Dijital ikiz uygulamaları için aileron hidrolik aktüatör sisteminin hibrit modellemesi
Hybrid modeling of an aileron hydraulic actuator system for digital twin applications
- Tez No: 953259
- Danışmanlar: PROF. DR. SEVİL ŞEN AKAGÜNDÜZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dijital ikizler, modern havacılık sistemlerinin ayrılmaz bir parçası haline gelmekte olup gerçek zamanlı izleme, arıza tespiti ve kestirimci bakım gibi uygulamalarda etkin şekilde kullanılmaktadır. Geleneksel olarak, Dijital İkiz çerçevesindeki modelleme çalışmaları büyük ölcüde fizik tabanlı yaklaşımlara dayanmakta; bu modellerin deterministik yapıları ve yorumlanabilirlikleri nedeniyle tercih edilmektedir. Ancak, karmaşık verilerden doğru tahminler yapma ve dogrusal olmayan dinamikleri yakalama konularındaki başarısıyla yapay zekanın yükselişi, son dönemde Dijital İkiz çalışmalarında veriye dayalı modellere olan ilgiyi artırmıştır. Her iki modelleme paradigmasının da kendine özgü güçlü yönleri olmasına rağmen, belirgin sınırlılıkları mevcuttur: fizik tabanlı modeller modellenmemiş dinamiklerle baş etmekte zorlanabilirken, veriye dayalı modeller genellikle büyük ve kaliteli veri kümeleri gerektirir ve fiziksel tutarlılık sunmazlar. Bu çalışma, bir kanatçık (aileron) hidrolik aktüatörünün yüksek doğruluklu dijital ikizini geliştirmeyi hedeflemekte ve en gerçekçi modelleme yapılandırmasını belirlemeye yönelik bir araştırma yürütmektedir. Bu amaç doğrultusunda, fizik tabanlı modellerin yapısal tutarlılıgı ve yorumlanabilirliği ile derin öğrenme mimarilerinin doğrusal olmayan davranışları ve zayıf korelasyonlu parametreler uzerindeki ifade gücü birleştirilerek hibrit bir strateji benimsenmiştir. Üretim ya da işletim kaynaklı sapmaları temsil eden beş farklı doğruluk seviyesinde fizik tabanlı model geliştirilmiştir. Bu modeller, iki katmanlı bir uzun-kısa vadeli bellek, üç katmanlı LSTM ve üç katmanlı kapılı tekrarlayan birim olmak üzere üç farklı tekrarlayan sinir agı mimarisiyle seri şekilde birleştirilmiş ve toplamda on beş hibrit dijital ikiz yapılandırması oluşturulmuştur. Tüm RNN mimarileri, 100 saniyelik referans verisiyle eğitilmiş ve monoton, salınımlı ve geçici (transient) davranışları kapsayan sekiz farklı test sinyaliyle degerlendirilmiştir. Sonuçlar, hibrit modellerin çoğu senaryoda yalnızca fizik tabanlı modellere kıyasla daha başarılı oldugunu ortaya koymaktadır. Özellikle Girdi Sinyalleri 1–5 için hibrit modeller, fizik tabanlı modellere kıyasla ya daha iyi ya da rekabetçi performans sergilemiştir. Buna karşılık, Sinyal 6–8 için gozlemlenen zayıf performans, veriye dayalı bileşenlerin eğitim kapsamına olan hassasiyetini göstermektedir. Test edilen mimariler arasında, üç katmanlı GRU açı dinamiklerinin modellenmesinde one çıkarken, iki katmanlı LSTM ise daha istikrarlı hız çıktıları uretmiştir. Bu bulgular, sistem davranışı ve eğitim verisinin özelliklerine bağlı olarak en uygun modelin belirlenmesi için birden fazla mimarinin denenmesinin pratikte gerekliliğini vurgulamaktadır. Bu çalışma, fiziksel determinizm ile veriye dayalı uyarlanabilirlik arasındaki boşlugu kapatarak sağlam ve doğru dijital ikizler oluşturmak için seri hibrit modellemenin degerini ortaya koymaktadır.
