Araştırma, iki otonom sualtı aracının bir yükü taşıdığı üç farklı sistemde aktüatörlerin yol izleme kontrolünü incelemektedir: rijit bağlantılı taşıma sistemi (Rigid-Connection Transportation System, RCTS), esnek/mafsallı bağlantılı taşıma sistemi (Flexible-Connection Transportation System, FCTS) ve lider–takipçi formasyon kontrollü taşıma sistemi (Leader–Follower-Formation Control Transportation System, LFFCTS). Araştırmacılar sabit kazançlı geleneksel PID kontrol yerine PID kazançlarını gerçek zamanlı olarak ayarlayan geri yayılımlı sinir ağı temelli Neural Network-Augmented Control (NNAC) kullanmış; sensör ve proses gürültüsü altında durum kestirimi için Extended Kalman Filter (EKF) eklemiştir. Simülasyonlarda NNAC, geleneksel PID'ye kıyasla incelenen hareket değişkenlerinin RMSE değerlerini yaklaşık %26–72 oranında düşürmüştür. Buna karşılık daha yüksek kontrol doğruluğu daha fazla aktüatör güç talebiyle birlikte gelmiştir. Sonuçlar matematiksel model ve simülasyon ortamına aittir; çalışma gerçek deniz deneyi, fiziksel prototip veya saha doğrulaması sunmamaktadır.

Gürültülü koşullardaki NNAC sonuçlarında RCTS için surge ve heave RMSE değerleri sırasıyla 1,08 m ve 1,22 m; FCTS için 1,14 m ve 1,01 m olarak hesaplanmıştır. LFFCTS'nin lider aracı 1,03 m ve 0,98 m RMSE üretirken takipçi araçta bu değerler 2,08 m ve 1,92 m'ye yükselmiştir. FCTS'nin iki mafsallı bağlantı açısındaki RMSE değerleri 4,32° ve 5,13°'dir. Araştırmacıların genel değerlendirmesinde RCTS en yüksek toplam hareket doğruluğunu en düşük aktüatör enerji gereksinimiyle sağlarken FCTS en yüksek güç tüketimini göstermiş; LFFCTS ise esneklik ile kontrol performansı arasında ara bir çözüm oluşturmuştur.

Türkiye açısından değerlendirme: Çalışmada kullanılan yaklaşım; otonom sualtı araçları, deniz dibi yük taşımacılığı, sualtı robotikleri, liman dışı operasyonlar, deniz araştırmaları ve savunma amaçlı çok araçlı robotik sistemler açısından Türkiye'deki mühendislik çalışmalarına yöntemsel bir örnek sağlayabilir. Özellikle sensör belirsizliği altında yapay sinir ağı destekli aktüatör kontrolünün EKF ile birleştirilmesi dikkat çekicidir. Bununla birlikte çalışmadaki hidrodinamik varsayımlar, gürültü seviyeleri, iletişim koşulları ve Minerva HAUV modeli belirli bir simülasyon çerçevesine aittir. Türkiye'nin gerçek deniz koşulları, akıntıları, sensör altyapısı, araç geometrileri ve operasyonel görevleri için doğrudan performans garantisi çıkarılamaz.

Araştırmanın temel problemi nedir?

Bir yükün sualtında otonom olarak taşınması yalnızca aracın hedef noktaya ulaşmasını gerektirmez. Araçların yükü dengede tutması, belirlenen yolu izlemesi, gerektiğinde sabit konumda kalabilmesi ve sensör ölçümlerindeki belirsizliklere rağmen aktüatörlerini doğru biçimde yönetmesi gerekir. Birden fazla araç kullanıldığında bağlantı biçimi de sistem dinamiğini önemli ölçüde değiştirir.

Araştırma bu problemi üç farklı taşıma mimarisi üzerinden ele almaktadır. RCTS'de iki Hovering Autonomous Underwater Vehicle (HAUV) ve yük rijit bağlantılarla tek bir bütün gibi hareket eder. FCTS'de araçlar ile yük arasında mafsallı bağlantılar bulunduğundan araç hareketlerinin yanı sıra bağlantı açıları da kontrol edilmelidir. LFFCTS'de ise araçlar doğrudan tek rijit yapı oluşturmaz; lider aracın hareketi takip edilir ve takipçi araç bir formasyon kontrolcüsü aracılığıyla liderle tanımlanmış geometrik ilişkiyi korur.

