Бул изилдөө вертолеттордун жана тик учуп-конгон аба каражаттарынын айрым сызыктуу эмес башкаруу маселелерин лабораториялык шартта көрсөтүү үчүн колдонулган Twin-Rotor Multi-Input Multi-Output System (TRMS) системасында үч башка башкаруу ыкмасын салыштырат. TRMSтин негизги жана куйрук роторлору бири-бирине аэродинамикалык таасир бергендиктен pitch жана yaw кыймылдары өз алдынча эмес; сүрүлүү, кабель чыңалуусу, аэродинамикалык бузулуулар жана чыныгы системанын математикалык моделге толук дал келбеши башкаруу маселесин дагы татаалдаштырат.

Изилдөөчүлөр адегенде салттуу, моделге негизделген Backstepping башкаруусун базалык ыкма катары колдонушкан. Ошол эле контроллер идеалдуу математикалык симуляцияда өтө төмөн tracking error бергенине карабастан, физикалык TRMS стендинде өзгөчө yaw огунда туруксуз болуп калган. Эксперименттик yaw RMSE мааниси 2.5624 rad ге жетип, yaw кыймылында күчөп бараткан термелүүлөр байкалган. Бул натыйжа иштин борборундагы “модель–чыныгы система айырмасы” маселесин түз көрсөтөт.

Бул ийгиликсиздикти жоюу үчүн эки ыкма салыштырылган. Биринчисинде Backstepping gain-дери реалдуу убакытта иштей ала тургандай кайра түзүлгөн Rate-Constrained Sequential Quantum Black Hole Optimization (RS-QBHO) алгоритми менен онлайн жөнгө салынат. Экинчисинде болсо Backstepping түзүлүшүнө Sliding Mode Control термини кошулуп, Hybrid Backstepping–Sliding Mode Control (BSMC) түзүлгөн. RS-QBHO физикалык системада туруктуулукту калыбына келтирип, pitch жана yaw RMSE маанилерин тиешелүүлүгүнө жараша 0.0799 rad жана 0.2305 rad ге түшүргөн. Hybrid BSMC ошол эле эксперименттик салыштырууда 0.0682 rad pitch RMSE жана 0.1858 rad yaw RMSE менен төмөн tracking error алган.

Маанилүү нерсе — Hybrid BSMC симуляцияда салттуу Backsteppingден жакшыраак көрүнбөйт. Идеалдуу модель колдонулганда эки ыкма бирдей RMSE жана ITAE маанилерин берет. Изилдөөчүлөрдүн түшүндүрмөсү боюнча, мунун себеби моделденбеген бузулуу жок кезде Sliding Mode термини активдешпейт жана гибрид контроллер номиналдык шартта табигый түрдө Backstepping жүрүм-турумуна жакындайт. Реалдуу жабдык ишке киргенде болсо моделденбеген аэродинамикалык таасирлер Sliding Mode компоненти берген түзүмдүк бузулуу басаңдатуу жөндөмүн көрсөтөт.

RS-QBHO ыкмасы да маанилүү натыйжа берген: башкаруу архитектурасын өзгөртпөстөн, gain-дерди гана реалдуу убакытта ыңгайлаштыруу менен туруксуз физикалык системаны стабилдештире алган. Мунун эсебинен алгоритм алгачкы болжол менен 10 секундда ар түрдүү талапкер gain-дерди текшерген стохастикалык exploration стадиясына кирет жана бул мезгил жалпы error metricти жогорулатат. Hybrid BSMCде мындай learning/search процессине муктаждык болбогондуктан, тез моделденбеген аэродинамикалык өзгөрүүлөргө түзүрөөк жооп берилген.

Бирок бул иш чыныгы аба каражатынын учуу сыноосу эмес. Колдонулган TRMS физикалык лабораториялык стенд жана эксперименттер туруктуу айлана-чөйрө шарттарында жүргүзүлгөн. Изилдөөчүлөр убакыт боюнча өзгөргөн параметрдик бузулууларды жана түзүмдөлгөн тышкы бузулууларды келечекте өзүнчө текшерүү керек экенин ачык белгилешет.