Özet (Çeviri)
Digital twins are rapidly becoming integral to modern aviation systems, enabling real-time monitoring, fault detection, and predictive maintenance. Traditionally, modeling efforts within Digital Twin frameworks have relied heavily on physics-based approaches due to their deterministic structure and interpretability. However, with the growing success of artificial intelligence in capturing nonlinear dynamics and making accurate predictions from complex data, data-driven models have gained popularity in recent Digital Twin research. Despite their respective strengths, both modeling paradigms have inherent limitations: physics-based models may struggle with unmodeled dynamics, while data-driven models often require large, high-quality datasets and lack physical consistency. This study investigates the development of a high-fidelity digital twin for an aileron hydraulic actuator, with the overarching aim of identifying the most realistic modeling configuration. To this end, a hybrid strategy is adopted that leverages the interpretability and structural consistency of physics-based models alongside the expressive capacity of deep learning architectures—especially in handling nonlinearities and weakly correlated parameters. Five distinct physics-based models of varying fidelity are developed to represent manufacturing or operational deviations. These models are cascaded with three recurrent neural network architectures—a two-layer long short-term memory, a three-layer LSTM, and a three-layer gated recurrent unit—resulting in fifteen serially fused hybrid digital twins. All RNNs are trained on 100 seconds of reference data and evaluated on eight diverse test signals spanning monotonic, oscillatory, and transient behaviors. Results demonstrate that hybrid models outperform their standalone physics counterparts in most scenarios. For Input Signals 1–5, the hybrid models either improve upon or remain competitive with their standalone physics-based counterparts. In contrast, poor performance for Signals 6–8 highlights the sensitivity of data-driven components to training coverage. Among the tested architectures, the three-layer GRU excels in modeling angle dynamics, while the two-layer LSTM provides more stable velocity outputs. This underlines the practical need to experiment with multiple architectures to determine the most suitable model depending on the system behaviour and training data characteristics. These findings underscore the value of hybrid serial modeling in constructing robust and accurate digital twins, bridging the gap between physical determinism and data-driven adaptability.
Benzer Tezler
- A study on cybersecurity risks and protections for digital twin applications
Dijital ikiz uygulamaları için siber güvenlik riskleri ve koruma yöntemleri üzerine bir çalışma
MİNHAZ MAHMUD
Yüksek Lisans
İngilizce
2025
Yönetim Bilişim SistemleriKadir Has ÜniversitesiSiber Güvenlik Ana Bilim Dalı
PROF. DR. HASAN DAĞ
- Modellierung eines Informationsmodells unter Anwendung der Verwaltungsschale und SysML v2 zur interoperablen Bereitstellung von Prozessparametern für die Produktionsanlage
Üretim makineleri için proses parametrelerinin birlikte çalışabilir şekilde sağlanması amacıyla varlık yönetimi kabuğu ve SysML v2 kullanılarak bir bilgi modelinin modellenmesi
MURAT ATAKAN ÇALIŞ
Yüksek Lisans
Almanca
2024
Mühendislik BilimleriTechnısche Unıversıtat BerlınÜretim Mühendisliği Ana Bilim Dalı
PROF. DR. LYDİA KAİSER
- Akıllı ev cihazlarının dijital ikizleri üzerinden sosyal ve bilişsel beceriler kazanarak liberalleşmesi için sis bilişim ve dağıtık hesap defteri teknolojisi tabanlı bir mimari tasarım
An architectural design based on fog computing and distributed ledger technologies to liberalize smart home appliances by enabling social and coginitive upskilling via their digital twins
CANKAL ALTUN
Doktora
Türkçe
2020
Bilim ve TeknolojiTobb Ekonomi ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT TAVLI
- Tornalama süreçlerinde aktif titreşim kontrolü, yapay zeka uygulamaları ve nesnelerin interneti uygulamaları
Active vibration control, artificial intelligence applications and internet of things applications in turning processes
MEHMET ALİ GÜVENÇ
Doktora
Türkçe
2022
Makine Mühendisliğiİskenderun Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. SELÇUK MISTIKOĞLU
- 3B nokta bulutlarının derin öğrenme yöntemiyle semantik segmentasyonu
Semantic segmentation of 3D point clouds using deep learning methods
MERT BEŞİKTEPE
Yüksek Lisans
Türkçe
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. CANER GÜNEY