Enstitüler / Institutes

Permanent URI for this communityhttps://hdl.handle.net/11727/1390

Browse

Filters

20241

Settings

Author: search.filters.author.Emre, Ulusoysearch.filters.applied.f.language: search.filters.language.tr

Search Results

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Helikopter roket sistemi performansının makine öğrenmesi yöntemi ile iyileştirilmesi
    (Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2024) Emre, Ulusoy; Faruk, Elaldı
    Modern savaş alanlarında, helikopterler gibi kritik rol oynayan çok yönlü platformların hedefi vurabilme kabiliyetleri büyük önem taşımaktadır. Geleneksel balistik hesaplamalar, roketlerin isabet etmesi için gerekli yan ve yükseliş açılarını hesaplar. Ancak, bu hesaplamalar belirli riskler taşımaktadır. Yapay zekânın bir alt dalı olan makine öğrenmesi, helikopterlerden atılan roketlerin isabet edeceği noktaların tahmin edilmesini sağlayarak bu riskleri minimize etmektedir. Bu tez çalışmasında, Cobra taarruz helikopterine ait veri kümesi kullanılarak roketlerin isabet noktalarının tahmin edilmesi amaçlanmıştır. Veri kümesinin %20’si yörünge benzetimi ve Rastgele Orman Algoritması tahmin sonuçlarıyla karşılaştırmak için test verisi olarak ayrılmıştır. Bu karşılaştırma sonucunda, kullanılan makine öğrenmesi yönteminin roketlerin isabet noktalarını belirlemede karar destek sisteminin etkili bir parçası olarak kullanılabileceği belirlenmiştir. Bu sayede, silah sistemi kullanıcılarının karar alma sürecindeki iş yükünün önemli ölçüde azalacağı, görev güvenliğinin ve isabet olasılığının artacağı değerlendirilmiştir. Beş kez test edilen Rastgele Orman Algoritmasıyla yaklaşık %6 mutlak hata oranı elde edilmiştir. Bu çalışma, modern savaş alanlarında helikopterlerin ateş gücü yeteneklerini, makine öğrenmesi algoritmaları kullanarak önemli ölçüde geliştirme potansiyeline sahip olduğunu göstermektedir. In modern battlefields, the capability of versatile platforms such as helicopters, which play a critical role, to accurately engage targets is of paramount importance. Traditional ballistic calculations are employed to determine the azimuth and elevation angles required for rockets to impact. However, these calculations inherently involve certain risks. Machine learning, a sub-branch of artificial intelligence, minimizes these risks by predicting the impact points of rockets launched from helicopters. In this thesis, it is aimed to predict the hit points of rockets using a dataset from the Cobra attack helicopter. 20% of the dataset was allocated as test data to compare the results with trajectory simulations and those predicted by the Random Forest Algorithm. As a result of this comparison, it was determined that the machine learning method can be used as an effective part of the decision support system in determining the hit points of the rockets. In this way, it is anticipated that this will significantly reduce the work load on weapon system operators during the decision-making process, enhance mission safety, and improve hit probability. The Random Forest Algorithm, tested five times, yielded a mean absolute error rate of approximately 6%. This study demonstrates the potential of employing machine learning algorithms to substantially enhance the firepower capabilities of helicopters in modern battlefields.