Түркия боюнча баалоо: Натыйжалар Түркиядагы башкаруу, мехатроника, авиация жана учкучсуз учуучу аппараттарды изилдөө лабораториялары үчүн симуляцияда ийгиликтүү көрүнгөн башкаруу мыйзамы физикалык системага өткөрүлгөндө модель дал келбестигинен улам иштебей калышы мүмкүн экенин көрсөткөн баалуу эксперименттик мисал боло алат. Бирок TRMSтеги RMSE маанилерин чыныгы вертолетко, UAV же VTOL платформасына түз көчүрүүгө болбойт. Түркияда реалдуу учуу колдонмосу үчүн аэродинамикалык модель, actuator чектөөлөрү, sensor noise, тышкы бузулуулар, чыныгы учуу envelope жана коопсуздук шарттары өзүнчө текшерилиши керек.

TRMS эмне үчүн татаал башкаруу маселеси?

Twin-Rotor MIMO System — эки винттүү жана эки негизги айлануу огу бар физикалык лабораториялык система. Негизги ротор негизинен тик тегиздиктеги pitch кыймылын, куйрук ротор болсо горизонталдык тегиздиктеги yaw кыймылын башкарат. Бирок эки ротор өз алдынча эмес. Бир ротор жараткан аэродинамикалык күч же реактивдүү момент экинчи огунун жүрүм-турумун өзгөртө алат.

Ошондуктан система Multi-Input Multi-Output, башкача айтканда көп кириштүү–көп чыгыштуу. Эки мотор чыңалуусу системанын кириштерин түзөт, ал эми pitch жана yaw абалдары негизги башкаруу чыгыштары. Система ошондой эле күчтүү сызыктуу эместикти, аэродинамикалык кайчылаш байланышты, гироскоптук таасирлерди жана сызыктуу эмес сүрүлүүнү камтыйт.

Изилдөөдө колдонулган абал вектору:

\[ x= [x_1,x_2,x_3,x_4,x_5,x_6]^T = [\psi,\dot{\psi},\tau_1,\phi,\dot{\phi},\tau_2]^T \]

түрүндө берилген.

• \(x_1=\psi\): pitch бурчу,
• \(x_2=\dot{\psi}\): pitch бурчтук ылдамдыгы,
• \(x_3=\tau_1\): негизги ротордун аэродинамикалык моменти,
• \(x_4=\phi\): yaw бурчу,
• \(x_5=\dot{\phi}\): yaw бурчтук ылдамдыгы,
• \(x_6=\tau_2\): куйрук ротордун аэродинамикалык моменти.

Башкаруу кириштери:

\[ u=[U_1,U_2]^T \]

болуп, негизги жана куйрук ротор моторлоруна берилген DC чыңалууларды билдирет.

Модель–чыныгы система айырмасы эмне үчүн маанилүү?

Backstepping сыяктуу моделге негизделген сызыктуу эмес башкаруу ыкмаларында контроллер система динамикасындагы айрым мүчөлөрдү математикалык түрдө теңдөөгө же жокко чыгарууга аракет кылат. Модель так болсо, бул ыкма абдан күчтүү. Бирок физикалык системада моделге киргизилбеген сүрүлүү, аэродинамикалык каршылык, жогорку жыштыктагы турбуленттүүлүк, механикалык кабель чыңалуусу же параметр четтөөсү болсо, жокко чыгаруу толук ишке ашпайт.

Изилдөөнүн симуляция–жабдык салыштыруусу муну ачык көрсөтөт. Салттуу Backstepping идеалдуу моделде pitch да, yaw да туруктуу жана так иштеген, бирок чыныгы TRMSте yaw огу күчөп бараткан термелүүлөргө кирген.

Салттуу Backstepping кантип колдонулган?

