İnsan Operatörlerin Modellenmesi Yöntemi İle Bulanık Denetleyici Tasarımı

Abstract

İnsan-makine etkileşimi, farklı amaçlar için çalışan araştırmacıları her zaman cezbetmiştir. İnsan operatörlerin denetim eylemlerinin modellenmesine, 1940’larda başlamış olup pilot performanslarının karşılaştırılması, insan operatörlerin cevabına dayanan yeni denetim algoritmalarının geliştirilmesi, araçların yol tutuş özelliklerinin arttırılması vb. için yoğun olarak çalışılmaktadır. Bu çalışma, insan operatörün denetim eylemlerine ait verilerin toplanması için bir deney düzeneği tasarlanması ve bu eylemlerin doğrusal, sinirsel-bulanık ve bulanık yöntemlerle modellenmesini, elde edilen modellerin de bulanık ve doğrusal denetleyiciler olarak kullanılmasını amaçlamaktadır. Doğrusal modellerin parametrelerinin bulunması için en küçük kareler yöntemi ve özyinelemeli en küçük kareler yöntemi, sinirsel bulanık modellerin parametrelerinin bulunması için geri yayılım ve en küçük kareler yöntemi, bulanık modellerin parametrelerinin bulunması için bir en iyileştirme yöntemi olan Genetik Algoritma (GA) kullanılmıştır. Elde edilen modeller kapalı çevrim sistemde insan operatörün yerini alacak şekilde denetleyici olarak kullanılmıştır. Modellerin performansları insan operatörün denetim eylemleriyle karşılaştırılmıştır. Sonsuz adım öngörü ufkuna göre insan operatörün denetim eylemleri ile modellerin cevapları yaklaşık %80 oranında benzerlik göstermiş ve modeller başarılı bulunmuştur. Doğrusal sistem tanıma yöntemleri ile elde edilen yerel Auto Regressive with eXogenous inputs (ARX) modeller basit, kararlı ve uygulaması kolay olan modeller olmaktadır. Birinci mertebeden Takagi-Sugeno modeller ise yalnızca bir genel modelle yerel ARX modellere yakın performans göstermektedir. Bu çalışmanın bir uzantısı, deneyimli insan operatörlerin denetim eylemlerinin toplandığı bir veritabanı oluşturulması ve bu veritabanının deneyimsiz insan operatörlerin eğitimi için kullanılması amacıyla genişletilebilir. Bu çalışmanın başka bir kolu ise insan operatörün denetim eylemlerinin ve denetlenen sistemin çıkışının öngörülmesidir. İnsan operatörlerin kullandıkları birçok sistem matematiksel olarak modellenebilir. İnsan operatörün denetim eylemlerinin matematiksel modeliyle denetlenen sistemin benzetimi yapılırsa, erken uyarı sistemleri gibi çeşitli uygulamalar gerçekleştirilebilir. Öngörü algoritması geliştirilme aşamasındadır. Bu sayede eğitim için harcanan zaman ve maliyetler azaltılabilir.

This study involves building an experimental setup for collecting human operator control action data during completion of a specific control task and modeling of the human operator. Linear parametric, neuro-fuzzy and fuzzy modeling methods have been used. In order to obtain linear parametric models’ parameters, least squares and recursive least squares methods have been used. For neuro-fuzzy models, least squares and backpropagation, and for fuzzy models’ parameters, genetic algorithm have been used as an optimization method. Obtained models have been replaced into the system as stand-alone controllers to replace the human operator in the closed-loop. Performances of approaches have been compared as human operator models and also as controllers. Based on infinite step predictions, methods resulted with about 80% fit of estimated human control action with actual data, which was found to be quite successful.