Neden klasik torpido biçimli AUV yerine HAUV kullanıldı?

Çalışmada geleneksel torpido biçimli AUV'ler yerine Minerva ROV modeli otonom çalışacak biçimde ele alınmış ve Hovering Autonomous Underwater Vehicle olarak adlandırılmıştır. Araştırmacıların gerekçesi, yük taşıma görevlerinde aracın surge, sway ve heave doğrultularında hassas hareket yapabilmesi ve yük alma veya bırakma sırasında sabit bir konumda asılı kalabilmesidir.

Minerva platformunda beş itki aktüatörü bulunmaktadır. Bunlardan biri enine doğrultuda itki üretirken iki aktüatör düşey hareketi sağlar; diğer iki aktüatör ise eksenel doğrultuya göre 10° açıyla yerleştirilerek eksenel ve enine itki bileşenleri üretmektedir.

Üç sualtı taşıma sistemi birbirinden nasıl ayrılıyor?

RCTS, iki HAUV, yük ve rijit bağlantıları tek bir mekanik gövde gibi ele alır. Çalışmada araçlarla yük arasındaki bağlantılar 1 m × 0,25 m × 0,01 m boyutlarında alüminyum elemanlar olarak modellenmiştir. Araçlarla yük arasında göreli hareket bulunmadığı kabul edilmiştir.

FCTS'de iki araç yükü 3 m uzunluğundaki mafsallı bağlantılar üzerinden taşır. Bu mimaride yalnız yükün yolu değil, bağlantıların açısal konumu da kontrol problemine katılır. Gürültülü simülasyonda bağlantı 01 için +40°, bağlantı 02 için −40° hedef açıları kullanılmıştır.

LFFCTS'de araçlardan biri lider, diğeri takipçidir. Lider planlanan yolu izlerken takipçi formasyon kontrolcüsünden aldığı bilgilerle liderle tanımlanan göreli konumu korumaya çalışır. Bu sistem fiziksel olarak daha yeniden yapılandırılabilir bir taşıma geometrisi sunmasına karşılık takipçi aracın komutları dolaylı aldığı için izleme hatası artabilmektedir.

Yük nasıl modellenmiştir?

Yük, 1 m³ hacminde kübik bir konteyner olarak modellenmiş ve yaklaşık 10.055 N kaldırma kuvveti verilmiştir. RCTS için analitik basitleştirme amacıyla yükün nötr yüzebilir olduğu kabul edilmiştir. Ancak kaynakta bu duruma karşılık gelen kütle 1.025 kg olarak yazılmıştır. Aynı bölümde FCTS ve LFFCTS için 10.100 N ağırlığa karşılık yaklaşık 1030 kg değerinin verilmesi nedeniyle 1.025 kg ifadesi kaynak içinde fiziksel/yazımsal bir tutarsızlık oluşturmaktadır. Bu değer burada sessizce değiştirilmemiştir.

FCTS ve LFFCTS'de yük hafif negatif yüzebilir olarak modellenmiş ve 10.100 N ağırlık kullanılmıştır. FCTS için bunun gerekçesi, aşağı yönlü ilk hareket sırasında nötr veya pozitif yüzebilir yükün bağlantılarda yeterli gerilim oluşana kadar yerinde kalabilmesi ve araçlarla yük arasında istenmeyen göreli hareket meydana gelebilmesidir.

Dinamik modeller nasıl oluşturuldu?

Analiz düşey düzlemle sınırlandırılmıştır. RCTS için Newton–Euler yaklaşımı kullanılmış ve temel hareket denklemi şu biçimde verilmiştir:

\[ M_t\dot{v}+C_t(v)v+D_t(v)v+g_t(\eta)=\tau_t \]

Burada \(M_t\) birleşik kütle matrisini, \(C_t(v)\) Coriolis ve merkezcil terimleri, \(D_t(v)\) hidrodinamik sönümü, \(g_t(\eta)\) hidrostatik etkileri ve \(\tau_t\) aktüatörlerden gelen toplam itki vektörünü ifade etmektedir.

