket ettiği durum için önleme problemi doğrusallaştırılarak ikinci dereceden optimizasyon yöntemi ile analitik olarak çözülmesi sonucunda APN güdüm yasası elde edilmiştir. Bu güdüm yasasında tehdide ait ivmesinin PN güdüm yasasına eklenerek engelleme probleminin performansının hareketli tehditler için de iyileştirilebileceği gösterilmiştir. Hareketli tehdidin gelecekte üreteceği manevraların tahmin edilmesi daha düşük ıskalama mesafesini oluşturulabileceğinin anlaşılmasıyla, farklı çalışmalarda tehdidin gelecekteki parametrelerinin öngörülmesiyle engelleme performansının iyileştirildiği yöntemler uygulanmıştır. Bu çalışmalarda model öngörülü kontrol yapısından esinlenilmiş veya doğrudan yapının kendisi kullanılmıştır. Tehdidin parametre öngörüsü, geçmiş radar verileri kullanarak kalman filtresi, fonksiyon uydurma gibi yaklaşımlarla gerçekleştirilebilmektedir. Kalman filtresi kullanılarka yapılan öngörüler, öngörü yapılacak sistemin karmaşıklığına göre iş yükü ve model karmaşıklığı artmaktadır. Öngörüsü yapımak istenen modellerin bu tür karmaşık yapıya sahip olması durumunda eğer elde fazlaca veride varsa, daha hızlı ve görece daha basit bir yapısı olan sinir ağlarının kullanılması tercih edilebilmektedir. Bu çerçevede literatürde de fazlaca zaman serisi problemlerinde kullanılan yineleyen sinir ağı (Recurrent Neural Network - RNN) yapıları iyi bir çözüm sunmaktadır. Zaman adımında uzak geçmişe bağımlılığın yüksek olduğu sistemlerde RNN yapılarının yetersiz kalması dolayısıyla LSTM sinir ağları kullanılmaya başlanmıştır. Bununla birlikte bizim problemde olduğu gibi manevra tabanlı bir öngörü prosedürünün olduğu durum için yapılan bir çalışmada manevra sınıflarınında sinir ağı yapısına dahil edilmesi yapılan öngörülerin iyileştirdiği gösterilmiştir. Bu tezde, iki eksenli güdüm problemi lineer olmayan model öngörülü kontrol yöntemi (NMPC) kullanılarak ikinci dereceden programlama (QP) problemine dönüştürülmüştür. Long Short-Term Memory (LSTM), bu dönüşümde ihtiyaç duyulan tehdit ivmesi öngörülerini üretmiştir. Öngörülerde, hedefe ait geçmiş konum ve hız bilgisi kullanılırken, tehdidin öngörü ufku boyunca uygulayabileceği ivme girdileri kestirilmeye çalışmıştır. %Bu tezde APN'de kullanılan tek ivme tahmini aksine bir gelecek zaman ufku boyunca tehdit tarafından uygulanabilecek ivme öngörüleri kullanılarak daha düşük ıskalama mesafesi elde edilmesi beklenmektedir. Bu öngörülen ivmeler bir yapay sinir ağından elde edilmektedir. Gerekli güdüm ivmesinin üretilmesi NMPC yöntemi sayesinde gerçekleşmektedir. Lineer olmaya model öngörülü kontrol (NMPC) yönteminde kullanılan dinamik denklemlerde ihtiyaç duyulan tehdit ivmesi değerleri, elde edilen bu ivme öngörülerinden sağlanmaktadır. Yukarıda belirtildiği üzere, bu çalışma NMPC ve LSTM yöntemlerinin birleştirilmesinden oluşmaktadır. İlk aşamada önleyici füze ivme dizisini bulan NMPC yöntemi şekillendirilmiştir. Bu amaçla iki boyutlu tehdit önleme probleminin dinamik modeli, polar koordinat sisteminde oluşturulmuştur. Elde edilen dinamik denklemler durum uzayında ifade edilerek matris formatına dönüştürülmüştür. Gelecek zaman tahminlerini oluşturmak için ihtiyaç duyulan denklemlerin üretilmesi amacıyla polar koordinat sistemindeki diferansiyel denklemler Euler yöntemi kullanılarak fark denklemlerine dönüştürülmüş ve şimdiki zamandaki durum değişkenleri bir önceki adımdaki durum değişkenleri cinsinden ifade edilmiştir. Bu denklemlerde durum uzayı değişkenleri istenilen zaman ufku boyunca birbirine bağlı olarak üretilerek matris şeklinde tanımlanarak standart öngörü formu denklemleri oluşturulmuştur. Buna ek olarak, denklemlerde kullanılan ivme girdileri bir önceki zamanda uygulanan ivme girdisinin farkı