Bu araştırma, doğrusal olmayan, güçlü biçimde birbirine bağlı ve açık çevrimde kararsız bir İkiz Rotorlu Çok Girişli Çok Çıkışlı Sistem'in (Twin Rotor MIMO System, TRMS) gerçek zamanlı yörünge takibini incelemektedir. Fiziksel düzenekte yalnızca pitch ve yaw açıları doğrudan ölçülebildiği için araştırmacılar, ölçülemeyen iki açısal hız ile iki rotor torkunu kestirmek üzere bir Yüksek Kazançlı Gözlemci (High-Gain Observer, HGO) kullanmış; bunun üzerine üç farklı backstepping kontrol mimarisini 1 kHz örnekleme hızında fiziksel TRMS üzerinde test etmiştir. Konvansiyonel backstepping yaklaşımı yaw eksenindeki ilerleyici kararsızlık nedeniyle yaklaşık 42 saniyede 4 rad sınırını aşarken, adaptif ayar fonksiyonları, Brain Storm Optimization (BSO) ve Artificial Bee Colony (ABC) kullanan üç mimari 100 saniyelik gerçek zamanlı deneyi tamamlamıştır. Pitch ekseninde en düşük RMSE değerleri BSO için 0,0821 rad ve ABC için 0,0822 rad olurken, yaw ekseninde en düşük RMSE 0,2244 rad ile adaptif ayar fonksiyonları mimarisinde elde edilmiştir. Bununla birlikte, dört gözlenemeyen durumdan açısal hız ve rotor torku kestirimleri ayrı referans sensörleriyle doğrudan doğrulanmamış ve BSO/ABC algoritmalarının 1 ms çevrim süresine ilişkin sertifikalı hedef-donanım WCET ölçümü yapılmamıştır.

Çalışmanın temel mühendislik sonucu, kararlılık problemi ile hassasiyet probleminin aynı kontrol mekanizmasıyla çözülmek zorunda olmadığını göstermesidir. Araştırmacıların yorumuna göre ayar fonksiyonları adaptif backstepping yapısındaki aşırı parametreleştirme sorununu ortadan kaldırarak özellikle yaw kanalının kararlılığını iyileştirirken, çevrimiçi BSO ve ABC optimizasyonu kontrol kazançlarını çalışma sırasında güncelleyerek özellikle pitch ekseninde izleme doğruluğunu artırmıştır.

Simülasyon ile fiziksel deney arasındaki fark çalışmanın önemli bulgularından biridir. İdeal MATLAB/Simulink ortamında konvansiyonel backstepping denetleyicisi her iki eksende de kabul edilebilir davranırken, gerçek sistemde encoder kuantalaması, aktüatör doygunluğu, mekanik sürtünme, modellenmemiş aerodinamik etkiler ve veri toplama zincirindeki gecikmeler altında yaw kanalı kararsızlaşmıştır. Bu nedenle çalışmadaki asıl kanıt, simülasyon eğrilerinden çok fiziksel TRMS üzerinde gerçekleştirilen 100 saniyelik deneylerden gelmektedir.

Türkiye açısından bu araştırma, insansız hava aracı veya döner kanatlı sistemlerin doğrudan saha kontrol çözümü olarak değil; doğrusal olmayan çok değişkenli kontrol, gerçek zamanlı gömülü optimizasyon ve gözlemci tabanlı durum kestirimi üzerine çalışan laboratuvarlar için yöntemsel bir referans olarak değerlendirilebilir. Çalışmanın sonuçlarının Türkiye'deki gerçek bir hava aracına veya farklı bir endüstriyel platforma aktarılması; o sistemin sensör çözünürlüğü, aktüatör sınırları, aerodinamiği, hesaplama donanımı ve çevresel koşulları altında yeniden modellenmesini ve deneysel olarak doğrulanmasını gerektirir.

Araştırmanın temel problemi nedir?

