Geri Dön

Bir insansız hava aracı için takipçi uçuş kontrolcüsünün uzun kısa süreli bellek tabanlı olarak geliştirilmesi

Development of follower flight controller for an unmanned aerial vehicle based on long short-term memory

PDF İndir

  1. Tez No: 939121
  2. Yazar: GÖKHAN KULA
  3. Danışmanlar: DR. ÖĞR. ÜYESİ FATİH GÖKÇE
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Süleyman Demirel Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 61

Özet

Bu tezde, simülasyon ortamında dört-rotorlu insansız hava araçları (İHA) kullanılarak lider-takipçi problemi üzerinde çalışılmıştır. Lider-takipçi problemi İHA'ların birlikte çalışmaları gereken senaryolar için oldukça önemlidir. Tez kapsamında, lider ve takipçi İHA'ların aralarında herhangi bir iletişim olmaksızın uçtukları durumda; takipçinin, lider İHA'yı takip etmesini sağlayan otonom uçuş kontrolcüsü, yalnızca takipçi üzerindeki kameradan alınan görüntüler kullanılarak geliştirilmiştir. Takipçi İHA'nın, lider İHA'dan herhangi bir şekilde konum, hız veya hareket yönü gibi bir veriyi iletişim kanallarıyla alamadığı bu durumda salt kamera görüntülerinin kullanımıyla bu kontrolcünün geliştirilebilmesi için; zaman serisi verilerini işleyebilen Uzun Kısa Süreli Bellek (LSTM) tabanlı bir çözüm önerilmiştir. Bu çözümde takipçinin lideri takip edebilmesi için sahip olması gereken yatış hızının, dalış hızının ve lider İHA'ya göre yükseklik farkının kamera görüntüleri kullanılarak tahmin edilmesi ve bu tahmin edilen bu bilgilere göre takipçi İHA'nın kontrolünün sağlanması hedeflenmiştir. Bu hedef doğrultusunda, LSTM tabanlı modelin eğitimi için gerekli olan veriseti Microsoft AirSim simülasyon ortamında lider ve takipçi İHA'lar çeşitli rotalarda, takipçi lideri takip edecek şekilde uçurularak hazırlanmıştır. Bu verisetinde, uçuş boyunca takipçi İHA'nın üzerindeki kameradan alınan görüntüler, takipçinin bu görüntülerle eş zamanlı yatış hızı, dalış hızı ve lidere bağıl olarak yükseklik farkı bilgileriyle birlikte kaydedilmiştir. LSTM tabanlı modelin performansını arttırmak amacıyla kameradan alınan görüntüler, LSTM katmanına beslenmeden önce zaman dağılımlı bir evrişimsel sinir ağından (CNN) geçirilmiştir. Bu kısımda düşük gecikme süreli bir model olması sebebiyle MobileNet tercih edilmiştir. Ayrıca, çözülmek istenen problemde görüntüler üzerinde işlemler gerçekleştirildiğinden dolayı uzamsal ilişkiler önemli olduğu için, LSTM katmanı normal LSTM'den farklı olarak literatürdeki Evrişimsel LSTM (ConvLSTM) katmanı olarak seçilmiştir. Hazırlanan veri seti ile takipçinin sahip olması gereken yatış hızını, dalış hızını ve lidere göre yükseklik farkını tahmin etmek amacıyla 3 ayrı model eğitilmiştir. Bu modeller, test aşamasında kullanılırken tahmin edilen yatış hızı ve dalış hızı bilgileri takipçiye hedef hız olarak beslenmiştir. Tahmin edilen yükseklik farkı bilgisi de takipçinin uçması gereken hedef yüksekliğin belirlenmesinde kullanılmıştır. Bu şekilde geliştirilen kontrolcünün performansı, lider İHA'nın (1) sağa ve sola manevralar yaparak sabit bir yükseklikte uçtuğu bir rotada, (2) üstten bakıldığında 8 şeklini çizecek şekilde sabit bir yükseklikte uçurulduğu bir rotada ve (3) spiral şeklindeki dairesel ve aynı zamanda yükselmeyi de içeren yörüngede uçurulduğu bir rotada test edilmiştir. Elde edilen sonuçlar, LSTM tabanlı kontrolcünün takipçinin hem yatay eksende ihtiyaç duyduğu yatış ve dalış hızlarını hem de dikey eksendeki yükseklik farkını başarılı bir şekilde tahmin edebildiğini göstermektedir. Böylece takipçi, liderin karmaşık ve dinamik hareketlerine güvenilir şekilde uyum sağlayarak takibini gerçekleştirmiştir. Bu çalışma, doğrudan iletişime ihtiyaç duymayan ve yalnızca görsel verilerle çalışan otonom lider-takipçi sistemiyle literatüre önemli bir katkı sunmaktadır. Bu yaklaşım, özellikle çoklu İHA sistemlerinde, iletişim kopukluklarına karşı dayanıklı bir çözüm sunmakta ve sahada uygulanabilirliği artırmaktadır.

