Jet motorlu iha'larda yakıt tüketim eğrilerinin makine öğrenmesi ile modellenmesi
Modeling fuel consumption curves in jet uavs with machine learning
- Tez No: 977559
- Danışmanlar: DOÇ. DR. METİN TURAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Ticaret Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, jet motorlu insansız hava araçlarında (İHA) görev profiline bağlı olarak yakıt tüketim eğrilerinin oluşturulması ve makine öğrenmesi algoritmaları kullanılarak yakıt tüketiminin tahmin edilmesine odaklanmaktadır. Türk Havacılık ve Uzay Sanayii A.Ş. tarafından geliştirilen DEHA adlı deneysel bir jet motorlu İHA'nın motor yer testlerinden elde edilen gerçek zamanlı sensör verileri kullanılarak, uçuşun her bir fazı için yakıt tüketim tahminleri gerçekleştirilmiştir. Çalışmada kullanılan veri seti; yakıt tüketim oranı, motor devri (RPM), itiş gücü (thrust) ve dış ortam sıcaklığı gibi yer testine özgü parametreleri içermektedir. Random Forest, XGBoost, Destek Vektör Regresyonu (SVR) ve Polynomial regresyon yöntemleri karşılaştırmalı olarak değerlendirilmiş ve elde edilen sonuçlar görsel grafiklerle desteklenerek analiz edilmiştir. Araştırmanın temel amacı, insansız hava araçlarının yakıt verimliliğini artırarak görev planlama süreçlerini daha etkin ve öngörülebilir hale getirmektir. Geliştirilen modellemeler sonucunda elde edilen tahmin şablonları, gelecekte gerçekleştirilecek uçuş testlerinde performans optimizasyonu sağlamak amacıyla referans olarak kullanılabilecektir. Bu kapsamda çalışma, İHA'ların görev verimliliğinin artırılması, operasyonel maliyetlerin azaltılması ve görev sürelerinin uzatılması açısından önemli katkılar sunmaktadır. Ayrıca, havacılık teknolojilerinde yapay zekâ ve makine öğrenmesi tabanlı yaklaşımların uygulanabilirliğini göstermeyi hedeflemektedir. Sonuç olarak, geliştirilen tahmin modeli, özellikle akış ölçer sensörlerinin bulunmadığı sistemlerde gaz kelebeği, RPM ve çevresel parametreler kullanılarak yüksek doğrulukta yakıt tüketimi tahmini yapılmasına olanak sağlamakta; modelin doğruluğu ise kapsamlı testlerle yüksek başarıyla ortaya konulmaktadır.
Özet (Çeviri)
This study focuses on generating fuel consumption curves in jet-powered unmanned aerial vehicles (UAVs) based on mission profiles and estimating fuel consumption using machine learning algorithms. Real-time sensor data obtained from engine ground tests of DEHA, an experimental jet-powered UAV developed by Turkish Aerospace Industries Inc., were utilized to perform fuel consumption predictions for each phase of flight. The dataset used in the study includes parameters specific to ground testing, such as fuel consumption rate, engine speed (RPM), thrust, and ambient temperature. Random Forest, XGBoost, Support Vector Regression (SVR), and Polynomial Regression methods were comparatively evaluated, and the results were analyzed with the support of graphical visualizations. The primary objective of the research is to improve the fuel efficiency of UAVs and to enable more effective and predictable mission planning processes. The prediction templates derived from the developed models can serve as references for performance optimization in future flight tests. In this context, the study offers significant contributions to increasing UAV mission efficiency, reducing operational costs, and extending mission durations. Additionally, it aims to demonstrate the applicability of artificial intelligence and machine learning–based approaches in aviation technologies. As a result, the developed prediction model enables high-accuracy fuel consumption estimation using throttle, RPM, and environmental parameters, particularly in systems where flowmeter sensors are not available; the model's accuracy has been validated through comprehensive testing with high success.
Benzer Tezler
- Çift sistem dikey kalkış ve iniş iha'larda kontrol yüzeyi arıza yönetimi
Control surface failure management in dual-system vtol uavs
BİLAL BADUR
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. FİKRET ÇALIŞKAN
- Advanced energy and exergy analysis on aircraft jet engines
Havacılık jet motorlarında ileri enerji ve ekserji analizi
SARA FAWAL
Doktora
İngilizce
2023
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ KODAL
- Sıkıştırılabilir akış koşullarındaki bir hedef İHA'nın itki ve yakıt sistemleri tasarımı ve hava alığı analizi
Propulsion and fuel systems design and intake analysis of a target UAV in compressible flow conditions
ALİ AVANLIER
Yüksek Lisans
Türkçe
2023
Havacılık ve Uzay MühendisliğiMilli Savunma ÜniversitesiHavacılık ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERHAT YILMAZ
- Target UAV conceptual design optimization using multi-objective genetic algorithm
Çok amaçlı genetik algoritma kullanılarak hedef iha kavramsal tasarım optimizasyonu
ERDEM ŞİMŞEK
Yüksek Lisans
İngilizce
2025
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM ÖZKOL
- İnsansız hava aracı sistemlerinin ayrılmamış hava sahasına entegrasyonunun pilotaj ve hava trafik yönetimi açısından değerlendirilmesi
Evaluation of remotely piloted aircraft systems integration into non-segregated airspace in terms of pilotage and air traffic management
TAMER SAVAŞ
Doktora
Türkçe
2019
Havacılık ve Uzay MühendisliğiEskişehir Teknik ÜniversitesiHava Trafik Kontrol Ana Bilim Dalı
DOÇ. DR. ÖZNUR USANMAZ
PROF. DR. MUSTAFA CAVCAR