TRMS, bir ana rotor ile bir kuyruk rotorunun aynı mekanik sistem üzerinde pitch ve yaw hareketlerini oluşturduğu, iki serbestlik dereceli doğrusal olmayan bir laboratuvar düzeneğidir. Ana rotor öncelikle pitch hareketini, kuyruk rotor ise yaw hareketini kontrol eder; ancak iki kanal aerodinamik ve jiroskopik etkiler nedeniyle birbirinden tamamen bağımsız değildir.

Sistemin durum vektörü altı değişkenden oluşmaktadır:

\[ x = \begin{bmatrix} \psi & \dot{\psi} & \tau_1 & \phi & \dot{\phi} & \tau_2 \end{bmatrix}^{T} \]

Burada \(\psi\) pitch açısını, \(\phi\) yaw açısını, \(\dot{\psi}\) ve \(\dot{\phi}\) açısal hızları, \(\tau_1\) ve \(\tau_2\) ise ana ve kuyruk rotorlarının torklarını temsil etmektedir. Fiziksel düzenek yalnızca pitch ve yaw açılarını doğrudan ölçmektedir:

\[ y = \begin{bmatrix} \psi & \phi \end{bmatrix}^{T} \]

Dolayısıyla backstepping denetleyicisinin ihtiyaç duyduğu altı durumun dördü doğrudan sensörlerden alınamamaktadır. Araştırmanın ilk problemi bu dört durumu gözlemci ile kestirmek, ikinci problemi ise doğrusal olmayan ve çapraz bağlı sistemi gerçek zamanda kararlı biçimde referans yörüngede tutmaktır.

Fiziksel TRMS neden zor bir kontrol problemidir?

Çalışmada kullanılan TRMS açık çevrimde kararsızdır ve iki rotor arasında belirgin çapraz bağlaşım vardır. Pitch ve yaw eksenlerindeki atalet, viskoz ve Coulomb sürtünmesi, yerçekimi momenti, rotorların aerodinamik momentleri, motor zaman sabitleri ve jiroskopik/reaksiyon momentleri doğrusal olmayan durum denklemlerinde birlikte yer almaktadır.

Pitch ataleti \(I_1 = 6,8 \times 10^{-2}\,\mathrm{kg\,m^2}\), yaw ataleti ise \(I_2 = 2,0 \times 10^{-2}\,\mathrm{kg\,m^2}\) olarak modellenmiştir. Motorlara uygulanan kontrol gerilimleri fiziksel donanım nedeniyle şu sınır içindedir:

\[ |u_i| \leq 2,5\ \mathrm{V} \]

Pitch ve yaw açılarını ölçen artımlı encoder'lar devir başına 2000 darbe üretmektedir. Çalışmada bunun yaklaşık açısal çözünürlüğü:

\[ \frac{2\pi}{2000} \approx 0,00314\ \mathrm{rad} \]

olarak belirtilmektedir. Dolayısıyla ideal sürekli ölçüm varsayımı fiziksel deneyde geçerli değildir.

Backstepping yapısı nasıl kurulmuştur?

Araştırmacılar sistemi merkezi tek bir altıncı dereceden denetleyici olarak ele almak yerine pitch için \((x_1,x_2,x_3)\), yaw için \((x_4,x_5,x_6)\) olmak üzere iki üçüncü dereceden strict-feedback alt sisteme ayırmıştır. Kanallar arasındaki aerodinamik bağlaşım ise sınırlı bozucu etki olarak ele alınmıştır.

Backstepping yönteminde kontrol problemi ardışık hata değişkenlerine ayrılmakta ve her adım için bir Lyapunov fonksiyonu kullanılarak sanal kontrol yasaları oluşturulmaktadır. Çalışmanın adaptif yaklaşımındaki kritik fark, her backstepping adımında ayrı ayrı parametre kestirim yasaları oluşturmak yerine ayar fonksiyonları aracılığıyla tek bir birleşik güncelleme yasasının kullanılmasıdır.

Genel biçimde adaptif parametre güncellemesi:

\[ \dot{\hat{\theta}} = \Gamma \tau_n \]

şeklindedir. Burada \(\hat{\theta}\) belirsiz fiziksel parametrelerin tahminini, \(\Gamma\) pozitif tanımlı adaptasyon kazanç matrisini, \(\tau_n\) ise bütün backstepping aşamalarından oluşan birleşik ayar fonksiyonunu temsil eder.

