Otonom sualtı araçlarının önceden belirlenen bir rotayı doğru zamanda ve düşük hatayla takip edebilmesi; değişken okyanus akıntıları, hidrodinamik belirsizlikler, sensör gürültüsü, eyleyici sınırları ve aracın doğrusal olmayan hareket dinamikleri nedeniyle karmaşık bir kontrol problemidir. Bu derleme çalışması; Doğrusal Olmayan Model Öngörülü Kontrol, uyarlamalı kontrol, dayanıklı kontrol, kayan kipli kontrol, yapay sinir ağı tabanlı kontrol, bulanık mantık ve pekiştirmeli öğrenme yöntemlerini AUV yörünge takibi açısından sınıflandırmakta; yöntemlerin kararlılık, bozucu etki bastırma, yakınsama, hesaplama yükü, model bağımsızlığı ve fiziksel deney olgunluğu bakımından güçlü ve zayıf yönlerini tartışmaktadır.

Derlemenin sentezine göre Model Öngörülü Kontrol, kısıtları doğrudan optimizasyona katması ve yüksek izleme doğruluğu nedeniyle öne çıkmakta; ancak çevrim içi optimizasyon ve doğru model gereksinimi gerçek zamanlı uygulamayı zorlaştırmaktadır. Kayan Kipli Kontrol yüksek bozucu etki dayanımı ve hızlı yakınsama sağlarken çatırtı olarak adlandırılan yüksek frekanslı kontrol değişimleri eyleyicilerde aşınmaya yol açabilmektedir. Uyarlamalı kontrol değişen parametrelere çevrim içinde karşılık verebilmekte, dayanıklı kontrol sınırlı belirsizliklere karşı güçlü kararlılık sunmakta, sinir ağı ve bulanık mantık yöntemleri bilinmeyen dinamikleri yaklaşık olarak modelleyebilmektedir. Pekiştirmeli öğrenme ise kesin bir AUV modeli olmadan politika öğrenebilmesine karşın yüksek veri, eğitim süresi, donanım kapasitesi ve güvenilir ödül tasarımı gerektirmektedir.

Çalışma kendi bünyesinde yeni bir AUV deneyi, ortak karşılaştırma parkuru veya nicel meta-analiz gerçekleştirmemiştir. Sunulan deneysel bulgular, incelenen önceki yayınlardan alınan havuz, su tankı ve açık su uygulamalarının anlatısal sentezidir. Bu nedenle bir kontrol yöntemine verilen “mükemmel”, “iyi” veya “orta” puanlar ortak deney verilerinden hesaplanmış evrensel başarı sıralaması olarak değil, derleme yazarlarının nitel değerlendirmesi olarak okunmalıdır.

Türkiye açısından önemi

Doğrusal olmayan AUV kontrolü; Türkiye’de deniz tabanı haritalama, kıyı ve açık deniz altyapısının incelenmesi, sualtı enerji ve haberleşme hatlarının denetlenmesi, liman ve tersane operasyonları, çevresel gözlem, bilimsel araştırma ve sualtı arama faaliyetleri için önem taşıyabilecek bir araştırma alanıdır. Derlemede karşılaştırılan yöntemler, özellikle değişken akıntı, görüş kaybı, model belirsizliği ve sınırlı haberleşme altında çalışan yerli robotik platformların kontrol mimarisinin tasarlanmasına yöntemsel katkı sağlayabilir.

Bununla birlikte yöntemlerin Türkiye’de doğrudan uygulanabilir olduğu sonucu çıkarılamaz. Farklı denizlerin akıntı, bulanıklık, derinlik ve hidrodinamik koşullarını temsil eden testler; yerli sensör ve eyleyici donanımları; gerçek zamanlı gömülü işlemciler; enerji tüketimi; iletişim kesintileri ve görev güvenliği birlikte değerlendirilmelidir. Simülasyon sonuçları, küçük havuz deneyleri veya başka bir AUV modeli üzerinde elde edilen hata değerleri, Türkiye’de kullanılacak farklı bir araç için yeniden doğrulama yapılmadan genellenmemelidir.

Yörünge takibi neden zordur?

Yörünge takibi, aracın yalnızca geometrik bir yolu izlemesinden daha kapsamlıdır. Araç, belirli bir uzamsal noktaya belirlenen zamanda ulaşmak zorundadır. Bu nedenle konum, yönelim ve hızın hem mekânsal hem zamansal referansla eşleştirilmesi gerekir.

