Geri Dön

Artificial neural network based prediction of store separation trajectories

Yapay sinir ağı tabanlı mühimmat ayrılma yörüngesi tahmini

  1. Tez No: 898809
  2. Yazar: KÜBRA YALDIZ
  3. Danışmanlar: PROF. DR. İSMAİL HAKKI TUNCER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Havacılık ve Uzay Mühendisliği, Uçak Mühendisliği, Aeronautical Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Havacılık ve Uzay Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Havacılık ve Uzay Mühendisliği Bilim Dalı
  13. 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

  1. 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

    Türkçe

    2018

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET ÖZGER

  2. 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

    Türkçe

    2023

    EnerjiSivas Cumhuriyet Üniversitesi

    Enerji Bilimleri ve Teknoloji Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DERYA BETÜL ÜNSAL ÇELİMLİ

  3. 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

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. RAMAZAN ÇAĞLAR

  4. 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

    Doktora

    İngilizce

    İngilizce

    2023

    İşletmeAtılım Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. ŞULE TUZLUKAYA

  5. Bazı veri madenciliği yöntemleri ile elektrik tüketim tahmini

    Electricity consumption forecasting with some data mining methods

    MUSTAFA YILDIRIM

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Endüstri ve Endüstri MühendisliğiHarran Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET SABRİ ÖĞÜTLÜ