Search

Uçağa ait aerodinamik yapının dizaynı, yapımı ve uçağın işletilmesi aşamasında kullanılacak çoğu parametrenin hava basıncı ile doğrudan ilişkisi bulunmaktadır. Bu nedenle uçağın pitot-statik ölçüm sensörleri ile bu parametrelerin hesaplanması için kullanılacak basınç ve sıcaklık verilerinin sağlıklı alınabilmesi büyük önem arz etmektedir. Uçak performansını değerlendirmek için genel olarak iki parametre yaygın şekilde kullanılmaktadır. Bu parametrelerden birincisi olan hücum açısı (AOA-Angle Of Attack), uçağın performans limitlerini anlamada önemli bir aerodinamik parametredir. Son dönem havacılık kazaları ve olayları, ticari havacılık açısından öncelikli olarak yeni uçuş eğitim programlarında AOA’a daha fazla önem verilmesini sağlamıştır. Performans açısından ikinci önemli parametre olarak mach sayısı kullanılmaktadır. Mach sayısı, hareket halindeki hava aracının hızı ile ölçüm yapılan ortamın şartlarına göre belirlenmiş ses hızına oranı olarak ifade edilmektedir. Teknolojideki gelişmeler sayesinde uçaklar çok yüksek hızlarda uçabilmekte olup düşük hızda icra edilen uçuş faaliyetlerinde rastlanmayan farklı uçuş karakteristikleri yüksek hızlarda gerçekleştirilen uçuşlar esnasında görülebilmektedir. Mach sayısı, hava araçlarının aerodinamik performans ve kanat profil karakteristiği gibi parametreleri belirlemektedir. Bu çalışmada, geleneksel olarak pitot statik sensörler aracılığıyla ölçülen basınç ve sıcaklık değerleri ile hesaplanan hücum açısı ve mach hızı, kara kutudan elde edilen motor parametreleri kullanılarak Yapay Sinir Ağları (YSA) ile tırmanma için tahmin edilmiş ve sonuçlar gerçek değerler ile karşılaştırılmıştır. Böylelikle pitot statik sistem sensörlerinde meydana gelecek bir arıza durumunda hücum açısı ve mach sayısının hesaplanmasında kullanılabilecek alternatif bir yöntem geliştirilmiştir.

In this paper, the robust control system is designed by using Model Predictive Control for ZANKA-I which is an unmanned aerial vehicle, and its performance is analyzed. In order to design the control system, longitudinal and lateral stability of the vehicle are modeled and converted to longitudinal and lateral state-space model, respectively. Also, the effects of turbulence on longitudinal and lateral stabilityare parametrically modeled and numerically inserted into the state-space models. As a result of simulating the model, the robustness of control system is proved.

This paper presents a new method based on the adaptive neuro-fuzzy inference system (ANFIS) to compute accurately the association probabilities. The computed association probabilities are used to find the combined innovation. The estimated states of the targets are determined from the Kalman filter equations. The tracks estimated by using the new method for the multiple targets in the cluttered and noncluttered environments are in good agreement with the true tracks.