RCTS'nin düşey düzlemdeki hız vektörü:

\[ v= \begin{bmatrix} u\\ w\\ q \end{bmatrix} \]

ve poz vektörü:

\[ \eta= \begin{bmatrix} x\\ z\\ \theta \end{bmatrix} \]

şeklinde tanımlanmıştır. Burada \(x\) surge doğrultusundaki konumu, \(z\) heave doğrultusundaki konumu ve \(\theta\) pitch açısını temsil etmektedir.

FCTS'nin mafsallı bağlantıları nedeniyle sistem Lagrange yaklaşımıyla modellenmiştir:

\[ M(\eta)\ddot{\eta} + D(\eta,\dot{\eta})\dot{\eta} + g(\eta) = \tau \]

Bu modelde yük ve araç hareketlerinin yanı sıra mafsallı bağlantıların \(\alpha_n\) açıları da genelleştirilmiş koordinatlara katılmaktadır. Bu nedenle FCTS'nin kontrol problemi RCTS'den daha yüksek boyutlu ve birbirine bağlı bir dinamik yapı oluşturmaktadır.

LFFCTS için lider ve takipçinin göreli konumu \(\beta_x\), \(\beta_z\) ve göreli pitch açısı \(\theta_{LF}\) ile tanımlanmıştır. Formasyon kontrol yasası çalışmada:

\[ \dot{\chi}=-k_f(\chi-\chi_d) \]

şeklinde verilmiştir. Formasyon kontrolcüsünün kazancı \(k_f=1{,}5\) olarak kullanılmıştır.

Model hangi basitleştirmeleri içeriyor?

Çalışma gerçek deniz ortamının bütün etkilerini modellememektedir. İnceleme düşey düzlemle sınırlandırılmış; sistemin derin suda ve yüzey dalgalarının etkin olmadığı bölgenin altında çalıştığı kabul edilmiştir. Diğer sualtı araçları, deniz canlıları veya yapıların hidrodinamik etkileşimleri ihmal edilmiştir. FCTS'nin mafsallı bağlantılarının elastikliği ve kütlesi ihmal edilmiştir. LFFCTS'de ise iletişim kısıtları sıfır kabul edilmiştir. Bu varsayımlar özellikle gerçek saha performansına ilişkin genelleme yapılırken önemlidir.

Extended Kalman Filter neden kullanıldı?

Kontrolcü, aracın gerçek durumunu doğrudan ve kusursuz biçimde bildiği varsayımına dayandırılmamıştır. Araştırmacılar sensör ölçüm hataları ve modele girmeyen çevresel/dinamik etkileri ayrı gürültü kaynakları olarak tanımlamıştır. Doğrusal olmayan sistemin durumlarını kestirmek için Extended Kalman Filter (EKF) kullanılmıştır.

Durum modeli:

\[ \dot{x}=f(x,\tau)+w_d \]

ölçüm modeli ise:

\[ z=h(x)+w_n \]

şeklindedir. Burada \(w_d\) proses gürültüsünü, \(w_n\) sensör gürültüsünü temsil etmektedir. Her ikisi de sıfır ortalamalı beyaz Gauss süreçleri olarak kabul edilmiştir.

EKF'nin düzeltme aşamasındaki temel durum güncellemesi:

\[ \hat{x}_k=x_k^-+ K_k\left[z_k-h(x_k^-)\right] \]

biçimindedir. \(K_k\), model tahmini ile ölçüm arasındaki belirsizlik dengesini belirleyen Kalman kazancıdır.

Gürültü seviyeleri nasıl seçildi?

Sensör gürültüsü için IMU ve USBL/SLAM çalışmalarındaki değerlerden hareketle konum, yönelim ve hız değişkenleri için varyanslar seçilmiştir. Çalışmada kullanılan sensör gürültüsü varyansları şöyledir:

Proses gürültüsü için araştırmacılar sualtı araçlarında doğrudan karşılaştırılabilir varyans değerlerinin sınırlı olduğunu belirtmiş ve yüzey araçlarındaki değerlerle deniz akıntısı bilgilerini temel alan yaklaşık bir seçim yapmıştır:

Bu nokta çalışmanın önemli sınırlarından biridir: kullanılan proses gürültüsü gerçek bir deniz testinden ölçülerek sisteme aktarılmış değildir; seçilmiş varyanslarla rastgele Gauss gürültüsü biçiminde modellenmiştir.

Neural Network-Augmented Control nasıl çalışıyor?

