KaydedilenlerDerginizi ekleyin

Dergiler / Savunma Bilimleri Dergisi / 2025 / Cilt: 21 Sayı: 2

Radar Menzil Hücrelerindeki Güç Seviyelerini Kullanarak Rüzgar Türbini Paraziti İçerisindeki Hedeflerin Sınıflandırılması

Umutcan San(Hava Kuvvetleri Komutanlığı)0009-0008-0819-6606
Ali Öter(GAZİ ÜNİVERSİTESİ, TEKNOLOJİ FAKÜLTESİ, ENERJİ SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ)0000-0002-9546-0602
Ali Kara(GAZİ ÜNİVERSİTESİ, MÜHENDİSLİK FAKÜLTESİ, ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ)0000-0002-9739-7619
Sayfa
169–192
Yayın Tarihi
2025-11-01
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu sınıflandırma yaklaşımın uygulanabilirliği üç farklı senaryo kapsamında RF, MLP ve GB sınıflandırıcıları kullanılarak değerlendirilmiş olup rüzgar türbinleri ile farklı menzil hücresine düşen uçaklar yüksek doğrulukla (~100%) sınıflandırılırken, rüzgar türbinleri ile aynı menzil hücresine düşen uçakların sınıflandırma performansının (~50%) oldukça düşük olduğu gözlemlenmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Rüzgar türbini yoğunluğunun yüksek olduğu ve rüzgar türbinleri ile uçak arasındaki Radar Kesit Alanı (RKA) farkının büyük olduğu ortamlarda, rüzgar türbini parazitleri içerisinde tespit edilemeyen hedefler için, tespit süreci öncesinde kargaşa arka plan bilgilerine bağlı olarak radar menzil hücrelerindeki güç seviyelerine göre “sadece rüzgar türbini” ve “rüzgar türbini ile uçak” olmak üzere iki farklı hedef sınıfını ayırt etmeyi sağlayan bir sınıflandırma yaklaşımı önerilmiştir.
📊
Temel Bulgular & Veri:Bu sınıflandırma yaklaşımın uygulanabilirliği üç farklı senaryo kapsamında RF, MLP ve GB sınıflandırıcıları kullanılarak değerlendirilmiş olup rüzgar türbinleri ile farklı menzil hücresine düşen uçaklar yüksek doğrulukla (~100%) sınıflandırılırken, rüzgar türbinleri ile aynı menzil hücresine düşen uçakların sınıflandırma performansının (~50%) oldukça düşük olduğu gözlemlenmiştir.
💡
Sonuç & Katkı:Bu bulguların, hava trafik kontrol personeline, uçak kaza kırım olayı yaşanmamasına yönelik destekleyici ve daha etkili bilgiler sunması hedeflenmektedir.
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Radar · Rüzgar Türbini · Sınıflandırma

Özet

Rüzgar türbini yoğunluğunun yüksek olduğu ve rüzgar türbinleri ile uçak arasındaki Radar Kesit Alanı (RKA) farkının büyük olduğu ortamlarda, rüzgar türbini parazitleri içerisinde tespit edilemeyen hedefler için, tespit süreci öncesinde kargaşa arka plan bilgilerine bağlı olarak radar menzil hücrelerindeki güç seviyelerine göre “sadece rüzgar türbini” ve “rüzgar türbini ile uçak” olmak üzere iki farklı hedef sınıfını ayırt etmeyi sağlayan bir sınıflandırma yaklaşımı önerilmiştir. Bu sınıflandırma yaklaşımın uygulanabilirliği üç farklı senaryo kapsamında RF, MLP ve GB sınıflandırıcıları kullanılarak değerlendirilmiş olup rüzgar türbinleri ile farklı menzil hücresine düşen uçaklar yüksek doğrulukla (~100%) sınıflandırılırken, rüzgar türbinleri ile aynı menzil hücresine düşen uçakların sınıflandırma performansının (~50%) oldukça düşük olduğu gözlemlenmiştir. Kullanılan üç sınıflandırıcıda benzer sonuçlar elde edilmekle beraber en yüksek doğruluk oranı RF ve GB sınıflandırıcılarında görülmüştür. Bu bulguların, hava trafik kontrol personeline, uçak kaza kırım olayı yaşanmamasına yönelik destekleyici ve daha etkili bilgiler sunması hedeflenmektedir.

🔖

Bu Makaleye Atıf Yap

San, U., Öter, A., Kara, A. (2025). Radar Menzil Hücrelerindeki Güç Seviyelerini Kullanarak Rüzgar Türbini Paraziti İçerisindeki Hedeflerin Sınıflandırılması. Savunma Bilimleri Dergisi, Cilt: 21 Sayı: 2, 169–192. https://doi.org/10.17134/khosbd.1671513

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (22)

