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: Havacılık ve Uzay Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Aeronautical Engineering, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Makine öğrenmesi, Makine öğrenmesi yöntemleri, Yapay zeka, Machine learning, Machine learning methods, Artificial intelligence
- 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: Belirtilmemiş.
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
- GPS ve görüntü verisi olmayan ortamlarda insansız hava araçları için derin pekiştirmeli öğrenme tabanlı tam otonom yönelim ve uçuş rota planlaması
Deep reinforcement learning-based fully autonomous orientation and flight path planning for unmanned aerial vehicles in GPS- and vision denied environments
HÜSEYİN KÜÇÜKERDEM
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. CEMAL YILMAZ
- Derin pekiştirmeli öğrenmeye dayalı otonom sürüş için açıklanabilir yapay zeka
Explainable artificial intelligence (xai) for deep reinforcement learning based autonomous driving
MUHSİN KOMPAS
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İBRAHİM KÖK
- Deep reinforcement learning approach for trading automation in the stock market
Hisse senetlerinde işlem otomasyonu için derin güçlendirme öğrenme yaklaşımı
TAYLAN KABBANİ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin ÜniversitesiVeri Bilimi Ana Bilim Dalı
Prof. Dr. EKREM DUMAN
- 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