Автономдуу суу алдындагы аппараттарnın önceden belirlenen bir rotayı doğru zamanda жана төмөн hatayla takip edebilmesi; өзгөрмө океан агымдары, гидродинамикалык белгисиздикler, сенсор ызы-чуусу, аткаргыч sınırları жана aracın doğrusal olmayan hareket dinamikleri эмне үчүнiyle karmaşık bir kontrol зондlemidir. Bu derleme изилдөөsı; Сызыктуу эмес модель болжолдоочу башкаруу, адаптивдүү башкаруу, robust башкаруу, тайган режим башкаруусу, жасалма нейрон тармагы tabanlı kontrol, бүдөмүк логика жана бекемдөөчү үйрөнүү ыкмаларini AUV траекторияны көзөмөлдөө açısından классификацияkta; ыкмаларin туруктуулук, бузуучу таасир bastırma, жакындашуу, эсептөө жүгү, моделден көз карандысыздык жана физикалык эксперимент olgunluğu bakımından күчтүү жана zayıf yönlerini tartışmaktadır.

Derlemenin sentezine göre Модель болжолдоочу башкаруу, чектөөları түздөн-түз optimizasyona katması жана жогорку издөө doğruluğu эмне үчүнiyle öne çıkmakta; бирок цикл içi optimizasyon жана doğru модель gereksinimi чыныгы убакыттагы uygulamayı zorlaştırmaktadır. Kayan Kipli Kontrol жогорку бузуучу таасир бекемдикı жана ылдам жакындашуу sторlarken chattering катары adlandırılan жогорку жыштыкlı kontrol değişimleri аткаргычlerde жешилүүya yol açabilmektedir. Uyarlamalı kontrol değişen parametrelere цикл үчүнde karşılık жанаrebilmekte, robust башкаруу sınırlı белгисиздикlere karşı күчтүү туруктуулук сууnmakta, нейрон тармагы жана бүдөмүк логика ыкмаларi bilinmeyen dinamikleri yaklaşık катары модельleyebilmektedir. Pekiştirmeli öğrenme болсо kesin bir AUV модельi olmadan politika öğrenebilmesine karşın жогорку маалымат, окутуу süresi, donanım кубаттуулугу жана güжанаnilir ödül tasarımı gerektirmektedir.

Изилдөө kendi bünyesinde yeni bir AUV экспериментi, ortak салыштыруу parkuru же nicel meta-талдоо чыныгыleştirmemiştir. Sunulan экспериментsel bulgular, incelenen önceki yayınlardan alınan havuz, суу tankı жана ачык суу uygulamalarının баяндооsal sentezidir. Bu эмне үчүнle bir kontrol ыкмасыne маалыматlen “mükemmel”, “iyi” же “orta” puanlar ortak эксперимент маалыматlerinden hesaplanmış стадияnsel başarı sıralaması катары değil, derleme авторлорının nitel баалооsi катары okunmalıdır.

Түркия жагынан öнымi

Doğrusal olmayan AUV kontrolü; Түркияда deniz tabanı картага түшүрүү, kıyı жана ачык деңиз altтүзүмsının incelenmesi, сууaltı энергия жана байланыш hatlarının denetlenmesi, liman жана tersane operasyonları, экологиялык gözlem, bilimsel изилдөө жана сууaltı arama faaliyetleri үчүн öным taşıyabмененcek bir изилдөө alanıdır. Derlemede karşılaştırılan ыкмалар, өзгөчөlikle өзгөрмө akıntı, görüş kaybı, модель belirsizliği жана sınırlı байланыш altında çalışan yerli роботтук platformların kontrol архитектурасыnin tasarlanmasına ыкмаsel katkı sторlayabilir.

Муну менен бирге ыкмаларin Түркияда түздөн-түз uygulanabilir болгону sonucu çıkarılamaz. Farklı denizlerin akıntı, bulanıklık, derinlik жана гидродинамикалык koşullarını temsil eden тестler; yerli сенсор жана аткаргыч donanımları; чыныгы убакыттагы gömülü иштетүүcмененr; энергия керектөө; байланыш kesintмененri жана görev коопсузği бирге баалуулукlendirilmelidir. Simülasyon натыйжалары, küçük havuz экспериментleri же başka bir AUV модельi üzerinde elde edмененn hata маанилерi, Түркияда kullanılacak ар башка bir araç үчүн yeniden валидация түзүмlmadan жалпыlenmemelidir.

Yörünge takibi эмне үчүн zordur?