IV YAPAY ZEKA TEKNİKLERİNE DAYANAN YÖNTEMLERLE ÇOK SAYIDA HEDEF İZLEME ÖZET Çok sayıda hedef izleme, hem sivil hem de askeri alanlarda geniş uygulamaları olan önemli bir problemdir. Çok sayıda hedef izleme sistemlerinin amacı, hedefleri tanımlamak ve daha sonra hedeflerin durumlarım tahmin etmektir. Hedef durumları ile kastedilen büyüklükler hedefin konum, hız ve ivmesidir. Çok sayıda hedef izleme algoritmalarında veri ilişkilendirme ve durum süzgeçleme olmak üzere iki temel adım vardır. Veri ilişkilendirme, durum süzgeçleme işlemini gerçekleştirmek için bir hedefe yeni bir ölçümün atanması işlemidir. Durum süzgeçleme ise hedef durum vektörünü tahmin etmek için kullanılan ardışık hesaplama işlemleridir. Literatürde çok sayıda hedef izleme için geliştirilmiş farklı yöntemler bulunmaktadır. Bu yöntemlerin karmaşıklıkları ve hesaplama gereksinimleri birbirinden farklıdır. Bu tez çalışmasında, çok sayıda hedef izleme için yapay zeka tekniklerine dayanan yöntemler geliştirilmiştir. Öğrenme, genelleme yapabilme, problem çözümünde daha az bilgiye ihtiyaç duyma, gerçek zamanlı işlemleri kısa sürede yapabilme ve probleme kolaylıkla uygulanabilme özellikleri, yapay sinir ağlarını (YSA) son yıllarda oldukça popüler hale getirmiştir. Bu cazip özelliklerinden dolayı bu çalışmada, çok sayıda hedef izlemede yaygın olarak kullanılan basit ortak olasılıksal veri ilişkilendirme süzgecinin (BOOVİS) durum güncelleştirme aşamasını modellemek için YSA'ya dayanan bir yöntem geliştirilmiştir. Bulanık mantık sistemine dayalı uyarlanır ağlar (BMSDUA), hem YSA'ların hem de bulanık mantık sistemlerinin avantajlarını tek bir modelde birleştirmiştir. BMSDUA, hızlı ve doğru öğrenme, dilsel bulanık kurallar ile mükemmel ifade etme yeteneği, problemle ilgili hem verileri hem de var olan uzman tecrübelerini bir arada kullanabilme kabiliyeti ve iyi genelleme yapabilme gibi avantajlara sahiptir. Bu avantajlarından dolayı bu çalışmada, BOOVÎS'in durum güncelleştirme aşamasını modellemek için BMSDUA da kullanılmıştır. Veri ilişkilendirme problemini çözmek için literatürde sunulan yöntemler Bayes ve Bayes olmayan veri ilişkilendirme yöntemleri olmak üzere iki grupta incelenebilir. Bayes yöntemlerde, ilişkilendirme olasılıkları değerlendirilerek tahmin işlemi boyunca bu olasılıklar kullanılmaktadır. Literatürde karşılaşılan problem, ilişkilendirmeolasılıklarının hesaplanması için mümkün olan en basit yöntemin bulunması ve bu olasılıklar kullanılarak elde edilen izlerin gerçek izlerle iyi bir uyumluluk içinde olmasıdır. Bu çalışmada, bu problemi etkili bir şekilde çözmek için YSA'ya dayanan yeni bir yöntem sunulmuştur. Öncelikle, ilişkilendirme olasılıkları ile ilişkili parametreler belirlenmiş, daha sonra ilişkilendirme olasılıkları sinir ağı modeli kullanılarak hesaplanmıştır. Bu çalışmada, ilişkilendirme olasılılarını hesaplamak için BMSDUA da kullanılmıştır. Bayes olmayan yöntemlerde, veri ilişkilendirme problemi N-boyutlu bir atama problemi olarak düşünülmektedir. N-boyutlu atama problemi, üç veya daha fazla taramadaki ölçümlerin (N>3) ilişkilendirilmesi durumunda NP-zor olarak adlandırılmaktadır. Bilindiği gibi bu şekildeki sınırlamak optimizasyon problemlerinin çözümü oldukça zordur. Bu çalışmada, N-boyutlu bir atama problemi olarak formülize edilen veri ilişkilendirme problemini çözmek için tabu araştırma algoritması (TAA) kullanılmıştır. Modern sezgisel optimizasyon algoritmalarından biri olan TAA oldukça yeni ve zor problemlerin çözümünde kullanılan bir optimizasyon algoritmasıdır. TAA yerel optimumdan kurtulabilme yeteneğine sahiptir, türevsel bilgiler kullanmaz, belirli kurallar yerine rasgele geçiş kuralları kullanır ve büyük ölçekli (çok parametreli) optimizasyon problemleri ile rahatlıkla çalışabilir. Tez çalışmasında, genetik izleyici (Gİ), benzetilmiş tavlama izleyicisi (BTİ) ve tabu araştırma izleyicisinin (TAÎ) izleme doğruluğunu arttırmak için karma yöntemler de geliştirilmiştir. Bu karma yöntemler YSA eklenmiş Gİ (YSAEGİ), BMSDUA eklenmiş Gİ (BMSDUAEGİ), YSA eklenmiş BTİ (YSAEBTİ), BMSDUA eklenmiş BTİ (BMSDUAEBTİ), YSA eklenmiş TAİ (YSAETAİ) ve BMSDUA eklenmiş TAİ (BMSDUAETAİ)'dir. Bu yöntemlerde, veri ilişkilendirme problemi öncelikle N- boyutlu bir atama problemi olarak