AUV hareketini zorlaştıran başlıca unsurlar şunlardır:

• Altı serbestlik derecesindeki doğrusal olmayan ve birbirine bağlı hareketler.
• Aracın bütün eksenlerde bağımsız eyleyiciye sahip olmamasından kaynaklanan eksik tahrik.
• Kütle, ek su kütlesi, hidrodinamik sönüm ve kaldırma merkezi gibi model parametrelerinin kesin bilinmemesi.
• Dalga, akıntı, su direnci ve diğer zamanla değişen çevresel kuvvetler.
• Pervane ve dümenlerdeki doygunluk, ölü bölge, gecikme ve doğrusal olmayan giriş etkileri.
• Konum, hız veya akıntı bilgisinin doğrudan ölçülememesi ya da gürültülü ölçülmesi.
• Sualtında sınırlı bant genişliği, gecikmeli iletişim ve uydu konumlandırmasının kullanılamaması.

Doğrusal PID veya doğrusal-kuadratik düzenleyici gibi yöntemler belirli çalışma noktalarında etkili olabilir. Ancak büyük yön değişimleri, güçlü akıntılar ve geniş çalışma zarfında AUV dinamiği doğrusal varsayımlardan uzaklaşır. Derleme bu nedenle doğrusal olmayan kontrol yöntemlerine odaklanmaktadır.

Altı serbestlik dereceli AUV modeli

Çalışmanın 5. ve 6. sayfalarındaki Şekil 1, AUV’nin Dünya’ya bağlı eylemsiz koordinat sistemi ile araç gövdesine bağlı koordinat sistemi arasındaki ilişkiyi göstermektedir. Aracın eylemsiz çerçevedeki konum ve yönelim vektörü:

\[ \boldsymbol{\eta}=[x,y,z,\theta,\phi,\psi]^T \]

olarak tanımlanmaktadır. Burada \(x\), \(y\) ve \(z\) konumu; \(\theta\), \(\phi\) ve \(\psi\) ise çalışmada kullanılan sıralamayla yunuslama, yalpa ve sapma yönelimlerini temsil etmektedir. Gövdeye bağlı doğrusal ve açısal hız vektörü:

\[ \boldsymbol{\nu}=[u,v,w,p,q,r]^T \]

biçimindedir. \(u\), \(v\) ve \(w\) ileri-geri, yanal ve düşey doğrusal hızları; \(p\), \(q\) ve \(r\) ise açısal hızları gösterir.

Kinematik ilişki:

\[ \dot{\boldsymbol{\eta}}=J(\boldsymbol{\eta})\boldsymbol{\nu} \]

olarak verilmektedir. \(J(\boldsymbol{\eta})\), gövde koordinatlarındaki hızları eylemsiz koordinat sistemindeki konum ve yönelim değişimlerine dönüştüren \(6\times6\) boyutlu Jacobian dönüşüm matrisidir:

\[ J(\boldsymbol{\eta})= \begin{bmatrix} J_1(\boldsymbol{\eta}) & 0_{3\times3}\\ 0_{3\times3} & J_2(\boldsymbol{\eta}) \end{bmatrix} \]

Öteleme dönüşüm matrisi çalışmada şu şekilde verilmiştir:

\[ J_1(\boldsymbol{\eta})= \begin{bmatrix} c_\psi c_\theta & -s_\psi c_\phi+c_\psi s_\theta s_\phi & s_\psi s_\phi+c_\psi c_\phi s_\theta\\ s_\psi c_\theta & c_\psi c_\phi+s_\psi s_\theta s_\phi & -c_\psi s_\phi+s_\psi c_\phi s_\theta\\ -s_\theta & c_\theta s_\phi & c_\theta c_\phi \end{bmatrix} \]

Açısal dönüşüm matrisi ise:

\[ J_2(\boldsymbol{\eta})= \begin{bmatrix} 1 & s_\phi t_\theta & c_\phi t_\theta\\ 0 & c_\phi & -s_\phi\\ 0 & \frac{s_\phi}{c_\theta} & \frac{c_\phi}{c_\theta} \end{bmatrix} \]

biçimindedir. Burada \(s\), \(c\) ve \(t\) sırasıyla sinüs, kosinüs ve tanjantı belirtir.

AUV’nin dinamik denklemi

Parametre belirsizlikleri ve dış bozucular içeren dinamik model:

\[ M\dot{\boldsymbol{\nu}}+ C(\boldsymbol{\nu})\boldsymbol{\nu}+ D(\boldsymbol{\nu})\boldsymbol{\nu}+ g(\boldsymbol{\eta})+ \tau_{d\nu} = \tau_{\nu} \]

olarak ifade edilmektedir.

• \(M\), aracın kütlesi ve ek su kütlesini içeren atalet matrisidir.
• \(C(\boldsymbol{\nu})\), Coriolis ve merkezcil kuvvet matrisidir.
• \(D(\boldsymbol{\nu})\), hidrodinamik sönüm matrisidir.
• \(g(\boldsymbol{\eta})\), ağırlık ve kaldırma kuvvetlerinden kaynaklanan geri çağırıcı kuvvet ve momentleri içerir.
• \(\tau_{d\nu}\), dalga, akıntı ve diğer zamanla değişen çevresel bozucu etkileri temsil eder.
• \(\tau_{\nu}\), pervane, dümen veya diğer eyleyicilerin ürettiği kontrol girişidir.

