İnsansız araç sistemlerinin matematiksel modellenmesi ve kontrol algoritmalarının geliştirilmesi
Mathematical modeling of unmanned vehicle systems and development of control algorithms
- Tez No: 1016378
- Danışmanlar: PROF. DR. CEMİL SUNGUR, PROF. DR. AKİF DURDU
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Doğrusal karesel denetim, Kayan kipli denetim, İnsansız hava aracı, Linear quadratic control, Sliding mode control, Unmanned aerial vehicle
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Kontrol ve Kumanda Sistemleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
İnsansız Hava Araçlarının (İHA) operasyonel görev sınırları genişledikçe, yüksek dereceli doğrusal olmayan dinamikler ve yapısal kararsızlık problemleri uçuş güvenliğini doğrudan etkileyen kritik unsurlar haline gelmektedir. Özellikle rüzgâr bozucuları gibi çevresel etkenlerin yanı sıra; görev esnasında faydalı yük bırakılmasına bağlı kütle değişimleri, batarya gerilimindeki düşüş kaynaklı itki kuvveti kayıpları ve kısmi eyleyici arızaları gibi parametrik belirsizlikler, standart denetleyicilerin performansını ciddi ölçüde sınırlandırmaktadır. Bu karmaşık ve bozucu dinamikler karşısında mevcut kontrol yaklaşımlarının yetersiz kalması problemine çözüm sunmak amacıyla, sunulan tez kapsamında özgün hibrit kontrol mimarileri ve yapay zekâ tabanlı kontrol stratejileri geliştirilmiştir. Çözüm yaklaşımı olarak kurgulanan doğrusal ve doğrusal olmayan kontrol yöntemlerinin parametreleri, bozucu etkilere karşı sistem gürbüzlüğünü ve genel başarımı maksimize etmek üzere modern meta-sezgisel optimizasyon algoritmaları ile sistematik biçimde ayarlanmıştır. Önerilen kontrol algoritmalarının fiziksel uygulanabilirliğini doğrulamak amacıyla STM32 mikrodenetleyici tabanlı 3-DOF bir donanım platformu tasarlanmış ve Hızlı Kontrol Prototipleme yöntemiyle gerçek zamanlı testler gerçekleştirilmiştir. Ancak; sensör gürültüleri, eyleyici kısıtları ve batarya/ısınma dinamikleri gibi fiziksel etkenlerin algoritmalar arası tekrarlanabilirliği sınırlandırması nedeniyle, kontrolcü performanslarının tamamen eşit bozucu koşullar altında ve objektif bir biçimde kıyaslanabilmesi için yüksek doğruluklu benzetim analizleri temel alınmıştır. Bu doğrultuda çalışmanın ilk aşamasında, Tek Serbestlik Dereceli (1-DOF) bir sistem üzerinde modelden bağımsız Derin Pekiştirmeli Öğrenme (DPÖ) tabanlı Derin Deterministik Politika Gradyanı (DDPG) algoritmasının öğrenme ve adaptasyon kapasitesi analiz edilmiştir. Gerçekleştirilen analizlerde DPÖ yaklaşımı, parametreleri Parçacık Sürü Optimizasyonu (PSO) ile belirlenen klasik PID ve Model Öngörülü Kontrol (MÖK) yöntemleri ile karşılaştırmalı olarak incelenmiştir. Elde edilen bulgular, öğrenme tabanlı yaklaşımların doğrusal olmayan dinamiklere sahip sistemlerde model bilgisine ihtiyaç duymadan klasik