GNSS engellendiği ortamlarda derin öğrenmeye sahip dikuçar kontrolü
Deep learning dikuçar control in environments where GNSS is blocked
- Tez No: 965768
- Danışmanlar: PROF. DR. ÇETİN ELMAS
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 68
Özet
Bu çalışmada, GNSS sinyallerinin mevcut olmadığı veya güvenilir olmadığı ortamlarda dikuçarların seyrüsefer yeteneklerini artırmayı hedeflemektedir. Bu tür senaryolarda, araçların konum ve hızlarını doğru bir şekilde tahmin edebilmesi, görevlerin başarıyla tamamlanması ve güvenli operasyonlar için hayati önem taşımaktadır. Geleneksel konum tahminleme yöntemleri, özellikle düşük maliyetli Ataletsel Ölçüm Birimleri (IMU'lar) kullanıldığında, zamanla biriken hatalar (drift) nedeniyle uzun süreli görevlerde yetersiz kalmaktadır. Bu tez kapsamında, IMU (ivmeölçer ve jiroskop) verilerinden dikuçarın anlık hızını tahmin etmek için makine öğrenimi (ML) ve derin öğrenme (DL) tabanlı yaklaşımlar araştırılmış ve karşılaştırılmıştır. Özellikle, bir makine öğrenimi yöntemi olan Rastgele Orman ve bir derin öğrenme mimarisi olan Çok Katmanlı Algılayıcı (MLP) modelleri, ham IMU verilerinden çıkarılan özellikler kullanılarak eğitilmiş ve hız tahmin performansları değerlendirilmiştir. Analizler hem gerçek uçuş verileri hem de simülasyon ortamında üretilen veri seti üzerinde gerçekleştirilmiştir. Böylece modellerin farklı koşullardaki genelleme yetenekleri objektif olarak değerlendirilmiştir. Elde edilen hız tahminlerinin, geleneksel makine öğrenimi yöntemlere kıyasla daha doğru bir konum tahminlemesi yapılabilmesine ve GNSS-yoksun ortamlardaki otonom kontrolüne potansiyel katkıları incelenmiştir. Çalışmada ayrıca, iki farklı veri setiyle yapılan deneyler sonucunda hem gerçek ortamdan toplanan verilerde hem de sentetik/simülasyon ortamında makine öğrenmesi ve derin öğrenme modellerinin elde ettiği başarıların tutarlı olduğu gözlemlenmiştir.
Özet (Çeviri)
This study aims to increase the navigation capabilities of dihedrals in environments where GNSS signals are not available or reliable. In such scenarios, the ability of vehicles to accurately estimate their positions and speeds is vital for successful completion of missions and safe operations. Traditional position estimation methods, especially when low-cost Inertial Measurement Units (IMUs) are used, are insufficient in long-term missions due to accumulated errors (drift) over time. Within the scope of this thesis, machine learning (ML) and deep learning (DL) based approaches were investigated and compared to estimate the instantaneous speed of dihedrals from IMU (accelerometer and gyroscope) data. In particular, Random Forest (RF), a machine learning method, and Multi-Layer Perceptron (MLP), a deep learning architecture, models were trained using features extracted from raw IMU data and their speed estimation performances were evaluated. The analyses were performed on both real flight data and the dataset generated in a simulation environment. Thus, the generalization capabilities of the models under different conditions were objectively evaluated. The potential contributions of the obtained speed estimates to more accurate position estimation compared to traditional machine learning methods and to autonomous control in GNSS-deprived environments are investigated. In the study, as a result of experiments conducted with two different data sets, it was observed that the successes achieved by machine learning and deep learning models were consistent both in the data collected from the real environment and in the synthetic/simulated environment.
Benzer Tezler
- Küresel konumlandırma sistemleri'nin olmadığı iç mekanlarda haritalama ve konum kestirimi
Mapping and position estimation in indoor environments without global navigation satellite systems
OĞULCAN ATMACA
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiBaşkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SEDAT NAZLIBİLEK
- Alternative navigation methods: Fusion of optical flow and visual-inertial pose estimation using EKF
Alternatif navigasyon metotları: EKF kullanılarak, poz tahmini için optik akışı ile görsel ataletliyi füzyon etmektedir
ABDEL SALAM BAWARSHI
Yüksek Lisans
İngilizce
2019
Havacılık Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE KOYUNCU
- GNSS ağlarında GPS hassas nokta konumlama (GPS-PPP) tekniği yaklaşımlı çözümler
GPS precise point positioning (GPS-PPP) technique solutions in GNSS networks
TAYLAN ÖCALAN
Doktora
Türkçe
2015
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. METİN SOYCAN
- Sayısal Zenit kamera sistemi ile astro-jeodezik çekül sapmalarının belirlenmesi
Determination of astro-geodetic deflections of the vertical using digital Zenith camera system
KEREM HALICIOĞLU
Doktora
Türkçe
2015
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. RASİM DENİZ
PROF. DR. HALUK ÖZENER
- TUSAGA-AKTİF istasyon verileri ile İzmir ve çevresi için blok hareketlerinin belirlenmesi
Determination of block movements for Izmir and uts surroundings using CORS-TR stations data
FULYA ÖZDEMİR
Yüksek Lisans
Türkçe
2024
Jeodezi ve FotogrametriKonya Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. EKREM TUŞAT