Çalışmada \(M\), \(C\), \(D\) ve \(g\) terimleri nominal ve belirsiz bileşenlere ayrılmaktadır. Gerçek araçlarda kontrol girişinin sınırsız olmadığı, pervane ve eyleyicilerin doygunluk sınırlarının bulunduğu ayrıca vurgulanmaktadır.

Takip başarısının matematiksel hedefi

6. sayfadaki Şekil 2, bozucu etkiler altında referans yörüngeyi izleyen bir AUV’yi göstermektedir. Aracın gerçek konumu \(\eta_1(t)\), zamanla tanımlanan referans konumu ise \(\eta_{1r}(t)\) olduğunda takip hatası:

\[ e(t)=\eta_{1r}(t)-\eta_1(t) \]

olarak tanımlanır. Denetleyicinin hedefi:

\[ \lim_{t\rightarrow\infty}\|e(t)\| = \lim_{t\rightarrow\infty}\|\eta_{1r}(t)-\eta_1(t)\| \leq\delta_\eta \]

koşulunu sağlamaktır. \(\delta_\eta\), sıfıra çok yakın pozitif bir hata toleransıdır. İdeal olarak aracın gerçek yörüngesi referans yörüngeye yaklaşmalı; bunu yaparken kontrol girişleri, enerji tüketimi ve toplam eyleyici çabası da gereksiz ölçüde büyümemelidir.

Doğrusal Olmayan Model Öngörülü Kontrol

Model Öngörülü Kontrol, AUV modelini kullanarak belirli bir tahmin ufku boyunca gelecekteki davranışı hesaplar. Her kontrol çevriminde takip hatası, kontrol değişimi ve gerekli görülürse enerji veya eyleyici kullanımı içeren bir maliyet fonksiyonu çözülür. Yalnızca ilk kontrol hareketi uygulanır ve yeni ölçüm geldiğinde optimizasyon tekrarlanır.

Başlıca avantajları:

• Pervane kuvveti, hız, yönelim ve güvenli çalışma alanı gibi kısıtları optimizasyona doğrudan katabilmesi.
• Çok değişkenli ve çapraz bağlı AUV dinamiğini birlikte ele alabilmesi.
• Takip, yanaşma, formasyon ve çarpışmadan kaçınma hedeflerini ortak maliyet fonksiyonunda birleştirebilmesi.
• Terminal maliyet ve terminal kısıtlarla kararlılık ve uygulanabilirlik analizine elverişli olması.

Başlıca sınırlılıkları:

• Her çevrimde doğrusal olmayan optimizasyon çözülmesi nedeniyle yüksek hesaplama yükü.
• Model ve hidrodinamik parametre hatalarına duyarlılık.
• Tahmin ufku, ağırlıklar, terminal küme ve kısıtların ayarlanmasının karmaşık olması.
• Gömülü donanımda gerçek zamanlı uygulama için hızlı çözücü gerektirmesi.

7. sayfadaki Şekil 3, genişletilmiş durum gözlemcisiyle bozucuları tahmin eden ve model öngörülü bir yöneticiyle referans hızları oluşturan kontrol şemasını göstermektedir. Tablo 1’de C/GMRES tabanlı hızlı NMPC, integral kayan kip ve Smith öngörücülü NMPC, tüp tabanlı MPC, dağıtık MPC, Gaussian süreç destekli MPC, ESO-MPC, biyolojik esinli jeomanyetik navigasyon ve LPV-MPC gibi yaklaşımlar karşılaştırılmıştır.

Uyarlamalı kontrol

Uyarlamalı kontrol, araç parametreleri veya çevresel koşullar değiştiğinde denetleyici parametrelerini çevrim içinde günceller. Bu yaklaşım özellikle kütle, yük, sönüm, kaldırma veya akıntı etkisinin önceden tam bilinmediği durumlarda kullanılmaktadır.

Derlemede incelenen yöntemler arasında geri adımlama, Lyapunov tabanlı uyarlama, uyarlamalı sinir ağı, dağıtık gözlemci, genişletilmiş bozucu gözlemcisi, yüksek mertebeli kayan kip ve model tabanlı-modelsiz hibrit denetim bulunmaktadır.

Güçlü yönleri:

• Değişen parametreleri çevrim içinde tahmin edebilmesi.
• Tam model bilgisine olan gereksinimi azaltabilmesi.
• Yavaş değişen belirsizliklere ve farklı araç yüklerine uyarlanabilmesi.
• Gözlemci ve sinir ağıyla bilinmeyen bozucuların yaklaşık telafisine olanak vermesi.

