İnsansız sualtı gözlem aracına otonom özellikler kazandırılarak nesne takibi ve deneysel uygulaması
Object tracking and experimental application by gaining autonomous features to the unmanned underwater observation vehicle
- Tez No: 761644
- Danışmanlar: DR. ÖĞR. ÜYESİ SEDA KARTAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Zonguldak Bülent Ecevit Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 87
Özet
Bu tezde bir insansız sualtı gözlem aracına otonom kabiliyetler kazandırmak için insansız sualtı aracının matematiksel modellemesi, Kalman filtre teknikleri, filtre kestirimlerinin iyileştirilmesi, otonom nesne takibi çalışmaları yapılmıştır. Altı serbestlik dereceye sahip insansız su altı gözlem aracının doğrusal olmayan matematiksel modeli simülasyon ortamında kurulmuştur. Veri filtrelemek için Kalman filtre çeşidi olan kokusuz Kalman filtresi kullanılmıştır. Simülasyon ortamında kokusuz Kalman filtre ile ölçüm verilerini filtrelemek için insansız sualtı aracının matematiksel modelinden sensör verileri üretilmiştir. Bu sensör verileri aracın konum ve yönelim bilgilerinden oluşmaktadır. Bu verilere sıfır ortalamalı Gaussian gürültüsü eklenerek ölçüm verileri elde edilmiştir. Çok gürültülü ortamlarda kokusuz Kalman filtre kestirimlerini iyileştirmek için makine öğrenmesi olan destek vektör makinesi kullanılmıştır. Çok bozulmaya sahip ortamlarda kokusuz Kalman filtre kestirimlerinin makine öğrenmesi tekniği ile iyileştirilmesi başarımı yüksek bir çalışma olmuştur. Sualtında araca otonom kabiliyetler kazandırmak için sualtında nesne tanılaması yapılmıştır. Otonom nesne tanılama için derin öğrenme yöntemi olan evrişimsel sinir ağları kullanılmıştır. Bu tezde, sualtında otonom nesne takibi yapılmıştır. Nesne takibi için bir sualtı boru hattı oluşturulmuştur. Araç bu sualtı boru hattının üzerinde gezinecek ve hat üzerinde oluşmuş hataları tanılayacaktır. Bu tezin ana katkısı boru hattı üzerindeki hataların nerede olduğu bilgisinin verilmesidir. Tüm teze ait deneyler havuz ortamında yapılmıştır. Aracın manevra ve hız kabiliyetlerini gözlemleyebilmek adına havuz ortamında aracın hız ve sapma yön testleri gerçekleştirilmiştir. Boru hattı üzerindeki hasar tanılaması için havuzda toplanan görüntülerden görsel veri çoğaltma teknikleri ile veri seti oluşturularak model eğitimleri gerçekleştirilmiş ve otonom hasar tanılaması yapılmıştır. Tespit edilen hasarın konum tahmini için boru hattının başlangıç noktasından yola çıkılmıştır. Aracın hasarı gördüğü andaki konum bilgisi ile hasarın araca olan uzaklık bilgisinden hasarın başlangıç noktasına olan konum bilgisi elde edilmiştir. Hasarın araca olan uzaklığı tanılanan hasarın piksel boyutlarından yola çıkılarak tahmin edilmiştir. Elde edilen sonuçlar umut vericidir. Bu tez için tüm çalışmalar havuz ortamında deneysel olarak test edilmiştir. Tüm havuz testleri başarı ile tamamlanmıştır ve insansız gözlem sualtı aracına otonom nesne takibi ve hasar konum tahmini kabiliyeti kazandırılmıştır.
Özet (Çeviri)
In this thesis, mathematical modelling of an unmanned underwater vehicle, Kalman filter techniques, improvement of filter estimations, autonomous object detection and object tracking studies have been carried out in order to gain autonomous capabilities to an unmanned underwater observation vehicle. The nonlinear mathematical model of the unmanned underwater observation vehicle with six degrees of freedom was established in the simulation environment. The unscented Kalman filter, which is a type of Kalman filter, was used to filter the data. In the simulation environment, sensor data was generated from the mathematical model of the unmanned underwater vehicle to filter the measurement data with an unscented Kalman filter. This sensor data consists of the vehicle's position and orientation. Measurement data were obtained by adding zero mean Gaussian noise to these data. A machine learning support vector machine is used to improve unscented Kalman filter estimations in very noisy environments. Improving unscented Kalman filter estimations with machine learning technique in very noisy environments has been a study with high success. In order to gain the vehicle autonomous capabilities underwater, underwater object detection has been made. Convolutional neural network, which is a deep learning method, was used for autonomous object detection. In this thesis, autonomous object tracking was made underwater based on object detection. An underwater pipeline has been created for object tracking. By detecting this underwater pipeline, the vehicle will navigate on the line and detection the damages that have occurred on the line. The main contribution of this thesis is to give information where is the damage on the pipeline. All experiments of the thesis were carried out in a pool environment. In order to observe the maneuvering and speed capabilities of the vehicle, speed and yaw direction tests were carried out in the pool environment. For pipeline detection, a data set was created from the images collected in the data set pool with visual data duplication techniques. With the same techniques, a data set was created for damage detection, model training was carried out and autonomous damage detection was made. The damage position estimation is calculated from the starting position of the pipeline. The position of the damage was calculated from the position of at the time when the vehicle found damage and the distance from the damage to the vehicle. The distance of the damage to the vehicle was estimated based on the pixel size of the detected damage. The results obtained are promising. All studies for this thesis have been experimentally tested in a pool environment. All pool tests were successfully completed and the unmanned observation underwater vehicle was equipped with autonomous object detection based on object tracking and damage position estimation capability.
Benzer Tezler
- Design of underwater vehicle with computed torque control
Sualtı aracı tasarımı ve hesaplanmış tork kontrolü
METİN İÇTEM
Yüksek Lisans
İngilizce
2021
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN TANSEL TAYYAR
- Su altı otonom araçlarda navigasyon ve yol planlama çözümleri
Navigation and path planning solutions for underwater autonomous vehicles
METİN BAYDARAKÇI
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiPamukkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HATİCE HİLAL EZERCAN KAYIR
- Navigation and system identification of an unmanned underwater survey vehicle
Bir insansız sualtı gözlem aracının navigasyonu ve sistem tanılaması
SEDA KARADENİZ KARTAL
Doktora
İngilizce
2017
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. MEHMET KEMAL LEBLEBİCİOĞLU
- Katamarana entegre tek ışınlı akustik iskandil yöntemi ile doğruluk araştırması
Accuracy research with the catamaran integrated single beam acoustic sounding method
CEREN SERBEST
Yüksek Lisans
Türkçe
2021
Jeodezi ve FotogrametriZonguldak Bülent Ecevit ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KURTULUŞ SEDAR GÖRMÜŞ
- 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
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. ÇİNGİZ HACIYEV