TRMS башкаруу долбоорунда pitch жана yaw болуп эки подсистемага бөлүнгөн. Аэродинамикалык кайчылаш байланыш мүчөлөрү тышкы чектелген бузулуулар катары каралган. Backstepping ыкмасы tracking errorду этап-этабы менен аныктап, ар бир этапта virtual control variable түзүп, Lyapunov функциясынын туундусун терс кылууга умтулат.

Pitch огу үчүн биринчи ката:

\[ z_1=x_1-x_{1d} \]

деп аныкталган. Биринчи virtual control:

\[ \alpha_1=-c_1z_1+\dot{x}_{1d} \]

түрүндө. Биринчи Lyapunov талапкери:

\[ V_1=\frac{1}{2}z_1^2 \]

тандалып, ката динамикасын нөлгө жакындатуу көздөлгөн. Андан кийин \(z_2\) жана \(z_3\) сыяктуу кошумча ката өзгөрмөлөрү аныкталып, башкаруу мыйзамы чыныгы мотор чыңалуусуна чейин артка карай чыгарылат.

Yaw огунда ушул эле түзүлүш \(z_4\), \(z_5\) жана \(z_6\) ката өзгөрмөлөрү аркылуу курулат.

Hybrid BSMC эмнени кошот?

Hybrid Backstepping–Sliding Mode Control ыкмасы Backsteppingдин моделге негизделген түзүлүшүн сактап, акыркы этапта Sliding Mode reaching term кошот. Pitch үчүн sliding surface:

\[ S_1=z_3 \]

деп тандалып, булакта reaching law:

\[ \dot{S}_1=-k_{s1}\operatorname{sign}(\varepsilon S_1)-c_3S_1 \]

түрүндө берилген.

Yaw үчүн окшош түрдө:

\[ S_2=z_6 \]

жана:

\[ \dot{S}_2=-k_{s2}\operatorname{sign}(\varepsilon S_2)-c_6S_2 \]

колдонулган.

Бул мүчөнүн максаты — модель толук көрсөтө албаган аэродинамикалык бузулуулар пайда болгондо системаны sliding surfaceке мажбурлап, tracking errorду чектөө. Lyapunov чыгарылышында pitch огу үчүн:

\[ \dot{V}_3= -c_1z_1^2-c_2z_2^2-c_3S_1^2 -S_1k_{s1}\operatorname{sign}(\varepsilon S_1) \]

жана yaw үчүн окшош терс мүчөлөр алынат.

Булактагы sign(εS) маселеси

Бул жерде булак текстин кылдат айырмалоону талап кылган жагдай бар. Макала физикалык эксперимент талкуусунда кичине \(\varepsilon\) мааниси signum функциясынын идеалдуу үзүлмө жүрүм-турумун жумшартып, boundary layer түзөт жана chatteringди азайтат деп жазат.

Бирок басылган математикалык туюнтма түздөн-түз \(\operatorname{sign}(\varepsilon S)\) түрүндө. \(\varepsilon>0\) болгондо:

\[ \operatorname{sign}(\varepsilon S)=\operatorname{sign}(S) \]

болгондуктан аргументти оң туруктууга көбөйтүү signum функциясын үзгүлтүксүз кылбайт. Булак физикалык ишке ашырууда saturation, tanh же башка үзгүлтүксүз boundary-layer функциясы колдонулган-колдонулбаганын ачык көрсөтпөйт. Ошондуктан экспериментте байкалган аз механикалык термелүү натыйжа катары айтылышы мүмкүн; бирок басылган теңдемеден “ε математикалык түрдө sign функциясын жумшартат” деген тыянак түз чыгарылбайт.

RS-QBHO деген эмне?

Экинчи чечим башкаруу мыйзамынын түзүлүшүн өзгөртпөстөн Backstepping gain-дерин онлайн жөнгө салат. Изилдөөчүлөр бул үчүн Quantum Black Hole Optimization ыкмасын реалдуу убакыттагы физикалык башкарууга ылайыкташтырып, Rate-Constrained Sequential QBHO деп аталган түзүлүштү сунушташкан.

