Optimizasyon algoritmalarına dayalı uçuş kontrol sistemlerinde arıza tespiti ve sistemin yeniden yapılandırılması

Bu tez çalışmasında, Otomatik Uçuş Kontrol Sistemleri (AFCS) için sağlam, verimli ve optimize edilmiş bir arıza tespit yöntemi geliştirilmiştir. Çalışmanın temel amacı, uçuş kontrol sistemlerinde meydana gelebilecek olası arızaları yüksek doğrulukla tespit etmek ve yanlış alarm oranını minimuma indirmektir. Bu kapsamda, Gerçek Değerli Negatif Seçim Algoritması (RNSA) ve V-detektör algoritmaları temel alınarak geliştirilen Yapay Bağışıklık Sistemi (AIS), Genetik Algoritma (GA) ile optimize edilmiştir. Ek olarak, algoritmanın anomali tespiti performansını artırmak ve gerçek zamanlı uçuş verisi izlemede hesaplama maliyetini azaltmak amacıyla Yapay Arı Kolonisi (ABC) algoritması ile Negatif Seçim Algoritması (NSA) entegre edilerek hibrit bir yaklaşım geliştirilmiştir. Çalışmada geliştirilen AIS-GA ve ABC-NSA yazılımları, yerel bir havayolu şirketine ait bir Boeing 737 uçağından elde edilen gerçek uçuş verileri kullanılarak, uçuş kontrol sistemi kapsamında olası arızaların tespiti amacıyla MATLAB R2023b ortamında gerçekleştirilmiştir. Yazılımın performansını değerlendirmek için hatalı veriler rastgele oluşturulmuştur. Sonuçlar, ABC-NSA'nın diğer yaklaşımlara göre daha üstün olduğunu göstermiştir. %99,18 hata tespit oranı, %1,11 yanlış alarm oranı ve 1000 optimum dedektör sayısı ile en yüksek Başarı Oranı (FoM) değerine ulaşılmıştır. Uçuş kontrol sistemlerinde bir arıza meydana geldiğinde, bu yaklaşım anomali tespiti ve tanımlamasının hızlı ve güvenilir biçimde uygulanmasını kolaylaştırmakta ve gerçek zamanlı uçuş kontrol sistemlerine entegrasyon için yenilikçi, düşük maliyetli ve hesaplama açısından verimli bir çözüm sunmaktadır. Böylece, uçuş güvenliği ve operasyonel güvenilirliğin artırılmasına katkı sağlamaktadır.