Araştırmacılar Lyapunov analizinde toplam fonksiyonun türevini genel olarak:

\[ \dot{V} = -\sum_{k=1}^{n} c_k z_k^2 < 0 \]

biçiminde elde etmektedir. Buradaki \(z_k\) backstepping hata koordinatlarını, \(c_k>0\) ise tasarım kazançlarını ifade eder. Bu yapı, ideal matematiksel varsayımlar altında hata değişkenlerinin yakınsamasına temel oluşturmaktadır.

Aktüatör doygunluğu kararlılık sonucunu nasıl sınırlandırıyor?

Teorik durum geri besleme tasarımı asimptotik kararlılık sağlasa da gerçek TRMS motor girişleri ±2,5 V ile sınırlıdır. Bu nedenle makale, gözlemci ve kontrolcü birlikte değerlendirildiğinde sonucu küresel kararlılık olarak değil, aktüatör sınırları ve başlangıç koşullarıyla belirlenen bir çekim bölgesi içinde yarı-küresel asimptotik kararlılık olarak ifade etmektedir.

Yüksek Kazançlı Gözlemci ne yapıyor?

Yüksek Kazançlı Gözlemci, yalnızca iki encoder tarafından ölçülen \(\psi\) ve \(\phi\) açılarını kullanarak altı durumlu sistemin durum vektörünü yeniden oluşturmaya çalışmaktadır. Çalışmadaki temel gözlemci yapısı:

\[ \dot{\hat{x}} = f(\hat{x}) + Bu + \left( \frac{\partial \varphi(\hat{x})}{\partial \hat{x}} \right)^{-1} \Lambda^{-1}(\theta,\delta)L \left(y-C\hat{x}\right) \]

şeklindedir. Pitch kanalı için yüksek kazanç parametresi \(\theta_1=2\), yaw kanalı için \(\theta_2=1,5\) seçilmiştir. Araştırmacılar bu değerleri hızlı yakınsama ile encoder gürültüsünün yükseltilmesi arasındaki dengeyi sağlayacak şekilde deneysel olarak belirlemiştir.

Gözlemcinin doğrudan doğrulanabildiği durumlar yalnızca sensörle de ölçülen pitch ve yaw açılarıdır. 100 saniyelik gerçek zamanlı deneyde gözlemci ile encoder arasındaki RMSE pitch için 0,0383 rad, yaw için 0,1304 rad olarak hesaplanmıştır. Referans genlikleri dikkate alındığında çalışmada bunlar yaklaşık %7,7 ve %13 normalize kestirim hatası olarak raporlanmaktadır.

Gözlemci başlangıçta sistemin dinlenme koşuluna ayarlandığı için ölçülen açı kanallarında belirgin bir başlangıç peaking sıçraması görülmemiştir. Yaw kanalında özellikle hızın yön değiştirdiği bölgelerde küçük dalgalanmalar bulunmakta ve araştırmacılar bunu encoder kuantalaması ile mekanik titreşime bağlamaktadır.

Bununla birlikte \(\hat{x}_2\), \(\hat{x}_3\), \(\hat{x}_5\) ve \(\hat{x}_6\), yani iki açısal hız ile iki rotor torku için fiziksel düzende bağımsız hız veya tork sensörü bulunmadığından doğrudan ground-truth karşılaştırması yapılmamıştır. Bu kestirimlerin kalitesi, kontrol çevriminin 100 saniye boyunca sınırlı ve kararlı kalması üzerinden yalnızca dolaylı biçimde desteklenmektedir.

BSO ve ABC neyi optimize ediyor?

Meta-sezgisel denetleyiciler adaptif ayar fonksiyonlarının doğrudan bir uzantısı değildir. Bu iki mimaride nominal backstepping yapısı korunmakta, fiziksel parametre kestirimi yerine backstepping tasarım kazançları çevrimiçi olarak optimize edilmektedir.