Стандарттуу population-based metaheuristic optimizationдо көптөгөн талапкерлер бир эле итерацияда бааланышы керек. Физикалык TRMS болсо 10 ms, башкача айтканда 100 Hz башкаруу циклинде иштейт. Ошондуктан бардык populationду бир убакта баалоонун ордуна талапкерлер убакыт боюнча таратылган.

Pitch жана yaw эмне үчүн өзүнчө оптималдаштырылат?

Алты gainди бир учурда оптималдаштыруунун ордуна маселе эки үч өлчөмдүү подсистемага бөлүнгөн:

\[ \Theta_\psi=[k_1,k_2,k_3]^T \]

pitch үчүн жана:

\[ \Theta_\phi=[k_4,k_5,k_6]^T \]

yaw үчүн колдонулат.

Эки RS-QBHO экземпляры параллелдүү иштейт. Ар бири тиешелүү огунун tracking errorуна жараша өз gain-дерин оптималдаштырат.

RS-QBHOнун реалдуу убакыттагы иштөө логикасы

Ар бир optimizer N=30 бөлүкчөдөн турган population колдонот. Ар бир талапкер gain топтому 50 sample, башкача айтканда 0,5 секунд бою текшерилет. Performance metric убакыт менен салмакталган абсолюттук катанын интегралы — ITAE:

\[ J_{\text{perf}} = \int_{t_0}^{t_0+T_w} \tau |e_{\text{sub}}(\tau)|\,d\tau \]

Бул жерде подсистема pitch же yaw болушу мүмкүн.

Алгоритмде эки иштөө фазасы бар:

1. Exploration/Test: Талапкер бөлүкчөнүн gain-дери физикалык системада текшерилет.
2. Exploitation/Settle: Система учурдагы эң жакшы “Black Hole” gain-дерине кайтарылып, кийинки талапкерге чейин туруктуу абалга келүүгө убакыт берилет.

Gain-дердин капыс өзгөрүшү кантип алдын алынат?

Физикалык роторлор капыс gain өзгөрүүлөрүнөн жабыркабашы үчүн биринчи тартиптеги өтүү фильтри колдонулат:

\[ \Theta(k)= \Theta(k-1)+ \lambda[\Theta_{\text{target}}-\Theta(k-1)] \]

Изилдөөдө:

\[ \lambda=0.1 \]

тандалган. Изилдөөчүлөр кичине маанилер өтүүнү жайлатарын, чоң маанилер болсо gain jitter коркунучун жогорулатарын белгилешет.

Fitness функциясында чоң параметр секириктери да жазаланат:

\[ f_i= -\left( J_{\text{perf}}+ \beta\|\Theta_i-\Theta_{\text{prev}}\|^2 \right) \]

жана:

\[ \beta=0.01 \]

колдонулган. Булакта \(\beta\) үчүн 0.005–0.05 диапазону физикалык системада туруктуу жүрүм-турум берген деп айтылат.

“Black Hole” жаңыртуусу кантип жүргүзүлөт?

Текшерилген бөлүкчө учурдагы эң жакшы чечимден ийгиликтүүрөөк болсо, жаңы global best катары кабыл алынат. Башка бөлүкчөлөр:

\[ X_j(t+1)= X_j(t)+ \rho[X_{BH}(t)-X_j(t)] \]

quantum attraction эрежеси менен Black Hole позициясына карай жаңыртылат. \(\rho\) стохастикалык quantum uncertaintyни билдирет.

Симуляция орнотуусу

Үч башкаруу стратегиясы алгач MATLAB/Simulink R2014a чөйрөсүндө бааланган. Fixed-step ode1 (Euler) solver колдонулуп, simulation sampling time:

\[ T_s=1\ \text{ms} \]

деп белгиленген. Ар бир эксперимент 100 секунд созулуп, бирдей синусоидалык pitch жана yaw reference колдонулган жана motor voltages физикалык TRMSке ылайык ±2,5 V менен чектелген.

