Pekiştirmeli öğrenme için bir helikopter ortamı geliştirilmesi
Developing a helicopter environment for reinforcement learning
- Tez No: 744742
- Danışmanlar: PROF. DR. YAŞAR BECERİKLİ
- Tez Türü: Yüksek Lisans
- Konular: Havacılık ve Uzay Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Aeronautical Engineering, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Benzetim, Helikopter, Yapay zeka, Öğrenme teknikleri, Simulation, Helicopter, Artificial intelligence, Learning techniques
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yapay zeka, insanoğlunun problem çözümlemede kullandığı yaklaşımlardan biridir. Son zamanlarda gelişen yöntemleri ile birçok problem çözümü keşfedilmeye başlanmıştır. Çözülmeye çalışılan problemlerden biri de helikopter kontrolüdür. Helikopter kontrolü karmaşık ve doğrusal olmayan bir problemdir. Pekiştirmeli öğrenme algoritmaları bu tarz problemlerin çözüm yaklaşımlarından biridir. Pekiştirmeli öğrenme algoritmalarının helikopterler üzerinde geliştirilebilmesi hem yüksek riski hem de maliyeti sebebiyle kolay değildir. Bu nedenle, çalışmaların dijital ortamda gerçekleştirilmesi gerekmektedir. Bu çalışmada, pekiştirmeli öğrenme çalışmaları için C++ ve Python programlama dilleri kullanılarak DynaG-Heli adlı yeni bir helikopter ortamı geliştirilmiştir. Ortamın kullanılabilirliği ve öğretilebilirliğinin test edilebilmesi için hover manevra görevi tanımlanmıştır. Tanımlanan hover manevra görevi, model-bağımsız algoritmalardan biri olan Soft Actor-Critic (SAC) kullanılarak ajana öğretilmiştir. Elde edilen sonuçlar, tek başına SAC algoritması ile geliştirilen ajanın başarısını ve ortamın kullanılabilirliğini göstermektedir. Bu ortamın, helikopter kontrol problemlerinin çözümü için geliştirilecek olan bir çok yeni yaklaşıma ev sahipliği yapması hedeflenmektedir.
Özet (Çeviri)
Artificial intelligence is one of the approaches that human beings use in problem solving. Recently, solutions of many problem have started to be discovered with the developed methods. One of the problems to be solved is helicopter control. Helicopter control is a complex and nonlinear problem. Reinforcement learning algorithms are one of the solution approaches to these problems. Developing reinforcement learning algorithms on helicopters is not easy due to both high risk and cost. For this reason, studies need to be carried out in a digital environment. In this study, a new helicopter environment named DynaG-Heli was developed by using C++ and Python programming languages for reinforcement learning studies. The hover maneuver task is defined in order to test the usability and teachability of the environment. The defined hover maneuver task was taught to the agent using Soft Actor-Critic (SAC), one of the model-free algorithms. The results obtained show the success of the agent developed with the SAC algorithm alone and the usability of the environment. It is aimed that this environment will host many new approaches to be developed for solving helicopter control problems.
Benzer Tezler
- Makine öğrenme ve pekiştirmeli öğrenme algoritmaları ile denizaltı savunma harbinin modellenmesi
Modeling anti-submarine warfare with machine learning and reinforcement learning algorithms
HAKAN AKYOL
Yüksek Lisans
Türkçe
2023
Savunma ve Savunma TeknolojileriÇankaya ÜniversitesiVeri Analitiği Ana Bilim Dalı
PROF. DR. HAYRİ SEVER
- Quadcopter trajectory tracking control using reinforcement learning
Pekiştirmeli öğrenme ile quadcopter yörünge takibi kontrolü
MUSTAFA ERDEM
Yüksek Lisans
İngilizce
2019
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERDİNÇ ALTUĞ
- Konteyner yükleme problemleri için tabu arama ve pekiştirmeli öğrenme tabanlı bir hibrit yaklaşım
A hybrid approach based on tabu search and reinforcement learning for container loading problems
CANAN HAZAL AKARSU
Doktora
Türkçe
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Üniversitesi-CerrahpaşaEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. TARIK KÜÇÜKDENİZ
- Elektrikli araçlarda şarj yükünün dağıtım şebekesine etkilerinin incelenmesi için derin pekiştirmeli öğrenme tabanlı bir karar verme sisteminin geliştirilmesi
Development of a deep reinforcement learning-based decision-making system for investigating the impacts of electric vehicle charging load on the distribution grid
MUHAMMED SEFA ÇETİN
Doktora
Türkçe
2026
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUHSİN TUNAY GENÇOĞLU
PROF. DR. OZAN ERDİNÇ
- Autonomous heading control of a fixed-wing aircraft with deep reinforcement learning
Sabit kanatlı bir uçak için derin pekiştirmeli öğrenme ile otonom yönelim kontrolü
FATİH AHMET SARIGÜL
Yüksek Lisans
İngilizce
2022
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL BAYEZİT