Yüzey Dalgası Kaynaklı Bozucu Etkiler Altında Otonom Sualtı Araçlarının (AUVs) Hız Kararlılığının Uzun Kısa Süreli Bellek (LSTM) Tabanlı Model Öngörülü Kontrol (MPC) ile Sağlanması

Otonom Sualtı Araçları (AUV’ler), sualtı keşfi, bilimsel araştırmalar ve açık deniz operasyonlarında hayati bir rol oynamaktadır. Ancak, yüzeye yakın sığ derinliklerde dalga kaynaklı bozucu etkiler nedeniyle hız kararlılığı bozulabilmektedir. Bu çalışma, karmaşık hidrodinamik modelleme veya sistem tanımlamasına ihtiyaç duymayan veri odaklı bir kontrol çerçevesi önermektedir. Dalga etkilerini içeren simülasyon verileriyle eğitilen Uzun Kısa Süreli Bellek (LSTM) tabanlı Tekrarlayan Sinir Ağı (RNN), AUV’nin hız tepkilerini tahmin etmektedir. Bu tahminler, harici bozucuları telafi eden optimal kontrol sinyalleri üretmek amacıyla Model Öngörülü Kontrol (MPC) yapısı içinde kullanılmaktadır. Yöntem, giriş–çıkış verilerinden sistemin doğrusal olmayan dinamiklerini ve çevresel etkileşimleri öğrenerek kontrol tasarımını sadeleştirirken öğrenilmiş deniz koşulları altında kararlılık sağlamaktadır. Simülasyonlar, LSTM-MPC çerçevesinin düşük izleme hataları sağladığını göstermektedir. Kontrol çerçevesi öğrenilmiş dalga koşullarında başarılı performans sergilerken, LSTM-MPC daha dinamik deniz durumlarına karşı da uyum yeteneği göstermektedir. Bu bulgular, yüzeye yakın AUV operasyonları için öğrenmeye dayalı öngörülü kontrol stratejilerinin potansiyelini vurgulamaktadır. Gelecek çalışmalarda, gerçek zamanlı uyum sağlamak için çevrimiçi öğrenmenin entegrasyonu ve önerilen yöntem performansının kontrollü bir dalga havuzunda deneysel olarak doğrulanması hedeflenmektedir.