Phase-aware flight data simplification for digital twin systems using classification and dynamism scoring
Uçuş fazı sınıflandırması ve dinamik davranış puanlamasıyla dijital ikizler için uçuş verilerinin sadeleştirilmesi
- Tez No: 954642
- Danışmanlar: PROF. DR. UFUK SAKARYA
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Havacılık ve Uzay Mühendisliği, Uçak Mühendisliği, Electrical and Electronics Engineering, Aeronautical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Aviyonik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Aviyonik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 146
Özet
Dijital İkiz (Dİ) sistemleri, hava aracı izleme ve operasyonel verimliliği artırmak için önemli bir teknolojidir. Ancak, modern sensörlerin ürettiği devasa veri hacmi, bu sistemlerin pratik kullanımını sınırlamaktadır. Bu tezin amacı, her bir uçuş fazına özgü daha küçük fakat kritik öneme sahip bir sensör parametre setini belirleyerek karmaşık uçuş verilerini basitleştiren bir model tasarlamak ve doğrulamaktır. Bu araştırmada, NASA'dan alınan 1000'den fazla uçuştan oluşan bir veri seti üzerinde iki aşamalı bir analitik model kullanılmıştır. İlk olarak, her bir uçuş fazını tanımlayan en ayırt edici özellikleri bulmak için bir Random Forest sınıflandırma modeli ile temel bir çalışma yapılmıştır. Modelin %98'in üzerinde doğruluk oranına ulaşması, verinin bilgi açısından zenginliğini doğrulamıştır. Bu temele dayanarak, Phase-Aware Dynamism Scoring (PADS) olarak adlandırılan yeni bir istatistiksel puanlama metodolojisi geliştirilmiştir. Bu yöntem, sürekli eğilimler, faza özgü etkinlik ve diğer sinyal karakteristiklerine dayalı metrikleri dengeleyerek en dinamik olarak anlamlı parametreleri belirler. PADS metodolojisi, çoklu uçuş tutarlılık analizi ile doğrulanmıştır. Sonuçlar, Tırmanış fazı için irtifa değişim oranı ve Taksi fazı için fren basıncı gibi kilit parametrelerde yüksek tutarlılık (%90'ın üzerinde) göstermiş ve yöntemin sağlamlığını kanıtlamıştır. Ayrıca, boyutluluk analizi, bu yaklaşımın her faz için %70'in üzerinde bir veri indirgemesi sağladığını göstermiştir. Bu tez, akıllı veri basitleştirme için doğrulanmış bir çerçeve sunmaktadır. Her uçuş fazı için küçük ve tutarlı bir değerli parametre seti belirleme süreci, veri hacmi sorununa pratik bir çözüm sağlayarak daha verimli Dijital İkiz uygulamalarının önünü açmaktadır.
Özet (Çeviri)
Digital Twin (DT) systems are a key technology for improving aircraft monitoring and operational efficiency. However, their practical use is limited by the massive data volume from modern sensors, which exceeds the capabilities of current data transmission and real-time processing systems. The objective of this thesis is to address this“Big Data”problem. A framework was designed and validated to simplify complex flight data by identifying a small but critical set of sensor parameters specific to each flight phase. The research used a two-part analytical framework on a large dataset of over 1,000 flights from NASA. First, a foundational study was performed using a Random Forest classification model to find the most discriminative features that define each phase. This step achieved over 98% accuracy, which confirmed the informational richness of the data. Building on this baseline, a new statistical method called Phase-Aware Dynamism Scoring (PADS) was developed. This method identifies the most dynamically significant parameters by scoring them based on sustained trends, phase-unique activity, and other signal characteristics. The PADS methodology was validated using a multi-flight consistency analysis. The results showed high consistency (above 90%) for key logical parameters, such as altitude rate for the Climb phase and brake pressure for the Taxi phase, proving the method's robustness. Furthermore, a dimensionality analysis demonstrated significant phase-specific data reduction (over 70% for major phases). This thesis presents a validated framework for intelligent data simplification. By identifying a small, consistent set of valuable parameters for each flight phase, this work provides a practical solution to the data-volume challenge, enabling more efficient and powerful DT implementations.
Benzer Tezler
- Hava araçları kokpitlerinde makine öğrenmesi tabanlı tahmine dayalı kullanıcı arayüzü
Machine learning prediction based ui for aircraft cockpit
BİLGE TOPAL
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Havayolu şirketlerinde müşteri ilişkileri yönetimini (CRM) desteklemek ve müşteri sadakatini değerlendirmek için veri madenciliğinin kullanılması
Using data mining techniques in airline industry to support customer relationship management and to evaluate customer loyalty
AFAN HASAN
Yüksek Lisans
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. SONGÜL ALBAYRAK
- Dünya Sağlık Örgütü ülkelerinin sağlık çalışanlarına yönelik şiddetle baş etme stratejileri ve hukuksal boyutu
Strategies and legal dimension of countries of the world health organization for overcoming violence against healthcare professiona
SEVDA ÖZKEÇECİ
Yüksek Lisans
Türkçe
2023
Adli TıpAnkara ÜniversitesiAdli Bilimler Ana Bilim Dalı
PROF. DR. MİNE ESİN OCAKTAN
- Toplam kalite özdeğerlendirme modelinin satış fonksiyonlarına uygulanması
Başlık çevirisi yok
ATİK KULAKLI
- Tünel kazılarında oluşan solunabilir tozun etüdü
Respirable dust generation in Tünnel excavetions
ATAÇ BAŞÇETİN
Yüksek Lisans
Türkçe
1995
Maden Mühendisliği ve Madencilikİstanbul Teknik ÜniversitesiPROF.DR. ERDİL AYVAZOĞLU