formülize edilmiş ve genetik algoritma (GA), benzetilmiş tavlama algoritması (BTA) ve TAA kullanılarak çözülmüştür. Daha sonra Gİ, BTİ ve TAİ'nin tahmin hatasını azaltmak için, bu izleyicilere YSA veya BMSDUA eklenmiştir. Geliştirilen onbir yöntemin izleme performansları, gürültülü ortamlardaki farklı çoklu hedef izleme senaryoları kullanılarak değerlendirilmiştir. Önerilen yöntemlerden elde edilen sonuçlar, çok sayıda hedef izlemede yaygın olarak kullanılan ortak olasılıksalVI veri ilişkilendirme süzgeci (OOVİS) ve BOOVİS yöntemlerinin sonuçlan ile karşılaştırılmıştır. Geliştirilen yöntemlerle tahmin edilen izlerin, BOOVİS ve OOVİS ile tahmin edilen izlere göre, gerçek değerlerle daha iyi bir uyumluluk içinde olduğu görülmüştür. Geliştirilen yöntemlerin avantajları, gerçekleştirilmesinin kolay olması, esnekliği ve doğruluğudur. Birinci bölümde, çok sayıda hedef izlemede kullanılan yöntemlerin avantaj ve dezavantajları verilmiştir. Yapay zeka tekniklerinin üstünlükleri kısaca özetlenerek tezin amacı ortaya konmuştur. İkinci bölümde, çok sayıda hedef izlemede yaygın şekilde kullanılan ortak olasılıksal veri ilişkilendirme yöntemi sunulmuştur. Üçüncü bölümde, YSA, BMSDUA, GA, BTA ve TAA kısaca anlatılmıştır. Dördüncü bölümde, çok sayıda hedef izleme için YSA, BMSDUA, GA, BTA ve TAA'ya dayalı yöntemler ve benzetim sonuçları sunulmuştur. Beşinci bölümde ise sonuçlar ve öneriler verilmiştir. Anahtar sözcükler: Çok sayıda hedef izleme, yapay sinir ağları, bulanık mantık sistemine dayalı uyarlanır ağ, optimizasyon teknikleri. vıı MULTIPLE TARGET TRACKING WITH THE METHODS BASED ON ARTIFICIAL INTELLIGENCE TECHNIQUES ABSTRACT Multiple target tracking (MTT) is an important problem with wide applications in both military and civilian areas. The purpose of an MTT system is to identify targets and then to estimate the states of the targets. Target states are its position, velocity, and acceleration. There are two major steps in the MTT algorithms: data association and state filtering. Data association is a process of assigning a new measurement to a target in order to perform the filtering operation. The state filtering is a sequential computational process used to estimate a target state vector and to make a correction to the estimated state upon receiving a new measurement. Several methods have been presented and used to track multiple targets. These methods have different levels of complexity and require vastly different computational efforts. In this thesis, the methods based on the artificial intelligence techniques were developed for the MTT. Ability and adaptability to learn, generalizability, smaller information requirement, fast real-time operation, and ease of implementation features have made artificial neural networks (ANNs) popular in the last few years. Because of these fascinating features, in this thesis, a method based on the ANNs was proposed to model accurately the state update step of the cheap joint probabilistic data association filter (CJPDAF) commonly used in MTT. The adaptive neuro fuzzy inference systems (ANFIS) combines the benefits of ANNs and fuzzy inference systems (FISs) in a single model. The ANFIS has the advantages of fast and accurate learning, excellent explanation facilities in the form of semantically meaningful fuzzy rules, the ability to accommodate both data and existing expert knowledge about the problem, and good generalization. Because of these advantages, in this thesis, the ANFIS was also used to model accurately the state update step of the CJPDAF. The methods presented in the literature to solve data association problem can be grouped into two types: Bayesian and non-Bayesian data association methods. Bayesian approach evaluates the probabilities of associations and uses them throughout thevia estimation process. The problem in the literature is that a method that is as simple as possible for calculating the association probabilities should be obtained, but the estimated tracks obtained by using these association probabilities must be in good agreement with the true tracks. In this thesis, a new method based on the ANN for efficiently solving this problem was presented. First, the parameters related to the association probabilities