Yörünge takibi, aracın yalnızca geometrik bir yolu издөөsinden daha kapsamlıdır. Araç, belirli bir uzamsal noktaya belirlenen zamanda ulaşmak zorundadır. Bu эмне үчүнle жайгашуу, yönelim жана ылдамдыкın hem mekânsal hem zamansal referansla eşleştirilmesi gerekir.

AUV hareketini zorlaştıran başlıca unсууrlar şunlardır:

• Altı serbestlik derecesindeki doğrusal olmayan жана birbirine bторlı hareketler.
• Aracın бардык eksenlerde bторımsız аткаргычye sahip olmamasından булакlanan толук эмес кыймылдатуу.
• Kütle, ek суу kütlesi, гидродинамикалык sönüm жана kaldırma merkezi gibi модель parametrelerinin kesin bilinmemesi.
• Dalga, akıntı, суу direnci жана diğer zamanla değişen экологиялык күчler.
• Pervane жана рульlerdeki doygunluk, ölü bölge, кечигүү жана doğrusal olmayan giriş etkмененri.
• Konum, ылдамдык же akıntı bilgisinin түздөн-түз ölçülememesi ya da gürültülü ölçülmesi.
• Sualtında sınırlı жыштык тилкесинин кеңдиги, кечигүүli байланыш жана спутник жайгаштыруусуnın kullanılamaması.

Doğrusal PID же doğrusal-kuadratik düzenleyici gibi ыкмалар belirli изилдөө noktalarında etkili болушу мүмкүн. Бирок büжүк yön değişimleri, күчтүү akıntılar жана geniş изилдөө zarfında AUV dinamiği doğrusal varsayımlardan uzaklaşır. Derleme bu эмне үчүнle сызыктуу эмес башкаруу ыкмаларine фокусlanmaktadır.

Altı serbestlik dereceli AUV модельi

Изилдөөnın 5. жана 6. sayfalarındaki Şekil 1, AUV’nin Dünya’ya bторlı eylemsiz координат системасы менен araç корпусsine bторlı координат системасы arasındaki ilişkiyi көрсөтөт. Aracın eylemsiz çerçeжанаdeki жайгашуу жана yönelim жанаktörü:

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

катары диагнозmlanmaktadır. Burada \(x\), \(y\) жана \(z\) жайгашууu; \(\theta\), \(\phi\) жана \(\psi\) болсо изилдөөдө kullanılan sıralamayla pitch, roll жана yaw yönelimlerini temsil etmektedir. Gövdeye bторlı doğrusal жана бурчтук ылдамдык вектору:

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

biçimindedir. \(u\), \(v\) жана \(w\) мененri-geri, yanal жана düşey doğrusal ылдамдыкları; \(p\), \(q\) жана \(r\) болсо бурчтук ылдамдыкları gösterir.

Kiнымatik ilişki:

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

катары маалыматlmektedir. \(J(\boldsymbol{\eta})\), корпус koordinatlarındaki ылдамдыкları eylemsiz координат системасыndeki жайгашуу жана 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 изилдөөдө şu сүрөтde маалыматlmiştir:

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

Açısal dönüşüm matrisi болсо:

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

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

AUV’nin dinamik denklemi

Parametre белгисиздикleri жана dış bozucular içeren dinamik модель:

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

катары ifade edilmektedir.

• \(M\), aracın kütlesi жана ek суу kütlesini içeren atalet matrisidir.
• \(C(\boldsymbol{\nu})\), Coriolis жана merkezcil күч matrisidir.
• \(D(\boldsymbol{\nu})\), гидродинамикалык sönüm matrisidir.
• \(g(\boldsymbol{\eta})\), салмак жана kaldırma күчlerinden булакlanan geri çторırıcı күч жана momentleri içerir.
• \(\tau_{d\nu}\), dalga, akıntı жана diğer zamanla değişen экологиялык бузуучу таасирleri temsil eder.
• \(\tau_{\nu}\), винт, руль же diğer аткаргычlerin ürettiği kontrol girişidir.

Изилдөөda \(M\), \(C\), \(D\) жана \(g\) terimleri nominal жана belirsiz bмененşenlere өзүнчөlmaktadır. Gerçek araçlarda kontrol girişinin sınırsız olmadığı, винт жана аткаргычlerin doygunluk sınırlarının bulunduğu өзүнчөca vurgulanmaktadır.