Özet (Çeviri)

In this thesis, the leader-follower problem is studied using quad-rotor unmanned aerial vehicles (UAVs) in a simulation environment. The leader-follower problem is quite important for scenarios where UAVs need to work together. Within the scope of the thesis, assuming that the leader and follower UAVs fly without any communication between them; the autonomous flight controller that allows the follower to follow the leader UAV is developed utilizing only the images taken from the camera on the follower. In this case where the follower UAV cannot receive any data such as location, speed or direction of movement from the leader UAV, a solution based on Long Short-Term Memory (LSTM) capable of processing time series data is proposed to be able to develop this controller by using only camera images. In this solution, the aim is to estimate the forward velocity and lateral velocity required for the follower to follow the leader and height difference of the follower relative to the leader using camera images and to provide control inputs to the follower UAV according to this estimated information. To achieve this goal, the dataset required for training the LSTM-based model was prepared in the Microsoft AirSim simulation environment by flying the leader and follower UAVs on various routes while the follower follows the leader. In this dataset, the images taken from the camera on the follower UAV throughout the flight were recorded together with simultaneous forward velocity and lateral velocity of the follower and the height difference of the follower relative to the leader. In order to increase the performance of the LSTM-based model, the images taken from the camera were passed through a time-distributed convolutional neural network (CNN) before being fed to the LSTM layer. In this part, MobileNet was preferred because it is a low latency model. In addition, since the spatial relationships are important as the operations are performed on the images in the problem under consideration, the LSTM layer was selected as the Convolutional LSTM (ConvLSTM) layer in the literature, unlike the normal LSTM. Using the prepared data set, 3 separate models were trained to estimate the forward velocity and lateral velocity that the follower should have, and height difference of the follower relative to the leader. While these models were used in the testing phase, the estimated forward velocity and lateral velocity information were fed to the follower as the target speed. The estimated height difference information was used to determine the target height at which the follower should fly. The performance of the controller developed in this way was tested on routes where the leader UAV (1) flies at a fixed altitude by maneuvering to the right and left, (2) flies at a fixed altitude in a way that draws a figure of 8 when viewed from above, and (3) flies on a circular, spiral-shaped orbit that also includes elevation. The results obtained show that the LSTM-based controller can successfully estimate both the forward and lateral velocities in the horizontal plane and the height changes in the vertical axis. Thus, the follower followed the leader by reliably adapting to its complex and dynamic movements. This study makes a significant contribution to the literature with an autonomous leader-follower system that does not require direct communication and works only with visual data. This approach provides a robust solution against communication interruptions, especially in multi-UAV systems, and increases the applicability in the field.

Benzer Tezler

  1. Tez No

    955617

    Swarm fighter aircraft control with deep reinforcement learning approach

    Derin pekiştirmeli öğrenme ile sürü savaş uçaklarının kontrolü

    METİN SARI

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. FİKRET ÇALIŞKAN

  2. Tez No

    355327

    Nonlinear control of unmanned aircraft formations

    İnsansiz uçak formasyonunun doğrusal olmayan kontrolü

    SEGUN ARIYIBI

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Havacılık MühendisliğiOrta Doğu Teknik Üniversitesi

    PROF. DR. OZAN TEKİNALP

  3. Tez No

    389576

    Döner kanatlı insansız hava araçlarının PID kontrolör kullanılarak formasyon kontrolü

    Formation control of rotary wing unmanned aerial vehicles using PID control method

    GÜLÇİN AKTAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Elektrik ve Elektronik MühendisliğiKırıkkale Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TOLGA EREN

  4. Tez No

    613281

    Robust autopilot design via mu-synthesis for an unmanned aerial vehicle

    Bir insansız hava aracı için mu-sentezi ile dayanıklı otopilot tasarımı

    BURCU ELİF KAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN TEMELTAŞ

  5. Tez No

    286145

    Landing autopilot design for an UAV

    Bir insansız hava aracı için iniş otopilotu tasarımı

    MERVE HANKÖYLÜ

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Bölümü

    PROF. DR. M. KEMAL LEBLEBİCİOĞLU

Geri Dön