Ai-assisted terrain aided navigation system for an advanced jet trainer
Tekamül jet uçağı için yapay zeka destekli bir arazi tabanlı seyrüsefer sistemi
- Tez No: 981020
- Danışmanlar: PROF. DR. GÖKHAN İNALHAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Uçak Mühendisliği, Computer Engineering and Computer Science and Control, Aeronautical Engineering
- Anahtar Kelimeler: Askeri uçaklar, Military aircraft
- Yıl: 2025
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Uçak ve Uzay Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Uçak Mühendisligi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, bir tekamül jet eğitim uçağı için yapay zekâ (YZ) destekli bir Arazi Yardımlı Seyrüsefer (TAN) sisteminin ve bu sistemin kullanıldığı Pilot Activated Recovery System (PARS) ve Automatic Ground Collision Avoidance System (AGCAS) tasarım ve doğrulamalarına odaklanmaktadır. Çalışmada gelişmiş bir arazi sunucusu, sayısal yükseklik haritası ve verimli bir görüş hattı algoritması kullanılmaktadır. TAN sistemimiz seyrüsefer doğruluğu ile işletim verimliliği arasında uyarlanabilir bir denge kurmak amacıyla, ayarlanmış bir arama algoritması ile adaptif filtreler ve parçacık filtresi (particle filter) dahil olmak üzere iki farklı filtre tasarımı kullanmaktadır. TAN YZ süpervizörü, arama algoritması ile filtre havuzu arasında bağımsız geçiş yapabilme yeteneğine sahip olup, seyrüsefer doğruluğunu korurken gerçek zamanlı uçuş içi uygulamaya olanak tanımaktadır. Monte Carlo simülasyonları, önerilen sayısal arazi sistemi (DTS) sayesinde alçak irtifa uçuşu yapan jet eğitim uçağının ilave sistem gereksinimi olmaksızın arazi yardımlı seyrüsefer gerçekleştirebildiğini göstermektedir. Uçuş test enstrümantasyonu (FTI) verileriyle doğrulanan kapsamlı Monte Carlo hesaplamaları, önerilen TAN sisteminin farklı operasyonel koşullar altında alçak irtifa seyrüseferi istikrarlı bir şekilde sağladığını ortaya koymaktadır. Gerçek uçuş verilerinin kullanımı, sistemin etkinliğini desteklemenin yanı sıra pratik uygulamalardaki zorluklara ve geliştirme alanlarına dair yeni bakış açıları da sunmaktadır. Bu bulgular, otonom arazi yardımlı seyrüsefer alanında simülasyon ile gerçek uçuş performansı arasındaki bağı güçlendiren önemli bir ilerlemeye işaret etmektedir. TAN sistemi, temel olarak karmaşık filtre kurulumlarını içeren sofistike bir teknik üzerine inşa edilmiştir. Özellikle, arazi engebesi ve çevresel faktörlerdeki değişkenliğe dinamik biçimde tepki veren adaptif filtre kümeleri uygulanmış ve değerlendirilmiştir. Bu adaptif filtreleme yöntemi, sistemin izleme doğruluğunu artırmakta ve farklı uçuş koşullarında dayanıklılığını belirgin şekilde güçlendirmektedir. Ayrıca TAN sistemine entegre edilmiş olan YZ tabanlı denetleyici modül, farklı yazılım yapılandırmaları arasında otomatik geçiş yapabilmekte ve her durumda en verimli modun çıktısının seçilmesini garanti altına almaktadır. Kazanım aşaması için tasarlanan gelişmiş bir arama algoritması ise, topografik verileri etkili bir şekilde analiz ederek güvenli uçuş güzergâhlarını belirlerken işlem yükünü de azaltmaktadır. Önerilen