Derin sinir ağları kullanarak quadrotorun kontrolü
Quadrotor control using deep neural networks
- Tez No: 810620
- Danışmanlar: DR. ÖĞR. ÜYESİ ERTUĞRUL ÇETİNSOY
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Ana Bilim Dalı
- Bilim Dalı: Mekatronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 87
Özet
İnsansız hava aracının (İHA) olağanüstü stabilite ile karakterize edilen verimli bir uçuş gerçekleştirebilmesi için doğru durum tahminine ulaşması gereklidir. IMU'yu (Ataletsel Ölçüm Birimi) oluşturan yerleşik MEMS'in (Mikro Elektro-Mekanik Sistem) ölçümleriyle ilgili hatalar nedeniyle güvenilir durum tahmini elde etmek zor kabul edilir. İHA'nın rotorlarının titreşimi ve yatay hareket ivmelenmeleri, IMU'daki ivmeölçerden elde edilen açı tahminlerinde çok büyük sapmalara ve beklenmedik gürültü dizilerine neden olur. Kalman filtresi destekli H-1, DCM matrisleri ve kuaterniyon güncellemelerine dayalı geleneksel tahmin ediciler bu hataları telafi edebilir, ancak bunlar genellikle entegrasyon gerektirir. Entegrasyon süreci, özellikle zaman içinde, yanlışlıkları yoğunlaştırabilir. Bu nedenle, İHA'lar için durum tahminine daha doğru bir yaklaşım sunan entegrasyon ihtiyacını ortadan kaldırabilecek teknikler geliştirilmelidir. Bu yazıda, İHA tutumunu tahmin etmek için derin sinir ağlarına (DSA'ler) dayalı bir derin öğrenme (DL) çerçevesi önerilmiştir. Aşırı uymayı önlemek ve ağların hesaplama yükünü azaltmak için eğitim için yığın normalleştirme ve bırakma teknikleri uygulanmıştır. Önerilen derin öğrenme tekniği, eğitimli DSA kullanma yeteneğini kanıtlar. Ayrıca Euler kinematik denklem modeli geliştirilmiş ve DSA'yi eğitmek için sentetik veri örnekleri toplanmıştır. Son olarak, önerilen tahmin yöntemini doğrulamak için bir uçuş simülasyonu için Quadrotor için kaskad bir kontrolör tasarlanmıştır.
Özet (Çeviri)
Reaching accurate state estimation is necessary for the unmanned aerial vehicle (UAV) to conduct an efficient flight characterized by exceptional stability. Achieving reliable state estimation is regarded challenging because of the errors related to the measurements of the onboard MEMS (Micro Electro-Mechanical Systems) which constitute IMU (Inertial Measurement Unit). The UAVs massive rotor's vibration causes enormous drift, biases and unexpected noise sequences which makes these measurements inaccurate. Traditional estimators, based on Kalman filter-supported H-1, DCM matrices, and quaternion updates, can compensate for these errors, but they typically require integration. The process of integration, especially over time, can intensify the inaccuracies. Therefore, techniques that can eliminate the need for integration should be developed, offering a more accurate approach to state estimation for UAVs. In this paper, a deep learning (DL) framework based on deep neural networks (DNN's) is proposed to estimate UAV attitude estimation. Batch Normalization and dropout techniques are implemented for training to prevent overfitting and decrease the computational overhead of nets. The suggested DL technique proves the ability to use trained DNN. Furthermore, Euler kinematical equations model were developed, and synthetic data samples were collected to train the DNN. Finally, a cascaded controller for Quadrotor was designed for a flight simulation to validate the proposed estimation method.
Benzer Tezler
- Deep learning-based keypoints driven visual inertial odometry for GNSS-denied flight
Yapay sinir ağları tabanlı nokta çıkarıcılı görsel-ataletsel odometri ile GPS'siz ortamda uçuş
ARSLAN ARTYKOV
Yüksek Lisans
İngilizce
2023
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE KOYUNCU
- Classification of the motor EEG signals by using deep neural networks
Derin sinir ağları kullanarak motor EEG sinyallerinin sınıflandırılması
LEYLA ABILZADE
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- Derin sinir ağları kullanarak parmak izi tanımada yeni yaklaşımlar
New approaches to fingerprint recognition using deep neural networks
ORHAN KURBANOV
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER BAŞTÜRK
- Derin sinir ağları kullanarak periyodik sınır koşullu diferansiyel denklemlerin nümerik çözümlerinin elde edilmesi
Obtaining numerical solutions of differential equations with periodic boundaries using deep neural networks
GÜLSÜM İŞMAN
Doktora
Türkçe
2024
MatematikAydın Adnan Menderes ÜniversitesiMatematik Ana Bilim Dalı
DOÇ. DR. KORHAN GÜNEL
- Handwritten character recognition and document analysis using deep neural networks
Derin sinir ağları kullanarak el yazısı algılama ve belge analizi
BARIŞ KILIÇLAR
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ METEHAN MAKİNACI