Çok ajanlı hava savunma sistemi benzetimi
A multi-agent air defense system simulation
- Tez No: 814216
- Danışmanlar: PROF. DR. AYDIN ÇETİN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 103
Özet
Uzun menzilli balistik füzeler düşüş safhasında çok yüksek hızlara ulaşmaktadır. Bu sebeple geleneksel savunma önlemleri özellikle uzun menzilli balistik füzelere karşı etkisiz kalmaktadır. Bu tez çalışması balistik füzelere karşı savunma amacıyla tasarlanmış otonom bir hava savunma sistemi sunmaktadır. Çalışmada savunma probleminin zorlukları ayrı ayrı ele alınmakta ve bunlara algoritmik çözümler önerilmektedir. Savunma sisteminin yanısıra gerçek zamanlı ve yüksek doğruluğa sahip bir balistik füze saldırı benzetim ortamı geliştirilmiş, ve savunma sistemi bu ortamda test edilmiştir. Benzetim ortamındaki çevresel dinamiklerin etkilerinin canlandırılması için, çalışmaya özgün hiyerarşik çok ajanlı bir çevre kontrol modeli geliştirilmiştir. Geliştirilen özgün mimari kullanılarak otonom çalışabilen radar, komuta merkezi ve karşılama füzesi ajanları modellenmiştir. Güzergah tahmini için bir öngörümlü tahmin yaklaşımı kullanılmış, buradan elde edilen çıkarımlar entegre kontrol sistemine aktarılarak karşılama füzesinin balistik tehdite yönlendirilmesi sağlanmıştır. Geliştirilen savunma sistemi üç boyutlu benzetim ortamında kısa, orta, uzun ve kıtalarası menzile sahip füzelere karşı test edilmiştir. Testlerin gerçekleştiği üç boyutlu benzetim ortamında balistik hareketi etkileyen yerçekimi, hava sürtünmesi, dünyanın dönüş hızı gibi çevresel faktörlerin yanısıra füzeye ait en, boy, başlık ve yakıt tankı kütlesi, yakıt cinsi ve miktarı, itici motor gücü, fırlatma açısı ve uçuş fazları gibi parametrik tanımlı değişkenler ve bunlara bağlı etkiler tanımlanmış, saldırı ve savunma modelleri belirlenen faktörler etkisi altında test edilmiştir. Büyük ölçekli dünya haritası üzerinde gerçekleştirilen saldırıların güzergâhları ve hedef noktaları, balistik uçuş kinematiğine dayalı oluşturulan otonom öngörülü model ile tespit edilmiştir. Çalışmada donanımsal sınırları temsil etmesi adına performans limitleri eklenmesine rağmen uzun ve kıtalararası saldırıların %86.5'i başarıyla karşılanmıştır. Bazı saldırı senaryolarında bu oran %97'ye kadar yükselmektedir.
Özet (Çeviri)
Long-range ballistic missiles reach very high speeds during the descent phase. Therefore, traditional defense measures are particularly ineffective against long-range ballistic missiles. This thesis presents an autonomous air defense system designed for defense against ballistic missiles. The difficulties of the defense problem are discussed separately and algorithmic solutions are proposed. In addition to the defense system, a real-time and highly accurate ballistic missile attack simulation environment has been developed, and the defense system has been tested in this environment. A novel hierarchical multi-agent environmental control model was developed in order to simulate the effects of environmental dynamics in the simulation environment. By using this original architecture, autonomous radar, command center and interceptor agents are modeled. A predictive estimation approach is used for trajectory prediction, and the inferences obtained are transferred to the integrated control system to guide the interceptor missile to the ballistic threat. The defense system developed was tested against short, medium, long and intercontinental range missiles in a three-dimensional simulation environment. The environmental factors such as gravity, air resistance, and the rotation speed of the earth affecting the ballistic motion, as well as parameters such as length, width, head, and fuel tank mass, fuel type and amount, thrust power, launch angle, and flight phases of the missile, and their effects are defined, and attack and defense models are tested under the influence of the factors determined. The routes and target points of the attacks carried out on a large-scale world map were determined based on an autonomous predictive model created based on ballistic flight kinematics. Despite the addition of performance limits to represent hardware limitations, 86.5% of long and intercontinental attacks have been successfully intercepted. In some attack scenarios, this ratio can be as high as 97%.
Benzer Tezler
- Scalable planning and learning framework development for swarm-to-swarm engagement problems with reinforcement learning
Pekiştirmeli öğrenme ile sürüden sürüye angajman problemleri için ölçeklenebilir planlama ve öğrenme sistemi geliştirilmesi
UMUT DEMİR
Yüksek Lisans
İngilizce
2022
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZIM KEMAL ÜRE
- Evolutionary reinforcement learning based autonomous maneuver decision in one-to-one short-range air combat
Bire bir kısa menzilli hava muharebesinde evrimsel pekiştirmeli öğrenme tabanlı otonom manevra karar sistemi
YASİN BAYKAL
Yüksek Lisans
İngilizce
2023
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BARIŞ BAŞPINAR
- ComCoS: An enhanced cache partitioning technique for integrated modular avionics
ComCoS: Entegre modüler aviyonikler için gelişmiş bir önbellek bölümleme tekniği
YAKUP HÜNER
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RAMAZAN YENİÇERİ
- Drone wars 3D: An interactive simulator for drone swarms
Drone savaşları 3D: İnteraktif drone sürüsü simülatörü
GÖKHAN KARADENİZ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiOyun ve Etkileşim Teknolojileri Ana Bilim Dalı
DOÇ. DR. GÖKHAN İNCE
- Hava saldırı senaryoları için merkezi olmayan işbirlikçi çok ajanlı pekiştirmeli öğrenme
Decentralized collaborative multi-agent reinforcement learning for air attack scenarios
BERİRE GÜNDÜZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET DİKMEN