Her eksen için karar değişkeni üç kazançtan oluşmaktadır:

\[ c = \begin{bmatrix} c_1 & c_2 & c_3 \end{bmatrix}^{T} \]

Yaw ekseni için eşdeğer biçimde \(c_4,c_5,c_6\) kullanılmaktadır. Optimizasyon sınırları her kanal için:

• birinci kazanç: 0,1–10,0,
• ikinci kazanç: 0,1–5,0,
• üçüncü kazanç: 0,01–1,0

olarak belirlenmiştir.

Her iki algoritma aynı amaç fonksiyonunu minimize etmektedir:

\[ J(c,e) = |e(t)| + \lambda \|c\|^2 \]

ve düzenlileştirme katsayısı:

\[ \lambda = 5\times10^{-4} \]

olarak seçilmiştir. İlk terim anlık yörünge hatasını azaltmaya, ikinci terim ise gereksiz derecede büyük kontrol kazançlarını cezalandırmaya yöneliktir.

Brain Storm Optimization nasıl uygulanmıştır?

BSO uygulamasında 20 aday çözüm dört kümeye ayrılmaktadır. Algoritma küme merkezlerini ve aday kazanç vektörlerini kullanarak hem mevcut iyi çözümlerin çevresinde arama yapmakta hem de kümeler arası yeni adaylar oluşturmaktadır. Küme merkezi değiştirme olasılığı 0,20, tek küme seçme olasılığı 0,80 ve merkez tabanlı üretim olasılığı 0,40 olarak verilmiştir.

BSO'nun çevrimiçi uygulamasındaki önemli gerçek zamanlı değişiklik, veri bağımlı ve süresi belirsiz döngüler yerine derleme zamanında üst sınırı belli döngülerin kullanılmasıdır. Böylece her kontrol çağrısındaki temel işlem sayısının sınırlandırılması hedeflenmiştir.

Artificial Bee Colony nasıl uygulanmıştır?

ABC mimarisinde toplam 20 aday çözüm kullanılmış; bunlar 10 employed bee ve 10 onlooker bee yapısıyla işlenmiştir. Mevcut çözümleri geliştiren employed ve onlooker aşamalarının ardından, 15 çevrim boyunca iyileşme göstermeyen bir çözüm scout aşamasında yeniden rastgele başlatılmaktadır.

Kontrol sistemi 1 kHz çalıştığı için 15 çevrim yaklaşık 15 ms'lik bir durgunluk aralığına karşılık gelmektedir. Çalışmada bu agresif yeniden başlatma davranışının saniyeler ölçeğinde değişen aerodinamik çalışma koşullarına uygun olduğu değerlendirilmiştir.

Gerçek zamanlılık iddiasının sınırı nedir?

BSO ve ABC'nin her kontrol çağrısında yaklaşık \(2\times10^3\) mertebesinde temel işlemle sınırlandırıldığı ve bütün döngülerin derleme zamanında belirlenmiş sonlu tekrar sayılarına sahip olduğu belirtilmektedir. Bu, algoritmanın rastgele seçimler nedeniyle sonsuz veya kontrolsüz uzunlukta bir çağrıya dönüşmesini engellemektedir.

Ancak araştırmacılar hedef bilgisayardaki gerçek yürütme sürelerinin dağılımını kaydetmemiş ve sertifikalı bir worst-case execution time (WCET) analizi gerçekleştirmemiştir. Bu nedenle çalışmanın “1 kHz gerçek zamanlı uygulanabilirlik” sonucu yapısal olarak sınırlandırılmış işlem yüküne ve başarılı fiziksel çalıştırmaya dayanmakta; her koşulda 1 ms altı çalışmayı kanıtlayan sertifikalı zamanlama ölçümü anlamına gelmemektedir.

Simülasyon neden tek başına yeterli olmamıştır?

MATLAB/Simulink simülasyonlarında dört denetleyicinin tümü kabul edilebilir yörünge takibi göstermiştir. Özellikle daha sonra fiziksel deneyde kararsızlaşan konvansiyonel baseline denetleyicisi, ideal simülasyonda başarılı görünmektedir.