ve modern yöntemlere kıyasla üstün bir performans sergilediğini doğrulamıştır. Öğrenme tabanlı yaklaşımların incelendiği bu ilk aşamanın ardından, tezin ana odağını oluşturan Üç Serbestlik Dereceli (3-DOF) sistem üzerindeki çalışmalar iki temel evrede gerçekleştirilmiştir. İlk evrede, doğrusal tabanlı hibrit kontrol mimarileri kapsamında Doğrusal Karesel Regülatör (DKR) tabanlı PID ve Kesirli Dereceli PID (KDPID) yapıları tasarlanmıştır. Bu yapıların kazanç parametreleri Büyük Patlama-Büyük Çöküş (BB-BC) algoritması ile sistematik biçimde optimize edilmiş; analizler sonucunda hibrit DKR-KDPID yapısının sistemin genel stabilizasyonunda ve referans takibinde daha üstün bir performans sergilediği gözlemlenmiştir. İkinci evrede ise, sistemin gürbüzlük kapasitesini artırmak amacıyla doğrusal olmayan hibrit kontrol stratejileri geliştirilmiştir. Bu doğrultuda, DKR döngüsüne entegre edilen Kayma Kipli Kontrol (DKR-KKK) ve Süper Bükülmeli Kayma Kipli Kontrol (DKR-SBKKK) mimarileri kurgulanmıştır. Literatürdeki standart yaklaşımların aksine, KKK ve SBKKK bileşenlerinin doğrudan ana denetleyici olarak kullanılmadığı; bunun yerine dış döngüde bir“gürbüz gözetmen”olarak konumlandırılarak iç döngüdeki DKR için“referans yeniden şekillendirici”işlevi gördüğü bu özgün kademeli yapılar, MÖK ve standart DKR yöntemleri ile karşılaştırmalı olarak analiz edilmiştir. Benzetim sonuçları, önerilen DKR-SBKKK hibrit kontrol mimarisinin tüm eksenlerde daha düşük hata indeksleri ve daha hızlı tepki süreleri sağlayarak teorik ve pratik açıdan uygulanabilir, güçlü bir çözüm sunduğunu göstermiştir. Ayrıca, DKR-SBKKK yönteminin yüksek frekanslı salınım olan“çatırtı”problemini elimine ederek sürekli kontrol işareti ürettiği ve eyleyici sağlığını koruduğu doğrulanmıştır. Başlangıçta tanımlanan ve sistem sınırlarını zorlayan; sürekli rüzgâr bozucusu, zamanla değişen itki katsayılarına bağlı parametrik belirsizlikler, kısmi motor arızaları ve faydalı yük bırakma kaynaklı ani kütle değişimleri gibi kritik çevresel/parametrik senaryolar altında gerçekleştirilen testler; BB-BC ile optimize edilen doğrusal olmayan hibrit yapıların, model uyumsuzluklarından olumsuz etkilenen DKR ve MÖK yöntemlerine kıyasla yüksek bir gürbüzlük sergilediğini kanıtlamıştır. Kapsamlı başarım analizleri sonucunda, önerilen hibrit DKR-SBKKK mimarisinin incelenen diğer tüm denetleyicilere göre en yüksek takip hassasiyetini ve en düşük hata performans indekslerini sağladığı belirlenmiştir. Yapılan tüm bu değerlendirmeler, derin pekiştirmeli öğrenme tabanlı kontrolün ve optimizasyon algoritmalarıyla desteklenen hibrit mimarilerin, klasik doğrusal kontrolün nominal kararlılığı ile doğrusal olmayan kontrolün gürbüzlüğünü başarıyla bütünleştirdiğini ve güvenli İHA operasyonları için etkin, yenilikçi ve pratik bir çözüm sunduğunu ortaya koymaktadır.