Идеалдуу моделдеги жыйынтыктар

Идеалдуу шарттарда Conventional Backstepping менен Hybrid BSMC толугу менен бирдей performance values берген. Изилдөөчүлөр муну Hybrid BSMCнин маанилүү design propertyси катары чечмелешет: model error жок болсо Sliding Mode disturbance-rejection termдин кошумча аралашуусуна муктаждык болбойт жана hybrid controller nominal Backstepping behaviorго жакындайт.

RS-QBHO болсо perfect-model шартында бир аз жогору error берген. Себеби metaheuristic algorithm gain space ичинде search жүргүзөт, ал эми nominal Backstepping түз колдонулган моделге ылайык чыгарылган.

Чыныгы жабдык эмне үчүн башкача иштеди?

Физикалык TRMS стендинде сызыктуу эмес сүрүлүү, механикалык кабель таасири жана жогорку жыштыктагы аэродинамикалык өзгөрүүлөр сыяктуу идеалдуу симуляцияда жок эффекттер пайда болгон. Ошентип математикалык модель менен чыныгы система ортосунда контроллер компенсациялашы керек болгон айырма жаралган.

Салттуу Backstepping pitch огунда чектелген tracking behavior көрсөткөн, бирок yaw огунда туруктуу кала алган эмес. Yaw бурчу бара-бара күчөгөн термелүүлөргө өтүп, эксперименттик yaw RMSE 2.5624 rad деп берилген.

RS-QBHO физикалык системаны кантип стабилдештирди?

Онлайн optimizer ар түрдүү gain топтомдорун текшерип, реалдуу системадагы model mismatchти gain tuning аркылуу компенсациялаган. Алгачкы болжол менен 10 секундда gain-дерде интенсивдүү стохастикалык өзгөрүүлөр байкалган, андан кийин параметрлер тар аймакка жакындаган.

Айрыкча \(k_1\) жана \(k_4\) gain-деринин алдын ала аныкталган 5.0 жогорку чекке жетиши алгоритм tracking errorду азайтуу үчүн уруксат берилген maximum loop gainди тандаган деп чечмеленген.

Натыйжада физикалык система pitch жана yaw огунун экөөндө тең стабилдештирилген.

Hybrid BSMC эмне үчүн төмөн RMSE берди?

RS-QBHO жаңы ылайыктуу gain-дерди табуу үчүн убакыт ичинде талапкерлерди сынашы керек. Hybrid BSMC болсо моделденбеген бузулууларды gain search процессине кирбестен башкаруу мыйзамындагы түзүмдүк Sliding Mode term менен басаңдатууну көздөйт.

Эксперименттик натыйжаларда бул айырма өзгөчө yaw огунда айкын. Негизги ротордун куйрук огунда жараткан моделденбеген реактивдүү таасирлерине каршы BSMC төмөн tracking error берген.

Изилдөөнүн эң маанилүү жыйынтыгы эмне?

Изилдөө “симуляцияда кайсы контроллер эң жакшы?” деген суроодон маанилүүрөөк нерсени көрсөтөт. Идеалдуу моделде Conventional Backstepping жана Hybrid BSMC бирдей жыйынтык бергенине карабастан, физикалык жабдыкта алардын жүрүм-туруму кескин айырмаланган. Демек, nominal simulation success өзүнчө эле unmodeled physical dynamics алдында robustness кепилдиги эмес.

Изилдөөдө эки чечим ыкмасы тең физикалык системаны стабилдештирген:

• RS-QBHO: башкаруу параметрлерин онлайн үйрөнүп/оптималдаштырып model mismatchке ыңгайлашат.
• Hybrid BSMC: башкаруу мыйзамына түздөн-түз robust disturbance-rejection structure кошот.

Булактагы физикалык TRMS жыйынтыктарында экинчи ыкма төмөн pitch жана yaw RMSE көрсөткүчтөрүн берген.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Физикалык HIL эксперименттик стенд

Башкаруу алгоритмдери Simulink Desktop Real-Time kernel үстүндө иштетилген. Физикалык башкаруу циклинин sampling frequency:

\[ f_s=100\ \text{Hz} \]

жана sampling period:

\[ T_s=0.01\ \text{s} \]

деп берилген.