Fiziksel sistemde ise dört önemli fark bulunmaktadır: yaklaşık 0,00314 rad encoder kuantalaması, ±2,5 V aktüatör doygunluğu, sabit nominal parametrelerin temsil edemediği gerçek mekanik ve aerodinamik değişimler ve veri toplama zincirindeki gecikme/kuantalama etkileri. Araştırmacılar bu nedenle gerçek zamanlı deneyleri çalışmanın temel kanıtı olarak değerlendirmektedir.

Gerçek fiziksel deneyde ne oldu?

Referans yörüngeleri bütün mimariler için aynı tutulmuştur:

\[ x_{1d}(t)=0,5\sin(0,5t)\ \mathrm{rad} \]

\[ x_{4d}(t)=1,0\sin(0,5t)\ \mathrm{rad} \]

Konvansiyonel backstepping denetleyicisinde yaw davranışı yaklaşık 20. saniyeden sonra giderek bozulmuş, 42. saniyede 4 rad değerini aşmış ve mekanik zarar riskini önlemek için deney sonlandırılmıştır. Pitch RMSE bu deney aralığında 0,2571 rad, yaw RMSE ise 2,5624 rad olarak hesaplanmıştır.

Adaptif ayar fonksiyonları kullanılan mimari her iki eksende de 100 saniyeyi tamamlamıştır. Pitch RMSE 0,1588 rad'a, yaw RMSE 0,2244 rad'a düşmüştür. Makalede bunlar baseline'a göre sırasıyla %38 ve %91 RMSE azalması olarak raporlanmaktadır.

BSO kullanılan mimaride pitch RMSE 0,0821 rad, yaw RMSE 0,2291 rad; ABC kullanılan mimaride pitch RMSE 0,0822 rad, yaw RMSE 0,2255 rad olarak ölçülmüştür. Pitch ekseninde iki meta-sezgisel algoritma neredeyse aynı sonucu vermiştir.

ITAE sonuçları ne gösteriyor?

RMSE'ye ek olarak Integral Time-weighted Absolute Error (ITAE), hatanın zaman boyunca sürmesini daha güçlü biçimde cezalandırmaktadır. Çalışmanın gerçek zamanlı deney sonuçları şöyledir:

Pitch ITAE açısından en düşük değer BSO'da 343,72 rad·s, yaw ITAE açısından en düşük değer ABC'de 1005,37 rad·s'dir. Ancak baseline değerleri yaklaşık 42 saniyelik mevcut kayıt üzerinden, diğer mimarilerin sonuçları ise 100 saniye üzerinden hesaplandığından bu karşılaştırmanın zaman pencereleri aynı değildir.

Grafikler ne anlatıyor?

Gerçek zamanlı baseline grafiğinde yaw çıktısının referans sinüsünden giderek ayrıldığı ve yaklaşık 42. saniyeye gelindiğinde 4 rad'ın üzerine çıktığı açık biçimde görülmektedir. Buna karşılık adaptif ayar fonksiyonları, BSO ve ABC deneylerindeki yaw eğrileri 100 saniyelik test boyunca referansın çevresinde sınırlı kalmaktadır.

BSO ve ABC grafiklerinde pitch çıktısının referans sinüsünü adaptif ayar fonksiyonları mimarisine göre daha yakından takip ettiği görülmektedir. Çalışmanın nicel RMSE sonuçları da bu görsel farkı doğrulamaktadır.

HGO için sunulan doğrudan karşılaştırma grafiğinde gözlemci tarafından kestirilen pitch ve yaw açıları, gerçek encoder ölçümleri üzerine bindirilmiştir. Pitch kestirimi ölçülen sinyali oldukça yakından izlerken yaw kanalında özellikle yön değişimleri çevresinde daha belirgin fark ve dalgalanma görülmektedir. Bu gözlemsel fark sayısal RMSE değerlerinde de karşılığını bulmaktadır.