  1. C. Ton, "Radar cross section (RCS) simulation for wind turbines," 2013.
  2. C. Jackson, "Windfarm characteristics and their effect on radar systems," in IET International Conference on Radar Systems 2007, 2007: IET.
  3. F. Darcy and D. de la Vega, "A methodology for calculating the interference of wind farm on weather radar," in 2009 Loughborough Antennas & Propagation Conference, 2009: IEEE, pp. 665-667.
  4. R. R. Ohs, G. J. Skidmore, and G. Bedrosian, "Modeling the effects of wind turbines on radar returns," in 2010-MILCOM 2010 Military Communications Conference, 2010: IEEE, pp. 272-276.
  5. E. Aarholt and C. A. Jackson, "Wind farm gapfiller concept solution," in The 7th European Radar Conference, 2010: IEEE, pp. 236-239.
  6. O. Karabayır, S. M. Yücedağ, O. M. Yücedağ, A. F. Coşkun, and H. A. Serim, "Micro-Doppler-based classification study on the detections of aerial targets and wind turbines," in 2016 17th International Radar Symposium (IRS), 2016: IEEE, pp. 1-4.
  7. L. Rashid and A. Brown, "Radar cross-section analysis of wind turbine blades with radar absorbing materials," in 2011 8th European Radar Conference, 2011: IEEE, pp. 97-100.
  8. J. Pinto, J. Matthews, and G. Sarno, "Stealth technology for wind turbines," IET radar, sonar & navigation, vol. 4, no. 1, pp. 126-133, 2010.
  9. L. Claudepierre, R. Douvenot, A. Chabory, and C. Morlaas, "Assessment of the shadowing effect between windturbines," in 2015 9th European Conference on Antennas and Propagation (EuCAP), 2015: IEEE, pp. 1-4.
  10. C. Jackson and M. Butler, "Options for mitigation of the effects of wind farms on radar systems," in IET International Conference on Radar Systems 2007, 2007: IET.
  11. L. Sergey, O. Hubbard, Z. Ding, H. Ghadaki, J. Wang, and T. Ponsford, "Advanced mitigating techniques to remove the effects of wind turbines and wind farms on primary surveillance radars," in 2008 IEEE radar conference, 2008: IEEE, pp. 1-6.
  12. A. Thomsen et al., "Air traffic control at wind farms with TERMA SCANTER 4000/5000," in 2011 IEEE RadarCon (RADAR), 2011: IEEE, pp. 247-252.
  13. D. De la Vega, J. C. Matthews, L. Norin, and I. Angulo, "Mitigation techniques to reduce the impact of wind turbines on radar services," Energies, vol. 6, no. 6, pp. 2859-2873, 2013.
  14. O. Karabayir, S. M. Yucedag, A. F. Coskun, O. M. Yucedag, H. A. Serim, and S. Kent, "Wind turbine signal modelling approach for pulse Doppler radars and applications," IET Radar, Sonar & Navigation, vol. 9, no. 3, pp. 276-284, 2015.
  15. s. Jia, s. Wu, and s. Wang, "Recognition and supression of wind farm clutter via dynamic clutter map," in 2012 IEEE 11th International Conference on Signal Processing, 2012, vol. 3: IEEE, pp. 1949-1952.
  16. B. R. Mahafza, Radar systems analysis and design using MATLAB. Chapman and Hall/CRC, 2005.
  17. M. I. Skolnik, Introduction to radar systems. McGraw-hill New York, 1980.
  18. O. KARABAYIR, "Investigation of wind turbine effects on radar performance " Ph.D. THESIS, Department of Electronics and Communications Engineering Telecommunications Engineering Programme, Istanbul Technical University, 2016. [19] A. H. Özcan, S. Baykut, D. S. Şahinkaya, and İ. K. Yalçın, "Micro-doppler effect analysis of single bird and bird flock for linear FMCW radar," in 2012 20th Signal Processing and Communications Applications Conference (SIU), 2012: IEEE, pp. 1-4. [20] D. Yuan, J. Huang, X. Yang, and J. Cui, "Improved random forest classification approach based on hybrid clustering selection," in 2020 Chinese Automation Congress (CAC), 2020: IEEE, pp. 1559-1563. [21] M. Massaoudi, A. Darwish, S. S. Refaat, H. Abu-Rub, and H. A. Toliyat, "UHF partial discharge localization in gas-insulated switchgears: Gradient boosting based approach," in 2020 IEEE Kansas Power and Energy Conference (KPEC), 2020: IEEE, pp. 1-5.
  19. S. S. Tabib and A. A. Jalali, "Modelling and prediction of internet time-delay by feed-forward multi-layer perceptron neural network," in Tenth International Conference on Computer Modeling and Simulation (uksim 2008), 2008: IEEE, pp. 611-616.
  20. A. Vırıt and A. Öter, "Kardiyovasküler Hastalıkların Derin Öğrenme Algoritmaları İle Tanısı," Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji, vol. 12, no. 4, pp. 902-912, 2024.
  21. C. Neumann and H. Senkowski, "Automatic Target Recognition for short time observation radars," in 2013 14th International Radar Symposium (IRS), 2013, vol. 2: IEEE, pp. 592-596.
  22. M. Dietlein and T. Mahr, "Classification of Targets and Wind Turbine Clutter in Pulse-Doppler Radar Spectra Using a Group of Neural Networks," in 2019 20th International Radar Symposium (IRS), 2019: IEEE, pp. 1-10.