dc.contributor.advisor | Özdemir, Suat | |
dc.contributor.author | Muhammed Emir Çakıcı | |
dc.date.accessioned | 2023-06-06T05:48:36Z | |
dc.date.issued | 2023 | |
dc.date.submitted | 2023-01-19 | |
dc.identifier.uri | https://hdl.handle.net/11655/33352 | |
dc.description.abstract | Real-time data tracking plays an essential role in the flight test processes of an aircraft. The data flowing from the aircraft to the ground control center must be real-time and uninterrupted. However, sometimes ground control systems can cause disconnection with the aircraft, making it difficult to track them. This thesis firstly gives a brief survey of real-time aircraft tracking systems and then proposes a deep learning-based, real-time 3D prediction of the next location named DeepAT for uninterrupted real-time data tracking. Our DeepAT model uses an Encoder-Decoder GRU model to predict the next location of the aircraft. Thus, in case of any disconnection, the tracking of the aircraft can be sustainable. In the experiments, real flight test sensor data collected with the telemetry system are used. Experimental analyzes are performed for two structurally different aircraft, one of which is a highly maneuverable fixed-wing propeller aircraft and the other an Unmanned Air Vehicle (UAV). The efficiency and superiority of the proposed method is demonstrated by comparing it with state-of-the-art methods in terms of Mean Absolute Error (MAE) and Mean Squared Error (MSE) metrics. The results show that our proposed method outperforms the state-of-the-art and gives better prediction of the next location of aircraft. | tr_TR |
dc.language.iso | en | tr_TR |
dc.publisher | Fen Bilimleri Enstitüsü | tr_TR |
dc.rights | info:eu-repo/semantics/openAccess | tr_TR |
dc.subject | Aircraft | tr_TR |
dc.subject | Deep learning | tr_TR |
dc.subject | GRU | tr_TR |
dc.subject | Encoder-Decoder | tr_TR |
dc.subject | UAV | tr_TR |
dc.subject | Tracking system | tr_TR |
dc.subject.lcsh | Bilgisayar mühendisliği | tr_TR |
dc.title | Real-Time Radar Tracking System With Deep Learning | tr_TR |
dc.type | info:eu-repo/semantics/masterThesis | tr_TR |
dc.description.ozet | Gerçek zamanlı veri takibi, hava araçlarının uçuş testi süreçlerinde önemli bir rol oynar. Uçaktan yer kontrol merkezine akan verinin gerçek zamanlı ve kesintisiz olması gerekmektedir. Ancak yer kontrol sistemlerinden ya da hava aracından kaynaklı kopukluklar yaşanabilir. Bu tez, öncelikle gerçek zamanlı hava aracı takip sistemleri hakkında yapılan çalışmalar ile ilgli kısa bir inceleme sunar ve ardından kesintisiz gerçek zamanlı veri takibi için, DeepAT adlı bir sonraki konumun derin öğrenmeye dayalı, gerçek zamanlı 3 Boyutlu tahminini yapan bir model önerir. Veri seti olarak telemetri sistemi ile toplanan gerçek hava aracı sensör verilerini kullandık. Biri yüksek manevra kabiliyetine sahip sabit kanatlı pervaneli uçak ve diğeri İnsansız Hava Aracı (İHA) olmak üzere yapısal olarak çok farklı iki uçak için ayrı testler yapıldı. Önerilen yöntem, zaman tabanlı tahmin alanında çok kullanılan yöntemlerle karşılaştırılmıştır. Bu karşılaştırmalarda değerlendirme metrikleri olarak Mean Absolute. Error (MAE) ve Mean Squared Error (MSE) kullanılmıştır. Sonuçlar, önerdiğimiz yöntemin son teknoloji yöntemlerden daha iyi performans ve daha iyi tahmin sonuçları verdiğini göstermektedir. | tr_TR |
dc.contributor.department | Bilgisayar Mühendisliği | tr_TR |
dc.embargo.terms | Acik erisim | tr_TR |
dc.embargo.lift | 2023-06-06T05:48:36Z | |
dc.funding | Yok | tr_TR |
dc.subtype | workingPaper | tr_TR |
dc.subtype | project | tr_TR |
dc.subtype | software | tr_TR |