Yapay sinir ağlarına dayalı uçak algılayıcı arızası tespiti ve sistemin yeniden yapılandırılması
Aircraft sensor fault detection and system reconstruction based on artificial neural networks
- Tez No: 684562
- Danışmanlar: DR. ÖĞR. ÜYESİ GÜLAY ÜNAL
- Tez Türü: Doktora
- Konular: Havacılık Mühendisliği, Uçak Mühendisliği, Aeronautical Engineering, Aircraft Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Havacılık Elektrik ve Elektroniği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 89
Özet
Bu çalışmanın amacını, uçaklar için önem arz eden hava veri sisteminin bileşenleri olan hücum açısı, hız ve irtifa algılayıcılarında oluşabilecek bir arızanın yanlış alarm durumu olmayacak şekilde ve herhangi ek bir algılayıcı ölçümüne gerek kalmadan zamanında tespiti ve yeniden yapılandırılması oluşturmaktadır. Literatürde modern uçaklar için kullanılan arıza tespit ve yeniden yapılandırma sistemleri uçaklar üzerindeki asıl/yedekli algılayıcıların çoğunluğunun doğruluğuna dayanan çoğunluk oylama yöntemi ve ağırlıklı ortalama gibi yöntemleri kullanmaktadır. Donanım fazlalığına dayanan bu yöntemlerin kullanımı yerine tasarlanan analitik fazlalığa dayalı sistem ile ağırlık ve yakılan yakıttan tasarruf sağlanabilirken, hava aracı daha uzun mesafe yol alabilir ve bu sayede CO2 emisyonu ve gürültünün azaltılmasıyla hava aracı daha çevre dostu uçuşlar gerçekleştirebilir. Ayrıca yedekli algılayıcıların çıkartılmasıyla hava aracının hava yolu şirketine ürettiği satın alma maliyeti ve ilgili parçaların daha az olmasıyla bakım maliyetleri de azaltılabilir. İlgili sistemin tasarımı için yerel bir havayolundan alınan gerçek uçuş verileri kullanılmıştır. Hücum açısı, hız ve irtifa algılayıcılarıyla alakalı verilerin seçimi için korelasyon analizi kullanılmıştır. Arızanın tespiti ve yeniden yapılandırılmasında makine öğrenmesine dayalı yöntemler kullanılmıştır. İlgili işlemler için MATLAB programı kullanılmıştır. Hücum açısı, hız ve irtifa algılayıcılarında oluşabilecek arıza durumları modellenmiştir ve tüm uçuş fazlarında karşılaşılabilecek farklı arıza senaryoları incelenmiştir. Arıza tespiti 0-2 sn aralığında yanlış alarm olmadan gerçekleştirilmiştir. Arıza yeniden yapılandırılırken sistem çıktısının tahmin edilen algılayıcı verilerine göre seyretmesi sağlanmıştır.
Özet (Çeviri)
The purpose of this study is to detect and reconstruct a fault that may occur in the angle of attack, airspeed and altitude sensors, which are important components of the air data system for aircrafts, in a timely intervention without the need for any additional sensor measurement and without a false alarm. Fault detection and reconstruction systems used for modern aircrafts in the literature are methods such as majority voting and weighted mean based on the majority accuracy of the primary/redundant sensors on the aircrafts. Instead of using these methods based on hardware redundancy, by the designed analytical redundant system, while saving weight and fuel burned, the aircraft can travel longer distances and thereby reducing CO2 emissions and noise, the aircraft can perform more environmentally friendly flights. In addition, with the removal of the redundant sensors, the purchase cost of the aircraft to the airline company and the maintenance costs of the related parts can be reduced. The real flight data of a commercial aircraft collected from a local airline were used for the system design. Correlation analysis was used to select data related to the angle of attack, airspeed and altitude sensors. Machine learning-based methods were used to detect and reconstruct the fault. MATLAB program was used for the related operations. The fault situations that may occur in the angle of attack, airspeed and altitude sensors were modeled and different fault scenarios that can be encountered in all flight phases were examined. Fault detection was performed in the range of 0-2 s without false alarms. While reconstructing the fault, it is ensured that the system output follows the estimated sensor data.
Benzer Tezler
- Developing learning algorithms for enhancing industrial machine vision systems and improving task accuracy of robotic manipulators
Endüstriyel yapay görme sistemlerini iyileştirmek ve robotik manipülatörlerin görev doğruluğunu artırmak için öğrenme algoritmalarının geliştirilmesi
DIYAR KHALIS BILAL
Doktora
İngilizce
2021
Mekatronik MühendisliğiSabancı ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ÜNEL
- Multi agent planning under uncertainty using deep Q-networks
Derin Q-ağları kullanımı ile belirsizlik altında çoklu ajan planlaması
FARABİ AHMED TARHAN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZIM KEMAL ÜRE
- Aircraft detection from large scale remote sensing images with deep learning techniques
Büyük ölçekli uzaktan algılama görüntülerinden derin öğrenme teknikleriyle uçak tespiti
MEHMET SOYDAŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Destek vektör regresyonu ile PID kontrolör tasarımı
Design of PID controller via support vector regression
KEMAL UÇAK
Yüksek Lisans
Türkçe
2012
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÜLAY ÖKE
- Artificial intelligence based and digital twin enabled aeronautical AD-HOC network management
Yapay zeka tabanlı ve dijital ikiz destekli geçici havasal ağ yönetimi
TUĞÇE BİLEN
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BERK CANBERK