Geri Dön

Ataletsel navigasyon sistemlerinde kestirim için farklı yöntemlerin performanslarının karşılaştırılması

Comparing the performance of different methods for estimation in inertial navigation systems

  1. Tez No: 757223
  2. Yazar: BEKİR GÖĞÜŞ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MURAT ÜÇÜNCÜ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Başkent Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 125

Özet

Navigasyon sistemleri, belirli bir referans noktası yardımıyla bir nesnenin konum, hız ve yönelim bilgisini bulan sistemlerdir. Bu sistemlerden en önde gelenlerden birisi de Ataletsel Navigasyon Sistemidir. Bu sistem, dış uyaranlardan bağımsız kendi dahili sistemiyle çalıştığından dolayı tercih edilme oranı gittikçe artmaktadır. Ataletsel Navigasyon Sistemi, bünyesinde barındırdığı ivmeölçer ve dönüölçer sensörlerinden gelen verileri kullanarak bir aracın, konum, yönelim veya hız bilgileri kestirim algoritmaları ile tahmin edilebilir. Bu çalışmada veri seti, bir otomobilin hızlanma verilerinden oluşmaktadır. Bu veriler, şehirler arası bir yolda 30,4 km mesafede değişken hızlar altında oluşturulmuştur. Ölçümler, bir akıllı telefonda MATLAB uygulaması çalıştırılarak elde edilmiştir. Bu zamana kadar yapılan çalışmalarda kestirim için ağırlıklı olarak Kalman Filtre algoritmaları kullanılmıştır. Bu tez çalışmasında ise kestirim algoritmaları olarak geleneksel kestirim yöntemi olan Kalman Filtresinin yanı sıra kendini ispat etmiş derin öğrenme algoritmalarından Uzun Kısa Süreli Bellek (Long Short-Term Memory, LSTM), Çift Yönlü Uzun Kısa Süreli Bellek (Bidirectional Long Short-Term Memory, BLSTM) ve Geçitli Tekrarlayan Birimler (Gated Recurrent Unit, GRU) kullanılmıştır. Bu derin öğrenme algoritmaları farklı optimize edicilerle eğitilerek optimize edicilerin kestirim sonuçlarına etkileri de incelenmiştir. Tez kapsamında detayları verilen benzetim çalışmalarında elde edilen bulgular dikkate alındığında; en başarılı sonuç 2,5414 RMSE değeri ile GRU derin öğrenme ağına aittir. LSTM ve BLSTM derin öğrenme ağlarında ise sırasıyla 2,5547 ve 2,7592 RMSE değerleri elde edilmiştir. Kalman Filtresi ile yapılan çalışmalarda ise RMSE 2,9322 bulunmuştur.

Özet (Çeviri)

Navigation systems are systems that find the position, velocity and orientation information of an object with the help of a specific reference point. One of the most prominent of these systems is the Inertial Navigation System. Since this system works with its own internal system independent of external stimuli, its preference rate is increasing. Inertial Navigation System can estimate the position, orientation or velocity information of a vehicle with estimation algorithms by using data from accelerometer and rotometer sensors. In this study, the dataset consists of acceleration data of an automobile. These data were generated under variable speeds at a distance of 30.4 km on an intercity road. The measurements were obtained by running a MATLAB application on a smartphone. In previous studies, Kalman Filter algorithms have been predominantly used for estimation. In this thesis, in addition to the traditional Kalman Filter, the proven deep learning algorithms Long Short Term Memory (LSTM), Bidirectional Long Short Term Memory (BLSTM) and Gated Recurrent Units (GRU) are used as prediction algorithms. These deep learning algorithms were trained with different optimizers and the effects of the optimizers on the prediction results were also examined. Considering the findings obtained in the simulation studies detailed in the thesis, the most successful result belongs to the GRU deep learning network with an RMSE value of 2.5414. In LSTM and BLSTM deep learning networks, RMSE values of 2.5547 and 2.7592 were obtained respectively. In the studies conducted with the Kalman Filter, the RMSE was found to be 2.9322.

Benzer Tezler

  1. Sensor fusion with reliability ratios for altitude estimation

    Yükseklik kestirimi için güvenilirlik oranları ile sensör füzyonu

    NAZMİ KANKAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Havacılık Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. NAZIM KEMAL ÜRE

  2. GNSS ve IMU kullanarak ARM tabanlı seyrüsefer sisteminin geliştirilmesi

    Development of ARM based navigation system using GNSS and IMU

    RAMAZAN SAYAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiMarmara Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ VEYSEL GÖKHAN BÖCEKÇİ

    PROF. DR. HAYRİYE KORKMAZ

  3. Integration of navigation systems and identification of nonlinear model parameters for autonomous underwater vehicles in the presence of measurement biases

    İnsansız sualtı araçları için seyrüsefer sistemlerinin tümleştirilmesi ve ölçüm kaynaklı kayma hatalarının olduğu durumda nonlineer hareket modelin parametrelerinin tanılaması

    MUSTAFA DİNÇ

    Doktora

    İngilizce

    İngilizce

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. ÇİNGİZ HACIYEV

  4. Multisensor aided INS/GPS integration for an UGV

    İnsansız kara aracı için çoklu algılayıcı yardımlı ANS/GKS entegrasyonu

    ZİYA ERCAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. METİN GÖKAŞAN

  5. Comparison of EKF, EKF2 and UKF in a loosely coupled INS/GPS integration

    Gevşek bağlı ANS/KKS tümleştirmesinde GKF, GKF2 ve KKF karşılaştırması

    HANDE JANE

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. BUYURMAN BAYKAL