Компьютер менен TRMS ортосунда Advantech PCI-1711 data acquisition card колдонулган. Картанын 12-bit DAC каналдары motor voltage чыгарса, quadrature optical encoder импульстары системанын позициясын өлчөөдө колдонулган. Encoder resolution 2000 pulse/revolution деп берилген.

Физикалык моторлорду коргоо үчүн бардык control commands:

\[ -2.5\ \text{V}\le U_1,U_2\le +2.5\ \text{V} \]

диапазонунда чектелген.

Реалдуу убакыттагы эксперимент жыйынтыктары

Маанилүү таблица эскертүүсү: Булак макала Hybrid BSMC сабындагы төрт performance valueну калың кылып көрсөтүп, метод “бардык катталган performance metricтерде эң төмөн” деп айтат. Бирок pitch ITAE колонкасындагы сандар муну колдобойт: Conventional Backstepping үчүн 1990.24 rad·s, Hybrid BSMC үчүн 2733.71 rad·s. Демек, булак таблицасындагы сандар боюнча Hybrid BSMC pitch ITAE жагынан эң төмөн эмес. Бул карама-каршылык бул жерде оңдолбой ачык сакталган.

Мындан тышкары baseline эксперимент графиги туруксуздуктан улам болжол менен 40 секунддук аралыкты көрсөтөт, ал эми сунушталган контроллерлердин эксперименттери 100 секунддук графиктер менен берилген. ITAE убакыт боюнча топтолгон metric болгондуктан, булактагы Table 3 эсептөөлөрүндө ар башка experiment duration кантип эске алынганы ачык эмес. Ошондуктан өзгөчө ITAE маанилерин түшүндүрүүдө бул methodological uncertainty эске алынышы керек.

Conventional Backstepping жыйынтыгы

Физикалык экспериментте pitch RMSE 0.2571 rad, yaw RMSE болсо 2.5624 rad ге көтөрүлгөн. Yaw графигинде reference sinusoidal motion ээрчилген эмес жана күчөп бараткан термелүүлөр пайда болгон. Изилдөөчүлөр муну номиналдык моделде жок aerodynamic drag жана friction Backsteppingдин model-based cancellation mechanismин бузганы менен түшүндүрүшөт.

Online RS-QBHO жыйынтыгы

RS-QBHO физикалык системанын туруктуулугун калыбына келтирген. Pitch RMSE 0.0799 rad, yaw RMSE 0.2305 rad деп берилген.

Алгачкы болжол менен 10 секундда optimizer ар түрдүү gain candidateтерди текшергендиктен айкын exploration transitionдар көрүнөт. Изилдөөчүлөр жогорку ITAEнин олуттуу бөлүгүн ушул initial exploration cost менен байланыштырышат.

Hybrid BSMC жыйынтыгы

Hybrid BSMC физикалык экспериментте pitch үчүн 0.0682 rad, yaw үчүн 0.1858 rad RMSE алган. Бул маанилер булак Table 3тө үч ыкманын ичиндеги эң төмөн RMSE.

Yaw ITAE да 8624.69 rad·s менен RS-QBHOнун 10,268.60 rad·s жана туруксуз baselineдин 21,281.99 rad·s маанисинен төмөн.

Симуляция менен физикалык эксперименттин негизги айырмасы

Булактагы модель теңдемесинин дал келбестиги

Толук TRMS модели менен башкаруу чыгарылышында колдонулган decoupled modelдердин ортосунда ачык математикалык айырма бар. Толук моделде pitch огунун friction term:

\[ -B_{2\psi}\operatorname{sgn}(x_2) \]

жана yaw огунда:

\[ -B_{2\phi}\operatorname{sgn}(x_5) \]

деп жазылган. Бирок Hybrid BSMC derivationда колдонулган decoupled subsystemsте тиешелүү мүчөлөр:

\[ -B_{2\psi}x_1 \]

жана:

\[ -B_{2\phi}x_4 \]

түрүндө берилген. Булак бул өзгөрүү remodeling, approximation же typo экенин түшүндүрбөйт. Ошондуктан бул жерде бир теңдеме экинчисине караганда унчукпай “туура” деп кабыл алынган эмес.

