Akademik Veri Yönetim Sistemi
ÖZKAT E. C. (Yürütücü), Yılmaz A., GÜL F.
Yükseköğretim Kurumları Destekli Proje, BAP Araştırma Projesi, 2025 - 2026
İnsansız hava araçları (İHA), keşif, gözetleme, lojistik, tarımsal denetleme ve acil durum müdahalelerinde giderek artan bir kullanım alanına sahip olmakla birlikte, mekanik ve elektronik bileşenlerinde meydana gelebilecek arızalar özellikle pervane kaynaklı titreşim anomalileri operasyonel güvenliği doğrudan tehdit etmektedir. Bu proje kapsamında, İHA pervaneleri için titreşim verisine dayalı, kestirimci bakıma yönelik birbirini tamamlayan iki yöntemsel yaklaşım geliştirilmiş ve açık ortam (rüzgâr) koşullarında deneysel olarak doğrulanmıştır. Birinci yaklaşımda ADXL345 ivme ölçer ile ESP32 üzerinden kablosuz olarak alınan veriler kullanılarak biri sağlıklı altısı kontrollü olarak farklı şiddetlerde arızalandırılmış yedi pervane konfigürasyonu üç farklı uçuş fazında (havada asılı kalma, manevra, sert uçuş) test edilmiş; kayar pencere yöntemiyle hesaplanan istatistiksel öznitelikler üzerinde Rastgele Orman, Destek Vektör Makinesi, k-En Yakın Komşu ve Karar Ağacı sınıflandırıcıları karşılaştırılmıştır. Rastgele Orman sınıflandırıcısı ikili sınıflandırmada %94,44 doğruluk (5-katlı çapraz doğrulamada %96,71) ve yedi sınıflı arıza tanılamada %83,33 doğruluk (çapraz doğrulamada %88,19) ile en yüksek başarımı sergilemiştir. İkinci yaklaşımda 23 farklı pervane koşulu altında 10–100% arası kademeli gaz profili ile elde edilen yaklaşık 7,5 saatlik eksen başına zenginleştirilmiş veri kümesi, şiddet ve gaz konumuna göre sıralanmış özgün bir veri zenginleştirme stratejisi ile oluşturulmuş; sürekli dalgacık dönüşümü skalogramları (48×96×3) üzerinde CNN–BiGRU–SSM–AE denetimsiz derin öğrenme mimarisi eğitilmiştir. Önerilen mimari İzole Orman, Tek Sınıf SVM ve LSTM–AE temel modellerini geride bırakarak 0,9959 hassasiyet, 0,4428 anma, 0,6131 F1 skoru ve 0,9284 AUROC değerlerine ulaşmıştır.