Geri Dön

GPS ve görüntü verisi olmayan ortamlarda insansız hava araçları için derin pekiştirmeli öğrenme tabanlı tam otonom yönelim ve uçuş rota planlaması

Deep reinforcement learning-based fully autonomous orientation and flight path planning for unmanned aerial vehicles in GPS- and vision denied environments

PDF İndir

  1. Tez No: 984783
  2. Yazar: HÜSEYİN KÜÇÜKERDEM
  3. Danışmanlar: PROF. DR. CEMAL YILMAZ
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Küresel konumlandırma sistemi (GPS) ve görüntüleme bilgilerinin elde edilemediği durumlarda İnsansız hava araçlarının (İHA) otonom yönelim ve rota planlaması gerçekleştirebilmeleri başlıca problemdir. Bu tez çalışmasında GPS ve kamera verisi olmaksızın sadece çevresel veriler kullanılarak tam otonom yönelim ve rota planlaması için geliştirilen yöntem tanıtılmaktadır. Çalışmada rüzgar ve diğer çevresel faktörlerin etkisi modellenmekte ve başlangıç ve hedef konumları arasındaki sapmayı minimize edecek şekilde İHA'nın yönelim açıları dinamik bir şekilde ayarlanmaktadır. Modelleme sürecinde başlangıç-hedef konumları, rüzgar parametreleri ve yönelim açılarından oluşan kontrol parametreleri referans alınmış ve pekiştirmeli öğrenme esaslı bir aksiyon-ödül mekanizması geliştirilmiştir. Deneysel çalışmalar üç senaryo üzerinden yürütülmüştür. Birinci senaryoda simülasyon ortamında sentetik veri seti, ikinci ve üçüncü senaryolarda ise gerçek dünya ortamındaki uçuş verileri seti kullanılmaktadır. Bu senaryolarda rüzgârın ve çevresel faktörlerin dinamik etkileri dikkate alınarak 12 farklı test durumu yaratılmıştır. Geliştirilen rüzgar hızı tahmin modeli farklı takviyeli öğrenme algoritmaları üzerinde test edilmiş ve İHA'nın hedefe ulaşma başarı oranını %7 ile %15 aralığında iyileştirmiştir. Gerçek dünyadan toplanan veri seti ve stokastik rüzgar modellemeleriyle simüle edilen dinamik ortamlar üzerinde yapılan testlerde senaryolar için farklı pekiştirmeli öğrenme tekniklerinin elde ettikleri minimum ve maksimum başarı oranları sırasıyla (%75,6, %100), (%82,5, %91,7) ve (%58, %97) olarak gerçekleşmiştir. Geliştirilen yöntem sensörsüz bir ortam ve çevresel faktörlere bağlı olarak İHA rotalaması ve yönelimi için gerçek dünya verileri üzerinden gerçekleştirildiği bilinen literatürdeki ilk çalışmadır.

Özet (Çeviri)

Autonomous orientation and trajectory planning of unmanned aerial vehicles (UAVs) in environments where global positioning system (GPS) and visual information are unavailable constitute a fundamental challenge. This thesis introduces a method developed for fully autonomous orientation and trajectory planning using solely environmental data, without reliance on GPS or camera inputs. The study models the effects of wind and other environmental factors, dynamically adjusting the UAV's orientation angles to minimize deviation between the start and target positions. The modeling process references control parameters comprising start-target positions, wind parameters, and orientation angles, and incorporates a reinforcement learning-based action-reward mechanism. Experimental investigations were conducted across three scenarios. The first scenario employed a synthetic dataset within a simulation environment, while the second and third scenarios utilized real-world flight data. Twelve distinct test conditions were designed, considering the dynamic influences of wind and environmental factors. The developed wind speed prediction model was evaluated using various reinforcement learning algorithms, achieving improvements in UAV target-reaching success rates ranging from 7% to 15%. Tests conducted in dynamic environments, simulated through stochastic wind modeling, yielded minimum and maximum success rates for different reinforcement learning techniques across the scenarios of approximately (75,6%, 100%), (82,5%, 91,7%) and (58%, 97%), respectively. To the best of current knowledge, the proposed method represents the first study in the literature that performs UAV routing and orientation in sensorless environments, explicitly accounting for environmental factors, based on real-world data.

Benzer Tezler

  1. Tez No

    553130

    Localization of radio sources using autonomous unmanned aerial vehicles for search and rescue applications

    Arama ve kurtarma uygulamaları için otonom insansız hava araçları ile radyo kaynaklarının konumunun tespiti

    ÖMER HEREKOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Uçak Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ RAMAZAN YENİÇERİ

  2. Tez No

    949215

    A distributed shared memory framework for complex event processing in resource constrained IoT devices

    Kısıtlı kaynağa sahip nesnelerin interneti sistemlerinde karmaşık görev işleme için dağıtık ve paylaşımlı bir bellek anaçatısı tasarımı

    HALİT UYANIK

    Doktora

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. TOLGA OVATMAN

  3. Tez No

    397806

    Analysis and modeling of crustal deformation using InSAR time series along selected active faults within the Africa-Eurasia convergence zone

    Afrika-Avrasya sıkışma zonu içerisindeki seçilmiş aktif faylar boyunca meydana gelen kabuk deformasyonunun incelenmesi ve modellenmesi

    ESRA ÇETİN

    Doktora

    İngilizce

    İngilizce

    2015

    Jeoloji Mühendisliğiİstanbul Teknik Üniversitesi

    Jeoloji Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ZİYADİN ÇAKIR

    PROF. DR. MUSTAPHA MEGHRAOUI

  4. Tez No

    353748

    Multi-sensor lane tracking and lane departure warning system design

    Çok-sensörlü şerit takip ve şeritten ayrılma uyarı sistemi tasarımı

    BARIŞ ÖZCAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. PINAR BOYRAZ

  5. Tez No

    384927

    Multitemporal change detection on Urmia lake and its catchment area using remote sensing and geographical information systems

    Urmiye gölündeki zamansal değişimlerin uzaktan algılama ve CBS kullanılarak belirlenmesi

    YUSUF ALIZADE GOVARCHIN GHALE

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    Assoc. Prof. Dr. ELİF SERTEL

Geri Dön