Dijital ikiz uygulamaları için aileron hidrolik aktüatör sisteminin hibrit modellemesi
Hybrid modeling of an aileron hydraulic actuator system for digital twin applications
- Tez No: 953259
- Danışmanlar: PROF. DR. SEVİL ŞEN AKAGÜNDÜZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 95
Özet
Dijital ikizler, modern havacılık sistemlerinin ayrılmaz bir parçası haline gelmekte olup gerçek zamanlı izleme, arıza tespiti ve kestirimci bakım gibi uygulamalarda etkin şekilde kullanılmaktadır. Geleneksel olarak, Dijital İkiz çerçevesindeki modelleme çalışmaları büyük ölcüde fizik tabanlı yaklaşımlara dayanmakta; bu modellerin deterministik yapıları ve yorumlanabilirlikleri nedeniyle tercih edilmektedir. Ancak, karmaşık verilerden doğru tahminler yapma ve dogrusal olmayan dinamikleri yakalama konularındaki başarısıyla yapay zekanın yükselişi, son dönemde Dijital İkiz çalışmalarında veriye dayalı modellere olan ilgiyi artırmıştır. Her iki modelleme paradigmasının da kendine özgü güçlü yönleri olmasına rağmen, belirgin sınırlılıkları mevcuttur: fizik tabanlı modeller modellenmemiş dinamiklerle baş etmekte zorlanabilirken, veriye dayalı modeller genellikle büyük ve kaliteli veri kümeleri gerektirir ve fiziksel tutarlılık sunmazlar. Bu çalışma, bir kanatçık (aileron) hidrolik aktüatörünün yüksek doğruluklu dijital ikizini geliştirmeyi hedeflemekte ve en gerçekçi modelleme yapılandırmasını belirlemeye yönelik bir araştırma yürütmektedir. Bu amaç doğrultusunda, fizik tabanlı modellerin yapısal tutarlılıgı ve yorumlanabilirliği ile derin öğrenme mimarilerinin doğrusal olmayan davranışları ve zayıf korelasyonlu parametreler uzerindeki ifade gücü birleştirilerek hibrit bir strateji benimsenmiştir. Üretim ya da işletim kaynaklı sapmaları temsil eden beş farklı doğruluk seviyesinde fizik tabanlı model geliştirilmiştir. Bu modeller, iki katmanlı bir uzun-kısa vadeli bellek, üç katmanlı LSTM ve üç katmanlı kapılı tekrarlayan birim olmak üzere üç farklı tekrarlayan sinir agı mimarisiyle seri şekilde birleştirilmiş ve toplamda on beş hibrit dijital ikiz yapılandırması oluşturulmuştur. Tüm RNN mimarileri, 100 saniyelik referans verisiyle eğitilmiş ve monoton, salınımlı ve geçici (transient) davranışları kapsayan sekiz farklı test sinyaliyle degerlendirilmiştir. Sonuçlar, hibrit modellerin çoğu senaryoda yalnızca fizik tabanlı modellere kıyasla daha başarılı oldugunu ortaya koymaktadır. Özellikle Girdi Sinyalleri 1–5 için hibrit modeller, fizik tabanlı modellere kıyasla ya daha iyi ya da rekabetçi performans sergilemiştir. Buna karşılık, Sinyal 6–8 için gozlemlenen zayıf performans, veriye dayalı bileşenlerin eğitim kapsamına olan hassasiyetini göstermektedir. Test edilen mimariler arasında, üç katmanlı GRU açı dinamiklerinin modellenmesinde one çıkarken, iki katmanlı LSTM ise daha istikrarlı hız çıktıları uretmiştir. Bu bulgular, sistem davranışı ve eğitim verisinin özelliklerine bağlı olarak en uygun modelin belirlenmesi için birden fazla mimarinin denenmesinin pratikte gerekliliğini vurgulamaktadır. Bu çalışma, fiziksel determinizm ile veriye dayalı uyarlanabilirlik arasındaki boşlugu kapatarak sağlam ve doğru dijital ikizler oluşturmak için seri hibrit modellemenin degerini ortaya koymaktadır.
