Rüzgar türbini parazitleri içerisinde uçak tespiti için bir sınıflandırma çalışması
Classification for aircraft detection in wind turbine clutter
- Tez No: 944776
- Danışmanlar: PROF. DR. ALİ KARA
- Tez Türü: Yüksek Lisans
- Konular: Savunma ve Savunma Teknolojileri, Defense and Defense Technologies
- Anahtar Kelimeler: Radar, rüzgar türbini, sınıflandırma, Radar, wind turbine, classification
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Milli Savunma Üniversitesi
- Enstitü: Alparslan Savunma Bilimleri ve Milli Güvenlik Enstitüsü
- Ana Bilim Dalı: Askeri Elektronik Sistemler Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Harp Bilim Dalı
- Sayfa Sayısı: 69
Özet
Bu tez çalışmasında, rüzgar türbini yoğunluğunun yüksek olduğu ve rüzgar türbinleri ile uçak arasında belirgin Radar Kesit Alanı (RKA) farklarının bulunduğu radar gözlem sahalarında rüzgar türbini parazitleri içerisinde tespit edilemeyen hedefler için yeni bir sınıflandırma yaklaşımı geliştirilmiştir. Modern radar sistemleri, özellikle rüzgar türbinlerinin yoğun olduğu bölgelerde, türbinlerden kaynaklanan parazit sinyaller nedeniyle sahte hedefler algılayabilmekte ya da gerçek hedeflerin tespitinde hassasiyet kaybı yaşayabilmektedir. Bu durum, özellikle hava trafik yönetimi ve savunma amaçlı radar operasyonlarında ciddi güvenlik riskleri yaratabilmektedir. Çalışmada önerilen yaklaşım, radar menzil hücrelerindeki güç seviyelerinin analizine dayanmakta olup tespit sürecinden önce mevcut kargaşa arka plan bilgisini dikkate alarak“sadece rüzgar türbini”ve“rüzgar türbini ile uçak”sınıflarının ayrımını mümkün kılmaktadır. Bu amaçla Rassal Orman (RF), Çok Katmanlı Algılayıcı (MLP) ve Gradyan Artırma (GB) gibi yaygın ve güçlü makine öğrenmesi algoritmaları kullanılmış; yöntem, üç farklı senaryo üzerinden kapsamlı bir şekilde değerlendirilmiştir. Elde edilen sonuçlara göre, rüzgar türbinleri ile farklı menzil hücresine düşen uçaklar yüksek doğrulukla (~%100) sınıflandırılırken, rüzgar türbinleri ile aynı menzil hücresine düşen uçakların sınıflandırma performansının (~%50) oldukça düşük olduğu gözlemlenmiştir. Kullanılan üç sınıflandırıcıda benzer sonuçlar elde edilmekle beraber en yüksek doğruluk oranı RF ve GB sınıflandırıcılarında görülmüştür. Bu bulguların, Hava Trafik Kontrol (ATC) personeline, uçak kaza kırım olayı yaşanmamasına yönelik destekleyici ve daha etkili bilgiler sunması hedeflenmektedir.
Özet (Çeviri)
In this thesis study, a novel classification approach is proposed to identify undetectable targets within wind turbine clutter in radar observation areas where wind turbine density is high and there exists a significant Radar Cross Section (RCS) difference between wind turbines and aircraft. Modern radar systems, particularly in regions with dense wind turbine installations, may suffer from the detection of false targets or reduced sensitivity to actual targets due to clutter signals generated by turbines. This situation poses serious safety risks, especially in air traffic management and defense-oriented radar operations. The proposed method is based on the analysis of power levels in radar range cells, enabling the discrimination between two target classes—“only wind turbine”and“wind turbine with aircraft”—prior to the detection stage by utilizing existing background clutter information. To achieve this, commonly used and robust machine learning algorithms such as Random Forest (RF), Multi-Layer Perceptron (MLP), and Gradient Boosting (GB) are employed. The applicability of the proposed classification approach is evaluated across three different scenarios. The results indicate that aircraft located in different range cells than wind turbines can be classified with near-perfect accuracy (~100%), while the classification performance drops significantly (~50%) for aircraft located within the same range cells as wind turbines. Although all three classifiers yielded similar results, RF and GB provided the highest accuracy rates. These findings are intended to provide air traffic control personnel with supportive and more effective information to help prevent aircraft accidents.
Benzer Tezler
- 1 kW gücünde, difüzörlü yatay eksenli bir rüzgâr türbininin optimizasyonu ve deneysel incelenmesi
Optimization and experimental study of a horizontal axis wind turbine with diffuser with 1 kW power
GÖKHAN ÇEVİKER
Yüksek Lisans
Türkçe
2022
Makine MühendisliğiSakarya ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. TAHSİN ENGİN
- Vibration analysis of a giromill-type vertical axis wind turbine.
Düşey eksenli giromill tipi rüzgar türbininin titreşim analizi.
MELİH AKGÜNEYLİ
Yüksek Lisans
İngilizce
2013
Makine Mühendisliğiİzmir Yüksek Teknoloji EnstitüsüMakine Mühendisliği Bölümü
PROF. DR. BÜLENT YARDIMOĞLU
- Short-term forecasting of wind power production using machine learning and deep learning methods
Makine öğrenmesi ve derin öğrenme yöntemiyle kısa dönem rüzgar gücü üretim tahmini
FEYRUZ AKSOY
Yüksek Lisans
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER USTA
- Dynamic modelling and simulation of a wind turbine
Rüzgar türbini dinamik modellemesi ve simülasyonu
AYŞE HAZAL ALTUĞ
Yüksek Lisans
İngilizce
2015
Havacılık MühendisliğiOrta Doğu Teknik ÜniversitesiHavacılık ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLKAY YAVRUCUK
- Development of a high-order Navier-Stokes solver for aeroacoustic predictions of wind turbine blade sections
Rüzgar türbini pal kesitleri için aeroakustik tahminler amacıyla yüksek mertebeli bir Navier-Stokes çözücüsünün geliştirilmesi
ÖZGÜR YALÇIN
Yüksek Lisans
İngilizce
2015
Havacılık MühendisliğiOrta Doğu Teknik ÜniversitesiHavacılık ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. YUSUF ÖZYÖRÜK