Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.13087/2459
Title: Yapay sinir ağlarına dayalı uçak algılayıcı arızası tespiti ve sistemin yeniden yapılandırılması
Other Titles: Aircraft sensor fault detection and system reconstruction based on artificial neural networks
Authors: Ünal, Gülay
Kılıç, Uğur
Keywords: Havacılık Mühendisliği
Aeronautical Engineering
Uçak Mühendisliği
Aircraft Engineering
Issue Date: 2021
Publisher: Eskişehir Teknik Üniversitesi
Abstract: Bu çalışmanın amacını, uçaklar için önem arz eden hava veri sisteminin bileşenleri olan hücum açısı, hız ve irtifa algılayıcılarında oluşabilecek bir arızanın yanlış alarm durumu olmayacak şekilde ve herhangi ek bir algılayıcı ölçümüne gerek kalmadan zamanında tespiti ve yeniden yapılandırılması oluşturmaktadır. Literatürde modern uçaklar için kullanılan arıza tespit ve yeniden yapılandırma sistemleri uçaklar üzerindeki asıl/yedekli algılayıcıların çoğunluğunun doğruluğuna dayanan çoğunluk oylama yöntemi ve ağırlıklı ortalama gibi yöntemleri kullanmaktadır. Donanım fazlalığına dayanan bu yöntemlerin kullanımı yerine tasarlanan analitik fazlalığa dayalı sistem ile ağırlık ve yakılan yakıttan tasarruf sağlanabilirken, hava aracı daha uzun mesafe yol alabilir ve bu sayede CO2 emisyonu ve gürültünün azaltılmasıyla hava aracı daha çevre dostu uçuşlar gerçekleştirebilir. Ayrıca yedekli algılayıcıların çıkartılmasıyla hava aracının hava yolu şirketine ürettiği satın alma maliyeti ve ilgili parçaların daha az olmasıyla bakım maliyetleri de azaltılabilir. İlgili sistemin tasarımı için yerel bir havayolundan alınan gerçek uçuş verileri kullanılmıştır. Hücum açısı, hız ve irtifa algılayıcılarıyla alakalı verilerin seçimi için korelasyon analizi kullanılmıştır. Arızanın tespiti ve yeniden yapılandırılmasında makine öğrenmesine dayalı yöntemler kullanılmıştır. İlgili işlemler için MATLAB programı kullanılmıştır. Hücum açısı, hız ve irtifa algılayıcılarında oluşabilecek arıza durumları modellenmiştir ve tüm uçuş fazlarında karşılaşılabilecek farklı arıza senaryoları incelenmiştir. Arıza tespiti 0-2 sn aralığında yanlış alarm olmadan gerçekleştirilmiştir. Arıza yeniden yapılandırılırken sistem çıktısının tahmin edilen algılayıcı verilerine göre seyretmesi sağlanmıştır.
The purpose of this study is to detect and reconstruct a fault that may occur in the angle of attack, airspeed and altitude sensors, which are important components of the air data system for aircrafts, in a timely intervention without the need for any additional sensor measurement and without a false alarm. Fault detection and reconstruction systems used for modern aircrafts in the literature are methods such as majority voting and weighted mean based on the majority accuracy of the primary/redundant sensors on the aircrafts. Instead of using these methods based on hardware redundancy, by the designed analytical redundant system, while saving weight and fuel burned, the aircraft can travel longer distances and thereby reducing CO2 emissions and noise, the aircraft can perform more environmentally friendly flights. In addition, with the removal of the redundant sensors, the purchase cost of the aircraft to the airline company and the maintenance costs of the related parts can be reduced. The real flight data of a commercial aircraft collected from a local airline were used for the system design. Correlation analysis was used to select data related to the angle of attack, airspeed and altitude sensors. Machine learning-based methods were used to detect and reconstruct the fault. MATLAB program was used for the related operations. The fault situations that may occur in the angle of attack, airspeed and altitude sensors were modeled and different fault scenarios that can be encountered in all flight phases were examined. Fault detection was performed in the range of 0-2 s without false alarms. While reconstructing the fault, it is ensured that the system output follows the estimated sensor data.
URI: https://hdl.handle.net/20.500.13087/2459
https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=v7BkNnnepTnbhn8rNR77LXWh3U12U08UMNbz_yZWbNfmmZeLKsnUn5cInO4rhB9T
Appears in Collections:Tez Koleksiyonu

Show full item record

CORE Recommender

Page view(s)

44
checked on Oct 3, 2022

Google ScholarTM

Check


Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.