were determined, then the association probabilities depending on these parameters were calculated by using the neural model. The ANFTS was also used in this study to calculate the association probabilities. In the non-Bayesian approach, the data association is formulated as an N-dimensional assignment problem. The N-dimensional assignment problem for associating data from three or more scans of measurements (N>3) is known to be NP-hard. It is well known that solving such a constrained optimization problem is intractable. In this study, tabu search algorithm (TSA) is used to solve data association problem formulated as N- dimensional assignment problem. The TSA which is one of the modern heuristic optimisation procedures, is also quite new and promising optimisation algorithm for difficult problems. TSA has the ability of getting out local optima, does not use the derivative information, employs random transition rules instead of deterministic ones and works well on large-scale optimization problems. In this thesis, hybrid methods were also developed to increase tracking accuracy of the genetic tracker (GT), the simulated annealing tracker (SAT), and the tabu search tracker (TST). These hybrid methods are the neural network aided genetic tracker, the adaptive neuro fuzzy inference system aided genetic tracker, the neural network aided simulated annealing tracker, the adaptive neuro fuzzy inference system aided simulated annealing tracker, the neural network aided tabu search tracker, and the adaptive neuro fuzzy inference system aided tabu search tracker. In these methods, the data association problem is first formulated as an N-dimensional assignment problem and then solved using the genetic algorithm (GA), the simulated annealing algorithm (SAA), and the TSA. Next, ANN or ANFIS is incorporated into the GT, the SAT, and the TST to reduce the estimation error of the trackers. Tracking performances of the proposed eleven methods are evaluated using different multiple target tracking scenarios in cluttered environments. The results obtained fromIX proposed methods are compared with the results of the joint probabilistic data association filter (JPDAF) and the CJPDAF methods commonly used in MTT. It was shown that the tracks estimated by using proposed methods agree better with the true tracks than the tracks predicted by JPDAF and CJPDAF. Advantages of the proposed methods are ease of implementation, flexibility, and accuracy. In the first chapter, the advantages and disadvantages of the methods used in the MTT were given. The superiority of artificial intelligence techniques was summarized and the aim of thesis was introduced. In the second chapter, the joint probabilistic data association technique widely used in MTT is presented. In the third chapter, the ANNs, ANFIS, GA, SAA, and TSA are described briefly. In the fourth chapter, the methods based on ANNs, ANFIS, GA, SAA, and TSA for MTT and the simulation results have been presented. In the fifth chapter, the results obtained from this work are evaluated and discussed. Key words: Multiple target tracking, artificial neural networks, adaptive neuro fuzzy inference system, optimisation techniques. 110

Havacılık alanında uçak tasarımları genellikle mevcut uçak üzerindeki iyileştirmelerle yeniden tasarım şeklinde yapılmaktadır. Bunun nedeni, uçak geometrisindeki küçük bir değişimin, uçağın karakteristiklerinde büyük değişimler meydana getirmesidir. Daha iyi özellikte ve sıfırdan yeni bir uçak tasarlamak için birçok analiz, tecrübe ve maliyet gerekmektedir. Dolayısıyla, sıfırdan yeni bir uçak tasarlanırken iyileştirmeler üzerine tüm imkanlar kullanılamamaktadır. Bilgisayar teknolojisindeki gelişmeler, birçok mühendislik tasarım probleminde nümerik simülasyon ve optimizasyon yöntemlerinin kullanımını arttırmışken, hava aracı tasarımları da bu akımdan etkilenmiştir ve uçak tasarımlarında farklı olasılıkların değerlendirilmesini mümkün kılmıştır. Bu tez çalışmasında, insansız hava aracı (İHA) tasarımında optimum şeklin belirlenmesi için bilgisayar tabanlı yöntemlerden olan esnek hesaplama yöntemlerine dayanan alternatif modellerin ortaya konulması amaçlanmıştır.Bu kapsamda, literatürde bilgisayar tabanlı