Sınırlılıkları:

• Geri adımlama ve çok katmanlı uyarlama yasalarının karmaşıklaşması.
• Parametrelerin gerçek değerlere yakınsaması için kalıcı uyarım koşulunun gerekebilmesi.
• Hızlı değişen bozuculara karşı uyarlamanın yetersiz kalabilmesi.
• Uyarlama kazançlarının yanlış seçilmesi durumunda gürültüye hassasiyet veya yavaş yakınsama oluşması.

Dayanıklı kontrol

Dayanıklı kontrol, belirsizliklerin tahmin edilen sınırları içinde sistem kararlılığını koruyacak sabit denetleyici parametreleri tasarlamayı amaçlar. Uyarlamalı kontrolden farklı olarak denetleyicinin temel parametreleri çalışma sırasında zorunlu olarak değişmez.

Derlemede doğrusal olmayan oransal-türevsel kontrol, GSTA-ESO, doğrusal olmayan bozucu gözlemcisi, geri adımlama, dinamik kayan kip, kesirli mertebeli PID ve hiyerarşik dayanıklı doğrusal olmayan kontrol örnekleri ele alınmıştır. 11. sayfadaki Şekil 4, hiyerarşik dayanıklı doğrusal olmayan kontrol mimarisinde kinematik ve dinamik kontrol katmanlarının nasıl ayrıldığını göstermektedir.

Dayanıklı yöntemler sınırlı ve iyi tanımlanmış bozucular altında güçlü kararlılık sunabilir. Bununla birlikte en kötü koşula göre tasarım normal koşullarda gereğinden yüksek kontrol çabası üretebilir. Belirsizlik sınırlarının yanlış tahmin edilmesi, kazançların yüksek seçilmesi ve kayan kip bileşenleri çatırtı veya eyleyici doygunluğu oluşturabilir.

Kayan Kipli Kontrol

Kayan Kipli Kontrol, sistem durumunu önceden tanımlanan bir kayan yüzeye ulaştırır ve daha sonra bu yüzey üzerinde istenen dengeye yönlendirir. Parametre değişimlerine ve eşleşmiş bozuculara karşı yüksek dayanımı nedeniyle AUV kontrolünde yaygın biçimde incelenmektedir.

Başlıca üstünlükleri:

• Hızlı ve sonlu zamanlı hata yakınsaması sağlayabilmesi.
• Akıntı ve model belirsizliğine karşı güçlü bozucu bastırma.
• Nispeten düşük veya orta hesaplama yükü.
• Eksik tahrikli ve çok araçlı formasyon sistemlerine uygulanabilmesi.

Temel sorun: İşaret fonksiyonuna dayalı kesikli giriş, denetim sinyalinde yüksek frekanslı salınım oluşturarak pervane, dümen ve diğer eyleyicilerde aşınmaya neden olabilir. Bu etki çatırtı olarak adlandırılmaktadır.

Derlemede çatırtıyı azaltmak için bulanık kazanç ayarı, sürekli yaklaşık fonksiyon, sinir dinamiği, radyal tabanlı sinir ağı ve ikinci mertebeli veya tekillik içermeyen terminal kayan yüzeyler öneren çalışmalar incelenmiştir. 12. sayfadaki Şekil 5, tam tahrikli bir AUV için uyarlamalı ikinci mertebeli hızlı tekilliksiz terminal kayan kip kontrol şemasını göstermektedir.

Yapay sinir ağı tabanlı kontrol

Yapay sinir ağları, AUV modelindeki bilinmeyen doğrusal olmayan fonksiyonları yaklaşık olarak temsil etmek için kullanılmaktadır. Radyal tabanlı fonksiyon ağları, eleştirmen-eyleyici mimarileri ve uyarlamalı sinir ağı denetleyicileri; belirsiz sönüm, dış bozucu, eyleyici doygunluğu veya ölçülemeyen durumları telafi etmeyi amaçlamaktadır.

Sinir ağı denetiminin güçlü yanı, bütün hidrodinamik parametrelerin önceden bilinmesini gerektirmeden bilinmeyen dinamikleri öğrenebilmesidir. Buna karşılık ağ mimarisi, eğitim verisi, başlangıç ağırlıkları, öğrenme hızı ve işlemci kapasitesi performansı doğrudan etkiler. Bazı yöntemler kalıcı uyarım koşuluna ihtiyaç duymakta, bazıları ise yalnız benzetimle doğrulanmaktadır.

14. sayfadaki Şekil 6; doygunluk modeli, sinir ağı yaklaşıklaştırıcısı, uyarlama yasası ve geri adımlama denetleyicisinden oluşan bir sinir ağı tabanlı AUV kontrol şemasını göstermektedir.

