Learning based control compensation for multi-axis gimbal systems using inverse and forward dynamics
Çok eksenli gimbal sistemleri için ileri ve geri dinamikleri kullanan öğrenme tabanlı kontrol dengeleyicisi
- Tez No: 703546
- Danışmanlar: DR. ÖĞR. ÜYESİ MELİH ÇAKMAKCI, DR. ÖZGÜR ATEŞOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 162
Özet
İnsansız hava araçlarının (örnek olarak roketler, dronlar ve uydular) genellikle temel yükleri çeşitli alıcılardır. Bu alıcılar (elektro-optik ve/veya kızılötesi görüntüleme kameraları) görüntü işleme, hedef takibi, gözetleme, haritalama ve yüksek çözünürlüğe sahip çevresel görüntüleme gibi çalışmalar için kullanılır. Bu uygulamalarda, oynamayan bir görüntü elde etmek (ki bu da çok eksenli gimbal sistemleri ile başarılabilir) çok önemlidir. Çok eksenli gimbal sistemleri, kameranın görüş hattı vektörünün, istenilen hedef veya noktayı takip ederken kararlı ve sabit olmasını garantiler. Bu çalışma, karadan karaya atılan taktik bir füzeye takılacak olan çok eksenli bir gimbal sisteminin modelleme ve kontrolü üzerine odaklanmıştır. Öncelikle, çok eksenli gimbal sisteminin doğrusal olmayan ve çok detaylı denklemlere sahip, özgün bir matematiksel modeli elde edilmiştir. Önceki yapılan çalışmalardan farklı olarak, çoklu cisim dinamiği yöntemleri ile çok eksenli gimbal sisteminin İleri Dinamik modeli çıkartılmıştır. İleri Dinamik modeline ek olarak, sisteme etki eden, durum ve mekanizmayla bağlantılı, karmaşık bozunum momentlerini tahmin edebilmek için Ters Dinamik model elde edilmiştir. Daha sonra, İleri ve Geri Dinamik modeller Monte Carlo benzetimlerinde kullanılarak Duyarlılık Analizi yapılmıştır. Dış ve iç bozunumları, model belirsizliklerini moment yoluyla telafi edebilmek için çok katmanlı bir yapay sinir ağı yapısı önerilmiştir. Çok katmanlı PID, ADRC, Geri Dinamik tabanlı kontrolcüler ile yapılan karşılaştırmalar, önerilen yapay sinir ağı tabanlı yapının tüm çalışma bölgesi içerisinde herhangi bir düzeltme ya da ayarlamaya gerek duymadan daha başarılı olduğunu göstermiştir. Çok katmanlı yapay sinir ağı yapısına dayalı, kapalı döngü benzetimler, Simulink® yazılımı ile gerçekleştirilmiştir. Son olarak, önerilen kontrol algoritmaları Simulink® Real-Time (xPC Target) kullanılarak fiziksel sistem üzerinde denenmiştir. Karşılaştırmalı sonuçlar, tablo ve grafikler ile tezde verilmiştir.
Özet (Çeviri)
Unmanned aerospace vehicles (such as rockets, drones, and satellites) usually carry sensors as their primary payload. These sensors (i.e., electro-optical and/or infrared imaging cameras) are used for image processing, target tracking, surveillance, mapping, and providing high-resolution imagery for environmental surveys. It is crucial to obtain a steady image in all of those applications. This is typically accomplished by using multi-axis gimbal systems. This study concentrates on the modeling and control of a multi-axis gimbal system that will be mounted on a surface-to-surface tactical missile. A novel and fully detailed procedure is proposed to derive the nonlinear and highly coupled EOMs (Equations of Motion) of the two-axis gimbal system. Different from the existing works, Forward Dynamics of the two-axis gimbal system is modeled using multi- body dynamics modeling techniques. In addition to Forward Dynamics model, Inverse Dynamics model is generated to estimate the complementary torques associated with the state and mechanism-dependent, complex disturbances acting on the system. Forward and Inverse Dynamics models are used in Monte Carlo Simulations (MCSs) for Sensitivity Analysis. A multilayer perceptron (MLP) structure based disturbance compensator is implemented to cope with external and internal disturbances and parameter uncertainities through torque input channel. Comparisons with well known controllers such as cascaded PID, ADRC (Active Disturbance Rejection Control), Inverse Dynamics based controllers show that the NN (neural network)-based controller is more succesful in the full operational range without requiring any tuning or adjustment. Implementation of MLP assisted closed-loop control with simulations using Simulink® are performed. Finally, proposed control algorithms are tested on the physical system by using Simulink® Real-Time (xPC Target). Comparative results are presented in figures and tables in the thesis.
Benzer Tezler
- Predictive error compensated wavelet neural networks framework for time series prediction
Zaman serisi tahmini için hata tazminli dalgacık dönüşümlü sinir ağları çerçeve yazılımı
SERKAN MACİT
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURAK BERK ÜSTÜNDAĞ
- Havayolu yolculuk deneyimini iyileştirmek için makine öğrenmesi yöntemleriyle uçuş gecikmesi tahmini
Machine learning techniques for enhancing airline passenger experience through flight delay prediction
ESMA ERGÜN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA
- Manipulatör kontrolü için çok değişkenli adaptif PID regülatör
Multivariable adaptive pid regulatör for manipulator control
A.SELÇUK TEKDEMİR
- Multi-year time series crop mapping
Çoklu-yıl zaman serisi ürün haritalama
MUSTAFA TEKE
Doktora
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
PROF. DR. YASEMİN YARDIMCI ÇETİN
- Bulanık mantık ile belirlenmiş öğrenme stillerine dayalı öğrenme ortamlarının öğrencilerin başarı ve tutumlarına etkisi
The effect of learning environment based learning styles determined by fuzzy logic to students? achievement and attitude
OĞUZHAN ÖZDEMİR
Doktora
Türkçe
2009
Eğitim ve ÖğretimFırat ÜniversitesiEğitim Bilimleri Bölümü
YRD. DOÇ. İBRAHİM YAŞAR KAZU