YAPAY SİNİR AĞLARI İLE DESTEKLENMİŞ JİROSKOPİK ROBOT STABİLİZASYONU: DERİN ÖĞRENME YAKLAŞIMI

Bu çalışma, iki tekerlekli jiroskopik bir robotun dinamik kararlılığını ve adaptasyon kabiliyetini artırmak amacıyla, Doğrusal Kuadratik Regülatör (LQR) ile Yapay Sinir Ağlarını (YSA) birleştiren özgün bir hibrit kontrol mimari sunmaktadır. Doğası gereği yüksek derecede doğrusal olmayan ve kararsız bir yapıya sahip olan iki tekerlekli sistemler, özellikle Kontrol Moment Jiroskopu (CMG) disk hızındaki değişimlerden doğrudan etkilenmekte; bu durum geleneksel statik kontrolcülerin dayanıklılığını (robustness) sınırlamaktadır. Önerilen yöntem, farklı operasyonel disk hızları için hesaplanan optimal LQR kazanç matrisleri (K) üzerinde eğitilen bir YSA modelini kontrol döngüsüne entegre etmektedir. Geliştirilen hibrit sistem, anlık disk hızı verilerini işleyerek gerekli katsayıları dinamik olarak kestirmekte ve sistemin değişken koşullara gerçek zamanlı uyum sağlamasına olanak tanımaktadır. Simülasyon sonuçları, bu yaklaşımın statik LQR kontrolcülere kıyasla yerleşme süresi ve aşım miktarı açısından üstün performans sergilediğini ve sistem dinamiklerindeki belirsizliklere karşı dayanıklılığı önemli ölçüde artırdığını kanıtlamaktadır. Deterministik kontrolün hassasiyeti ile derin öğrenmenin esnekliğini sentezleyen bu çalışma, arama-kurtarma ve gözetleme gibi karmaşık ortamlarda görev yapan otonom robotik platformlar için ölçeklenebilir ve güvenilir bir kontrol stratejisi sunmaktadır.