Show simple item record

dc.contributor.advisorEfe, Mehmet Önder
dc.contributor.authorKarli, Mustafa
dc.date.accessioned2018-06-11T12:03:44Z
dc.date.available2018-06-11T12:03:44Z
dc.date.issued2018
dc.date.submitted2018-05-29
dc.identifier.urihttp://hdl.handle.net/11655/4539
dc.description.abstractAutonomous control of aerial vehicle is a non-linear problem that requires low level robust control of many parameters. There are solutions to control an unmanned aircraft to follow a flight path, take-off and landing. In case of close range air combat there are additional objectives like preserving aircraft energy, getting to an advantageous position over the opponent, consider controlling of relative variables, instantly changing trajectory requirements. This makes control problem domain specific and very complex. With fully autonomous aerial vehicles man-kind can also take advantage of using UAV for air combat. While air combat is a dangerous, expensive and difficult activity, computers can be trained by using human combat fighters experience with machine learning techniques. Computers can also be used to support pilot training process. In this thesis, a step by step methodology is proposed to train an unmanned aircraft to fight on behalf of human. An abstraction stack is defined to isolate low level robust control of aircraft from flight intelligence. This approach allows us to focus on air combat problem independent from flight control techniques. A technique is defined to decompose complicated and hard to process flight information into machine and human readable and easily understandable format. This technique eases processing of huge amount of flight data, decreases the number of control parameters and brings a common understanding of aircraft maneuvering. The technique also includes indexing and search mechanism on flight language. It is shown how to compose air combat maneuvers using flight language. A machine learning corpus data is composed from real F-16 flight information including relative geometry and maneuver identification methodology. The sample data is not a complete solution to train widely used combat maneuvers. But as a proof of concept it is shown that the technique works fine for sample scenarios. A comparison and brief information on machine learning techniques specific to close range air combat problem is given and an ANFIS design is applied as example.tr_TR
dc.language.isoturtr_TR
dc.publisherFen Bilimleri Enstitüsütr_TR
dc.rightsinfo:eu-repo/semantics/openAccesstr_TR
dc.subjectuçuş bölümleme
dc.subjecttemel savaş manevraları
dc.subjecthava muharebesi
dc.subjectmakine öğrenmesi
dc.subjectanfis
dc.subjectotonom uçuş
dc.subjectbilgi teorisi
dc.subjectuçuş zekâsı
dc.titleUyarlamalı Sinirsel Bulanık Çıkarım Sistemi ile Hava Muharebesinin Gerçekleştirilmesitr_TR
dc.typedoctoralThesistr_TR
dc.description.ozetHava araçlarının insandan bağımsız olarak tam otonom kontrolü çok sayıda alt seviye parametrelerin kontrolünü gerektiren doğrusal olmayan karmaşık bir problemdir. İnsansız hava araçlarının tam otonom olarak belirli bir uçuş rotasını takip ettiği, iniş ve kalkış yaptığı çözümler bulunmaktadır. Fakat yakın hava muharebesinde enerjinin korunması, rakip uçağa karşı avantajlı konumun elde edilmesi, bağıl geometriye göre ilave değişkenlerin kontrolü ve sürekli değişen rota gibi farklı hedef davranışları da hesaplamaya katma ihtiyacı ortaya çıkmaktadır. Bu ihtiyaç kontrol problemini alana özgü ve karmaşık hale getirmektedir. Hava araçlarını tam otonom hale getirmek, insanoğluna insansız hava araçlarını otonom hava muharebesi amaçlı kullanma olanağı sunmaktadır. Hava muharebesinin tehlikeli, pahalı ve zor öğrenilen bir görev olması nedeniyle, bilgisayarlara uzman savaş pilotlarının tecrübelerini kullanarak makine öğrenmesi teknikleriyle tam otonom savaşmayı öğretmek faydalı görülebilir. Böyle bir çalışma pilot eğitimine destek amaçlı olarak da kullanılabilir. Bu tez çalışmasında insansız bir hava aracının insanların yerine savaşması için adım adım bir yöntem önerilmiştir. Çalışmada önce alt seviyedeki uçuş kontrolünü üst seviyedeki uçuş zekâsından ayıran soyutlama katmanları tanımlanmıştır. Böylece uçağın kontrol yönteminden bağımsız olarak hava muharebesi sorununa odaklanmak mümkün olmuştur. Karmaşık ve işlemesi güç uçuş verisini insan ve makine tarafından okunabilen ve kolayca anlaşılır bir yapıya dönüştüren bir teknik tanımlanmıştır. Bu yöntem yüksek miktarda uçuş verisinin işlenmesini kolaylaştırmakta, uçuş kontrol parametre sayısını azaltmakta ve uçak manevrasına ortak anlayış birliği getirmektedir. Yöntem ayrıca uçuş dili için dizinleme ve arama araçları da içermektedir. Devamında hava muharebesi manevralarının uçuş dilinde nasıl tanımlanacağı gösterilmiş, gerçek F-16 uçuş verileri kullanılarak bağıl geometri ve manevra sınıflandırma yönteminin de olduğu makine öğrenme verisi oluşturulmuştur. Öğrenme verisi çokça kullanılan tüm savaş manevralarını örnekleyecek ve eğitimini sağlayacak kadar tam bir çözüm örneği değildir. Fakat önerilen yöntemin doğru çalıştığını gösterecek ve kavramın ispatını sağlayacak kadar örnek savaş senaryosu içermektedir. Yakın hava muharebesinde kullanılabilecek makine öğrenmesi teknikleri hakkında kısa bir özet ve karşılaştırma verilmiş, örnek olarak bir ANFIS tasarımı yapılmıştır.tr_TR
dc.contributor.departmentBilgisayar Mühendisliğitr_TR


Files in this item

This item appears in the following Collection(s)

Show simple item record