Çalışmanın desteklediği sonuçlar

• Üç önerilen gözlemci tabanlı kontrol mimarisi fiziksel TRMS üzerinde 1 kHz örnekleme hızında 100 saniyelik yörünge takibini tamamlamıştır.
• Konvansiyonel baseline aynı fiziksel koşullarda yaw kanalında kararsızlaşmış ve yaklaşık 42 saniyede deney sonlandırılmıştır.
• Adaptif ayar fonksiyonları mimarisi, test edilen yapı içinde en düşük yaw RMSE değerini üretmiştir.
• BSO ve ABC mimarileri pitch ekseninde adaptif ayar fonksiyonları yaklaşımından daha düşük RMSE elde etmiştir.
• HGO'nun pitch ve yaw açı kestirimleri encoder ölçümleriyle doğrudan karşılaştırılmış ve 100 saniye boyunca sınırlı kestirim hatası göstermiştir.
• BSO ve ABC kod yapısındaki döngüler sonlu ve derleme zamanında sınırlı tekrar sayılarına dönüştürülerek kontrol çağrısı başına işlem yükü yapısal olarak sınırlandırılmıştır.

Çalışmanın desteklemediği veya doğrudan kanıtlamadığı sonuçlar

• Bu çalışma gerçek bir helikopter veya insansız hava aracında uçuş başarısı göstermemektedir; kullanılan sistem bir laboratuvar TRMS düzeneğidir.
• HGO'nun açısal hız ve rotor torku kestirimleri bağımsız ground-truth hız veya tork sensörleriyle doğrudan doğrulanmamıştır.
• BSO veya ABC'nin bütün donanımlarda kesin olarak her zaman 1 ms altında çalışacağını gösteren sertifikalı WCET ölçümü bulunmamaktadır.
• BSO'nun genel olarak ABC'den veya ABC'nin genel olarak BSO'dan üstün olduğu sonucu çıkarılamaz; bu çalışmada üç boyutlu kazanç optimizasyon probleminde performansları neredeyse aynıdır.
• Sonuçlar daha yüksek boyutlu veya farklı aerodinamik platformlara deneysel doğrulama yapılmadan doğrudan genellenemez.
• Çalışma, gerçek uçuş ortamındaki rüzgâr bozucuları veya geniş kapsamlı çevresel değişimler altında saha doğrulaması sunmamaktadır.

Çalışmanın güçlü yönleri

Çalışmanın önemli güçlü yönü, aynı HGO, aynı referans yörüngeleri, aynı örnekleme hızı ve aynı fiziksel TRMS altında dört farklı backstepping mimarisinin karşılaştırılmasıdır. Böylece simülasyon sonuçlarının ötesine geçilmiş ve fiziksel platformdaki kontrol başarısı doğrudan gösterilmiştir.

Bir diğer güçlü yön, gözlemcinin en azından sensörle doğrudan ölçülebilen iki durum için ayrı kestirim analiziyle değerlendirilmesidir. Araştırmacılar ayrıca ölçülemeyen dört durum için doğrudan doğrulama yapılamadığını açık biçimde belirtmiştir.

Çalışma BSO ve ABC için gerçek zamanlı kodlama sorununu yalnız algoritmik performans açısından değil, kontrol döngüsünün sonlu işlem yükü açısından da ele almaktadır. Veri bağımlı döngülerin bounded döngülere dönüştürülmesi özellikle 1 kHz gömülü uygulama açısından önemlidir.

Temel sınırlılıklar

• Baseline deneyinin 42 saniyede kesilmesi nedeniyle dört mimarinin performans metrikleri tamamen aynı zaman penceresinden elde edilmemiştir.
• HGO'nun dört ölçülemeyen durumuna ait bağımsız sensör doğrulaması bulunmamaktadır.
• BSO ve ABC için sertifikalı hedef-donanım WCET analizi yapılmamıştır.
• BSO ve ABC hiperparametreleri için kapsamlı duyarlılık analizi sunulmamıştır.
• Deneyler tek bir TRMS laboratuvar platformuna dayanmaktadır.
• Adaptif ayar fonksiyonları ile meta-sezgisel kazanç optimizasyonunun aynı birleşik denetleyici içinde birlikte kullanımı gelecek çalışma olarak bırakılmıştır.