Özet (Çeviri)
As the operational envelopes of Unmanned Aerial Vehicles (UAVs) expand, high-order nonlinear dynamics and inherent instability emerge as critical factors directly compromising flight safety. Environmental disturbances, particularly wind, alongside parametric uncertainties such as mass variations from payload release, thrust degradation due to battery voltage depletion, and partial actuator failures severely limit the performance of conventional controllers. To overcome the limitations of existing methodologies in handling these complex and disruptive dynamics, this thesis proposes novel hybrid control architectures and artificial intelligence-based control strategies. The parameters of both the linear and nonlinear control frameworks are systematically tuned using modern meta-heuristic optimization algorithms to maximize overall performance and system robustness against external disturbances. To validate the physical applicability of the proposed algorithms, an STM32 microcontroller-based 3 Degrees of Freedom (3-DOF) hardware platform was designed, enabling real-time tests via Rapid Control Prototyping. However, since physical constraints such as sensor noise, actuator saturation, and battery/thermal dynamics limit experimental repeatability, high-fidelity simulations are utilized as the primary basis for the objective evaluation of controller performances under strictly equivalent disturbance conditions. Accordingly, the initial phase of this research analyzes the learning and adaptation capacity of the model-free Deep Deterministic Policy Gradient (DDPG) algorithm a Deep Reinforcement Learning (DRL) approach on a 1-DOF system. The DRL approach is evaluated comparatively against Model Predictive Control (MPC) and a classical PID controller tuned via Particle Swarm Optimization (PSO). The findings confirm that learning-based architectures, devoid of explicit system dynamics knowledge, exhibit superior performance in nonlinear systems compared to classical and modern control methods. Following the preliminary evaluation of learning-based techniques, the primary focus of the thesis shifts to a 3-DOF hover system, investigated through two fundamental phases. The first phase focuses on linear hybrid architectures, proposing Linear Quadratic Regulator (LQR) based PID and Fractional-Order PID (FOPID) structures. The gain parameters of these controllers are systematically optimized using the Big Bang-Big Crunch (BB-BC) algorithm. Analytical results demonstrate that the hybrid LQR-FOPID configuration yields superior performance in overall system stabilization and reference tracking. In the second phase, nonlinear hybrid control strategies are developed to significantly enhance the system's robustness. To this end, Sliding Mode Control (LQR-SMC) and Super-Twisting Sliding Mode Control (LQR-STSMC) architectures are synthesized and integrated into the LQR loop. Deviating from conventional applications in the literature, the SMC and STSMC algorithms are not employed as the primary controllers. Instead, they are positioned in an outer loop as a“robust supervisor”functioning as a dynamic reference shaper for the inner-loop LQR. These novel cascaded architectures are comparatively analyzed against MPC and standard LQR methods. Simulation results reveal that the proposed LQR-STSMC hybrid architecture ensures lower error indices and faster transient responses across all axes, providing a robust solution that is both theoretically sound and practically viable. Furthermore, it is verified that the STSMC formulation successfully mitigates the high-frequency“chattering”phenomenon, generating a smooth, continuous control effort that inherently preserves actuator integrity. Extensive tests conducted under severe environmental and parametric scenarios-including continuous wind disturbances, time-varying thrust coefficient uncertainties, partial motor failures, and sudden mass variations due to payload release demonstrate that the BB-BC optimized nonlinear hybrid structures exhibit exceptional robustness compared to the standard LQR and MPC methods, which suffer under model mismatches. Comprehensive performance analyses conclude that the proposed hybrid LQR-STSMC architecture achieves the highest tracking precision and the lowest time-weighted error performance indices among all evaluated controllers. Ultimately, these findings establish that DRL paradigms and optimization-driven hybrid architectures successfully synthesize the nominal stability of linear techniques with the absolute robustness of nonlinear control, offering a highly effective, innovative, and practical framework for safe multirotor UAV operations.
Benzer Tezler
- Swarm fighter aircraft control with deep reinforcement learning approach
Derin pekiştirmeli öğrenme ile sürü savaş uçaklarının kontrolü
METİN SARI
Yüksek Lisans
İngilizce
2025
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. FİKRET ÇALIŞKAN
- A model based flight control system design approach for micro aerial vehicles using integrated flight testing and hil simulations
Küçük boyutlu insansız hava araçları üzerinde sistem tanılama, uçuş kontrol sistem tasarımı ve donanım ile benzetim uygulamaları
BURAK YÜKSEK
Doktora
İngilizce
2019
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. GÖKHAN İNALHAN
- Improved fuzzy logic based edge detection method on clinical images
Klinik görüntülerde bulanık mantık temelli iyileştirilmiş kenar tespit yöntemi
MURAT MERT ÇELEN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İLKER ÜSTOĞLU
- Modeling and control of a fixed wing unmanned aerial vehicle
Sabit kanatlı bir insansız hava aracının modellenmesi ve kontrolü
BURAK YÜKSEK
Yüksek Lisans
İngilizce
2013
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÜLAY ÖKE
- Modeling, simulation, and test flight validation of a fixed-wing unmanned aircraft system
Sabit kanatlı bir insansız hava aracının modellenmesi simülasyonu ve test uçuşlarıyla doğrulanması
ERTUĞRUL BARIŞ ÖNDEŞ
Yüksek Lisans
İngilizce
2019
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL BAYEZİT