olacak şekilde tanımlanmıştır. Standard öngörü formundaki matrislerin hesaplanması için önleyici füzenin öngörü ufku boyunca ivme değerinin bilinmesi gerekmektedir. Bu problemin üstesinden gelebilmek için standart form denklemleri bir önceki adımda hesaplanan ivme girdileri cinsinden tanımlanmıştır. Ardından, optimizasyon için gerekli maliyet fonksiyonu durum uzayı değişkenlerinin ve her adımda uygulanan ivme değişiminin ağırlıklı karesi kullanılarak oluşturulmuştur. Önleyici füzenin ivme limitleri de probleme kısıt olarak eklenmiştir. Gerekli düzenlemeler yapıldıktan sonra NMPC problemi ikinci dereceden programlama problemi olarak tanımlanmıştır. Ayrıca tezde verilen bu yönetimin karşılaştırılacağı literatürde bulunan bir yöntemin ikinci dereceden programlama formatı verilmiştir. Bu yöntemde tehdit ivme tahminleri ikinci dereceden programlama problemine kısıt olarak verilmektedir. İkinci aşamada ivme tahminlerinin alınacağı LSTM sinir ağının eğitilmesi ve bu eğitim için gerekli yörüngelerde oluşan verinin üretilmesi işlemleri bulunmaktadır. Gerekli verinin üretilebilmesi için düz uçuş, koordine dönüş ve weave manevralarını art arda belli olasılıklarla yaptırılarak bir manevra kütüphanesi oluşturulmuştur. Manevraların oluşturulması sırasında farklı manevra parametreleri kullanılırken her bir manevranın gerçekleştirildiği simülasyon farklı yönde ve farklı hızlarda başlatılmıştır. Bu süreçte, manevraların uygulanırken hava aracının konumu ve hızı x-y koordinat sisteminde kayıt edilmiştir. Ayrıca bu yörüngeyi gerçekleştirirken ki ivme değerleri kayıt altına alınmıştır. Kütüphanedeki manevralar arzu edilen öngörü formatına getirilebilmek için bir ön işlem sürecinden geçirilmiştir. Bu süreçte manevralar elli zaman adımlık parçalara ayrılıp her bir parça sinir ağına girdi olacak şekilde planlanırken her ellinci adımdan sonraki öngörü ufku boyunca ki ivme değeri sinir ağının tahmin edeceği ivme çıktısı olacak şekilde planlanmıştır. Üretilen veriler kullanılırken normalize edilerek sinir ağının belirli bir manevrayı yerine daha genel ama aynı karaktere sahip manevraları da öngörebilmesi hedeflenmiştir. Sinir ağı mimarisi seçerken zaman serisi problemlerinde tercih edilen yineleyen sinir ağı (RNN) birimlerinden oluşan mimariler tercih edilmiştir. Literatürde bulunan mimarilerden bizim probleme en uygun olanı kodlayıcı-kod çözücü (encoder-decoder) mimarisidir. Çünkü bu mimaride girdi olarak verilen zaman adımı ile çıktı olarak alınacak zaman adımı sayısının aynı olması gerekmemektedir. Bu yapı farklı sinir birimleri kullanılarak ve yapısında değişiklikler yapılarak çeşitlendirilmiştir. Çeşitlendirilen bu yapılara uygulanan testlerde M-LSTM yapısının daha düşük hata ile ivme öngörülerini üretebildiği gözlemlenmiştir. NN tarafından yapılan ivme öngörülerinin gerçekte olması gereken ivme değerine oldukça yakın olduğu ve manevra geçişlerinin oldukça iyi tahmin edilebildiği görülmüştür. Arzu edilen güdüm yasasının performansı PN, APN ve NMPC gibi diğer güdüm yasalarıyla simülasyon ortamında karşılaştırılmıştır. Performansların test edilmesi için farklı G kuvvetlerinde sırayla koordine dönüş, düz gitme ve weave manevralarını birleşiminden oluşan bir manevra kullanılmıştır. Bu amaçla her bir güdüm yasası farklı G kuvvetlerinde gerçekleştirilen bu manevralar ile yüz Monte-Carlo simülasyonunda test edilmiştir. Elde edilen verilerde NMPC-TAP'ın daha düşü ıska mesafesine sahip olduğu gözlemlenmiştir. Ayrıca öngörü zamanının daha fazla artırılması ıska mesafeni daha da azalttığı gözlemlenmiştir. Ayrıca güdüm yasalarının ürettiği ivme değerlerine baktığımızda NMPC-TAP'ın diğer güdüm yasalarından bir miktar daha önce tehdidin davranışına karşılık verdiği görülmüştür.