Çalışmanın Yöntemi ve Bulguları

Deney ve hesaplama altyapısı

Karşılaştırılan dört kontrol mimarisi

1. Konvansiyonel adaptif olmayan backstepping baseline.
2. HGO ile adaptif backstepping ve tuning functions.
3. HGO ile BSO tarafından çevrimiçi kazanç ayarlanan backstepping.
4. HGO ile ABC tarafından çevrimiçi kazanç ayarlanan backstepping.

Bütün mimariler aynı fiziksel platformda, aynı HGO yapısı, aynı referans yörüngeleri, aynı 1 kHz örnekleme hızı ve aynı başlangıç koşulları altında değerlendirilmiştir.

Gerçek zamanlı performans sonuçları

Pitch RMSE açısından BSO 0,0821 rad ile en düşük değeri vermiştir; ABC'nin 0,0822 rad sonucu pratik olarak çok yakındır. Yaw RMSE açısından en düşük değer 0,2244 rad ile adaptif ayar fonksiyonları mimarisindedir. ITAE açısından pitch için BSO, yaw için ABC en düşük değeri vermiştir.

Makalenin raporladığı baseline'a göre iyileşmeler

Bu yüzdeler çalışmanın kendi Tablo 5 sonuçlarıdır. Baseline deneyinin 42 saniyede sonlandırılmış olması nedeniyle baseline RMSE ve ITAE değerlerinin diğer mimarilerin 100 saniyelik metrikleriyle aynı değerlendirme penceresine sahip olmadığı göz önünde tutulmalıdır.

HGO doğrulama sonuçları

Açısal hız ve rotor torku kestirimleri için bağımsız referans sensörü bulunmadığından bu dört durumun doğrulaması doğrudan değildir. Araştırmacılar, söz konusu kestirimlerde ciddi peaking veya sınırsız gürültü büyütmesi olsaydı backstepping denetleyicisinin 2,5 V aktüatör doygunluğuna sürülerek kararsızlaşmasının bekleneceğini; 100 saniyelik kararlı çalışma nedeniyle bu durumların kestirim kalitesinin dolaylı olarak desteklendiğini belirtmektedir.

BSO parametreleri

ABC parametreleri

Bilimsel yorum

Çalışmanın kendi yorumuna göre tuning functions ve meta-sezgisel optimizasyon aynı problemi çözmemektedir. Tuning functions, adaptif backstepping yapısındaki aşırı parametreleştirmeyi ortadan kaldırmaya yönelik yapısal bir kararlılık mekanizmasıdır. BSO ve ABC ise kontrolün tasarım kazançlarını çalışma sırasında optimize ederek izleme hassasiyetini geliştirmektedir.

Bu ayrım deney sonuçlarında da görülmektedir: tuning functions yaw kararsızlığını ortadan kaldırmış ve en düşük yaw RMSE değerini sağlamıştır; BSO ve ABC ise pitch hatasını yaklaşık yarı yarıya daha da azaltarak 0,082 rad düzeyine indirmiştir. Araştırmacılar bu iki mekanizmanın birbirine rakip olmaktan çok tamamlayıcı olduğunu ve gelecekte aynı denetleyicide birleştirilmesinin araştırılması gerektiğini belirtmektedir.

Kaynak ve Yöntem Notu

Tam özgün çalışma adı: High-Gain Observer-Based Backstepping Control for Real-Time Trajectory Tracking of a Twin Rotor MIMO System: Adaptive Tuning Functions Versus Metaheuristic Gain Optimization

Yazarlar, özgün sırayla: Abderrahmane Kacimi; Mohamed Mostefaoui; Azeddine Beloufa; Souaad Tahraoui; Abdelbasset Azzouz; Jun-Jiat Tiang; Mehdi Houari Zaid.

Eş birinci/eş katkı: Kaynakta eş birinci yazar veya eş katkı işareti belirtilmemiştir.

Sorumlu yazar: Jun-Jiat Tiang.