NNAC bağımsız olarak PID'nin yerine geçen tek bir kara kutu kontrolcü değildir. Araştırmada geri yayılımlı bir yapay sinir ağı, PID kontrolcünün \(K_p\), \(K_i\) ve \(K_d\) kazançlarını sistemin güncel davranışına göre ayarlamaktadır. Böylece sabit PID kazançları yerine, hata ve hata değişimine göre sürekli güncellenen kontrol parametreleri elde edilmeye çalışılmaktadır.

Sinir ağının temel performans fonksiyonu:

\[ E(k)=\frac{1}{2}[r(k)-y(k)]^2 \]

şeklinde tanımlanmıştır. \(r(k)\) hedef cevabı, \(y(k)\) ise gerçek sistem çıktısını ifade etmektedir.

Ağ ağırlıkları gradyan inişi ve momentum terimi kullanılarak güncellenmektedir:

\[ \Delta\omega(k)= -\eta\frac{\partial E(k)}{\partial\omega} + \alpha\Delta\omega(k-1) \]

Çalışmada tüm taşıma sistemleri için öğrenme oranı \(\eta=0{,}5\), momentum faktörü ise \(\alpha=0{,}1\) olarak seçilmiştir.

Sinir ağı mimarileri neden farklı?

RCTS için 8–14–6, LFFCTS'deki her araç için 8–10–6, FCTS için ise 16–10–12 ağ yapısı kullanılmıştır. İlk sayı giriş düğümlerini, ikinci sayı gizli katmandaki nöronları, son sayı ise PID parametrelerini üreten çıkış düğümlerini temsil etmektedir.

RCTS'nin iki HAUV, bağlantılar ve yükten oluşan daha büyük rijit yapı olması nedeniyle tek bir LFFCTS aracından daha fazla gizli nöron kullanılmıştır. FCTS'de ise iki mafsallı bağlantının konumu ve açı hataları da kontrol sistemine dahil edildiğinden giriş ve çıkış boyutları artmaktadır.

Geleneksel PID ile karşılaştırma nasıl yapıldı?

Karşılaştırma amacıyla bütün sistemlere manuel olarak ayarlanmış geleneksel PID kontrolcüleri de uygulanmıştır. Araştırmacılar farklı PID kazançlarıyla birden fazla simülasyon gerçekleştirdikten sonra kabul edilebilir yol izleme sağlayan kazanç setlerini seçmiştir. Böylece NNAC ve sabit kazançlı PID aynı taşıma mimarileri üzerinde sensör ve proses gürültüsü altında karşılaştırılmıştır.

Planlanan yol nasıldı?

Yol dört adet 40 saniyelik bölüme ayrılmış ve toplam değerlendirme süresi 160 saniye olmuştur. RCTS ve FCTS için temel konum noktaları sırasıyla (0,0), (5,10), (10,15) ve (20,20) m olarak tanımlanmış; son bölümde sistem hedef konumda tutulmuştur.

LFFCTS'nin lider aracı, yükün diğer sistemlerle karşılaştırılabilir bir konumda kalmasını sağlamak amacıyla x yönünde 4,24 m'lik geometrik ofset dikkate alınarak farklı koordinatları takip etmiştir. Lider için ara hedefler 7,12 m, 12,12 m ve 22,12 m x koordinatlarını içermektedir.

Gürültü altında hangi sistem daha doğru izleme yaptı?

NNAC altında gürültülü koşullarda RCTS'nin surge RMSE'si 1,08 m, heave RMSE'si 1,22 m'dir. FCTS'de karşılık gelen değerler 1,14 m ve 1,01 m'dir. LFFCTS lideri 1,03 m ve 0,98 m ile benzer doğruluk düzeyinde kalırken takipçi araç 2,08 m ve 1,92 m RMSE üretmiştir.

Bu sonuç, LFFCTS'de lider ve takipçinin aynı ölçüde hassas olmadığını göstermektedir. Çalışmanın açıklamasına göre takipçi, doğrudan planlanan yolu değil liderin durumlarından türetilen formasyon komutlarını izlediğinden hata ve gecikmeler birikmektedir.

FCTS mafsal açılarını ne kadar iyi kontrol etti?

Gürültü altında FCTS'nin hedeflenen +40° ve −40° bağlantı açıları korunabilmiştir. Birinci bağlantının açı RMSE'si 4,32°, ikinci bağlantınınki 5,13° olarak hesaplanmıştır. İdeal koşullarda aynı değerler sırasıyla 4,06° ve 4,90°'dir.

