Development of a model unmanned aerial vehicle with simulink: Modelling and control

Günümüz tarihe gelmeden önce insansız hava araçının tarihçesinden başlayarak ayrıntılı olarak gelişimi araştırılmıştır.M.Ö yıllarda birçok araştırmacı, filozof gibi düşünürlerin buluşları günümüz için esin kaynağı olmuştur.Tezimin başlarında tarihçesinden başlayarak günümüzde kullanılan insansız hava taşıtlarıyla ilgili kısa bilgiler yer almıştır.Aynı zamanda kullanılan bu araçların günümüzde ne amaçlarla kullanıldığı belirtilmiştir. Doğrusal olmayan bir model insansız hava taşıtımız yer çekimi, atmosferik ve rüzgar türbülansına kalarak modeller oluşturularak 6 serbeslik dereceli hareket denklerindeki aerodinamik bileşenleri göz önünde bulundurularak benzetim modelleri Matlab/Simulink® programında geliştirilmiştir.Geliştirilmiş olan doğrusal olamayan modellimiz doğrusallaştırma işlemi yapılarak analizler elde edilmeye çalışılmıştır.3 yaklaşım metodu kullanılarak doğrusal kontrolcüler tasarlanmıştır. Kontrolcüler yunuslama, yuvarlanma, sapma hareketleri kullanılarak kök yer eğrisi, PID tabanlı bulanık kontroller ve doğrusal olmayan sistem üzerinde belirtilen koşullara göre eğitilmiş verilerimiz elde edilerek adaptif sinirsel bulanık çıkarım sistemi kullanırak bağlantılı kontrolcü girdileri baz alınarak optimum sonuçlar elde edilmeye çalışılmıştır. Uçuş kontrol sistemleri için açık ve kapalı çevrim olarak geri besleme yöntemi ile üç farklı hareket kontrolleri verilen referansa uygun şekilde sıfıra en kısa sürede ulaşacak şekilde kontrol edilmiştir. Bulanık kontrol kullanılarak PID değerleri ayarlanması sağlanarak sistem kontrolü elde edilmeye çalışılmıştır.Aynı zamanda PID değerlerinin buluması tezin en zor kısmını teşkil etmekle birlikte popülasyon değer aralıkları belirlenerek sistemin tanıtılması sonucunda üç hareket üzerinde en optimum değerler belirlenerek sisteme gömülmüştür.Ve sonuç olarak kontrol çeşitleri karşılaştıralarak tablolar halinde en iyi oturma süresine ait kontrolcüler belirlenmiştir. Sinirsel bulanık sistemler için yapay sinir ağlarının hesaplanması ve öğrenebilme kabileyeti için bulanık mantık uzman bilgilerine ihtiyaç duyulmuştur.Bunlar için önceki bölümde tasarlanan otamatik pilot modelimizin eğitilmiş verileri ve linear olmayan uçak modelimizin verileri ayarlanarak en küçük hata değerine kadar indirgenmiştir.Ve bu şekilde ele alınan model için oluşturulan yapı ve kurallar veriler yardımıyla uzman ataması gerçekleştirilmiştir.Anfis'de öğrenme algoritması olarak, en küçük kareler yöntemi ile geri yayılma öğrenme algoritması bir arada kullanılarak melez öğrenme algoritması kurulmuştur.Birçok katman içinde gerçekleşen üyelik fonsiyonları sistemimiz üzerinde uzunlamasına ve yanlama olarak uçağımızın kontrolü sağlamıştır.