Kurumlar:

1. Department of Instrumentation Maintenance, Institute of Maintenance and Industrial Safety, University of Oran 2, Oran 31000, Algeria.
2. Laboratory of Electrical Engineering and Renewable Energies (LGEER), Electronic Department, Hassiba Benbouali University, Chlef 02000, Algeria.
3. Signals, Systems and Artificial Intelligence Laboratory (2SAIL), Electronic Department, Hassiba Benbouali University, Chlef 02000, Algeria.
4. Laboratory of Electronics, Advanced Signal Processing, and Microwave (LESM), Department of Telecommunications, Saida University, Saida 20000, Algeria.
5. Centre for Wireless Technology, Centre of Excellence for Intelligent Network, Faculty of Artificial Intelligence and Engineering, Multimedia University, Cyberjaya 63100, Malaysia.
6. Laboratoire AVCIS (Automatisation, Vision et Contrôle Intelligents des Systèmes), Département d’Automatique, Faculté de Génie Électrique, University of Science and Technology of Oran (USTO-MB), Oran 31000, Algeria.

Kaynak türü: Hakemli araştırma makalesi.

Dergi: Actuators.

Yayınevi: MDPI, Basel, Switzerland.

Cilt / sayı / makale numarası: 15 / 8 / 411.

DOI: 10.3390/act15080411

Resmî yayın bağlantısı:https://doi.org/10.3390/act15080411

Yayın süreci: 12 Haziran 2026'da alınmış, 15 Temmuz 2026'da revize edilmiş, 22 Temmuz 2026'da kabul edilmiş ve 27 Temmuz 2026'da yayımlanmıştır.

Hakemlik durumu: Dergide kabul edilerek yayımlanmış hakemli araştırma makalesidir.

Lisans: Creative Commons Attribution (CC BY) açık erişim lisansı.

Finansman: Makale işlem ücretinin (APC) Multimedia University, Malaysia tarafından karşılandığı belirtilmiştir.

Veri erişilebilirliği: Çalışmada sunulan verilerin sorumlu yazardan talep üzerine edinilebileceği bildirilmiştir.

Çıkar çatışması: Yazarlar çıkar çatışması bulunmadığını beyan etmiştir.

Yazar katkıları: Kavramsallaştırma A.K., A.B. ve J.-J.T.; yöntem A.K., A.B. ve S.T.; yazılım A.K. ve M.H.Z.; doğrulama A.K., A.B. ve M.M.; biçimsel analiz A.K., S.T., M.M., A.A. ve M.H.Z.; araştırma A.K., M.M., S.T. ve A.A.; kaynaklar A.B., A.A. ve J.-J.T.; veri kürasyonu A.K. ve M.H.Z.; ilk taslak A.K.; inceleme ve düzenleme A.K., A.B., S.T., A.A., J.-J.T. ve M.H.Z.; görselleştirme A.K., S.T. ve M.M.; danışmanlık A.B. ve J.-J.T.; proje yönetimi A.B. ve J.-J.T.; finansman temini J.-J.T. olarak bildirilmiştir.

Bilimsel içerik sınırı: Bu Verianla içeriğindeki deneysel sonuçlar, sayısal değerler, kontrol yapıları, model parametreleri ve bilimsel yorumlar incelenen çalışmaya dayanmaktadır. Dış bibliyografik kontrol yalnız yayın kimliğinin doğrulanması için kullanılmış; ana bilimsel içeriğe dış kaynaklardan yeni deneysel bulgu eklenmemiştir.

Yöntemsel sınırlılık: HGO'nun pitch ve yaw açı kestirimleri doğrudan encoder ölçümleriyle doğrulanmıştır; açısal hız ve rotor torku kestirimleri için bağımsız referans sensörü bulunmadığından bunlar yalnız kapalı çevrimin 100 saniye boyunca sınırlı ve kararlı çalışmasıyla dolaylı olarak desteklenmektedir. Ayrıca BSO ve ABC uygulamalarında işlem sayısının yapısal olarak sınırlandırıldığı gösterilmiş olmakla birlikte hedef donanım üzerinde sertifikalı worst-case execution time ölçümü yapılmamıştır. Konvansiyonel baseline deneyinin yaklaşık 42 saniyede sonlandırılması nedeniyle baseline performans metriklerinin zaman penceresi diğer 100 saniyelik deneylerden farklıdır.