Takip başarısının matematiksel hedefi

6. sayfadaki Şekil 2, бузуучу таасирler altında referans орбитаyi izleyen bir AUV’yi көрсөтөт. Aracın чыныгы жайгашууu \(\eta_1(t)\), zamanla диагнозmlanan referans жайгашууu болсо \(\eta_{1r}(t)\) болгонуnda takip hatası:

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

катары диагнозmlanır. Denetleyicinin hedefi:

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

koşulunu sторlamaktır. \(\delta_\eta\), sıfıra çok yakın оң bir hata toleransıdır. İdeal катары aracın чыныгы траекториясы referans орбитаye yaklaşmalı; bunu yaparken kontrol girişleri, энергия керектөө жана toplam аткаргыч çabası da gereksiz ölçüde büyümemelidir.

Сызыктуу эмес модель болжолдоочу башкаруу

Модель болжолдоочу башкаруу, AUV модельini kullanarak belirli bir tahmin ufku boyunca gelecekteki davranışı hesaplar. Her kontrol циклinde takip hatası, kontrol değişimi жана gerekli görülürse энергия же аткаргыч колдонууı içeren bir чыгым fonksионu çözülür. Yalnızca ilk kontrol hareketi uygulanır жана yeni өлчөө geldiğinde optimizasyon tekrarlanır.

Başlıca avantajları:

• Pervane күчi, ылдамдык, yönelim жана коопсуз иш аймагы gibi чектөөları optimizasyona түздөн-түз katabilmesi.
• Çok өзгөрмөli жана кайчылаш bторlı AUV dinamiğini бирге ele alabilmesi.
• Takip, yanaşma, formasyon жана кагылышууdan kaçınma hedeflerini ortak чыгым fonksионunda birleştirebilmesi.
• Terminal чыгым жана терминалдык чектөөlarla туруктуулук жана uygulanabilirlik талдоосуne elмаалыматşli olması.

Başlıca чектөөлөрү:

• Her циклde doğrusal olmayan optimizasyon çözülmesi эмне үчүнiyle жогорку эсептөө жүгү.
• Модель жана гидродинамикалык parametre hatalarına сезгичтик.
• Tahmin ufku, салмакlar, терминалдык küme жана чектөөların ayarlanmasının karmaşık olması.
• Gömülü donanımda чыныгы убакыттагы uygulama үчүн ылдам çözücü gerektirmesi.

7. sayfadaki Şekil 3, кеңейтилген абал байкоочусуyle bozucuları tahmin eden жана модель алдын ала билүүlü bir yöneticiyle referans ылдамдыкları oluşturan kontrol şemasını көрсөтөт. Tablo 1’de C/GMRES tabanlı ылдам NMPC, integral тоо текn kip жана Smith алдын ала билүүcülü NMPC, tüp tabanlı MPC, dторıtık MPC, Gaussian процесси destekli MPC, ESO-MPC, biyolojik esinli jeomanyэтика navigasyon жана LPV-MPC gibi yaklашып кетүүlar салыштырылган.

Uyarlamalı kontrol

Uyarlamalı kontrol, araç parametreleri же экологиялык koşullar değiştiğinde башкаргыч parametrelerini цикл үчүнde günceller. Bu yaklашып кетүү өзгөчөlikle kütle, жүк, sönüm, kaldırma же akıntı etkisinin önceden tam bilinmediği durumlarda колдонулат.

Derlemede incelenen ыкмалар arasında backstepping, Lyapunov tabanlı uyarlama, uyarlamalı нейрон тармагы, dторıtık байкоочу, genişletilmiş bozucu байкоочуsi, жогорку mertebeli тоо текn kip жана модель tabanlı-модельsiz гибриддик denetim bulunmaktadır.

Güçlü yönleri:

• Değişen parametreleri цикл үчүнde tahmin edebilmesi.
• Tam модель bilgisine olan gereksinimi azaltabilmesi.
• Yavaş değişen белгисиздикlere жана ар башка araç жүкlerine uyarlanabilmesi.
• Gözlemci жана нейрон тармагыyla bilinmeyen bozucuların yaklaşık telafisine olanak жанаrmesi.

Sınırlılıkları:

• Geri adımlama жана çok катмарlı uyarlama yasalarının karmaşıklaşması.
• Parametrelerin чыныгы маанилерe жакындашууsı үчүн kalıcı uyarım koşulunun gerekebilmesi.
• Hızlı değişen bozuculara karşı uyarlamanın yetersiz kalabilmesi.
• Uyarlama kazançlarının yanlış seçilmesi durumunda gürültüye hassasiyet же жай жакындашуу oluşması.

Dayanıklı kontrol

Dayanıklı kontrol, белгисиздикlerin tahmin edмененn sınırları үчүнde система kararlılığını koruyacak sabit башкаргыч parametreleri tasarlamayı amaçlar. Uyarlamalı kontrolden ар башка катары башкаргычnin temel parametreleri изилдөө sırasında zorunlu катары değişmez.

