Towards improved adaptive control: Human pilot models & memory-augmented architectures

Bu tezde, endüstriyel uygulamalarda uyarlamalı kontrolcülerin kullanılmasını engelleyen temel sorunlara yeni çözümler sunuyoruz. İnsanların kontrol konusundaki uzmanlığından ilham alarak geliştirdiğimiz teknikleri bu tezde paylaşırken özellikle insanların anormallikler karşısında nasıl uyum sağladıklarını ve bunları daha iyi telafi etmek için hafızalarını nasıl kullandıklarını anlamaya odaklanıyoruz. Bu amaçla, uyarlamalı bir kontrolcü ile döngüdeki insan davranışını tahmin etmek için uyarlanabilir insan pilot modelleri öneriyoruz. Lyapunov kararlılık analizlerine dayalı olarak geliştirilen modeller, bir anormallik durumunda güvenli çalışmayı sağlamak için insan pilotlar ve uyarlamalı kontrol sistemleri arasındaki etkileşimleri simülasyon ortamında test etmeyi sağlayan değerli araçlardır. Bu, insanlı uygulamalar için uyarlamalı kontrolcülerin nasıl daha iyi tasarlanacağına ilişkin analitik yöntemler sağlayabilir. İnsan pilotlarla olumsuz etkileşimlerinin yanı sıra, uyarlamalı kontrolcülerin pilotlu uygulamalarda nadiren kullanılmasının bir başka nedeni de geçiş dönemindeki performanslarıdır. Uyarlamalı kontrol sistemlerinin geçiş dönemindeki performanslarını iyileştirmek için çok sayıda çalışma yapılmış olsa da, bu tezde, insan benzeri bellek yeteneklerine sahip uyarlamalı kontrolcüler geliştirerek önce geçiş döneminden yararlanmaya odaklanıyoruz. Belirsizliklere karşı esnek bir sistem elde etmeye yardımcı olmak için daha önce yaşanan anormalliklerin geçiş dönemleri hakkında depolanmış verileri kullanabilen bir bellek mimarisi öneriyoruz. Uyarlamalı kontrolcülerin, önceden deneyimlenmiş anormallikleri daha iyi telafi etmek için keşif yerine belleğe güvenmelerini sağlayan önerilen bellek mimarisinin etkinliği sayısal simülasyonlarla ve Lyapunov kararlılık analizi ile doğrulanmıştır.