RS-QBHO үчүн validation чеги

Иштин abstract бөлүгү сунушталган эки ыкма тең Lyapunov analysis менен formal validation алганын айтат. Бирок detailed sectionsте Hybrid BSMC үчүн ачык Lyapunov functions жана negative derivative conditions берилсе, RS-QBHO үчүн окшош closed-loop adaptive stability derivation көрсөтүлгөн эмес. RS-QBHO бөлүгү algorithm, fitness, rate constraint жана experimental stabilityге негизделген.

Ошондуктан изилдөө көрсөткөн күчтүү experimental RS-QBHO result менен independent formal adaptive stability proof бирдей нерсе катары бааланбашы керек.

Изилдөө эмнени колдойт?

• Идеалдуу моделде ийгиликтүү болгон салттуу Backstepping физикалык TRMSте unmodeled dynamics айынан иштебей калышы мүмкүн экенин эксперименттик көрсөтөт.
• Online RS-QBHO gain tuning туруксуз болгон физикалык TRMSти стабилдештире аларын көрсөтөт.
• Hybrid BSMC ошол эле физикалык experiment environmentте pitch жана yaw RMSE боюнча үч ыкманын эң төмөн маанилерин берерин көрсөтөт.
• Sliding Mode based structural robustness тез unmodeled aerodynamic effects алдында online metaheuristic searchке караганда төмөн RMSE бере аларын көрсөтөт.
• Simulation performance өзүнчө эле real-hardware robustness далили эмес экенин көрсөткөн түз лабораториялык салыштырууну берет.

Изилдөө эмнени далилдебейт?

• Hybrid BSMC бардык MIMO system же бардык aircraft үчүн эң жакшы control method экенин далилдебейт.
• Натыйжалар чыныгы вертолет, UAV же VTOL flight test эмес.
• Контроллерлер time-varying parametric uncertainties жана күчтүү structured external disturbances астында ошол эле performance сактай турганы көрсөтүлгөн эмес.
• RS-QBHO бардык optimization methodдордон жогору экени көрсөтүлгөн эмес.
• Басылган sign(εS) expression математикалык түрдө continuous boundary layer түзөрү көрсөтүлгөн эмес.
• Булак Table 3төгү “бардык metricтерде эң төмөн” деген доомат pitch ITAE колонкасындагы өз сандары менен колдоого алынбайт.

Изилдөөчүлөр сунуштаган келечектеги багыт

Жыйынтык бөлүгүндө келечекте unmodeled dynamicsти активдүү estimate кыла турган neural-network-based observersти structural Sliding Mode robustness менен бириктирүү сунушталат. Мындан тышкары disturbance-rich жана flight-like оор сценарийлерде эксперимент жүргүзүү пландалууда.

Булак жана Ыкма Эскертмеси

Толук оригиналдуу иш аталышы: Robust Control of Twin-Rotor MIMO Systems Under Unmodeled Dynamics: Comparative Experimental Validation of Hybrid BSMC and Online QBHO Strategies

Авторлор жана тартиби: Abderrahmane Kacimi; Azeddine Beloufa; Souaad Tahraoui; Abderrahmane Senoussaoui; Mehdi Houari Zaid; Abdelbasset Azzouz; Jun-Jiat Tiang.

Жооптуу автор: Jun-Jiat Tiang.

Тең салым/тең биринчи автор: Булакта тең салым билдирүүсү жок.

Мекемелер: Department of Instrumentation Maintenance, Institute of Maintenance and Industrial Safety, University of Oran 2; Laboratory of Electrical Engineering and Renewable Energies, Hassiba Benbouali University; Signals, Systems and Artificial Intelligence Laboratory, Hassiba Benbouali University; Electrical Department, University of Mascara Mustapha Stambouli; Laboratoire AVCIS, University of Science and Technology of Oran; Laboratory of Electronics, Advanced Signal Processing, and Microwave, Saida University; Centre for Wireless Technology, CoE for Intelligent Network, Faculty of Artificial Intelligence and Engineering, Multimedia University.