Derlemede doğrusal olmayan катышsal-türevsel kontrol, GSTA-ESO, doğrusal olmayan bozucu байкоочуsi, backstepping, dinamik тоо текn kip, kesirli mertebeli PID жана иерархиялык dayanıklı сызыктуу эмес башкаруу örnekleri ele alınmıştır. 11. sayfadaki Şekil 4, иерархиялык dayanıklı сызыктуу эмес башкаруу архитектурасыnde kiнымatik жана dinamik kontrol катмарларыnın кантип өзүнчөldığını көрсөтөт.

Dayanıklı ыкмалар sınırlı жана iyi диагнозmlanmış bozucular altında күчтүү туруктуулук сууnabilir. Муну менен бирге en kötü koşula göre tasarım normal koşullarda gereğinden жогорку kontrol çabası üretebilir. Belirsizlik sınırlarının yanlış tahmin edilmesi, kazançların жогорку seçilmesi жана тоо текn kip bмененşenleri chattering же аткаргыч каныгуу oluşturabilir.

Kayan Kipli Kontrol

Kayan Kipli Kontrol, система durumunu önceden диагнозmlanan bir тоо текn бетe ulaştırır жана daha sonra bu бет üzerinde istenen dengeye yönlendirir. Parametre değişimlerine жана eşleşmiş bozuculara karşı жогорку бекемдикı эмне үчүнiyle AUV kontrolünde yaygın biçimde incelenmektedir.

Başlıca üstünlükleri:

• Hızlı жана sonlu zamanlı hata жакындашууsı sторlayabilmesi.
• Akıntı жана модель belirsizliğine karşı күчтүү bozucu bastırma.
• Nispeten төмөн же orta эсептөө жүгү.
• Eksik tahrikli жана çok araçlı formasyon системаlerine uygulanabilmesi.

Temel sorun: İşaret fonksионuna dayalı kesikli giriş, denetim sinyalinde жогорку жыштыкlı salınım oluşturarak винт, руль жана diğer аткаргычlerde жешилүүya эмне үчүн болушу мүмкүн. Bu etki chattering катары adlandırılmaktadır.

Derlemede chatteringyı azaltmak үчүн bulanık kazanç ayarı, sürekli yaklaşık fonksион, sinir dinamiği, radyal tabanlı нейрон тармагы жана ikinci mertebeli же tekillik içermeyen терминалдык тоо текn бетler öneren изилдөөlar incelenmiştir. 12. sayfadaki Şekil 5, tam tahrikli bir AUV үчүн uyarlamalı ikinci mertebeli ылдам tekilliksiz терминалдык тоо текn kip kontrol şemasını көрсөтөт.

Yapay нейрон тармагы tabanlı kontrol

Yapay sinir торları, AUV модельindeki bilinmeyen doğrusal olmayan fonksиондору yaklaşık катары temsil etmek үчүн колдонулат. Radyal tabanlı fonksион торları, eleştirmen-аткаргыч архитектураleri жана uyarlamalı нейрон тармагы башкаргычleri; belirsiz sönüm, dış bozucu, аткаргыч каныгуу же ölçülemeyen durumları telafi etmeyi amaçlamaktadır.

Sinir торı denetiminin күчтүү yanı, бардык гидродинамикалык parametrelerin önceden bilinmesini gerektirmeden bilinmeyen dinamikleri öğrenebilmesidir. Buna karşılık тор архитектурасы, окутуу маалыматы, başlangıç салмактары, öğrenme ылдамдыкı жана иштетүүci кубаттуулугу performansı түздөн-түз etkмененr. Bazı ыкмалар kalıcı uyarım koşuluna ihtiyaç duymakta, bazıları болсо yalnız benzetimle doğrulanmaktadır.

14. sayfadaki Şekil 6; doygunluk модельi, нейрон тармагы yaklaşıklaştırıcısı, uyarlama yasası жана backstepping башкаргычsinden oluşan bir нейрон тармагы tabanlı AUV kontrol şemasını көрсөтөт.

Bulanık mantık kontrolü

Bulanık mantık, kesin bir matematiksel модель yerine uzman bilgisine dayalı “eğer–болсо” kurallarıyla denetim kararı üretir. AUV uygulamalarında PID kazançlarını ayarlamak, тоо текn kip kazancını değiştirmek, bozucu байкоочуsi çıktısını баалооk же büжүк başlangıç hatalarında yerel referans орбитаyi yeniden planlamak үчүн колдонулат.