Bulanık mantık kontrolü

Bulanık mantık, kesin bir matematiksel model yerine uzman bilgisine dayalı “eğer–ise” kurallarıyla denetim kararı üretir. AUV uygulamalarında PID kazançlarını ayarlamak, kayan kip kazancını değiştirmek, bozucu gözlemcisi çıktısını değerlendirmek veya büyük başlangıç hatalarında yerel referans yörüngeyi yeniden planlamak için kullanılmaktadır.

Avantajları:

• Kesin olmayan model ve dilsel uzman bilgisiyle çalışabilmesi.
• Kayan kip denetimindeki çatırtıyı azaltabilmesi.
• Uyarlamalı PID ve bozucu reddetme yapılarıyla bütünleştirilebilmesi.
• Orta büyüklükteki kural tabanlarında görece düşük hesaplama yükü.

Sınırlılıkları:

• Üyelik fonksiyonları ve kuralların uzman tarafından belirlenmesi.
• Çalışma koşulları büyüdükçe kural sayısının hızla artması.
• Kuralların her AUV modeli ve deniz koşulu için yeniden ayarlanması.
• Belirli bozucu sınırlarının dışında performansın düşebilmesi.

15. sayfadaki Şekil 7, bozucu gözlemcisi, S-yüzeyi denetleyicisi ve bulanık uyarlamalı PI düzelticiyi birleştiren mimariyi göstermektedir.

Pekiştirmeli öğrenme kontrolü

Pekiştirmeli öğrenmede ajan, çevreyle etkileşerek toplam ödülü en yüksek yapan kontrol politikasını öğrenir. Derlemede çevrim içi politika yineleme, Gaussian süreç destekli öğrenme, DDPG, SAC, MADDPG, çoklu aktör-eleştirmen yapıları ve dikkat tabanlı meta-pekiştirmeli öğrenme yöntemleri ele alınmıştır.

Güçlü yönleri:

• Açık bir hidrodinamik model olmadan kontrol politikası öğrenebilmesi.
• Zamanla değişen dinamiklere ve yeni görev koşullarına uyarlanabilmesi.
• Çoklu AUV koordinasyonu ve karmaşık sürekli eylem uzaylarına uygulanabilmesi.
• Kontrol doğruluğu ile enerji tüketimi gibi birden fazla hedefi ödül fonksiyonunda birleştirebilmesi.

Sınırlılıkları:

• Çok sayıda eğitim bölümü ve yüksek işlem gücü gerektirmesi.
• Ödül fonksiyonundaki hataların istenmeyen davranış üretmesi.
• Yerel optimum, kararsız öğrenme ve aşırı değer tahmini riskleri.
• Birçok yaklaşımda kesin Lyapunov kararlılık garantisinin bulunmaması.
• Gerçek araç üzerinde güvenli keşif yapılmasının zor olması.

17. sayfadaki Şekil 8, birden fazla aktör ve eleştirmen kullanan MPQ-DPG algoritmasının eğitim ve kontrol akışını göstermektedir. Derlemede pekiştirmeli öğrenmenin geleceği güçlü görülse de fiziksel deney olgunluğunun diğer yöntemlerden daha düşük olduğu belirtilmektedir.

Yöntemler hangi koşullarda öne çıkıyor?

Derlemenin nitel puanlama tablosu

Çalışmanın 23. sayfasındaki Tablo 5, yöntemleri beş seviyeli nitel ölçekle puanlamaktadır. Aşağıdaki ifadeler yazarların sentezini yansıtır; ortak veri kümesi üzerinde hesaplanan deneysel sonuçlar değildir.

Puanların çalışma seçimi, bağımsız değerlendirici sayısı veya hesaplama formülü açıklanmamıştır. Bu nedenle tablo, mühendislik seçimi için başlangıç özeti sağlayabilir; ancak kontrolcü satın alma, güvenlik sertifikasyonu veya görev açısından kesin karar matrisi olarak kullanılmamalıdır.

Fiziksel deneylerden aktarılan örnekler

Derleme, önceki literatürdeki üç fiziksel uygulamayı ayrıntılı olarak özetlemektedir. Bunlar derleme yazarlarının gerçekleştirdiği yeni deneyler değildir.

Leonard sualtı aracı deneyi

• Araç boyutları: 75 × 55 × 45 santimetre.
• Araç kütlesi: 28 kilogram.
• Eyleyici: Altı bağımsız itici.
• Deney ortamı: LIRMM’de 4 × 4 × 1,2 metrelik havuz.
• İşlemci: Intel i7-3520M, 2,9 GHz.
• Bellek: 8 GB RAM.
• Yazılım: Windows 7 ve Visual C++ 2010.

