Orbit determination with angular measurements by using artificial neural network
Yapay sinir ağları kullanarak açısal ölçümlerle yörünge belirleme
- Tez No: 930116
- Danışmanlar: PROF. DR. TAHSİN ÇAĞRI ŞİŞMAN
- Tez Türü: Yüksek Lisans
- Konular: Havacılık ve Uzay Mühendisliği, Aeronautical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Türk Hava Kurumu Üniversitesi
- Enstitü: Havacılık ve Uzay Bilimleri Enstitüsü
- Ana Bilim Dalı: Fen Bilimleri Ana Bilim Dalı
- Bilim Dalı: Uzay Mühendisliği Bilim Dalı
- Sayfa Sayısı: 157
Özet
Bu tezde, sadece açı ölçümlerine dayalı ilk yörünge belirleme (Initial Orbit Determination, IOD) için derin ögrenme (Deep Learning, DL) tabanlı yöntemlerin geli¸stiril- ˘ mesi ve uygulanmasına odaklanıyorum; temel amacım, genellikle klasik IOD teknikleri ile ili¸skilendirilen kısıtları a¸smaktır. Geleneksel yöntemler sıklıkla dogru, yinele- ˘ meli gözlem süreçlerine ve çoklu ölçümlere dayanır, ancak bu durum gürültülü veri giri¸sleri veya sınırlı veri mevcudiyeti kar¸sısında önemli ölçüde sekteye ugrayabilir. Bu ˘ sorunları gidermek amacıyla, yapay sinir aglarını (Artificial Neural Networks, ANN) ˘ IOD çerçevesine entegre ederek farklı gözlemsel ko¸sullar altında hem dogrulu ˘ gu hem ˘ de dayanıklılıgı artırmayı hedefliyorum. Çalı¸smam, kapsamlı bir problem tanımıyla ˘ ba¸slayıp, gerçekçi senaryoları taklit etmek üzere sentetik veri kümeleri olu¸sturmaya uzanıyor; bu kapsamda, standart jeomerkezli ekvatoryal referans çerçevelerden daha karma¸sık topomerkezli sistemlere kadar geni¸s bir yörünge konfigürasyonunu kapsayan durumlar ele alınıyor. Normalizasyon ve bölümlendirme gibi titiz veri ön i¸sleme teknikleri kullanarak, ögrenme modellerine sa ˘ glanan giri¸s verilerinin iyi yapılandı- ˘ rılmı¸s ve sonraki egitim süreçleri için en uygun hale getirilmesini sa ˘ glıyorum. Mo- ˘ viiidel geli¸stirme a¸samasında, çe¸sitli ANN mimarileri üzerinde denemeler yapıyor, hiperparametre ayarlamalarını gerçekle¸stiriyor ve farklı aktivasyon fonksiyonlarını degerlendirerek en etkili yapılandırmayı belirliyorum. Ortaya çıkan derin ö ˘ grenme ta- ˘ banlı IOD (DLB-IOD) modeli, bir dizi kritik yörünge parametresinde kayda deger ˘ iyile¸smeler sergiliyor: geleneksel IOD yöntemleriyle kar¸sıla¸stırıldıgında eksantriklik ˘ tahmin hatalarında yüzde 20'yi a¸san bir azalma saglıyor, yarı ba¸s eksen tahminle- ˘ rinde ortalama hata yüzde 1'in altına iniyor ve zorlu gözlemsel ko¸sullarda dahi tutarlı egiklik (inklinasyon) tahminleri sunabiliyor. Bu sonuçları do ˘ grulamak için kapsamlı ˘ istatistiksel analizler, çe¸sitli hata metrikleri kullanıyor ve bulguları klasik IOD yakla- ¸sımlarıile kar¸sıla¸stırıyorum. Bu kar¸sıla¸stırmalı degerlendirme, DLB-IOD modelinin ˘ yalnızca dogruluk ve kararlılık açısından geleneksel teknikleri geride bırakmakla kal- ˘ mayıp, aynı zamanda gürültüye kar¸sı daha yüksek bir dayanıklılık ve geli¸smi¸s hesaplama verimliligi sergiledi ˘ gini onaylıyor. Bu bulgular, yapay zekâ temelli stratejilerin ˘ astrodinamik alanındaki dönü¸stürücü potansiyelini vurgulayarak, gelecekte yörünge belirleme süreçlerinin daha uyarlanabilir, ölçeklenebilir ve degi¸sen görev paramet- ˘ relerine daha duyarlı olabilecegine i¸saret ediyor. Sonuç olarak, bu tez DL tabanlı ˘ yöntemlerin IOD uygulamalarına entegrasyonunun önemli avantajlarını ortaya koyuyor ve ilerleyen ara¸stırmalarda gerçek zamanlı veri i¸sleme, daha karma¸sık yörünge konfigürasyonlarına yönelme ve bu yakla¸sımların uydu görev planlaması ile uzay durumsal farkındalıgını güçlendirmek üzere daha geni¸s bir yelpazede uygulanması için ˘ olası yollar sunuyor.