Özet (Çeviri)
Common guidance laws such as proportional navigation (PN) and augmented proportional navigation (APN) have either limited capability or unsatisfactory engagement performance against manoeuvring threats due to their reactive nature. This thesis presents a missile guidance law overcoming this issue by generating sub-optimal acceleration commands of the interceptor based on a recurrent neural network's acceleration predictions. The proposed guidance law formulates the differential equations of the two-dimensional interceptor problem in the polar coordinate frame. The difference equations are derived from given differential equations via Euler's discretization. Then the derived difference equations are propagated along the prediction horizon to produce NMPC's matrices. Lastly, a cost function consisting of the weighted norm of the propagated states as well as inputs along a prediction horizon is derived. The interceptor inputs also are constrained. Thus, the interceptor problem has been converted to quadratic programming (QP) problem with the non-linear model predictive control (NMPC) method. A Long Short-Term Memory (LSTM) neural network has produced the necessary target acceleration prediction in this transformation. LSTM uses a position and velocity history to predict target accelerations along the prediction horizon in the QP problem's matrices. The LSTM is trained on a manoeuvre library. Manoeuvres, the combination of the agile two-dimensional manoeuvres such as level flight, coordinated-turn and weave, are generated for different execution speeds and oriented in various directions. Moreover, three different kinds of neural network models, such as RNN, LSTM and MLSTM, are investigated according to acceleration prediction performance. The MLSTM yielding lower loss value has been chosen as the prediction scheme. MLSTM's prediction results show that it has capable of predicting acceleration within a small error and distinguishing manoeuvre transition. Simulation studies are conducted for interception of an approaching target to compare with common guidance laws and NMPC without target prediction. Results show that the proposed guidance algorithm is superior in terms of miss distance.
Benzer Tezler
- Derin obje sezicilerle tümleştirilmiş bayesçi filtreleme ile videoda obje izleme
Integration of bayesian filtering and deep object detection for video object tracking
FİLİZ GÜRKAN GÖLCÜK
Doktora
Türkçe
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL KALYONCU
- Autolanding control system design with deep learning based fault estimation
Derin öğrenme tabanlı hasar tespitli gürbüz otomatik iniş kontrol sistemi
BATUHAN EROĞLU
Yüksek Lisans
İngilizce
2019
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NAZIM KEMAL ÜRE
- Noma tabanlı bilişsel radyo haberleşme sistemlerinde derin öğrenme yöntemleri ile ergodik kapasite tahmini başarım analizi
Ergodic capacity estimation with deep learning methods in noma based cognitive radio communication system
ABDULKADİR GÜNEY
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiKütahya Dumlupınar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA NAMDAR
DR. ÖĞR. ÜYESİ ARİF BAŞGÜMÜŞ
- Dynamic model-based path planning optimization and control for USV in inland waterways
İç su yollarında kullanılan İDA'lar için dinamik model tabanlı yol planlama optimizasyonu ve kontrolü
FERHAN BÜYÜKÇOLAK
Yüksek Lisans
İngilizce
2023
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. GÖKHAN TANSEL TAYYAR