Normal koşul, parametre belirsizliği ve dış bozucu senaryoları uygulanmış; GSTA-ESO içeren doğrusal olmayan PD denetleyicinin nominal denetleyiciden daha iyi takip gerçekleştirdiği aktarılmıştır. İncelenen derleme, bu deney için ortaklaştırılmış sayısal hata dağılımı veya yeniden analiz sunmamaktadır.

135 kilogramlık ROV uygulaması

• Araç kütlesi: 135 kilogram.
• Belirtilen çalışma derinliği: En az 100 metre.
• Eyleyici: Altı elektrikli itici.
• Algılayıcılar: Doppler hız günlüğü, basınç sensörü, ataletsel ölçüm birimi ve iki USB kamera.
• Yazılım ve iletişim: Ubuntu, Python tabanlı kullanıcı arayüzü ve Ethernet.
• Test alanı: Singapore Yacht Club yakınındaki açık su koşulları.

Bulanık çıkarım ve genetik algoritmayla ayarlanan kayan kipli denetleyicinin, dalga ve akıntı etkileri altında PID denetleyiciye göre daha az salınım gösterdiği aktarılmıştır. Kullanılan platformun ROV olması, sonucun tamamen otonom AUV görevlerine doğrudan aktarılmasında dikkate alınmalıdır.

VideoRay PRO su tankı deneyi

• Üç iticiyle ileri hareket, düşey hareket ve sapma kontrolü.
• Polhemus-Isotrack konum geri besleme sistemi.
• RS-232 üzerinden 30 Hz ölçüm aktarımı.
• Linux üzerinde C++ yazılım mimarisi.
• Görev: Sarmal referans yörüngeyi takip etme.

İncelenen önceki çalışmada araç dinamik parametreleri tam bilinmeden ve dış bozucular varken öngörülen performansla yörünge takibi yapıldığı bildirilmiştir. Derleme, fiziksel doğrulamaların genel literatürde sınırlı kaldığı sonucuna ulaşmaktadır.

Gelecekte hangi araştırmalar öneriliyor?

1. Fizik bilgili makine öğrenmesi: Newton hareket yasaları, kaldırma ve ağırlık, Coriolis etkileri ve hidrodinamik modellerin PINN gibi makine öğrenmesi yapılarına eklenmesi.
2. Hibrit kontrol: Pekiştirmeli öğrenmenin MPC veya kayan kipli kontrolle birleştirilmesi. RL değişen koşulları öğrenirken MPC kısıtları, SMC ise dayanıklılığı yönetebilir.
3. ESO ve Bayes ağları: Genişletilmiş durum gözlemcisinin durum ve bozucu tahminlerinin Bayes ağında belirsizlik hesabı ve olasılıksal karar için kullanılması.
4. Hiyerarşik denetim: Görev planlama, orta düzey koordinasyon ve düşük düzey hareket kontrolünün ayrı fakat haberleşen katmanlara bölünmesi.
5. Geniş ölçekli fiziksel deneyler: Denetleyicilerin yalnız simülasyon ve küçük havuz yerine güçlü akıntı, değişken görüş ve gerçek hidrodinamik etkiler bulunan geniş su ortamlarında sınanması.

Çalışmanın desteklediği sonuçlar

• AUV yörünge takibi için tek bir yöntemin bütün görevlerde en iyi olduğu söylenemez.
• NMPC takip doğruluğu ve kısıt yönetiminde güçlü, fakat hesaplama bakımından maliyetlidir.
• Kayan kipli kontrol yüksek dayanım ve hızlı yakınsama sunmakta, fakat çatırtı sorunu taşımaktadır.
• Uyarlamalı ve gözlemci tabanlı yöntemler parametre ve bozucu belirsizliklerini azaltabilir.
• Sinir ağı ve bulanık yöntemler bilinmeyen dinamikler için yaklaşıklaştırma sağlayabilir.
• Pekiştirmeli öğrenme model bağımsızlığı sunmakta, ancak veri, donanım, güvenlik ve kararlılık sorunları bulunmaktadır.
• Literatürde simülasyon çalışmaları fiziksel deneylerden belirgin biçimde daha yaygındır.
• Hibrit ve fizik bilgili yöntemler gelecekteki önemli araştırma yönleridir.

Çalışmanın kanıtlamadığı sonuçlar

• Herhangi bir kontrol yönteminin bütün AUV tiplerinde evrensel olarak üstün olduğu kanıtlanmamıştır.
• Tablo 5’teki nitel puanlar ortak deney düzeneğinde ölçülmüş performans değerleri değildir.
• Çalışma özgün bir kontrolcü, yeni fiziksel AUV deneyi veya ham deney verisi sunmamaktadır.
• İncelenen yöntemler arasında nicel meta-analiz yapılmamıştır.
• Yayın yanlılığı, çalışma kalitesi veya deneylerin bağımsızlığı sistematik olarak puanlanmamıştır.
• Simülasyondaki kararlılık kanıtları açık denizde güvenli ve başarılı çalışma garantisi oluşturmaz.
• Pekiştirmeli öğrenmenin model bağımsız olması fiziksel güvenlik ve kararlılığı kendiliğinden garanti etmez.
• Hibrit yöntem önerileri bu derlemede ortak AUV platformunda deneysel olarak karşılaştırılmamıştır.