Özet (Çeviri)
The main focus of this thesis is to formulate and implement deep learning based (DL) approaches for initial orbit determination (IOD) using angle-only measurements, with the specific aim of overcoming the limitations faced by most of the classical IOD techniques. DL scientists, for the most case smoothing rely on classical algorithms that are significantly dependent on a number of cycles of acquired data. Most of the time these inputs are likely to be noisy or accompanied by limited datasets. To eliminate these challenges, I aim to use interest artificial neural networks (ANN) into the IOD context in order to enhance the required degree accuracy with robustness in varying observational conditions. Such an explanation introduces the research area where work begins with complete problem description and generating synthetic data sets that closely mimic realistic settings starting from geocentric equatorial reference frames to topocentric horizon reference frame. To make the case properly, I then ensure the accuracy of the data undergoing training by conducting prepreparations such as normalizing or partitioning data. At the phase of model building, I use artificial neural networks adjusting hyper parameters counterparts and tuning different possible activation functions to cut across all possibilities of deep networks.vii The best model I have obtained in my thesis known as deep learning based IOD (DLB-IOD) enhances a number of key orbital parameters computed in the traditional manner further, in particular, this model reduces eccentricity estimation errors by more than 20 percent as compared to ordinary IOD techniques, it regularly estimates semi-major axis with errors lower that 1 percent, and the model is still able to make acceptable inclination estimates even when observation conditions are not ideal. In order to verify these results and my approach I have carried out inherent statistical and several error metric analyses in addition to comparing results obtained with classical IOD methods. This comparative assessment of the results proves that the DLB-IOD method outperforms classical methods in terms of accuracy and stability in equal measure but adds enhancement in enhanced sensitivity to noise while increasing the computational efficiency of the method. Machine learning based models clearly demonstrate the objective of approach as they were ascertained to be effective in accomplishing studies on astrodynamics indicating the possibility that in the near future orbit determination processes will by and large be more flexible, able to scale up to large levels and be able to accommodate changes in mission parameters. To summarize, this work offers a thorough rationale for the usefulness of combining deep learning and IOD methods, suggests future research directions, such as the ability to incorporate real-time data acquisition and processing, as well as further considerations on more complicated orbit configurations and the application of these techniques to satellite mission support and shift in space domain awareness
Benzer Tezler
- Attitude estimation and reaction wheels based control of an earth-pointing small satellite
Küçük bir yer gözlem uydusunun yönelimini belirleme ve tepki tekerleklerine bağlı kontrolü
HAKAN GÜRSOY
Yüksek Lisans
İngilizce
2024
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. CENGİZ HACIZADE
- Orbit determination strategy and verification for geosynchronous satellites
Yer eş zamanlı yörüngedeki uydular için yörünge belirleme stratejisi ve doğrulamaları
ABDULKADİR KÖKER
Yüksek Lisans
İngilizce
2019
Havacılık MühendisliğiOrta Doğu Teknik ÜniversitesiHavacılık ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. OZAN TEKİNALP
- NiMn,NiMnP+ ve CrFe alaşım ince filmlerinde elektron spin rezonans (ESR) ve direnç ölçümleri
Başlık çevirisi yok
MUSTAFA ÖZDEMİR
Doktora
Türkçe
1998
Fizik ve Fizik Mühendisliğiİstanbul Teknik ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
PROF. DR. YILDIRHAN ÖNER
- Attitude estimation and magnetic attitude control of a LEO satellite
Bir alçak yörünge uydusu için yönelim kestirimi ve manyetik yönelim kontrolü
MEHMET EŞİT
Yüksek Lisans
İngilizce
2022
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. CENGİZ HACIZADE
DR. ÖĞR. ÜYESİ HALİL ERSİN SÖKEN
- Embedded electromagnetic ADCS system for low orbit cubesat
Başlık çevirisi yok
MERVE KAHYAOĞLU
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik MühendisliğiÖzyeğin ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET TEKİN