sistemin etkinliğini ve dayanıklılığını değerlendirmek amacıyla, FTI (uçuş test enstrümantasyonu) verileri ile desteklenen ampirik analiz ve kapsamlı simülasyon sonuçları birlikte kullanılmıştır. Bu ikili yaklaşım, YZ ile güçlendirilmiş TAN sistemimizin pratik uygulanabilirliğini vurgulamakta ve ileri seviye aviyonik sistemlerin gerektirdiği katı sertifikasyon standartlarını karşılama kabiliyetini göstermektedir. Çalışmamız, simülasyon ile gerçek dünya doğrulamasını birleştirerek hem güvenli hem de güvenilir yeni nesil bir arazi yardımlı seyrüsefer sistemi için sağlam bir temel sunmaktadır. Elde edilen sonuçlar, önerilen TAN algoritmasının sahadaki doğruluğunu göstermekte ve yalnızca geleneksel filtre çözümleriyle karşılaştırıldığında \%89 oranında daha yüksek bir performans sunduğunu ortaya koymaktadır. Genişletilmiş Kalman filtremiz, yalnızca ataletsel seyrüsefer sistemi kullanan çözümlere kıyasla \%38 oranında daha iyi performans göstermiştir. Tekamül jet eğitim uçaklarının operasyonel etkinliğini artırmak amacıyla tasarlanmış iki yapay zeka (YZ) tabanlı uçuş kontrol modelinin (Pilot Activated Recovery System - PARS ve Automatic Ground Collision Avoidance System - AGCAS) değerlendirilmesidir. Uçak mühendisliğinin sürekli gelişen yapısı içerisinde, yapay zekâ entegrasyonu, zaman kısıtlamaları ve verimliliği iyileştirerek operasyonların ileriye taşınmasında kritik bir rol oynamaktadır. Bu çalışma, tekamül jet eğitim uçaklarına özel olarak tasarlanmış YZ destekli AGCAS ve PARS sistemlerinin tasarım sürecini incelemektedir ve özellikle sınırlı bir gözlem alanı içerisinde AGCAS problemini ele almaktadır. Sistem, hassas ve etkin çarpışma önleme amacıyla arazi sunucusu üzerinde görüş hattı sorgularını kullanmaktadır. PARS modeli ise gelişmiş bir pekiştirmeli öğrenme (reinforcement learning - RL) mimarisi üzerine inşa edilmiştir; bu mimari, modern bir soft-actor critic (SAC) modeli ve hiperparametre optimizasyon yöntemlerini içermektedir. PARS ile ilgili olarak kontrol mühendisleri ve alan uzmanları tarafından belirtilen negatif g cezaları ve diğer el yapımı özellikler de sistem tarafından dikkate alınmaktadır. Bu yaklaşım, gelişmiş jet eğitim uçaklarının güvenlik ve operasyonel yeteneklerini önemli ölçüde artırmayı hedeflemektedir. Pilotlar tarafından gerçekleştirilen değerlendirmelerin ardından, yapay zekâ modellerinin davranışları, geleneksel kontrol yöntemlerine kıyasla daha tercih edilebilir bulunmuştur. Bu tezdeki katkılarımız şu şekilde özetlenebilir: Hibrit bir TAN çerçevesinin geliştirilmesi ve GPS sinyallerinin bulunmadığı ortamlarda seyir sapmasının azaltılmasının gösterilmesi, tekamül jet uçağımızın operasyonel verimliliğini artırmaktadır. Bu tezde sunulan en önemli katkımız, arazi özellikleri ve filtre parametrelerine göre uygun seyrüsefer algoritmasını dinamik olarak seçen ve gerçek uçuş test verileri karşısında doğrulanan yapay zekâ tabanlı bir denetleyici sistemin geçerliliğinin ortaya konmasıdır. YZ tabanlı (özellikle pekiştirmeli öğrenme) kontrolcülerimizin bir tekamül jet uçağında tasarım ve doğrulamaları yapılmıştır.