Şekil 12'de açıların başlangıçta hedef değerlere taşınması için yaklaşık ±1800 Nm mertebesinde başlangıç momentleri görülmekte, ardından kontrol momentleri bağlantı konumlarını korumak için sürekli değişmektedir. Bu davranış FCTS'nin neden daha yüksek aktüatör çabası gerektirdiğini açıklayan önemli bir model sonucudur.

NNAC geleneksel PID'ye göre ne kazandırdı?

Gürültülü koşullarda NNAC tüm raporlanan hareket doğruluğu karşılaştırmalarında geleneksel PID'den daha düşük RMSE üretmiştir.

En büyük göreli RMSE azalması LFFCTS'nin pitch kontrolünde %72,5; en düşük raporlanan iyileşme ise takipçi aracın heave hareketinde %26,4'tür.

Daha yüksek doğruluğun enerji bedeli neydi?

NNAC'nin daha dinamik PID kazançları üretmesi aktüatör çabasını artırmıştır. Gürültülü simülasyonlarda RCTS'nin toplam güç metriği geleneksel PID ile 147,6 W iken NNAC ile 203,2 W; FCTS'de 225,1 W'dan 299,0 W'a; LFFCTS'de ise 122,62 W'dan 206,5 W'a çıkmıştır.

Kaynağın Tablo 15 ve 16'sında bu değişimler sırasıyla %27,4, %24,7 ve %40,6 “artış” olarak etiketlenmektedir. Bununla birlikte bu yüzdeler standart olarak başlangıçtaki PID değerini payda alan yüzde-artış hesabına karşılık gelmemektedir; tablodaki oranlar farkın NNAC değerine bölünmesiyle uyumludur. Bu nedenle burada karşılaştırmanın bilimsel kaynağı olarak ham PID ve NNAC güç değerleri korunmaktadır.

Üç mimarinin temel mühendislik ödünleşimi nedir?

RCTS mekanik olarak en kısıtlı yapı olmasına rağmen parçalar arasında göreli hareket bulunmadığı için kontrol açısından en basit sistemi oluşturmuş ve araştırmacıların genel değerlendirmesinde en yüksek doğruluk ile en düşük güç gereksinimini bir arada sağlamıştır.

FCTS fiziksel olarak daha esnek olmasına rağmen bağlantı açılarını da sürekli kontrol etmek zorundadır. Bu ilave dinamik konumlandırma görevi nedeniyle üç mimari arasında en yüksek güç tüketimini göstermiştir.

LFFCTS fiziksel yapılandırılabilirlik ile aktüatör gereksinimi açısından FCTS'den daha avantajlı bulunmuştur. Bununla birlikte takipçinin lider aracın bilgilerine ve formasyon kontrolüne bağımlı olması, takipçi konum doğruluğunu düşürmüştür.

Araştırmacılar bu nedenle açık ve engellerin az olduğu derin su operasyonları için RCTS'yi; dar geçitler veya araçların göreli konum değiştirmesini gerektiren ortamlar için LFFCTS'yi daha uygun seçenek olarak değerlendirmiştir. Bu, çalışmanın simülasyon koşulları içindeki bir tasarım değerlendirmesidir; gerçek deniz görevlerinde doğrulanmış operasyonel üstünlük anlamına gelmemektedir.

Çalışmanın desteklediği sonuçlar

• NNAC, çalışmada kullanılan simülasyon koşullarında geleneksel sabit kazançlı PID'den daha düşük hareket RMSE değerleri üretmiştir.
• EKF ile birlikte kullanılan NNAC, tanımlanan sensör ve proses gürültüsü altında üç taşıma mimarisinin de planlanan hareketi gerçekleştirmesini sağlamıştır.
• RCTS, FCTS ve LFFCTS aynı kontrol problemi açısından eşdeğer değildir; bağlantı mimarisi aktüatör yükünü ve izleme doğruluğunu değiştirmektedir.
• FCTS'de bağlantı açılarının kontrol edilmesi ek aktüatör çabası ve daha yüksek toplam güç metriği gerektirmiştir.
• LFFCTS'nin takipçi aracı, liderden dolaylı komut aldığı için lider araçtan daha yüksek öteleme hatası göstermiştir.
• Hareket doğruluğundaki iyileşme daha yüksek aktüatör güç gereksinimiyle birlikte gerçekleşmiştir.

