Aviyonikte tekli ve çoklu sensör hatalarının makine öğrenmesi ile tespit edilmesi ve düzeltilmesi
Single and multi sensor fail detection and fixing via machi̇ne learning methods in avionics
- Tez No: 795902
- Danışmanlar: PROF. DR. HASAN ŞAKİR BİLGE
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 79
Özet
Aviyonik sistemlerde sensörler, hava araçlarının güvenli ulaşımı ve özellikle askeri hava araçlarının görev başarımı için büyük öneme sahiptirler. Bu tez çalışması kapsamında öncelikle yaşanan havacılık kazaları ve aksaklıkları araştırılmış, aviyonik sistemlerde yer alan sensörler incelenmiş ve geçmişte farklı hatalar sonucunda kazalara ve görev başarısızlığına sebep olan hücum açısı, yakıt akış hızı ve küresel konumlama sensörleri çalışma için seçilmiştir. Bu sensörler için gerçek hata senaryoları araştırılmıştır. Hücum açısı sensörü için sabit sapma hatası durumu ve son değerde takılı kalma hata durumu, yakıt akış hızı sensörü için yakıt sızıntısını oluşturan sabit sapma hatası ve sensör iletişiminin kopmasını temsilen sıfıra düşüş hata durumu, küresel konumlama sistemi içinse gürültülü veri hata durumu oluşturulmuştur. Geliştirilen Karar Ağaçları, Destek Vektör Regresyonu, Torbalama Ağaçları ve Derin Sinir Ağları modelleriyle diğer aviyonik sistemlerden alınan sensör verileri kullanılarak seçilen sensörlerin verileri tahmin edilmiş ve hata durumları tespit edilmiştir. Çalışmada makine öğrenmesi modellerini geliştirmek ve test etmek için X-Plane uçuş simülatörü kullanılmış ve çalışmada kullanılan tüm veri seti çalışma kapsamında oluşturulmuştur. Makine öğrenmesi metotlarında en verimli modele ulaşmak için öncelikle bekletme doğrulaması kullanılmış ve her metot için en verimli model bulunmuştur. Torbalama Ağaçları metodu 40 adet öğrenme ağacıyla oluşturulduğu zaman tüm sensör verileri için en az hataya sahip model olmuştur. Geliştirilen modeller, bağımsız üç uçuş verisinde test edilmiştir. Hücum açısı verisinde ortalama kare hata miktarı 0,5936'ya kadar düşecek şekilde tahmin gerçekleştirildiği ve test uçuşlarının çoğunda hataların oluştuktan 10 saniye içinde tespit edildiği görülmüştür. Test uçuşlarında yakıt akış hızı verisi, minimum 1,03x106 ortalama kare hata ile yine oldukça başarılı şekilde tahmin edilmiştir ve test uçuşlarının çoğunda hata durumları yaklaşık 5 saniyede tespit edilmiştir. Küresel Konumlama sensörünün verileri için de başarılı tahminler yapıldığı görülmüştür. Çalışmada ayrıca çoklu sensör arızası durumu, yakıt akış hızı sensörünün sıfıra düşme hatasına sahip olduğu zaman hücum açısı modeline etkisi üzerinden incelenmiş ve çoklu sensör arızasında da birden fazla model kullanılarak yapılan tahminler ile hatanın düzeltilebildiği görülmüştür.
Özet (Çeviri)
In avionic systems, sensors have great importance for the safe transportation and mission success of military aircraft. Within the scope of this thesis, first of all, aviation accidents and failures are inspected, the avionic system sensors are examined, and the angle of attack, fuel flow rate, and global positioning sensors which caused accidents and mission failures in the past, are selected for fault detection cases. Real fault scenarios are studied for these sensors. For the angle of attack sensor, fixed bias error situation and stuck at last value error situation; for the fuel flow rate sensor, bias error to represent fuel leakage and zero-fall error situation to represent the sensor communication breakage; and for the global positioning system, noisy data error situation is created. Using Decision Trees, Support Vector Regression, Bagging Trees, Deep Neural Networks models, and other avionic systems sensor data, the selected sensor outputs are predicted and error situations are detected. In the study, X-Plane flight simulator is used to develop and test machine learning models, and the entire dataset used in the study is created within the scope of the thesis. To find the most successful model, hold-out validation method is used. Bagging Trees with 40 learning trees is the best model that has the least error for all sensor data. The developed models are tested on three independent flight data. It has been observed that the angle of attack data can be predicted as 0,5936 in terms of mean square error and the errors are detected within 10 seconds in most of the test flights. In test flights, the fuel flow rate data is predicted successfully with minimum 1,03x106 mean square error, and error situations are detected in about 5 seconds in most of the test flights. It has been observed that successful estimations have been made for the data of the global positioning sensor also. In the study, the multi-sensor failure situation is also examined through its effect on the angle of attack model when the fuel flow rate sensor has a zero-fall error, and it is seen that the multi-sensor failure could be corrected by estimating using more than one model.
Benzer Tezler
- Launch vehicle navigation system design and comprehensive performance analysis
Fırlatma aracı seyrüsefer sistem tasarımı ve kapsayıcı performans analizi
ALTUĞ ERTAN
Yüksek Lisans
İngilizce
2024
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. CENGİZ HACIZADE
- Aviyonikte kullanılan yüksek hızlı ağların karşılaştırılması
Comparison of high speed networks in avionics
OSMAN RAŞİT KÜLTÜR
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN ŞAKİR BİLGE
- An analytical method for the analysis and design of AFDX networks
AFDX ağlarının analizi ve tasarımı için yeni bir analitik yöntem
ZEYNEP AYHAN
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞENAN ECE SCHMİDT
PROF. DR. KLAUS VERNER SCHMİDT
- Aviyonik kutu imalatı için alüminyum ve kompozit malzemelerin termal performans açısından kıyaslanması
Comparison of the aluminum and nanocomposite materials in terms of thermal performance for manufacturing an avionics box
MELİH ATEŞ
Yüksek Lisans
Türkçe
2022
Havacılık Mühendisliğiİnönü ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. RASİM BEHÇET
- Küçük ölçekli insansız helikopter dinamiğinde kaosun incelenmesi ve kontrolü
Investigation and control of chaos in small-scale unmanned helicopter dynamics
AHMET ÇAKIR
Yüksek Lisans
Türkçe
2022
Havacılık MühendisliğiYıldız Teknik ÜniversitesiAviyonik Mühendisliği Ana Bilim Dalı
PROF. DR. HAYDAR LİVATYALI