Machine learning based fault tolerant thrust vector control of a small launch vehicle
Küçük fırlatma araçları için makine öğrenmesi temelli hata toleranslı itki vektör kontrolü
- Tez No: 918275
- Danışmanlar: DOÇ. DR. HALİL ERSİN SÖKEN
- Tez Türü: Yüksek Lisans
- Konular: Havacılık ve Uzay Mühendisliği, Uçak Mühendisliği, Aeronautical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- 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: 105
Özet
Bu tezde önerilen metodoloji, bir küçük fırlatma aracı için itki vektörü kontrolü eyleyicilerinde meydana gelebilecek, yerinde kilitlenme, doygunlukta kilitlenme, etkinlik kaybı ve salınım gibi hataların aktif olarak üstesinden gelmek amacıyla, Derin sinir Ağı tabanlı hata tespit ve ayıklama tekniklerini ve Ağırlıklı En Küçük Kareler kontrol dağılımını tümleştirmektir. Bu tümleştirme, sistemin hata meydana geldikten hemen sonra doğru yörünge kontrolünü sürdürmesini ve sistem üzerinde aşırı yük oluşumunun önlenmesini sağlamaktadır. Bu durumu sağlayan tümleştirme, hatayı hızlı ve doğru bir şekilde tanımlayan derin sinir ağı tabanlı bir hata tespit ve ayıklama modeli ile Ağırlıklı En Küçük Kareler kontrol dağılımının çevrimiçi yeniden yapılandırılabilirliğinin birleşimiyle elde edilmektedir. Böylelikle, yöntem, hataların oluşturduğu olumsuz koşulları etkili bir şekilde aşmayı mümkün kılmaktadır. Bu çalışmada, küçük fırlatma aracı Firefly Alpha önerilen aktif hata toleranslı itki vektör kontrol sisteminin performans ve yeteneklerini test etmek için temsili bir model olarak kullanılmıştır. Fırlatma aracı için altı serbestlik derecesine sahip yüksek doğruluklu bir model oluşturulmuş ve bu model, hataları tespit ve izole etmek için kullanılan derin sinir ağı modelinin eğitimi ile simülasyonlar ve analizler için kullanılmıştır. Son olarak, önerilen yöntemin performansını değerlendirmek amacıyla bir dizi Monte Carlo analizi gerçekleştirilmiştir.
Özet (Çeviri)
The methodology proposed in this thesis integrates Deep Neural Network-based fault detection and isolation techniques with the Weighted Least Squares control allocation to actively counteract thrust vector control actuator faults such as lock-in-place, hard-over, loss of effectiveness, and float for a launch vehicle. This integration allows the system to maintain accurate trajectory control and prevent excessive loads on the system immediately after the event of a fault. This is achieved through a deep neural network-based fault diagnosis and isolation model that quickly and accurately identifies the fault, combined with the online reconfigurability of the Weighted Least Squares control allocation. Together, these features effectively overcome the challenges posed by faults. The focus here lies on the small launch vehicle Firefly Alpha, which serves as a representative model for testing the proposed active fault-tolerant thrust vector control system's performance and capability. A high fidelity 6-degree-of-freedom model for the launch vehicle is built and used for both the simulations and analysis for training the deep neural network model to detect and isolate faults. Finally, Monte Carlo analysis is performed to evaluate the performance of the proposed method.
Benzer Tezler
- IOT routing optimization by using the K-Means clustering algorithm and whale optimization algorithm
K-Means kümeleme algoritması ve whale optimizasyon algoritması kullanarak IOT yönlendirme optimizasyonu
ZAINAB ALOBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. ADİL DENİZ DURU
- Büyük veri problemlerinde performans arttırmaya yönelik özellik seçimi ve boyut indirgeme optimizasyonu
Feature selection and dimensionality reduction optimization to improve performance in big data problems
BURHAN ERDOĞDU BEYAZIT
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. CEVRİYE GENCER
- İnsan faaliyetlerinin akış verileri üzerinden aykırılık tespiti
Outlier detection over streaming data of human activities
MOHAMAD AHMAD SABHA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BÜLENT TUĞRUL
- Yapay sinir ağları ile doku sınıflandırma
Tissue classification using artificial neural networks
AYSU SEVEN
Yüksek Lisans
Türkçe
1993
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. ERTUĞRUL YAZGAN
- Sabit mıknatıslı senkron relüktans motorlarda makine öğrenmesi tabanlı arıza teşhisi
Machine learning based fault diagnosis in permanent magnet synchronous reluctance motors
AYŞE BAYRAK
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ERHAN AKIN