Çalışmanın kanıtlamadığı veya test etmediği sonuçlar

• NNAC'nin gerçek bir deniz operasyonunda aynı RMSE değerlerini sağlayacağı gösterilmemiştir.
• Fiziksel iki HAUV ve gerçek yük kullanılarak deney yapılmamıştır.
• Gerçek sensör arızaları, paket kaybı, iletişim gecikmesi ve bant genişliği sınırlamaları test edilmemiştir.
• LFFCTS iletişimi ideal kabul edildiğinden gerçek sualtı haberleşmesinin etkisi belirlenmemiştir.
• Yüzey dalgaları, yakın cisim hidrodinamik etkileşimleri ve değişken bağlantı elastikliği modelin kapsamı dışındadır.
• Seçilen NNAC mimarilerinin bütün sualtı araçları için küresel olarak optimum olduğu gösterilmemiştir.
• Daha yüksek simülasyon güç metriğinin gerçek batarya ömrüne veya görev süresine ne ölçüde yansıyacağı deneysel olarak ölçülmemiştir.
• RCTS'nin bütün gerçek deniz görevlerinde FCTS veya LFFCTS'den üstün olduğu sonucuna varılamaz.

Çalışmanın Yöntemi ve Bulguları

Sistem ve modelleme çerçevesi

NNAC yapılandırması

İdeal koşul ve gürültülü koşul karşılaştırması

Sensör ve proses gürültüsü bütün sistemlerde hata düzeyini yükseltmekle birlikte NNAC ile kapalı çevrim kontrol devam etmiştir. En belirgin öteleme hatası LFFCTS'nin takipçi aracında görülmüştür.

NNAC altında güç gereksinimi

Gürültülü NNAC koşullarında FCTS 299,0 W ile en yüksek toplam güç metriğini üretmiştir. RCTS 203,2 W ve LFFCTS 206,5 W ile birbirine yakın sonuç vermiştir.

Sonuçların mühendislik yorumu

Çalışmadaki en önemli sonuç tek başına “sinir ağı PID'den daha iyidir” biçiminde özetlenemez. NNAC izleme hatasını belirgin biçimde azaltırken aktüatörlerden daha fazla kontrol çabası istemektedir. Ayrıca mekanik mimarinin kendisi kontrol performansında önemli rol oynamaktadır: RCTS'nin göreli olarak basit rijit dinamiği düşük aktüatör çabasını desteklerken, FCTS'nin bağlantı açılarını sürekli düzenleme gereksinimi enerji maliyetini yükseltmektedir.

LFFCTS ise ilginç bir ara durum oluşturmaktadır. Lider araç oldukça düşük konum hatasıyla yolu takip edebilmekte, fakat takipçi aracın formasyon kontrolcüsü üzerinden dolaylı olarak yönlendirilmesi surge ve heave RMSE değerlerini artırmaktadır. Buna rağmen sistemin fiziksel yeniden yapılandırılabilirliği, araştırmacıların dar veya engelli ortamlar için LFFCTS'yi RCTS'ye alternatif olarak değerlendirmesine yol açmıştır.

Temel yöntemsel sınırlılıklar

• Sonuçların tamamı simülasyon temellidir.
• Analiz yalnız düşey düzlemde gerçekleştirilmiştir.
• Deniz yüzeyi dalgalarının etkisi ihmal edilmiştir.
• Yakın cisimlerle hidrodinamik etkileşim hesaba katılmamıştır.
• FCTS bağlantılarının kütlesi ve elastikliği ihmal edilmiştir.
• LFFCTS için iletişim gecikmesi ve iletişim sınırlamaları sıfır kabul edilmiştir.
• Proses gürültüsü gerçek görev verisinden doğrudan ölçülmek yerine yaklaşık varyanslarla modellenmiştir.
• Sinir ağı mimarileri çeşitli simülasyon denemeleri sonrasında seçilmiş, kapsamlı küresel hiperparametre optimizasyonu raporlanmamıştır.
• Gerçek batarya tüketimi, thruster verimi ve görev süresi fiziksel araç üzerinde ölçülmemiştir.