Özet (Çeviri)
Digital twins are rapidly becoming integral to modern aviation systems, enabling real-time monitoring, fault detection, and predictive maintenance. Traditionally, modeling efforts within Digital Twin frameworks have relied heavily on physics-based approaches due to their deterministic structure and interpretability. However, with the growing success of artificial intelligence in capturing nonlinear dynamics and making accurate predictions from complex data, data-driven models have gained popularity in recent Digital Twin research. Despite their respective strengths, both modeling paradigms have inherent limitations: physics-based models may struggle with unmodeled dynamics, while data-driven models often require large, high-quality datasets and lack physical consistency. This study investigates the development of a high-fidelity digital twin for an aileron hydraulic actuator, with the overarching aim of identifying the most realistic modeling configuration. To this end, a hybrid strategy is adopted that leverages the interpretability and structural consistency of physics-based models alongside the expressive capacity of deep learning architectures—especially in handling nonlinearities and weakly correlated parameters. Five distinct physics-based models of varying fidelity are developed to represent manufacturing or operational deviations. These models are cascaded with three recurrent neural network architectures—a two-layer long short-term memory, a three-layer LSTM, and a three-layer gated recurrent unit—resulting in fifteen serially fused hybrid digital twins. All RNNs are trained on 100 seconds of reference data and evaluated on eight diverse test signals spanning monotonic, oscillatory, and transient behaviors. Results demonstrate that hybrid models outperform their standalone physics counterparts in most scenarios. For Input Signals 1–5, the hybrid models either improve upon or remain competitive with their standalone physics-based counterparts. In contrast, poor performance for Signals 6–8 highlights the sensitivity of data-driven components to training coverage. Among the tested architectures, the three-layer GRU excels in modeling angle dynamics, while the two-layer LSTM provides more stable velocity outputs. This underlines the practical need to experiment with multiple architectures to determine the most suitable model depending on the system behaviour and training data characteristics. These findings underscore the value of hybrid serial modeling in constructing robust and accurate digital twins, bridging the gap between physical determinism and data-driven adaptability.
Benzer Tezler
- Digital twin-driven building information modeling (BİM) for sustainable design practices in design offices
Tasarım ofislerinde sürdürülebilir tasarım uygulamaları için dijital ikiz odaklı yapı bilgi modelleri (BİM)
YOUSIF O K NASSER YOUSIF O K NASSER
Yüksek Lisans
İngilizce
2025
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. HÜSNÜ MURAT GÜNAYDIN
- CNCmachine tool digital twin applications with advancements of edge computing
Uç bilişimdeki gelişmelerle CNC takım tezgahı dijital ikiz uygulamaları
CEMİLE BEŞİROVA
Yüksek Lisans
İngilizce
2024
Makine MühendisliğiKoç ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL LAZOĞLU
- Dijital ikiz teknolojisinin bir altyapı projesinde tesis yönetimi amaçlı kullanımı: İstanbul Havalimanı örneği
The use of digital twin technology for facility management in an infrastructure project: A case study of İstanbul Airport
MUHİTTİN EGEMEN YILDIRIM
Yüksek Lisans
Türkçe
2023
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SENEM BİLİR MAHÇİÇEK
- Digital twin for enhanced construction project management during construction
Yapım aşamasında etkin yapım yönetimi için dijital ikiz kullanımı
BERKAY AKTÜRK
Yüksek Lisans
İngilizce
2022
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. FATMA PINAR ÇAKMAK
- Yapı bilgi modelleme sistemi (BIM) ve dijital ikiz uygulamalarının hukuki boyutu
Legal aspects of Building Information Modeling (BIM) and digital twin applications
BEYZA DEVRAN
Yüksek Lisans
Türkçe
2023
Hukukİstanbul Medeniyet ÜniversitesiÖzel Hukuk Ana Bilim Dalı
PROF. DR. SEZER ÇABRİ