Artificial neural network based prediction of store separation trajectories
Yapay sinir ağı tabanlı mühimmat ayrılma yörüngesi tahmini
- Tez No: 898809
- Danışmanlar: PROF. DR. İSMAİL HAKKI TUNCER
- Tez Türü: Yüksek Lisans
- Konular: Havacılık ve Uzay Mühendisliği, Uçak Mühendisliği, Aeronautical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Havacılık ve Uzay Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Havacılık ve Uzay Mühendisliği Bilim Dalı
- Sayfa Sayısı: 101
Özet
Bu çalışmada, yapay sinir ağları kullanılarak mühimmatın hızlı ve güvenilir bir şekilde yörünge tahmini gerçekleştirilmiştir. Literatürde iyi bilinen ve deneysel veriye sahip olan“EGLIN”isimli konfigürasyon kullanılmıştır. Yapay sinir ağlarındaki nöron sayısı, gizli katman sayısı ve öğrenme hızı parametrelerinin etkilerini anlamak amacıyla parametrik çalışmalar gerçekleştirilmiştir. Aerodinamik veri tabanı için gerekli zamana bağlı hesaplamalı akışkanlar dinamiği (HAD) analizleri, iyi bilinen ticari bir HAD çözücüSÜ olan STAR-CCM+ yazılımı ile yapılırken, yörünge tahmini için gereken altı serbestlik derecesine sahip matematiksel model MATLAB programı ile oluşturulmuştur. Yapay sinir ağı modelleri de MATLAB ortamında geliştirilmiş ve bu sayede sinir ağı modeli ile matematiksel model birbirine entegre edilmiştir. Sinir ağı eğitim setinde olmayan koşullar için elde edilen sonuçların, zamana bağlı HAD ve deney sonuçlarına oldukça yakın olduğu görülmüştür. Dolayısıyla, bu yaklaşımın, mühimmat ayrılması problemleri için iyi bir alternatif olduğu söylenebilir.
Özet (Çeviri)
In this study, trajectory estimation for a store is performed quickly and reliably using artificial neural networks. The well-known wing/pylon/store configuration named“EGLIN”in the literature, which has experimental data, is used. Parametric studies are conducted to understand the effects of the number of neurons, the number of hidden layers, and the learning rate parameters in artificial neural networks. Time-dependent computational fluid dynamics (CFD) analyses required for the aerodynamic database are performed using STAR-CCM+, a well-known commercial CFD solver, while the six degrees of freedom mathematical model required for trajectory prediction is created using MATLAB. The artificial neural network models are also developed in the MATLAB environment, allowing the neural network model to be integrated with the mathematical model. The results obtained for flight conditions not included in the neural network training set are found to be quite close to the time-dependent CFD and experimental results. Therefore, it can be said that this approach is a good alternative for the store separation problems.
Benzer Tezler
- Dalgacık bulanık zaman serisi yöntemi ile aylık akım tahmini
Monthly river discharge prediction by wavelet fuzzy time series method
EYYUP ENSAR BAŞAKIN
Yüksek Lisans
Türkçe
2018
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ÖZGER
- Yapay sinir ağlarıyla Türkiye'deki yenilenebilir enerji potansiyeline bağlı olarak uzun süreli elektrik üretim tahmini
Estimatation on long-term electricity generation depending on renewable energy potential in Turkey with artificial neural networks
MERVE GÜLER
Yüksek Lisans
Türkçe
2023
EnerjiSivas Cumhuriyet ÜniversitesiEnerji Bilimleri ve Teknoloji Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DERYA BETÜL ÜNSAL ÇELİMLİ
- Feasibility analysis based on advanced deep learning techniques in integrating renewable energy resources into microgrids
Yenilenebilir enerji kaynaklarının mikroşebekelere entegre edilmesinde gelişmiş derin öğrenme tekniklerine dayalı uygulanılabilirlik analizi
FATHI FARAH FADOUL FATHI FARAH FADOUL
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RAMAZAN ÇAĞLAR
- Pattern recognition and link prediction in networks via machine learning algorithms: Tenant mix case
Ağdüzeneklerde makine öğrenmesi algoritmaları yoluyla örüntü tanılaması ve bağlantı tahminlemesi: Kiracı karması vakası
CANER ASBAŞ
- Bazı veri madenciliği yöntemleri ile elektrik tüketim tahmini
Electricity consumption forecasting with some data mining methods
MUSTAFA YILDIRIM
Yüksek Lisans
Türkçe
2021
Endüstri ve Endüstri MühendisliğiHarran ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET SABRİ ÖĞÜTLÜ