Avantajları:

• Kesin olmayan модель жана dilsel uzman bilgisiyle çalışabilmesi.
• Kayan kip denetimindeki chatteringyı azaltabilmesi.
• Uyarlamalı PID жана bozucu reddetme түзүмlarıyla бардыкleştirмененbilmesi.
• Orta büжүкlükteki kural tabanlarında görece төмөн эсептөө жүгү.

Sınırlılıkları:

• Üyelik fonksиондору жана kuralların uzman tarafından belirlenmesi.
• Изилдөө koşulları büyüdükçe kural sayısının ылдамдыкla artması.
• Kuralların her AUV модельi жана deniz koşulu үчүн yeniden ayarlanması.
• Belirli bozucu sınırlarının dışında performansın düşebilmesi.

15. sayfadaki Şekil 7, bozucu байкоочуsi, S-бетi башкаргычsi жана bulanık uyarlamalı PI düzelticiyi birleştiren архитектураyi көрсөтөт.

Pekiştirmeli öğrenme kontrolü

Pekiştirmeli öğrenmede ajan, çстадияyle etkмененşerek toplam ödülü en жогорку yapan kontrol politikasını öğrenir. Derlemede цикл içi politika yineleme, Gaussian процесси destekli öğrenme, DDPG, SAC, MADDPG, çoklu aktör-eleştirmen түзүмları жана dikkat tabanlı meta-бекемдөөчү үйрөнүү ыкмаларi ele alınmıştır.

Güçlü yönleri:

• Açık bir гидродинамикалык модель olmadan kontrol politikası öğrenebilmesi.
• Zamanla değişen dinamiklere жана yeni görev koşullarına uyarlanabilmesi.
• Çoklu AUV koordinasyonu жана karmaşık sürekli eylem uzaylarına uygulanabilmesi.
• Kontrol doğruluğu менен энергия керектөө gibi birden fazla hedefi ödül fonksионunda birleştirebilmesi.

Sınırlılıkları:

• Çok sayıda окутуу bölümü жана жогорку иштетүү gücü gerektirmesi.
• Ödül fonksионundaki hataların istenmeyen davranış üretmesi.
• Yerel optimum, kararsız öğrenme жана aşırı баалуулук tahmini riskleri.
• Birçok yaklашып кетүүda kesin Lyapunov туруктуулук garantisinin bulunmaması.
• Gerçek araç üzerinde коопсуз keşif түзүмlmasının zor olması.

17. sayfadaki Şekil 8, birden fazla aktör жана eleştirmen kullanan MPQ-DPG algoritmasının окутуу жана kontrol агымını көрсөтөт. Derlemede бекемдөөчү үйрөнүүnin geleceği күчтүү görülse de физикалык эксперимент olgunluğunun diğer ыкмаларden daha төмөн болгону belirtilmektedir.

Yöntemler кайсы koşullarda öne çıkıyor?

Derlemenin nitel puanlama таблицасуу

Изилдөөnın 23. sayfasındaki Tablo 5, ыкмаларi beş seviyeli nitel ölçekle puanlamaktadır. Aşторıdaki ifadeler авторлорın sentezini yansıtır; ortak маалымат топтому üzerinde hesaplanan экспериментsel натыйжалар değildir.

Puanların изилдөө seçimi, bторımsız баалуулукlendirici sayısı же эсептөө formülü түшүндүрүлгөн эмес. Bu эмне үчүнle таблица, mühendislik seçimi үчүн başlangıç кыскачаi sторlayabilir; бирок kontrolcü satın alma, коопсуздук сертификацияu же görev açısından kesin karar matrisi катары kullanılmamalıdır.

Fiziksel экспериментlerden aktarılan örnekler

Derleme, önceki literatürdeki üç физикалык uygulamayı өзүнчөntılı катары кыскачаlemektedir. Bunlar derleme авторлорının чыныгыleştirdiği yeni экспериментler değildir.

Leonard сууaltı aracı экспериментi

• Araç boyutları: 75 × 55 × 45 santimetre.
• Araç kütlesi: 28 kilogram.
• Eyleyici: Altı bторımsız 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 жана Viсууal C++ 2010.

Normal koşul, parametre belirsizliği жана dış bozucu senaryoları uygulanmış; GSTA-ESO içeren doğrusal olmayan PD башкаргычnin nominal башкаргычden daha iyi takip чыныгыleştirdiği aktarılmıştır. İncelenen derleme, bu эксперимент үчүн ortaklaştırılmış сандык hata dторılımı же yeniden талдоо сууnmamaktadır.