Çalışmanın Yöntemi ve Bulguları

Derleme yöntemi

İncelenen ana kontrol sınıfları

• Doğrusal Olmayan Model Öngörülü Kontrol ve farklı MPC türevleri.
• Geri adımlama, Lyapunov ve gözlemci destekli uyarlamalı kontrol.
• Dayanıklı, sonlu zamanlı ve kesirli mertebeli kontrol.
• Birinci ve yüksek mertebeli kayan kipli kontrol.
• Radyal tabanlı, eleştirmen-eyleyici ve uyarlamalı sinir ağı kontrolü.
• Bulanık PID, bulanık kazanç ve bulanık bozucu reddetme yöntemleri.
• DDPG, SAC, MADDPG, politika yineleme ve meta-RL tabanlı kontrol.

Tablo ve şekillerin işlevi

• Şekil 1: Altı serbestlik dereceli AUV için Dünya’ya bağlı ve gövdeye bağlı koordinat sistemleri.
• Şekil 2: Belirsizlik ve dış bozucu altında gerçek ve referans yörüngenin ilişkisi.
• Şekil 3: ESO, model öngörülü yönetici ve düşük düzey denetleyiciden oluşan MPC yapısı.
• Şekil 4: Hiyerarşik dayanıklı doğrusal olmayan kontrol şeması.
• Şekil 5: Uyarlamalı ikinci mertebeli hızlı tekilliksiz terminal kayan kip kontrolü.
• Şekil 6: Sinir ağı tabanlı uyarlamalı kontrol mimarisi.
• Şekil 7: Bozucu gözlemcili, bulanık uyarlamalı S-yüzeyi denetleyicisi.
• Şekil 8: Çoklu aktör ve eleştirmen içeren MPQ-DPG pekiştirmeli öğrenme yapısı.
• Tablo 1: MPC yöntemlerinin amaç, yenilik ve sınırlılık karşılaştırması.
• Tablo 2: Uyarlamalı kontrol yöntemlerinin karşılaştırması.
• Tablo 3: Kararlılık, yakınsama, bozucu bastırma, eksik tahrik, deney ve hesaplama açısından yöntem analizi.
• Tablo 4: Temsilci stratejiler, yenilikler, güçlü yönler ve uygun kullanım senaryoları.
• Tablo 5: Sekiz performans ölçütünde beş seviyeli nitel yöntem puanlaması.

Şekillerin büyük bölümü kaynak gösterilerek önceki yayınlardan yeniden basılmış kontrol şemalarıdır. Çalışmanın ilk sayfasındaki “Graphical Abstract” alanında başlık ve yazar bilgileri dışında açıklayıcı bir grafik bulunmamaktadır.

Derlemenin temel sentezi

Araştırmacılar, yüksek takip doğruluğu ve optimallik öncelikli olduğunda MPC ile uyarlamalı kontrolü; güçlü bozucular ve orta hesaplama kapasitesi bulunduğunda kayan kipli kontrolü; yeterli işlem gücü ve verinin bulunduğu bilinmeyen dinamiklerde ise sinir ağı veya pekiştirmeli öğrenme yöntemlerini öne çıkarmaktadır.

Bu sonuçlar yöntem aileleri düzeyinde genel tasarım rehberidir. Belirli bir AUV için kontrol yöntemi seçilirken aracın tahrik düzeni, görev süresi, işlemci kapasitesi, sensör kalitesi, akıntı modeli, enerji bütçesi, haberleşme koşulları, güvenlik gereksinimi ve fiziksel deney sonuçları ayrıca değerlendirilmelidir.

Metin ve raporlama sınırlılıkları

• Arama veri tabanları, arama sözcükleri ve tarama tarihleri verilmemiştir.
• Başlangıçtaki kayıt sayısı, yinelenen kayıtlar ve dışlama nedenleri raporlanmamıştır.
• Yayın kalitesini veya yanlılık riskini ölçen standart araç kullanılmamıştır.
• Çalışmaların takip hataları farklı birim ve koşullardan ortak ölçeğe dönüştürülmemiştir.
• Tablo 5 puanlarının dayandığı hesaplama veya değerlendirici uzlaşması açıklanmamıştır.
• 2010–2026 kapsam beyanına rağmen 2009 tarihli kaynak bulunmaktadır.
• MPC ve uyarlamalı kontrol bölümlerinde “shown in ??” şeklinde tamamlanmamış tablo yönlendirmeleri bulunmaktadır.
• “Graphical Abstract” sayfasında gerçek bir grafik yer almamaktadır.
• Fiziksel deneyler farklı AUV ve ROV platformlarından aktarılmıştır; doğrudan karşılaştırılabilir ortak testler değildir.
• Derleme preprinttir ve hakem değerlendirmesinden geçmemiştir.

