Geri Dön

Flight maneuver classification using artificial neural networks

Yapay sinir ağları ile uçuş manevrası sınıflandırma

  1. Tez No: 798321
  2. Yazar: FİKRİCAN PUSAT
  3. Danışmanlar: PROF. DR. MEHMET ÖNDER EFE
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 77

Özet

Çevik uçaklarla savaş ve akrobasi pilotları tarafından gerçekleştirilen dünyaca bilinen temel uçuş manevraları vardır. Bu temel uçuş manevraları, pilotların manevrayı tamamlamak için uyması gereken katı kurallara sahiptir ve pilotun veya uçağın yeteneklerini değerlendirmek için kullanılabilir. Uçuş verileri, değerlendirilmeden önce havacılık uzmanları tarafından uçuş manevraları olarak sınıflandırılır. Bu sınıflandırma ihtiyacı, doldurulması gereken bir araştırma alanı yaratmıştır: Otomatik uçuş manevrası sınıflandırması. Bu çalışma, otomatik uçuş manevrası sınıflandırma problemine yapay sinir ağlarından yararlanarak bir çözüm önermektedir. Aynı zamanda literatüre bir uçuş manevrası sınıflandırma veri seti sağlamaktadır. Bu veri seti, profesyonel uçuş simülasyon araçları kullanılarak oluşturulmuştur. Uçuş verisi öznitelikleri, doğruluk, kesinlik ve geri çağırma açısından optimum performansı verecek şekilde değerlendirildi ve seçildi. Kullanılan ve karşılaştırılan yapay sinir ağlarının türleri, tek gizli katmanlı sinir ağları, derin sinir ağları ve tekrarlayan sinir ağlarıdır. Çözümün performansını en üst düzeye çıkarmak için bu türlerin kombinasyonları, aktivasyon fonksiyonları, optimizasyon yöntemleri ve gradyan iniş algoritmaları probleme karşı test edilmiştir. Uçuş manevrası sınıflandırması konusunda literatürde ikincil bir çalışma bulunmamaktadır ve bu çalışma aynı zamanda“makine iiiöğrenme yöntemleri kullanılarak uçuş manevrası sınıflandırması”konusunda sistematik bir literatür taraması içererek bu boşluğu doldurmaktadır. Bu çalışma tarafından önerilen çözüm, temel yükselme ve alçalma gibi on farklı uçuş manevrasını ve aynı zamanda Immelman, split-s ve lazy-eight gibi daha karmaşık olanları da başarıyla sınıflandırmıştır. Sonuçlar, test verileri üzerinde doğruluk, kesinlik, geri çağırma ve kayıp parametreleri hesaplanarak değerlendirilmiştir. En iyi performans gösteren yapay sinir ağı türü olan derin sinir ağları, test setinde yüzde 96'nın üzerinde doğruluk ve 0,1'den az kayıp vermiştir. Tüm yapay sinir ağı türleri ve çözümleri, doğru seçilmiş veri seti elemanlarıyla yüzde 90'ın üzerinde doğruluk sağlamıştır. Bu çalışma aynı zamanda, uçuş manevrası bir simülasyonda yapılırken, uçuş manevrasını gerçek zamanlı olarak sınıflandıran bir yazılım programını da literatüre sağlamaktadır. Bu yazılımın pilotların yapmak istedikleri manevraları da gerçek zamanlı olarak doğru bir şekilde tahmin ettiği görülmüştür.

Özet (Çeviri)

There are globally known basic flight maneuvers performed by fighter and aerobatics pilots with agile aircraft. These basic flight maneuvers have strict rules that the pilots should follow to complete the maneuver and can be used to evaluate the pilot's or aircraft's capabilities. Flight data is classified into flight maneuvers by aviation professionals before evaluation. The need for this classification created a research area to be filled: Automatic flight maneuver classification. This study proposes a solution to the automatic flight maneuver classification problem by exploiting artificial neural networks. It also contributes a flight maneuver classification dataset to the literature. This dataset was generated using professional flight simulation tools. The flight data attributes were evaluated and selected to give the optimum performance in terms of accuracy, precision, and recall. The types of artificial neural networks used and compared were single hidden layer neural networks, deep neural networks, and recurrent neural networks. Combinations of these types, activation functions, optimization methods, and gradient descent algorithms were tested against the problem to maximize the performance of the solution. There are no secondary studies on the subject of flight maneuver classification and this study also fills this gap by contributing a systematic literature review on“flight maneuver classification using machine learning imethods”. The solution proposed by this study successfully classified ten distinct flight maneuvers such as basic descent and ascent, but also more complex ones such as Immelman, split-s, and lazy-eight. The results were evaluated by calculating accuracy, precision, recall, and loss parameters on test data. The best-performing artificial neural network type, which is deep neural networks, gave over 96 percent accuracy and less than 0.1 loss in the test set. All the artificial neural network types and solutions gave over 90 percent accuracy with correctly chosen attributes. This study also contributed a software program that classifies the flight maneuver in real-time while the flight maneuver is being performed in a simulation. It was seen that this software was also accurately predicting the pilots' intended maneuvers in real-time.

Benzer Tezler

  1. Dönerkanat tipinde bir insansız hava aracının görüntü tabanlı kontrolü

    Vision based control of a quadrotor type unmanned aerial vehicle

    AYDIN ERESEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2010

    Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET ÖNDER EFE

  2. Flight deck centered cost efficient 4D trajectory planning

    Kokpit otomasyonu tabanlı 4D rota planlaması

    MEVLÜT UZUN

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Havacılık Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. GÖKHAN İNALHAN

  3. A4 uçağı için geliştirilmiş otopilot tasarımı

    Autopilot design for A4 aircraft

    İBRAHİM CAN KARAGÖZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Uçak Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. ELBRUS CAFEROV

  4. Multibody simulation of coupled aerodynamics and structural model of a helicopter main rotor

    Bir helikopterin ana rotorunun aerodinamik ve yapısal etkiler dahil edilerek oluşturulmuş modelinin çok gövdeli simülasyonu

    GÜRKAN SERTSOY

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Havacılık MühendisliğiHacettepe Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. VOLKAN PARLAKTAŞ

    DOÇ. DR. BARIŞ SABUNCUOĞLU

  5. Analysis, design and control of an autonomous drone delivery system

    Otonom drone teslimat sisteminin analiz, tasarım ve kontrolü

    MERT TEKİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Makine Mühendisliğiİzmir Katip Çelebi Üniversitesi

    Mühendislik Bilimleri Ana Bilim Dalı

    DOÇ. DR. BARIŞ BIDIKLI