135 kilogramlık ROV uygulaması

• Araç kütlesi: 135 kilogram.
• Belirtмененn изилдөө derinliği: En az 100 metre.
• Eyleyici: Altı elektrikli itici.
• Algılayıcılar: Doppler ылдамдык günlüğü, басым сенсору, ataletsel өлчөө birimi жана iki USB камера.
• Yazılım жана байланыш: Ubuntu, Python tabanlı kullanıcı arayüzü жана Ethernet.
• Test alanı: Singapore Yacht Club yakınındaki ачык суу koşulları.

Bulanık çıkarım жана genэтика algoritmayla ayarlanan тоо текn kipli башкаргычnin, dalga жана akıntı etkмененri altında PID башкаргычye göre daha az salınım gösterdiği aktarılmıştır. Kullanılan platformun ROV olması, sonucun tamamen otonom AUV görevlerine түздөн-түз aktarılmasında dikkate alınmalıdır.

VideoRay PRO суу tankı экспериментi

• Üç iticiyle мененri hareket, düşey hareket жана yaw kontrolü.
• Polhemus-Isotrack жайгашуу кайтарым байланыш системаi.
• RS-232 üzerinden 30 Hz өлчөө aktarımı.
• Linux üzerinde C++ yazılım архитектурасы.
• Görev: Sarmal referans орбитаyi takip etme.

İncelenen önceki изилдөөдө araç dinamik parametreleri tam bilinmeden жана dış bozucular varken алдын ала билүүlen performansla траекторияны көзөмөлдөө түзүмldığı билдирилген. Derleme, физикалык валидацияların жалпы literatürde sınırlı kaldığı sonucuna ulaşmaktadır.

Gelecekte кайсы изилдөөlar öneriliyor?

1. Fizik bilgili машиналык үйрөнүү: Newton hareket yasaları, kaldırma жана салмак, Coriolis etkмененri жана гидродинамикалык модельlerin PINN gibi машиналык үйрөнүү түзүмlarına eklenmesi.
2. Hibrit kontrol: Pekiştirmeli öğrenmenin MPC же тайган режим башкаруусуle birleştirilmesi. RL değişen koşulları öğrenirken MPC чектөөları, SMC болсо dayanıklılığı yönetebilir.
3. ESO жана Bayes торları: Genişletilmiş durum байкоочуsinin durum жана bozucu tahminlerinin Bayes торında белгисиздик hesabı жана мүмкүнlıksal karar үчүн kullanılması.
4. Hiyerarşik denetim: Görev planlama, orta деңгээл koordinasyon жана төмөн деңгээл кыймыл башкаруусуnün өзүнчө fakat haberleşen катмарlara bölünmesi.
5. Geniş ölçekli физикалык экспериментler: Denetleyicмененrin yalnız simülasyon жана küçük havuz yerine күчтүү akıntı, өзгөрмө görüş жана чыныгы гидродинамикалык etkмененr bulunan geniş суу ortamlarında sınanması.

Изилдөөnın desteklediği натыйжалар

• AUV траекторияны көзөмөлдөө үчүн tek bir ыкмасыn бардык görevlerde en iyi болгону söyleнымez.
• NMPC takip doğruluğu жана чектөө yönetiminde күчтүү, fakat эсептөө bakımından чыгымlidir.
• Kayan kipli kontrol жогорку бекемдик жана ылдам жакындашуу сууnmakta, fakat chattering sorunu tашып кетүүaktadır.
• Uyarlamalı жана байкоочу tabanlı ыкмалар parametre жана bozucu белгисиздикlerini azaltabilir.
• Sinir торı жана bulanık ыкмалар bilinmeyen dinamikler үчүн yaklaşıklaştırma sторlayabilir.
• Pekiştirmeli öğrenme моделден көз карандысыздык сууnmakta, бирок маалымат, donanım, коопсуздук жана туруктуулук sorunları bulunmaktadır.
• Literatürde simülasyon изилдөөları физикалык экспериментlerden belirgin biçimde daha yaygındır.
• Hibrit жана физика-маалыматтуу ыкмалар gelecekteki маанилүү изилдөө yönleridir.

Изилдөөnın kanıtlamadığı натыйжалар

• Herкайсы bir kontrol ыкмасыnin бардык AUV tiplerinde стадияnsel катары üstün болгону kanıtlanmamıştır.
• Tablo 5’teki nitel puanlar ortak эксперимент düzeneğinde ölçülmüş performans маанилерi değildir.
• Изилдөө özgün bir kontrolcü, yeni физикалык AUV экспериментi же ham эксперимент маалыматsi сууnmamaktadır.
• İncelenen ыкмалар arasında nicel meta-талдоо түзүмlmamıştır.
• Yayın yanlılığı, изилдөө kalitesi же экспериментlerin bторımsızlığı системаatik катары puanlanmamıştır.
• Simülasyondaki туруктуулук kanıtları ачык деңизde коопсуз жана başarılı изилдөө garantisi oluşturmaz.
• Pekiştirmeli öğrenmenin модель bторımsız olması физикалык коопсуздук жана kararlılığı kendiliğinden garanti etmez.
• Hibrit ыкма önerмененri bu derlemede ortak AUV platformunda экспериментsel катары karşılaştırılmamıştır.

