Akademik Veri Yönetim Sistemi
3rd International Symposium of Scientific Research and Innovative Studies-ISSRIS'23, Balıkesir, Türkiye, 15 - 18 Mart 2023, ss.563-564
Bu çalışmanın amacı, bir ticari yolcu uçağının uçuş parametrelerini kullanarak uçak itkisi
hakkında makine öğrenmesi tabanlı bir tahmin yapmaktır. Uçakların güvenli uçuşunu etkileyen
en önemli parametrelerden biri uçak motorlarının itki değeridir. İtki değeri optimum seviyenin
altındaysa, uçuş emniyeti risk altına girer. Ayrıca, optimum itki değeri belirlenemediği takdirde
yakıt tüketimi yükselir ve bazı istenmeyen titreşimler oluşur. İtki değeri motor yerdeyken yük
hücreleri ile ölçülebilir, ancak motor uçağa takılı iken motor basınç oranı veya N1 fan hızına
göre belirlenmektedir. Tahmin edilen itki değeri uçuş yönetimi kontrol sistemi tarafından
hesaplanır ve elektronik motor kontrol sistemi tarafından uygulanır. Bu değerler hesaplanırken
hava veri referans sisteminden ve motor sistemlerinden gelen bilgiler kullanılmaktadır. Motor
basınç oranı değerinin hesaplanamadığı durumda N1 fan hızı itki göstergesi olarak
kullanılmaktadır, ancak bu modda otomatik itki fonksiyonu devre dışı olmaktadır. İtki değeri
çevresel ve uçak operasyon şartlarından etkilenebildiğinden dolayı doğru şekilde belirlenmesi
önem arz etmektedir. Bu çalışmada ticari bir yolcu uçağından alınan veriler kullanılarak itki
değerini en çok etkileyen parametreler korelasyon analizi ile %95 güven aralığına göre
seçilmiştir. Analiz sonuçlarına göre irtifa, hücum açısı, hava hızı, uçuş hattı açısı, yakıt akışı,
yer hızı, tırmanma açısı, slat pozisyonu ve TRA parametrelerinin N1 fan hızına etki eden önemli
parametreler olduğu görülmüştür. İlgili veriler tahmin algoritmalarına giriş olarak verilmeden
önce uzun süreli çapraz doğrulama tekniği kullanılarak eğitim ve test verileri olarak
bölünmüştür. Ardından bu veriler kullanılacak makine öğrenmesi yöntemlerine giriş olarak
uygulanmıştır ve itki değeri (N1) tahmin edilmiştir. N1 fan hızı için tahmin sonuçlarına göre,
tasarlanan modeller içinde en yüksek doğruluk, exponetial gaussian process regression ile elde
edilmiştir. İlgili yöntem ile test verisinin tahmininde 0,42739'luk kök-ortalama kare hatası elde
edilmektedir. Bu sonuç, N1 fan hızı verisinin uçuş ekibine sağlanamaması durumunda makine
öğrenmesi yöntemleri kullanılarak, ilgili verinin doğru bir şekilde tahmin edilebilmesinin
mümkün olduğunu göstermektedir. Böylece uçuş sırasında uygun itki değerinin tanımlanması
ve izlenmesi ile uçağın havada tutunamaması durumunu önlenebilir ve uçuş daha güvenli hale
getirilebilir.