Deep reinforcement learning for autonomous quadcopter guidance
Otonom dört rotorlu insansız hava aracı güdümü için derin pekiştirmeli öğrenme
- Tez No: 811309
- Danışmanlar: DR. ÖĞR. ÜYESİ ALİ TÜRKER KUTAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Havacılık Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering, Aeronautical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Havacılık ve Uzay Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 155
Özet
Bu tez dört rotorlu insansız hava aracı güdümü problemini incelemekte ve bu problemin çözümü için derin pekiştirmeli öğrenme tabanlı yaklaşımları önermektedir. Tez kapsamında, dört rotorlu insansız hava aracı güdümü problemi 2B ve 3B uzayda güdüm, eş zamanlı varış ve vuruş zamanı kontrolü gibi çeşitli yönlerden incelenmiştir. Önerilen yaklaşımların hedef hareketi, ölçüm gecikmesi ve sistem gecikmesi gibi ideal olmayan koşullar altında dört rotorlu insansız hava aracı güdümü problemi için uygunluğu değerlendirilmiştir. İlk olarak, derin pekiştirmeli öğrenme tabanlı yaklaşımlar klasik kapalı formdaki güdüm algoritmaları ve model tabanlı hesaplamalı güdüm algoritması ile hem benzetim ortamında hem de deneylerde sabit ve hareketli hedefler için karşılaştırılmıştır. İkinci olarak hedef hareketi, sistem gecikmesi ve ölçüm gecikmesi gibi ideal olmayan koşulların önerilen yaklaşımların performansları üzerindeki etkisi incelenmiştir. Üçüncü olarak, eşzamanlı varış ve vuruş zamanı kontrolü problemlerinin çözümü için özgün üç aşamalı öğrenme tabanlı yaklaşım önerilmiştir. Son olarak, 3B uzayda dört rotorlu insansız hava aracı güdümü probleminin çözümü için derin pekiştirmeli öğrenmeye dayalı yaklaşımların kullanılabilirliği araştırılmıştır. Benzetim ve deney sonuçları, önerilen yaklaşımların yukarıda belirtilen dört rotorlu insansız hava aracı güdümü problemleri için uygun bir çözüm olduğunu göstermektedir.
Özet (Çeviri)
This thesis examines the quadcopter guidance problem and proposes deep reinforcement learning-based approaches for the solution of this problem. Within the scope of this thesis, the quadcopter guidance problem has been examined from various aspects such as guidance in 2D and 3D spaces, simultaneous arrival and impact time control. The suitability of the proposed approaches for quadcopter guidance problem under non-ideal conditions such as target movement, measurement delay and system delay has been evaluated. Firstly, deep reinforcement learning-based guidance approaches were compared with classical closed-form guidance algorithms and model-based computational guidance algorithm in both simulations and experiments for stationary and moving targets. Secondly, the effect of non-ideal conditions such as target movement, system delay, and measurement delay on the performances of the proposed approaches has been examined. Thirdly, a novel three-stage learning-based approach was proposed for the solution of the simultaneous arrival and impact time control problems. Finally, the usability of deep reinforcement learning-based approaches to solve the quadcopter guidance problem in 3D was investigated. The simulation and experimental results show that the proposed approaches are suitable solutions for the above-mentioned quadcopter guidance problems.
Benzer Tezler
- Deep reinforcement learning for autonomous air combat under noisy observations
Gürültülü gözlem altında otonom hava muharebesi için derin pekiştirmeli ögrenme
AHMET SEMİH TAŞBAŞ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZIM KEMAL ÜRE
- Autonomous heading control of a fixed-wing aircraft with deep reinforcement learning
Sabit kanatlı bir uçak için derin pekiştirmeli öğrenme ile otonom yönelim kontrolü
FATİH AHMET SARIGÜL
Yüksek Lisans
İngilizce
2022
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL BAYEZİT
- Deep reinforcement learning for partially observable markov decision processes
Kısmi gözlemlenebilir markov karar süreçleri için derin pekiştirmeli öğrenme
MEHMET HAKLIDIR
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ
- Applications of deep reinforcement learning for advanced driving assistance systems
İleri sürüş destek sistemleri için derin pekiştirmeli öğrenme uygulamaları
MUHARREM UĞUR YAVAŞ
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- Simülasyon ortamında derin pekiştirmeli öğrenme ile robot kontrolü
Robot kontrol with deep reinforcement learning in simulation environment
HÜSEYİN PULLU
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CİHAN KARAKUZU