Geri Dön

Yapay sinir ağları ile desteklenmiş jiroskopik robot stabilizasyonu: Derin öğrenme yaklaşımı

Gyroscopic robot stabilization enhanced with artificial neural networks: A deep learning approach

PDF İndir

  1. Tez No: 1019534
  2. Yazar: HAMZA BAYRAKTAR
  3. Danışmanlar: DOÇ. FARUK ÜNKER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Makine Mühendisliği, Mechanical Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Gümüşhane Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışma, iki tekerlekli jiroskopik bir robotun dinamik kararlılığını ve adaptasyon kabiliyetini artırmak amacıyla, Doğrusal Kuadratik Regülatör (LQR) ile Yapay Sinir Ağlarını (YSA) birleştiren özgün bir hibrit kontrol mimari sunmaktadır. Doğası gereği yüksek derecede doğrusal olmayan ve kararsız bir yapıya sahip olan iki tekerlekli sistemler, özellikle Kontrol Moment Jiroskopu (CMG) disk hızındaki değişimlerden doğrudan etkilenmekte; bu durum geleneksel statik kontrolcülerin dayanıklılığını (robustness) sınırlamaktadır. Önerilen yöntem, farklı operasyonel disk hızları için hesaplanan optimal LQR kazanç matrisleri (K) üzerinde eğitilen bir YSA modelini kontrol döngüsüne entegre etmektedir. Geliştirilen hibrit sistem, anlık disk hızı verilerini işleyerek gerekli katsayıları dinamik olarak kestirmekte ve sistemin değişken koşullara gerçek zamanlı uyum sağlamasına olanak tanımaktadır. Simülasyon sonuçları, bu yaklaşımın statik LQR kontrolcülere kıyasla yerleşme süresi ve aşım miktarı açısından üstün performans sergilediğini ve sistem dinamiklerindeki belirsizliklere karşı dayanıklılığı önemli ölçüde artırdığını kanıtlamaktadır. Deterministik kontrolün hassasiyeti ile derin öğrenmenin esnekliğini sentezleyen bu çalışma, arama-kurtarma ve gözetleme gibi karmaşık ortamlarda görev yapan otonom robotik platformlar için ölçeklenebilir ve güvenilir bir kontrol stratejisi sunmaktadır.

Özet (Çeviri)

This study presents a novel hybrid control architecture that integrates Linear Quadratic Regulator (LQR) control with Artificial Neural Networks (ANN) to enhance the dynamic stability and adaptability of a two-wheeled gyroscopic robotic platform. Due to their inherently high-order nonlinear and unstable nature, two-wheeled systems face significant balancing challenges in unpredictable operational environments, particularly under varying Control Moment Gyroscope (CMG) disk speeds. Such variations fundamentally alter the system dynamics, limiting the robust performance of traditional static control methods. To overcome these constraints, the proposed approach incorporates an ANN model, trained on optimal LQR gain matrices (K) calculated for diverse operational disk speeds, into the feedback control loop. The developed hybrid system processes real-time disk speed data to dynamically estimate the required LQR coefficients, enabling the robot to adapt to varying conditions in real-time. Simulation results demonstrate that this hybrid architecture outperforms static LQR controllers in terms of settling time and overshoot, significantly increasing robustness against parametric uncertainties. By synthesizing the precision of deterministic control with the flexibility of deep learning, this research contributes a scalable hybrid control strategy to the autonomous robotics literature. While validated on a combat robot prototype, the framework is highly applicable to a broad range of fields, including search-and-rescue, border surveillance, and autonomous navigation in hazardous environments.

Benzer Tezler

  1. Tez No

    887650

    Takviyeli panel yapıların burkulma ve burkulma sonrası davranışının yapay sinir ağları ile optimizasyonu

    Optimization of buckling and post-buckling behavior of reinforced panel structures using artificial neural networks

    ERTUĞRUL ÇAKIR

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Uçak Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. ZAHİT MECİTOĞLU

  2. Tez No

    127040

    Yapay sinir destekli kalman filtresi ile hedef izleme

    Target tracking with kalman filter aided neural network

    TARKAN SANCAKDAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2002

    Uçak Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak Mühendisliği Ana Bilim Dalı

    DOÇ. DR. RAMAZAN TAŞALTIN

  3. Tez No

    166669

    Aircraft icing detection, identification and reconfigurable control based on Kalman filtering and neural networks

    Kalman filtresi ve yapay sinir ağları ile uçak buzlanmalarının tespiti, teşhisi ve yeniden şekilllendirilebilir kontrol

    RAHMİ AYKAN

    Doktora

    İngilizce

    İngilizce

    2005

    Havacılık ve Uzay Mühendisliğiİstanbul Teknik Üniversitesi

    Havacılık Mühendisliği Ana Bilim Dalı

    PROF.DR. ÇİNGİZ HACIYEV

    Y.DOÇ.DR. FİKRET ÇALIŞKAN

  4. Tez No

    337482

    Talep tahmininde sinirsel ağ tabanlı bulanık mantık yöntemi (Anfis) kullanımı ve yalın yapay sinir ağı metodu ile karşılaştırmalı bir uygulama

    Using adaptive neural-fuzzy inference systems for demand forecasting and application with comparison artificial neural network method

    ONUR DOĞAN

    Doktora

    Türkçe

    Türkçe

    2012

    İşletmeDokuz Eylül Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. ŞEVKİNAZ GÜMÜŞOĞLU

  5. Tez No

    417877

    Zaman serilerinde yapay sinir ağları ve bulanık mantığa dayalı tahmin ve bir uygulama

    Time series forecasting based on artificial neural networks and fuzzy logic and an application

    MUHAMMET ATALAY

    Doktora

    Türkçe

    Türkçe

    2015

    İstatistikİstanbul Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. MEHMET ERDAL BALABAN

Geri Dön