Özet (Çeviri)
This thesis focuses on the design and validation of an artificial intelligence (AI)-assisted Terrain Aided Navigation (TAN) for an advanced jet trainer. We use this TAN as a part of Pilot Activated Recovery System (PARS) and Automatic Ground Collision Avoidance System (AGCAS) for an enhanced operational effectiveness. For terrain awareness, we employ an advanced terrain server, a digital elevation map, and an efficient line-of-sight algorithm. The TAN system utilizes a tuned search algorithm and two filter designs, including adaptive filters and a point mass filter, to adaptively trade off between navigation accuracy and operating efficiency. This AI supervisor for TAN has the ability to independently switch between the search algorithm and bank of filters, preserving navigation accuracy while enabling real-time onboard implementation. Monte Carlo simulations show that the proposed digital terrain system (DTS) can enable the low-flying advanced jet trainer to perform terrain-aided navigation without imposing new system requirements. Comprehensive Monte Carlo calculations, validated by flight test instrumentation (FTI) data, indicate that the proposed TAN consistently facilitates low-altitude navigation across diverse operational settings. The incorporation of actual flight data not only substantiates the system's efficacy but also offers novel perspectives on practical implementation obstacles and improvements. These findings signify an advancement in autonomous terrain-aided navigation, connecting simulation with actual flight performance. Design and evaluation of two AI-based flight control models (AGCAS \& PARS) designed for advanced jet trainers has been presented. In the continuously evolving field of aerospace engineering, the integration of AI is crucial for advancing operations with improved timing constraints and efficiency. Our study explores the design process of an AI-driven AGCAS and PARS, specifically tailored for advanced jet trainers, focusing on addressing the AGCAS problem within a limited observation space. The AGCAS system utilizes line-of-sight queries on a terrain server to ensure precise and efficient collision avoidance. The PARS model employs an advanced reinforcement learning (RL) architecture, incorporating a customized soft-actor critic (SAC) model and hyper-parameter optimization methods. Negative-g punishments and other handcrafted features remarked upon by control engineers and domain experts regarding PARS are also taken into account by the system. This approach aims to significantly improve the safety and operational capabilities of advanced jet trainers. After the evaluation by the pilots, the AI models' behavior is deemed more desirable than that of conventional control methods.
Benzer Tezler
- Uydu verileri ile İstanbul Boğazı ve Haliç'de su kirliliğinin makro düzeyde belirlenmesi
Intrepretation at macro level as pollution of water resources of remotely sensed data of Bosphorus and golden horn estuary by an unsupervised and supervised classification method
H.GONCA COŞKUN
- Rüzgar tarlası verisi kullanılarak analitik rüzgar türbin izi modellerinin performanslarının değerlendirilmesi
Evaluation of performances of analytical wind turbine wake models using wind farm data
TARIK KAYTANCI
Yüksek Lisans
Türkçe
2016
Enerjiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. ŞÜKRAN SİBEL MENTEŞ
- “Vatan için ölmek”: Türkiye'de şehit asker kültünün sosyo-politik inşası ve şehit aileleri dernekleri
“Dying for the motherland”: The socio-political construction of martyr soldier cult and martyr family associations in Turkey
ŞAFAK AYKAÇ
- AI assisted teaching: Practices and perspectives of instructors on using AI tools in ELT
Yapay zeka destekli öğretim: İngilizce öğretiminde yapay zeka araçlarının kullanımına ilişkin öğretim görevlilerinin uygulamaları ve perspektifleri
ALPASLAN ÇİFTÇİ
Yüksek Lisans
İngilizce
2024
Eğitim ve ÖğretimMaltepe ÜniversitesiYabancı Diller Eğitimi Ana Bilim Dalı
PROF. DR. AYSU ARYEL ERDEN
- Ai-assisted construction of educational knowledge graphs
Yapay zeka destekli eğitimsel bilgi şemalarının oluşturulması
MEHMET CEM AYTEKİN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. YÜCEL SAYGIN