yöntemlere dayanan çalışmalar incelenmiştir. Bu çalışmalara alternatif olarak, İHA'nın optimum şeklinin belirlenmesi için esnek hesaplamaya dayanan optimizasyon tabanlı hibrit yöntemler sunulmuştur. Önerilen yöntemler ile yapılan simülasyon sonuçları, çok az sayıda deneyle, çok daha az masrafla, çok daha az zaman harcanarak, İHA'nın optimum şekli hakkında hızlı ve güvenli bir şekilde bilgi edinilebileceğini göstermiştir. Aircraft design in the aviation is usually redesigned with improvements on the existing aircraft. The reason for this is that a small change in aircraft geometry causes large variations in the characteristics of the aircraft. Many analyzes, experiences and costs are needed to design a new aircraft with better features. Therefore, not all possibilities can be used on the improvements made in this way. While improvements in computer technology have increased the use of numerical simulation and optimization methods in many engineering design problems, aircraft design has also been influenced by this trend and made it possible to evaluate different possibilities in aircraft design. In this thesis, it is aimed to present alternative models based on soft computing methods which are computer based methods to determine the optimal aerodynamic shape of unmanned aerial vehicle (UAV) design.In this context, studies in the literature based on computer based methods have been examined. As alternative to these studies, optimization based hybrid methods depending on soft computing are presented to determine the optimum aerodynamic shape of the UAV. The simulation results with the proposed methods show that the information about the optimum aerodynamic shape of the UAV can be obtained quickly and safely with very few experiments, low cost, time saving. 123

Havadan görüntüleme son zamanlarda hava araçlarının oldukça fazla kullanıldığı bir alan haline gelmiştir. Ancak hava aracının sert hareketleri nedeniyle, alınan görüntüler önemli ölçüde bulanıklık içerebilmektedir.Bu tezde, hava aracı hareketinin bulanıklığa olan etkisi üç boyutlu bulanıklık çekirdeği ile modellenmiştir. Alınan görüntülerdeki bulanıklığın önlenmesi için ise hava aracı otonom performansı yükseltilmiştir. Bulanıklığın önlenmesi, hem sabit kanatlı insansız hava aracı (İHA) hem de helikopter için çalışılmıştır. İHA performansının yükseltilmesi için, üretilen İHA dinamiğine kameranın etkisi de dahil edilerek gerçeğe uygun bir model elde edilmiş, kontrolcü değişkenleri ve en uygun kamera konumu da bu model ile birlikte ele alınarak belirlenmiştir. Bu şekilde performansı yükseltilen İHA ile bu iyileştirmelerin yapılmadığı standart İHA, gerçek zamanlı uçurulmuş ve takılı kamera ile çekilen görüntülerdeki bulanıklığı önleme performansları karşılaştırılmıştır.Helikopter için ise yine bazı özel yaklaşımlar kullanılarak tasarlanan fiziksel temelli bir model kullanılmıştır. Bu model, modern bir kontrol yöntemi olan Çıkış Varyansı Kısıtlı Kontrolcü ile kontrol edilmiştir. Helikopter sıkı kontrolcüsünün, alınan görüntülerdeki bulanıklığı önleme performansını incelemek için ise dört farklı kontrolcü tasarlanmıştır. Recently, aerial imagery has become one of the most common usage areas of aerial vehicles. However, images taken by aerial vehicle may suffer from high image blur due to its abrupt motions.In this dissertation, effect of aerial vehicle motion on blur is modeled as three dimensional blur kernel. To reduce motion blur in images, autonomous performance of aerial vehicle is maximized. Reducing motion blur is studied in case of both fixed-wing unmanned aerial vehicle (UAV) and helicopter. In order to maximize autonomous performance of UAV, effect of mounted camera is included to dynamic model of manufactured UAV to be compatible with real, and controller parameters and location of camera are estimated in terms of this model. Improved UAV, whose performance is maximized by these approaches, and standard UAV that improvements are not applied are flown real time, and their performances are compared with respect to reducing blur in images exposed by mounted camera.For helicopter, a physics based model derived by applying particular approaches is used. This model is controlled by Output Variance Constrained Controller which is a modern control method. In order to examine performance of constrained controller in preventing taken images from motion blur, four different helicopter controllers are designed. 143