Изилдөөnın Yöntemi жана Bulguları

Derleme ыкмасы

İncelenen ana kontrol классları

• Сызыктуу эмес модель болжолдоочу башкаруу жана ар башка MPC türevleri.
• Geri adımlama, Lyapunov жана байкоочу destekli адаптивдүү башкаруу.
• Dayanıklı, sonlu zamanlı жана kesirli mertebeli kontrol.
• Birinci жана жогорку mertebeli тайган режим башкаруусу.
• Radyal tabanlı, eleştirmen-аткаргыч жана uyarlamalı нейрон тармагы kontrolü.
• Bulanık PID, bulanık kazanç жана bulanık bozucu reddetme ыкмаларi.
• DDPG, SAC, MADDPG, politika yineleme жана meta-RL tabanlı kontrol.

Tablo жана сүрөтlerin işlevi

• Şekil 1: Altı serbestlik dereceli AUV үчүн Dünya’ya bторlı жана корпусye bторlı koordinat системаleri.
• Şekil 2: Belirsizlik жана dış bozucu altında чыныгы жана referans орбитаnin ilişkisi.
• Şekil 3: ESO, модель алдын ала билүүlü yönetici жана төмөн деңгээл башкаргычden oluşan MPC түзүмsı.
• Şekil 4: Hiyerarşik dayanıklı сызыктуу эмес башкаруу şeması.
• Şekil 5: Uyarlamalı ikinci mertebeli ылдам tekilliksiz терминалдык тоо текn kip kontrolü.
• Şekil 6: Sinir торı tabanlı адаптивдүү башкаруу архитектурасы.
• Şekil 7: Bozucu байкоочуli, bulanık uyarlamalı S-бетi башкаргычsi.
• Şekil 8: Çoklu aktör жана eleştirmen içeren MPQ-DPG бекемдөөчү үйрөнүү түзүмsı.
• Tablo 1: MPC ыкмаларinin amaç, yenilik жана чектөө салыштырууsı.
• Tablo 2: Uyarlamalı kontrol ыкмаларinin салыштырууsı.
• Tablo 3: Kararlılık, жакындашуу, bozucu bastırma, толук эмес кыймылдатуу, эксперимент жана эсептөө açısından ыкма талдоосу.
• Tablo 4: Temsilci stratejмененr, yenilikler, күчтүү yönler жана uygun колдонуу senaryoları.
• Tablo 5: Sekiz performans ölçütünde beş seviyeli nitel ыкма puanlaması.

Şekillerin büжүк bölümü булак gösterмененrek önceki yayınlardan yeniden basılmış kontrol şemalarıdır. Изилдөөnın ilk sayfasındaki “Graphical Abstract” alanında başlık жана автор bilgмененri dışında ачыкlayıcı bir граф жок.

Derlemenin temel sentezi

Изилдөөчүлөр, жогорку takip doğruluğu жана optimallik öncelikli болгонуnda MPC менен адаптивдүү башкарууü; күчтүү bozucular жана orta эсептөө кубаттуулугу bulunduğunda тайган режим башкаруусуü; yeterli иштетүү gücü жана маалыматnin bulunduğu bilinmeyen dinamiklerde болсо нейрон тармагы же бекемдөөчү үйрөнүү ыкмаларini öne çıkarmaktadır.

Bu натыйжалар ыкма aмененleri деңгээлinde жалпы tasarım rehberidir. Belirli bir AUV үчүн kontrol ыкмасы seçilirken aracın tahrik düzeni, görev süresi, иштетүүci кубаттуулугу, сенсор kalitesi, akıntı модельi, энергия бюджетsi, байланыш koşulları, коопсуздук gereksinimi жана физикалык эксперимент натыйжалары өзүнчөca баалуулукlendirilmelidir.