Kaynak ve Yöntem Notu

Çalışmanın tam özgün adı: Review on Nonlinear Control Strategies for Trajectory Tracking of AUVs

Yazarlar: Daniel Bakuoru Luki; Abdul-Aziz N-Yo; William Akuffo; Robert Agyare Ofosu.

Yazar sıralaması: Daniel Bakuoru Luki birinci, Abdul-Aziz N-Yo ikinci, William Akuffo üçüncü ve Robert Agyare Ofosu dördüncü yazardır.

Eş birinci yazar: Eş katkı veya eş birinci yazar beyanı yer almamaktadır.

Sorumlu yazar: Daniel Bakuoru Luki. Başlıktaki yıldız işareti ve SSRN kaydındaki “Contact Author” bilgisi bu yazarı göstermektedir. Metindeki “Corresponding authors” başlığı altında dört yazarın da e-posta adresi listelenmiş olsa da diğer yazarların adlarında sorumlu yazar yıldızı bulunmamaktadır.

Kurumlar:

• Daniel Bakuoru Luki — Electrical and Computer Engineering, University of Energy and Natural Resources, Sunyani, Ghana.
• Abdul-Aziz N-Yo — Mechanical Engineering, Ashesi University, Berekuso, Ghana.
• William Akuffo — Mechanical Engineering, Ashesi University, Berekuso, Ghana.
• Robert Agyare Ofosu — Electrical and Electronic Engineering, University of Mines and Technology, Tarkwa, Ghana.

ORCID: Daniel Bakuoru Luki — 0009-0006-4719-5943; Abdul-Aziz N-Yo — 0009-0001-7139-8533. William Akuffo ve Robert Agyare Ofosu için ORCID bilgisi incelenen sürümde yer almamaktadır.

DOI:10.2139/ssrn.7193868

Dergi: Hakemli dergi adı incelenen sürümde yer almamaktadır. Sayfa altlarında yalnızca “Preprint submitted to Elsevier” ifadesi bulunmaktadır.

Yayınevi: Kesinleşmiş özgün yayınevi bilgisi yer almamaktadır. SSRN bir preprint platformudur ve nihai yayınevi olarak değerlendirilmemelidir.

Yayın platformu: SSRN.

Yayın yılı: 2026.

SSRN kayıt tarihi: 27 Temmuz 2026.

Kaynak türü: Otonom sualtı araçlarında doğrusal olmayan yörünge kontrol yöntemlerini sınıflandıran anlatısal ve karşılaştırmalı derleme preprinti.

Hakemlik durumu: Çalışma hakem değerlendirmesinden geçmemiştir.

Resmî kaynak:SSRN resmî çalışma kaydı.

Önceki sürüm notu: Aynı başlığın 2024 yılında TechRxiv üzerinde yayımlanmış daha eski bir preprint sürümü bulunmaktadır. Yüklenen belge, güncel kimlik olarak SSRN 7193868 kaydını ve SSRN DOI’sini göstermektedir.

Finansman: Araştırmacılar dış finansman alınmadığını belirtmiştir.

Etik onay: Derleme niteliği nedeniyle etik onayın uygulanabilir olmadığı belirtilmiştir.

Bu Türkçe açıklama, yüklenen çalışmanın 29 sayfalık dosyası; ana metni, denklemleri, karşılaştırma tabloları, yeniden basılan kontrol şemaları, fiziksel deney özetleri, sonuçları ve kaynakçası incelenerek hazırlanmıştır. Bilimsel içeriğe çalışma dışında yeni deney sonucu veya yöntem üstünlüğü eklenmemiştir. Dış kaynaklar yalnızca yazar ve kurum bilgileri, DOI, sürüm geçmişi, SSRN kayıt tarihi ve yayın durumunun bibliyografik doğrulanması için kullanılmıştır.

Çalışma özgün bir deney veya sistematik meta-analiz değildir. Yöntemler arasında verilen puanlar ortak deney düzeneğinden elde edilen ölçümler değil, farklı kaynakların yazarlar tarafından yapılan nitel sentezidir. Bu nedenle belirli bir AUV projesinde kontrolcü seçimi için araç üzerinde simülasyon, donanım döngüde test, havuz deneyi ve gerçek su koşullarında doğrulama yapılmalıdır.