Mach sayısı ve Hücum açısı (Angle of Attack, AOA) hava araçlarının performanslarının belirlenmesinde kullanılan önemli iki parametredir. AOA hava aracına etki eden aerodinamik kuvvetlerin belirlenebilmesi için çok önemlidir. Uçakların kritik performans karakteristiklerinin çoğu AOA ile yakından ilişkilidir. Pek çok nakliye tipi uçakta, özellikle de transonik hızlarda kanatlar tarafından üretilen kaldırma kuvveti aynı zamanda Mach sayısına da bağlıdır. Bu öneminden dolayı, bu parametreler, uçuş boyunca kokpitte gösterilmekte olup, uçuş ekibinin uçağın performans limitlerinde kalıp kalmadığını belirlemesinde katkı sağlamaktadır. Bu tez çalışmasında, AOA ve Mach sayısının hesaplanması konusunda literatürde mevcut olan çalışmaların incelenmesi ve geleneksel hesaplama sistemlerinde bir arıza oluşması durumunda bu parametreleri hesaplamada kullanılabilecek yapay sinir ağları (YSA) ve uyarlamalı ağ tabanlı bulanık çıkarım sistemine (Adaptive-Network Based Fuzzy Inference Systems, ANFIS) dayalı alternatif yöntemlerin ortaya konulması amaçlanmıştır.Bu kapsamda, literatürde Mach sayısı ve AOA parametrelerini hesaplamak için gerçekleştirilen çalışmalar incelenmiştir. Bu çalışmalara alternatif olarak, belirtilen parametrelerin hesaplanmasında YSA ve ANFIS'in kullanıldığı bir yöntem geliştirilmiştir. Önerilen YSA ve ANFIS modellerini eğitmek, Mach sayısı ve AOA parametrelerini hesaplamak için Boeing 757 uçağına ait uçuş veri kaydedicisi (Flight Data Recorder, FDR) ile elde edilen eğitim veri kümesi kullanılmıştır. YSA ve ANFIS için farklı ağ yapıları denenerek tablo halinde sunulmuş ve en iyi sonuç veren ağ yapıları için grafikler verilmiştir. Simülasyon sonuçları, önerilen YSA ve ANFIS modellerinin geleneksel hesaplama sistemlerinde bir arıza olması durumunda AOA ve Mach sayısının hesaplamak için alternatif bir yöntem olarak başarılı bir şekilde kullanılabileceğini göstermiştir. The mach number and Angle of Attack (AOA) are two important parameters for understanding airplane performance and handling. The AOA is a very important parameter in finding the aerodynamic forces that act on the vehicle. Most of the airplane's critical performance characteristics are closely connected to the AOA. On most transport category airplanes, the lift produced by wing is also a function of Mach number, particularly as the airplane approaches transonic speeds typical of cruise flight. Because of this importance, these parameters are indicated on the flight deck during flight to improve flight crew awareness of airplane state relative to performance limits. The aim of this thesis is that to examine the studies about computation of the AOA and Mach number in the literature and to propose an alternative method to calculate these parameters using artificial neural networks (ANNs) and Adaptive-Network Based Fuzzy Inference Systems (ANFIS) when traditional computing systems are failed. In this context, the studies about computation of the mach number and AOA in the literature were examined. As an alternative to these studies, a method based on ANN and ANFIS was presented. The data set used to train presented ANN and ANFIS models was obtained from Flight Data Recorder (FDR) of a commercial Boeing 757 type aircraft. The different network structures have been formed and the results of them have been given in tabular form and the graphs for optimum results have been obtained. Simulation results indicate that the proposed neural and ANFIS models can be used as an alternative method for computation of the Mach number and AOA method when traditional computing systems are failed. 90