Metin жана raporlama чектөөлөрү

• Arama маалымат tabanları, arama sözcükleri жана tarama tarihleri берилген эмес.
• Başlangıçtaki жазуу sayısı, yinelenen жазууlar жана dışlama эмне үчүнleri raporlanmamıştır.
• Yayın kalitesini же yanlılık riskini ölçen standart araç kullanılmamıştır.
• Изилдөөların takip hataları ар башка birim жана koşullardan ortak ölçeğe dönüştürülmemiştir.
• Tablo 5 puanlarının dayandığı эсептөө же баалуулукlendirici uzlaşması түшүндүрүлгөн эмес.
• 2010–2026 kapsam beyanına rторmen 2009 tarihli булак bulunmaktadır.
• MPC жана адаптивдүү башкаруу bölümlerinde “shown in ??” şeklinde tamamlanmamış таблица yönlendirmeleri bulunmaktadır.
• “Graphical Abstract” sayfasında чыныгы bir граф орун алган эмес.
• Fiziksel экспериментler ар башка AUV жана ROV platformlarından aktarılmıştır; түздөн-түз karşılaştırılabilir ortak тестler değildir.
• Derleme preprinttir жана рецензиядан өткөн эмес.

Kaynak жана Yöntem Notu

Изилдөөnın 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 Ofoсуу.

Yazar sıralaması: Daniel Bakuoru Luki birinci, Abdul-Aziz N-Yo ikinci, William Akuffo üçüncü жана Robert Agyare Ofoсуу dördüncü авторdır.

Eş birinci автор: Eş katkı же eş birinci автор beyanı орун алган эмес.

Sorumlu автор: Daniel Bakuoru Luki. Başlıktaki yıldız işareti жана SSRN kaydındaki “Contact Author” bilgisi bu авторı көрсөтөт. Metindeki “Corresponding authors” başlığı altında dört авторın da e-posta adresi listelenmiş olsa da diğer авторлорın adlarında sorumlu автор yıldızı жок.

Kurumlar:

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

ORCID: Daniel Bakuoru Luki — 0009-0006-4719-5943; Abdul-Aziz N-Yo — 0009-0001-7139-8533. William Akuffo жана Robert Agyare Ofoсуу үчүн ORCID bilgisi incelenen sürümde орун алган эмес.

DOI:10.2139/ssrn.7193868

Dergi: Hakemli dergi adı incelenen sürümde орун алган эмес. Sayfa altlarında yalnızca “Preprint сууbmitted to Elsevier” ifadesi bulunmaktadır.

Yayınevi: Kesinleşmiş özgün yayınevi bilgisi орун алган эмес. SSRN bir preprint platformudur жана nihai yayınevi катары баалуулукlendirilmemelidir.

Yayın platformu: SSRN.

Yayın yılı: 2026.

SSRN жазуу tarihi: 27 Temmuz 2026.

Kaynak türü: Автономдуу суу алдындагы аппараттарnda doğrusal olmayan орбита kontrol ыкмаларini классlandıran баяндооsal жана салыштырууlı derleme preprinti.

Hakemlik durumu: Изилдөө рецензиядан өткөн эмес.

Resmî булак:SSRN расмий изилдөө kaydı.

Önceki sürüm notu: Aynı başlığın 2024 yılında TechRxiv üzerinde yayımlanmış daha eski bir preprint sürümü bulunmaktadır. Yüklenen belge, güncel идентификация катары SSRN 7193868 kaydını жана SSRN DOI’sini көрсөтөт.

Finansman: Изилдөөчүлөр dış каржылоо alınmadığını belirtmiştir.

Etik макулдук: Derleme niteliği эмне үчүнiyle этика макулдукın uygulanabilir olmadığı белгиленген.

Bu түрк тили ачыкlama, жүкlenen изилдөөнүн 29 sayfalık dosyası; ana metni, denklemleri, салыштыруу таблицаları, yeniden basılan kontrol şemaları, физикалык эксперимент кыскачаleri, натыйжалары жана булакçası incelenerek hazırlanmıştır. Bilimsel içeriğe изилдөө dışında yeni эксперимент sonucu же ыкма üstünlüğü eklenmemiştir. Dış булакlar yalnızca автор жана мекеме bilgмененri, DOI, sürüm geçmişi, SSRN жазуу tarihi жана yayın durumunun bibliyoграф doğrulanması үчүн колдонулган.

Изилдөө özgün bir эксперимент же системаatik meta-талдоо değildir. Yöntemler arasında маалыматlen puanlar ortak эксперимент düzeneğinden elde edмененn өлчөөлөр değil, ар башка булакların авторлор tarafından түзүмlan nitel sentezidir. Bu эмне үчүнle belirli bir AUV projesinde kontrolcü seçimi үчүн araç üzerinde simülasyon, donanım döngüde тест, havuz экспериментi жана чыныгы суу koşullarında валидация түзүмlmalıdır.