Kaynak ve Yöntem Notu

Tam özgün çalışma adı: Neural Network-Augmented Actuation Control System Designed for Path Tracking of Autonomous Underwater-Transportation Systems Under Sensor and Process Noise

Yazarlar: Faheem Ur Rehman, Syed Muhammad Tayyab, Hammad Khan, Aijun Li ve Paolo Pennacchi.

Sorumlu yazarlar: Syed Muhammad Tayyab ve Paolo Pennacchi.

Eş katkı/eş birinci yazarlık: Kaynakta belirtilmemiştir.

Kurumlar:

1. Department of Mechanical Engineering, University College London, London, United Kingdom.
2. Department of Engineering Sciences, PN Engineering College, National University of Sciences and Technology, Karachi, Pakistan.
3. Department of Mechanical Engineering, Politecnico di Milano, Milan, Italy.
4. School of Automation, Northwestern Polytechnical University, Xi'an, China.

Dergi: Actuators.

Yayınevi: MDPI, Basel, Switzerland.

Bibliyografik bilgi: Actuators 2026, 15(5), 246.

DOI:10.3390/act15050246

Yayın tarihi: 30 Nisan 2026. Çalışma 30 Mart 2026'da alınmış, 26 Nisan 2026'da revize edilmiş ve 27 Nisan 2026'da kabul edilmiştir.

Kaynak türü ve hakemlik durumu: Hakemli Actuators dergisinde yayımlanmış araştırma makalesidir.

Lisans: Creative Commons Attribution (CC BY). Telif © 2026 yazarlara aittir; MDPI lisans sahibidir.

Finansman: Araştırmacılar dış finansman alınmadığını bildirmiştir.

Veri erişilebilirliği: Çalışmanın özgün katkılarının makalede bulunduğu, ek soruların sorumlu yazarlara yöneltilebileceği belirtilmiştir.

Çıkar çatışması: Yazarlar çıkar çatışması bulunmadığını beyan etmiştir.

Yazar katkıları: Kavramsallaştırma Aijun Li ve Paolo Pennacchi; metodoloji Faheem Ur Rehman ve Syed Muhammad Tayyab; yazılım Faheem Ur Rehman ve Hammad Khan; doğrulama Syed Muhammad Tayyab; biçimsel analiz Faheem Ur Rehman ve Hammad Khan; araştırma Hammad Khan; veri düzenleme Faheem Ur Rehman ve Hammad Khan; ilk taslak Faheem Ur Rehman ve Syed Muhammad Tayyab; inceleme ve düzenleme Syed Muhammad Tayyab ve Paolo Pennacchi; görselleştirme Paolo Pennacchi; danışmanlık ve proje yönetimi Aijun Li tarafından gerçekleştirilmiştir.

Bilimsel kapsam: Bu çalışma üç çok araçlı otonom sualtı taşıma mimarisinin NNAC ve EKF kullanılarak sensör ve proses gürültüsü altında simülasyon ortamında kontrolünü incelemektedir. Sonuçlar gerçek deniz deneyi veya fiziksel araç testi değildir.

Kaynak içi tutarsızlık notu 1: RCTS'deki 1 m³ yük için yaklaşık 10.055 N kaldırma kuvveti verilirken nötr yüzebilir kütle “1.025 kg” şeklinde yazılmıştır. Bu ifade aynı çalışmada 10.100 N için yaklaşık 1030 kg olarak verilen değerle uyuşmamaktadır. Kaynaktaki sayı sessizce değiştirilmemiştir.

Kaynak içi tutarsızlık notu 2: Tablo 15 ve 16'da PID'den NNAC'ye toplam güç değişimi RCTS için 147,6 → 203,2 W, FCTS için 225,1 → 299,0 W ve LFFCTS için 122,62 → 206,5 W olarak verilmiştir. Aynı tablolardaki “% Increase” değerleri standart başlangıç değeri bazlı yüzde-artış hesabıyla uyuşmadığından makalede doğrudan ham güç değerleri esas alınmıştır.

Bu Verianla içeriğinin bilimsel bulguları yalnızca incelenen çalışmaya dayanmaktadır. Dış bibliyografik doğrulama, çalışmanın başlık, DOI, dergi ve yayın kimliğini kontrol etmek amacıyla kullanılmış; dış kaynaklardan yeni deneysel sonuç veya bilimsel bulgu ana metne eklenmemiştir.