Aerodinamik ve kanat profillerinin temelinde önemli yer alan kaldırma ve sürükleme katsayıları, hava araçlarının uçuş güvenliğini, performansını ve verimini etkileyen başlıca parametrelerdir. Bu parametrelerin hesaplanmasında rüzgar tünelleri ile ölçüm yaygın olarak kullanılmaktadır. Fakat rüzgar tünelleri ile ölçümler esnasında çeşitli zorluklarla karşılaşılmaktadır. Bu tez çalışmasında kaldırma ve sürükleme katsayılarının hesaplanması konusunda yapay sinir ağlarını kullanarak alternatif bir yöntem oluşturulması amaçlanmıştır.Bu kapsamda, literatürde kaldırma ve sürükleme katsayılarını hesaplamak için yapılan çalışmalar incelenmiştir. Bu çalışmalara alternatif olarak Yapay Sinir Ağlarına (YSA) dayanan bir yöntem sunulmuştur. YSA, özel işlem gerektiren hesaplama tekniklerinden farklıdır ve doğrusal olmayan problemlerin çözümünde yaygın olarak kullanılmaktadır. YSA, insan beyninin bilgi işleme yöntemine benzerdir. YSA, bilgiyi toplar, hücreler arasındaki bağlantı ağırlıkları ile bilgiyi saklar ve genelleme yapar. Buradaki genelleme kavramı, YSA' nın eğitim ya da öğrenme esnasında karşılaşmadığı girişler için de benzer tepkileri üretmesi olarak tanımlanabilir. Tüm bu nedenlerden dolayı çalışmamız da YSA tercih edilmiştir. Önerilen YSA modelini eğitmek ve kaldırma ve sürükleme katsayılarını hesaplamak için NACA kanat profilleri kullanılmıştır. Farklı ağ yapıları denenerek, optimum sonuçlar için grafikler verilmiştir. Simülasyon sonuçları, önerilen sinir ağı metodunun kaldırma ve sürükleme katsayılarının hesaplanmasında alternatif bir yöntem olarak kullanılabileceğini göstermiştir. Bu metot geleneksel aerodinamik eşitliklere göre basit ve yüksek doğrulukta bir hesaplama yöntemidir.Anahtar kelimeler: Aerodinamik, kaldırma ve sürükleme katsayıları, yapay sinir ağları. Lift and drag coefficients that have an importance place in aerodynamics and basic of airfoils are mainly parameters which effects flight safety, performance and efficiency of air vehicles. In the Calculation of these parameters, measurement with wind tunnels is commonly used. However, during measurement with wind tunnels face the various difficulties. In this thesis is aimed generating an alternative method using artificial neural networks about calculation of lift and drag coefficients.In this context, studies in the literature to calculate lift and drag coefficients are examined. As an alternative to these studies, a method based on Artificial Neural Networks (ANN) is presented. ANN is different from calculation techniques that require special process and is widely used solving non-linear problems. ANN is similar to human brain information processing method. ANN collects the data, keeps the information about connection weights between cells and makes generalization. The term of generalization here can be defined as ANN produces similar reaction for entries that do not encounter during training or learning.Resulting from all of these reasons, YSA is chosen in our study NACA airfoils are used to calculate drag and lift coefficients and to train proposed YSA model. Trying out different network structures, the graphics are given for optimum results. Simulation results indicate that proposed neural network method can be used calculating lift and drag coefficients as an alternative method. This method is a simple and high accuracy calculation technique according to conventional aerodynamic equations.Key Words: Aerodynamics, lift and drag coefficients, artificial neural networks 81

Hava Veri Bilgisayarı (ADC) hava araçları için önemli bir cihaz olup ADC'nin performansı uçuş güvenliğini ve verimini doğrudan etkilemektedir. ADC statik hava basıncı (SAP), dinamik hava basıncı (DAP) ve toplam hava sıcaklığı (TAT) gibi ölçümleri çeşitli sensörler vasıtasıyla alarak irtifa, kalibre edilmiş hava hızı (CAS), Mach sayısı, statik hava sıcaklığı (SAT) gibi hava veri parametrelerini hesaplamaktadır. Bahsedilen bu parametreler uçuş kontrol sistemleri ve navigasyon sistemleri için büyük öneme sahiptir. ADC bu parametreleri hesaplamak için farklı karmaşık doğrusal olmayan eşitlikler kullanmaktadır. Bu nedenle ADC'nin en doğru şekilde ve hassas bir hesaplama yapması önemlidir. Çünkü ADC'de herhangi bir arıza olması halinde hava aracında hava veri parametrelerini hesaplamak için kullanılabilecek herhangi bir alternatif yöntem bulunmamaktadır. Bu tez çalışmasında, hava veri parametrelerinin hesaplanması konusunda literatürde mevcut olan çalışmaların incelenmesi ve yapay sinir ağları kullanılarak geleneksel hava veri parametreleri hesaplama yöntemlerine alternatif bir yöntemin ortaya konulması amaçlanmıştır.Bu kapsamda, literatürde