Yapay Sinir Ağları Ve Bulanık Sistemler Temelli Uçuş Kontrol Tasarımı

Abstract

Bu çalışmada, yüksek performanslı uçaklar için yapay sinir ağları (YSA) ve bulanık sistemler (BS) yaklaşımları ile zeki uçuş kontrol sistemleri geliştirilmiştir. Öncelikle, öğrenme performanslarını iyileştirmek amacıyla Levenberg-Marquardt optimizasyon algoritması, güvenli bölge yaklaşımı ile YSA’larının ağırlıklarının ve BS’lerin parametrelerinin ayarlanması için uyarlanmıştır. YSA’ları ve BS’ler ile gerçekleştirilen uçuş kontrol uygulamaları üç aşamada ele alınmıştır. Birinci aşamada YSA’ları ve BS’ler ile uçağın aerodinamik davranışının modellenmesi amaçlanmıştır. Bu amaçla doğrusal olmayan F-16 uçak modeline ait aerodinamik katsayıların kestirimi YSA’ları ve BS’ler ile gerçekleştirilmiştir. İkinci aşamada YSA’ları ve BS’ler ile uçağın dinamik davranışının modellenmesi amaçlanmıştır. Uçağın üç açısal hız değişkeni için YSA’ları ve BS’ler kullanılarak on-line öğrenmeli tanıma modelleri geliştirilmiştir. Üçüncü aşamada zeki uçuş kontrol sistemleri geliştirilmesi amaçlanmıştır. Bu amaçla YSA’ları ve BS’ler temelli uyarlamalı PID kontrol yapıları geliştirilmiştir. Kontrol yapısı doğrusal olmayan F-16 modelinin üç açısal hız değişkeninin kontrolünde kullanılmıştır. Ayrıca YSA’ları ve BS’ler temelli uyarlamalı PID kontrolörler kullanılarak zeki iniş kontrol sistemleri geliştirilmiştir. Sonuç olarak zeki sistemler yaklaşımı ile uçuş kontrolüne esnek, gürbüz alternatifler getirilebileceği gösterilmiştir.

In this study, intelligent flight control systems for high performance aircrafts are developed with neural networks (NN) and fuzzy systems (FS) approaches. The Levenberg-Marquardt (LM) optimization method with a trust region approach is adapted to train NNs and FSs to enhance learning performance. NNs and FSs based flight control applications are considered in three phases. The objective of the first phase is to model the aerodynamic behavior of the nonlinear F-16 model using NNs and FSs. The aerodynamic coefficients which are presented in multidimensional lookup tables are estimated by NNs and FSs. The second phase considers modeling of aircraft dynamic behavior by NNs and FSs. The on-line learning identification models are developed for three angular rate variables using NNs and FSs. The objective of the third phase is to develop intelligent flight control systems. Therefore NNs and FSs based adaptive PID controllers are developed. They are used to control three angular rates of the nonlinear F-16 model. Moreover, the NNs and FSs based adaptive PID controllers are used to develop intelligent landing control systems. In conclusion, it is possible to develop flexible and robust flight control systems with intelligent systems approach.