Quadcopterler İçin Lqr Kontrolcü Parametrelerinin Optimize Edilmesi

Abstract

Quadcopterler üzerinde yapılan çalışmaların önemi özellikle son yirmi yılda oldukça artmıştır. Teknolojik gelişmeler, quadcopterlerin başarılı uçuşlar gerçekleştirmesi için yeterli donanım ve tasarım olanakları sunmaktadır. Sunulan donanım ve tasarım imkanlarıyla daha performanslı bir uçuş gerçekleştirmek için kontrol sistemleri kullanılmaktadır. Bu amaçla araştırmacılar yeni kontrol yöntemleri geliştirmeye ya da var olanları quadcopterlere uyarlamaya çalışmaktadır. Bu kontrol sistemlerinden biri de LQR kontroldür. LQR hem lineer hem de lineer olmayan sistemler için geliştirilmiş temel olarak minimum maliyetle maksimum verim sağlamayı hedefleyen bir kontrol yöntemidir. İlerleyen bölümlerde LQR kontrol yönteminin temel dayanağı ve matematiksel ifadesi anlatılmıştır. Ayrıca yöntemin avantajlarından ve dezavantajlarından bahsedilmiştir. Son yıllarda yapay zekâ optimizasyon algoritmaları kullanılarak LQR kontrolcü parametrelerini belirlemek için çeşitli çalışmalar yapılmıştır. Bu çalışmada ise literatürde kabul görmüş, Quanser firmasına ait, quadcopter sistemi modeli üzerinde LQR kontrolcü uygulanmış, yeni bir amaç fonksiyonu belirlenmiş ve LQR kontrolcü parametreleri yedi farklı yapay zekâ optimizasyon algoritması (yusufçuk, genetik, parçacık sürü optimizasyon, benzetilmiş tavlama, yapay arı kolonisi, diferansiyel gelişim, gri kurt optimizasyon) ile optimize edilmiştir. Ayrıca benzetilmiş tavlama ve gri kurt optimizasyon algoritmalarını içeren yeni hiyerarşik SAA-GWO algoritması önerilmiştir. Hiyerarşik SAA-GWO algoritması ve diğer yedi algoritmanın optimize ettiği LQR kontrolcü parametrelerinin sisteme etkisi, belirlenen yeni amaç fonksiyonu ile ayrı ayrı incelenmiş ve düşük çalışma koşullarına göre verimlilikleri karşılaştırılmıştır. Roll açısının oturma ve yükselme zamanı açısından, Hiyerarşik SAA-GWO algoritması hem Quanser firmasına hem de diğer yedi algoritmaya kıyasla daha iyi sonuçlara ulaşmıştır.

The importance of studies on quadcopters has increased considerably, especially in the last two decades. Technological developments provide sufficient equipment and design possibilities for quadcopters to perform successful flights. Control systems are used to achieve a more efficient flight with the hardware and design possibilities offered. For this purpose, researchers are trying to develop new control methods or adapt existing ones to quadcopters. One of these control systems is LQR control. LQR is a control method developed for both linear and non-linear systems, basically aiming to provide maximum efficiency with minimum cost. In the following sections, the basics and mathematics of the LQR control method are explained, the advantages and disadvantages of the method are mentioned. In recent years, various studies have been carried out to determine LQR controller parameters using artificial intelligence optimization algorithms. In this study, an LQR controller was applied to the quadcopter system model of Quanser company, which is accepted in the literature, a new objective function was determined, and the LQR controller parameters were optimized by seven different artificial intelligence optimization algorithms (dragonfly, genetics, particle swarm optimization, simulated annealing, artificial bee colony, differential evolution, gray wolf optimization). In addition, a new hierarchical SAA-GWO algorithm including simulated annealing and gray wolf optimization algorithms is proposed. The effect of LQR controller parameters optimized by hierarchical SAA-GWO algorithm and seven other algorithms on the system was examined separately with the determined new objective function and their efficiency was compared according to low operating conditions. In terms of settling and rising time of the roll angle, the Hierarchical SAA-GWO algorithm achieved better results compared to both Quanser and the other seven algorithms.