Журнал: Actuators.

Басмакана: MDPI, Basel, Switzerland.

Жарыя идентификатору: Actuators 2026, 15, 236.

DOI: 10.3390/act15050236.

Расмий жарыя шилтемеси: https://doi.org/10.3390/act15050236

Жарыя процесси: Кабыл алынды 20-март 2026; кайра каралды 21-апрель 2026; кабыл алынды 23-апрель 2026; жарыяланды 28-апрель 2026.

Булак түрү жана рецензия статусу: Рецензияланган изилдөө макаласы. Иш сандык симуляцияны физикалык hardware-in-the-loop TRMS эксперименти менен бириктирген experimental control engineering research.

Лицензия: Creative Commons Attribution (CC BY).

Академиялык редакторлор: Xiaoxiong Liu жана Yu Li.

Каржылоо: Article Processing Charge (APC), Multimedia University (MMU), Malaysia тарабынан каржыланган.

Этика комитети: Колдонулбайт.

Маалыматтуу макулдук: Колдонулбайт.

Маалымат жеткиликтүүлүгү: Иштин оригиналдуу салымдары макаланын ичинде экени, кошумча суроолор жооптуу авторго жөнөтүлүшү мүмкүн экени айтылган.

Кызыкчылыктар кагылышы: Авторлор кызыкчылыктар кагылышын билдирген эмес.

Автордук салымдар: Conceptualization A.B. жана A.K.; methodology A.B. жана A.K.; software A.B.; validation A.B., A.K., S.T., A.S., A.A. жана M.H.Z.; formal analysis A.K. жана S.T.; investigation A.B. жана M.H.Z.; resources A.S. жана J.-J.T.; data curation A.B. жана M.H.Z.; original draft A.B.; review/editing A.K., S.T., A.S., A.A. жана J.-J.T.; visualization A.B.; supervision A.K. жана A.S.; project administration жана funding acquisition J.-J.T.

Булактагы техникалык дал келбестиктер: Толук TRMS моделиндеги dry-friction terms менен Hybrid BSMC derivationда колдонулган decoupled modelдеги тиешелүү terms бирдей эмес жана өзгөртүү түшүндүрүлбөйт. Басылган sign(εS) positive ε үчүн математикалык түрдө sign(S) менен бирдей sign behavior сактайт, бирок текст муну continuous boundary-layer smoothing катары түшүндүрөт. Abstract эки method тең Lyapunov analysis менен formally validated деп айтат, бирок RS-QBHO үчүн Hybrid BSMCтеги сыяктуу өзүнчө Lyapunov closed-loop derivation көрсөтүлгөн эмес. Table 3тө Hybrid BSMC бардык metricтерде эң төмөн деп айтылганына карабастан pitch ITAE 2733.71 rad·s болуп, Conventional Backsteppingдин 1990.24 rad·s маанисинен жогору. Ошондой эле experiment plotsта baseline duration болжол менен 40 секунд, proposed methods 100 секунд болуп көрүнгөндүктөн time-accumulating ITAE тең убакытта эсептелгенби, булакта ачык эмес.

Методологиялык түшүндүрмө чеги: Эксперимент физикалык TRMS лабораториялык стендинде жүргүзүлгөн; чыныгы учуучу вертолет, UAV же VTOL platformда flight validation жасалган эмес. Эксперименттик шарттар туруктуу болгон жана time-varying parametric disturbances менен күчтүүрөөк external-disturbance scenarios келечектеги иш катары калган.

Бул Verianla мазмунундагы илимий ыкма, теңдемелер, параметрлер, эксперименттик стенд, performance values жана жыйынтыктар каралган булак ишке гана негизделген. Тышкы булактар bibliographic identity жана publication status текшерүү үчүн гана колдонулган; ишке жаңы эксперименттик findings кошулган эмес.