Mixed-data based initial orbit determination by using machine learning techniques
Yapay sinir ağları kullanılarak karma veri tabanlı ilk yörünge belirleme
- Tez No: 960575
- Danışmanlar: PROF. DR. TAHSİN ÇAĞRI ŞİŞMAN
- Tez Türü: Yüksek Lisans
- Konular: Havacılık ve Uzay Mühendisliği, Aeronautical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Türk Hava Kurumu Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Havacılık ve Uzay Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 124
Özet
Bu tez, İlk Yörünge Belirleme (IOD) problemini çözmek için giriş parametreleri olarak menzil hızları, yükseklik açıları ve sağ açıklık açılarını kullanan üç makine öğrenimi (ML) modelini—yapay sinir ağı (ANN), rastgele orman (RF) ve uzun kısa süreli bellek (LSTM)—incelemektedir. Gauss yöntemi, makine öğrenimi (ML) modellerinin performansını karşılaştırmak için klasik bir referans olarak kullanılmıştır. Eğitim için, rastgele oluşturulmuş alçak dünya yörüngeleri (LEO) bir dönem boyunca yayılmış ve gözlemlenebilirlik açısından kontrol edilmiştir. Yörüngesel gözlemler saklanmış ve gözlem noktası Null Island olarak belirlenmiştir. Üç veri seti oluşturulmuştur: (1) ekvator düzlemindeki yörüngeler (2D problem), (2) 10 dereceye kadar eğim içeren yörüngeler (daha karmaşık), ve (3) 30 dereceye kadar eğim içeren yörüngeler (en gerçekçi). Önerilen modeller için, en iyi hiperparametreler Grid arama ve Bayes optimizasyon algoritmaları kullanılarak belirlenmiştir. Ekvator düzlemi veri setinde, yalnızca ikinci dereceden bir optimizasyon kullanan ANN modelleri çözümler bulmuş ve birinci dereceden optimizasyonların sonuç bulamadığı gözlemlenmiştir. RF ve LSTM modelleri bu veri setinde başarısız olmuştur. İlk veri seti, önerilen modellerin yeteneklerini belirlemek için kullanılmıştır. Eğim veri setinde ([0-10]°), tek yörünge gözlem (özellikli) girdisi başarısız olmuş, ancak çoklu yörünge gözlem (özellikli) kombinasyonlar iyi modeller üretmiştir. Son veri seti ([0-30]°) en iyi sonuçları vermiş ve menzil hızı ve sağ açıklık açısı gözlem verileri kullanılarak tek geçişli yörüngelerin belirlenebilirliğini göstermiştir. Son veri seti ([0–30]° eğim aralığında), yalnızca menzil hızı ve sağ açıklık açılarıyla yapılan gözlemle yörünge elemanlarının belirlenebilirliğini doğrulamış ve en iyi performansa sahip modelleri ortaya koymuştur. Bu modeller, klasik Gauss yöntemiyle karşılaştırıldığında yarı büyük eksen ve eksantriklik tahminlerinde daha iyi sonuçlar vermiş, ancak eğim tahmininde biraz daha düşük performans göstermiştir. Modelin dayanıklılığını değerlendirmek amacıyla, aynı veri kümesi kullanılarak ancak gözlem verilerine gürültü eklenerek yeni bir model eğitilmiştir. Eklenen gözlemsel gürültüye rağmen, bu modelin performansı ideal veriyle eğitilen modele oldukça yakın kalmış ve gerçek dünya uygulamaları için güçlü bir genelleme yeteneği sergilemiştir.
Özet (Çeviri)
This thesis examines three machine learning (ML) models—artificial neural network (ANN), random forest (RF), and long short-term memory (LSTM)—using range rates, elevation angles, and right ascension angles as input parameters to solve the Initial Orbit Determination (IOD) problem. The Gauss method served as the classical reference for comparing the performance of the ML models. For training, randomly generated low Earth orbits (LEO) were propagated for one period and checked for observability. The orbital observations (features in ML terms) were stored, with the observation point set at Null Island. Three datasets were created: (1) orbits on the equatorial plane (2D problem), (2) orbits with inclinations up to 10 degrees (more complex), and (3) orbits with inclinations up to 30 degrees (most realistic). For the proposed models, the best hyperparameters are determined by using grid search and Bayesian optimization algorithms. In the equatorial plane dataset, only ANN models using a second-order training function/optimizer found solutions, highlighting the problem's complexity for first-order training functions/optimizers. RF and LSTM models failed in this dataset. The first dataset was used to determine the capabilities of the proposed models. In the inclination dataset ([0-10]°), single-orbital observation (feature) inputs failed, but multiple-orbital observation (feature) combinations produced good models. The final dataset ([0-30]°) yielded the best results. This demonstrates the feasibility of determining orbits with single-pass orbital observations (features) data of range-rate and right ascension angles. In the final dataset with inclinations up to 30°, the best-performing models emerged, confirming the feasibility of determining orbital elements from single-pass orbital observations using only range-rate and right ascension angle. When compared to the classical Gauss method, the machine learning models yielded superior estimates for the semi-major axis and eccentricity, though slightly underperformed in inclination estimation. To evaluate robustness, a new model was trained using observation data corrupted with noise. Despite the added noise, the performance of the model remained comparable to that trained on ideal data, suggesting strong generalization capability and practical potential for real-world applications.
Benzer Tezler
- Physical layer security performance of satellite networks
Uydu ağlarının fiziksel katman güvenlık başarımı
OLFA BEN YAHIA
Doktora
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
Prof. Dr. GÜNEŞ ZEYNEP KARABULUT KURT
Assoc. Prof. Dr. EYLEM ERDOĞAN
- Karma veri modellerinin optimizasyonu için esnek hesaplama yöntemleri
Soft computing methods for optimization of mixed data models
GÖZDE KARAKOÇ
- HCNG yakıtlı benzin motorunda fraktal yanma modeli ile simülasyon ve parametrik optimizasyon çalışması
Simulation and parametric optimization study with fractal combustion model in HCNG fuelled gasoline engine
EREN ÖZDEMİR
Yüksek Lisans
Türkçe
2025
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALPER TOLGA ÇALIK
- Using inquiry-based instruction with web-based data archives to facilitate conceptual change about tides among preservice teachers
Başlık çevirisi yok
SEDAT UÇAR
Doktora
İngilizce
2007
Eğitim ve ÖğretimThe Ohio State UniversityEğitim Bilimleri Ana Bilim Dalı
PROF. KATHY CABE TRUNDLE