Derin öğrenme tabanlı dinamik İHA konumlandırma sistemi tasarımı
Deep learning based dynamic UAV positioning system design
- Tez No: 947088
- Danışmanlar: DOÇ. DR. AYŞE ELİF CANBİLEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
Özet
Mevcut İHA konumlandırma yöntemleri genellikle statik veya kural tabanlıdır, bu da değişen çevresel koşullara ve kullanıcı taleplerine hızlı bir şekilde yanıt verme yeteneklerini sınırlamaktadır. Bu tez çalışmasında, dinamik ortamlarda İnsansız Hava Araçları (İHA) için derin öğrenmeye dayalı dinamik bir konumlandırma sistemi geliştirilmesi amaçlanmaktadır. İHA kapsama alanını optimize etmek ve yanıt sürelerini iyileştirmek için bir Derin Öğrenme algoritması kullanılacaktır. Sistem, afet müdahalesi, gözetim ve iletişim ağları gibi dinamik adaptasyonun kritik öneme sahip olduğu senaryolarda etkili bir performans gösterecek şekilde tasarlanacaktır. Simülasyon ortamında geliştirilecek model, kullanıcı talepleri ve çevresel faktörlere dayalı olarak İHA'ların konumlarını gerçek zamanlı olarak sürekli optimize edecektir. Sistemin performansı, kapsama alanı genişliği, yanıt süresi ve dinamik koşullarda uyarlanabilirlik gibi kriterler üzerinden değerlendirilecektir. Bu araştırma, literatürdeki statik ve kural tabanlı yaklaşımların sınırlamalarını gidermeyi ve derin öğrenme teknikleri kullanarak daha etkili bir İHA konumlandırma sistemi sağlamayı hedeflemektedir.
Özet (Çeviri)
Existing UAV positioning methods are often static or rule-based, which limits their ability to respond quickly to changing environmental conditions and user demands. This thesis aims to develop a deep learning based dynamic positioning system for Unmanned Aerial Vehicles (UAVs) in dynamic environments. A Deep Learning algorithm will be used to optimize UAV coverage and improve response times. The system will be designed to perform effectively in scenarios where dynamic adaptation is critical, such as disaster response, surveillance and communication networks. The simulation model will continuously optimize the position of UAVs in real-time based on user demands and environmental factors. The performance of the system will be evaluated based on criteria such as coverage, response time and adaptability in dynamic conditions. This research aims to overcome the limitations of static and rule-based approaches in the literature and provide a more effective UAV positioning system using deep learning techniques.
Benzer Tezler
- New edge computing offloading methods for next generation wireless networks
Yeni nesil haberleşme sistemleri için geliştirilen kenar ağlarda bilgi işlem yük boşaltma yöntemleri
BESTE ATAN
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. LÜTFİYE DURAK ATA
- İHA üzerinden derin öğrenme tabanlı nesne belirlenmesi ve GNSS konum koordinatlarının hesaplanması
Deep learning based object detection via UAV and computation of GNSS location coordinates
FERİT TİRYAKİ
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN ERDAL
DR. ÖĞR. ÜYESİ BARIŞ DOĞAN
- Sabit kanatlı insansız hava araçları için kilitlenme algoritması
Lock-on algorithm for fixed-wing unmanned aerial vehicles
MERVE İSMAİLVELİOĞLU
Yüksek Lisans
Türkçe
2025
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. MUSTAFA DOĞAN
- High-speed trajectory tracking controller design
Yüksek hızlı iz takip kontrolörü tasarımı
OMAR SHADEED
Yüksek Lisans
İngilizce
2024
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
Assoc. Prof. Dr. EMRE KOYUNCU
- Swarm fighter aircraft control with deep reinforcement learning approach
Derin pekiştirmeli öğrenme ile sürü savaş uçaklarının kontrolü
METİN SARI
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. FİKRET ÇALIŞKAN