ADC parametrelerini hesaplamak için yapılan çalışmalar incelenmiştir. Bu çalışmalara alternatif olması açısından yapay zekanın bir alt dalı olan Yapay Sinir Ağlarına (YSA) dayanan bir yöntem sunulmuştur. YSA, özel işlem gerektiren hesaplama tekniklerinden farklı olarak kullanıcı tarafından sunulan giriş-çıkış paternlerini `deneyim ile öğrenerek` problemi çözebildiği için son derece karmaşık doğrusal olmayan problemlerin çözümünde etkin bir şekilde kullanılmaktadır. YSA, beynin bilgi işleme yöntemine benzer şekilde bir öğrenme sürecinden sonra bilgiyi toplama, hücreler arasındaki bağlantı ağırlıkları ile bu bilgiyi saklama ve genelleme yeteneğine sahip paralel dağılmış bir işlemcidir. Genelleme YSA'nın eğitim ya da öğrenme sürecinde karşılaşmadığı girişler için de uygun tepkileri üretmesi olarak tanımlanmaktadır. Bu üstün özellikleri nedeniyle bu tez çalışmasında YSA tercih edilmiştir. Önerilen YSA modelini eğitmek ve ADC parametrelerini hesaplamak için Boeing 737-400 uçağına ait Digital Flight Data Acquisition Unit (DFDAU)'ten elde edilen eğitim veri seti kullanılmıştır. Farklı ağ yapıları denenerek tablo halinde sunulmuş ve optimum sonuç için grafikler verilmiştir. Simülasyon sonuçları, önerilen sinir ağı metodunun ADC arızalarında hava veri parametrelerini hesaplamak için alternatif bir yöntem olarak kullanılabileceğini göstermiştir. Bunun yanında hava veri parametrelerinin hesaplanması için önerilen bu metot geleneksel ADC eşitliklerine göre basit ve yüksek doğrulukta bir hesaplama yöntemi sağlamaktadır. Air Data Computer (ADC) is an important device for aircraft and the performance of ADC directly affects flight safety and efficiency. The ADC provides accurate information on air data parameters such as altitude, calibrated airspeed (CAS), Mach number, static air temperature (SAT), etc. by using quantities of static air pressure (SAP), dynamic air pressure and total air temperature (TAT) that derived from measurements by sensors connected to probe. These parameters have great importance for flight control systems and navigation systems. The ADC uses different complex nonlinear equations to calculate these parameters. Therefore it is important to make the most accurate and precise calculation of ADC. Because, when ADC is failed there is no way any alternative method to be used to calculate the air data parameters in the aircraft. The aim of this thesis is that to examine the studies about calculations of air data parameters in the literature and to present an alternative way for calculation of air data parameters using artificial neural networks (ANNs).In this context, the studies about calculations of air data parameters in the literature were examined. As an alternative to these studies, a method based on ANN which is a subfield of artificial intelligence was presented. The behavior of an ANN based system is unlike conventional computing machines that require specific instructions for solving problems. Instead of this, ANN can solve a problem `with experience and learning` the input-output patterns provided by the designer and for this reason ANN is effectively used in the solution of highly complex nonlinear problems. In a similar way to the information processing methods of brain, ANN is a massively parallel distributed processor that has the properties such as collection of information, storing this information with the connection weights between cells and capability to generalize the information after a learning process. Generalization of the ANN is ability to handle unseen or new data. The ANN was preferred in this thesis because of these effective features. The data set used to train proposed ANN model was obtained from Digital Flight Data Acquisition Unit (DFDAU) of a commercial Boeing737-400 type aircraft. The different network structures have been built and the results of them have been presented in tabular form and the graphs for optimum results have been given. Simulation results show that the proposed neural method can be used as an alternative air data computation method when ADC is failed. The proposed method also provides simple and high accuracy method for computation of the air data parameters instead of traditional ADC equations. 103