İçeriğe geç

Otopilot ile Otonom uçuş arasındaki farklar – Algoritma

Son zamanlarda özellikle İHA’ların yaygınlaşması ile, otonom sistemleri ve akabinde otonom uçuş sistemlerini sıklıkla duyuyoruz. Ne var ki, otonom uçuş sistemleri, uçaklarda bulunan oto pilot sistemleri ile sıklıkla karıştırılmaktadır.

Oto pilot nedir?

Oto pilotlar, günümüz uçaklarında önemli bir yere sahiptir. Aslına bakılırsa ilk oto pilotlu uçaklar, 1912 yılında basit gyroların ve altimetrelerin, hidrolik sistemler yardımyla uçuş yüzeylerini kontrol etmesi sonucu ortaya çıkmıştır. 1950’li ve 60’lı yıllardan itibaren, özellikle yolcu uçaklarında standart haline gelmiştir. Altın çağına ise FlyByWire sistemlerinin entegrasyonuyla erişmiştir.

(MCAS’ı buradan ayrı bir yere koyuyoruz, onu açıklayacağım)

Otopilot bir otonom sistem mi, değil mi? Neden?

Aslına bakarsak otonom dediğimiz şey, uzun süredir aramızda bulunsa da yeni yeni temellerini bulan ve yeni yeni asıl anlamını kazanan bir kavram. Otopilotlar statik sistemlerdir. Belli başlı parametre ve sensörlere bağlı olarak uçağı pilot gözetiminde yönetirler.

Otonom sistemlerde ise asıl nokta uçağın fiziksel yönetiminden ziyade, uçağın sensörlerini olabildiğince doğru tutmak ve uçağın rotasını tahmin ederek olabilecek en iyi şekilde uçağı uçurmaktır. Bu nedenle otonom sistemlerde sensör verilerinin işlenmesi, bu verilerin çapraz olarak karşılaştırılması ve bir dizi filtreden geçirilmesi, büyük bir önem taşır. Bunun yanında rotanın aktif olarak takip edilmesi ve uçağın belli başlı süreler sonucunda nerelerde olacağının tahmin edilmesi de büyük bir önem taşır.

Otonom uçuş sistemi

Otonom uçuş sistemlerinde sensörlerden gelen verilerin doğrulu kritiktir. Ancak sensörler, doğaları gereği her zaman doğru veriler üretmez, bunun yanında işleyişleri sırasında kalibrasyonları da bozulabilir (ki bu uçuşlarda sıkça yaşanır). Bu nedenle hem sensörlerden gelen yanlış verileri filtrelemek, hem de sensörlerin olası kalibrasyon bozulmalarını tespit edip kompanse etmek amacıyla bir dizi kontrol algoritması bulunur.

Bu algoritmalardan ilki, EKF’dir.

Tahmin teorisinde, Genişletilmiş Kalman Filtresi (EKF), mevcut ortalama ve kovaryansın (iki değişkenin birlikte ne kadar değiştiklerinin ölçüsü) bir tahminini doğrusallaştıran, Kalman filtresinin doğrusal olmayan versiyonudur. İyi tanımlanmış geçiş modelleri durumunda EKF, doğrusal olmayan durum tahmini, navigasyon sistemleri ve GPS teorisinde fiili standart olarak kabul edilmiştir.

EKF özellikle uçaklar gibi birden fazla sensör girdisine bağlı sistemlerde kilit rol oynar. Bir sensör verisinin diğer sensör verisine göre değişiminden tutun da, sensör verisinin ortama göre mi değiştiğinin yoksa bozuk mu çalıştığının tespitine kadar pek çok kritik görevi yapar. Temelinde ileri düzey matematik denklemlerine dayanan bu algoritmalar, otonom sistemlerdeki sensör verilerinin işlenmesinde ve filtrelenmesinde büyük bir öneme sahiptir.

EKF’nin daha basit filtre algoritmalarına göre avantajı, mevcut tüm ölçümleri birleştirerek, önemli hatalarla yanlış ölçümleri daha iyi tespit edebilmesidir. Bu, aracı tek bir sensörü etkileyen arızalara karşı daha az duyarlı hale getirir.

Mesela EKF’li sistemlerde GPS – IMU – Compass üçlüsü sıkı bir şekilde birbirleri ile karşılaştırılır. EKF sayesinde bu sensörlerden yola çıkarak:

  • Uçağın pusula başı,
  • Uçağın hızı,
  • Hava hızı,
  • Uçağın 3 eksendeki ivmesi,
  • Uçağın hücum açısı,
  • Uçağın tırmanma / düşme oranı

gibi parametreler daha hassas hesaplanır. Ayrıca bir donanım anomalisine karşı bu parametreler, daha doğru çalışmaya devam eder.

Örnek olarak EKF kullanan bir sistem, Compass’taki (pusula başı) ani değişimlerin uçağın hareketinden mi, yoksa donanım arızasından mı kaynaklı olduğunu kolayca anlayabilir. Bunun için Compass verisindeki birim zamanda oluşan değişimi, GPS ve IMU verilerindeki birim zamanda oluşan değişimle karşılaştırması yeterlidir.

EKF bir bakıma uçağın başındaki pilotun yerini alır ve sensör verilerini çapraz karşılaştırarak sensörün doğru ya da yanlış veri üretip üretmediğine karar verir.

Diğer algoritmalar ise uçağın, navigasyon sistemlerinde sıklıkla kullanılır.

Otonom sistemlerde, araca bir noktadan başka bir noktaya gitmesi söylendiğinde veya bir dizi durak noktası komutu girildiğinde, aracın belli bir düzene göre bu noktalardan geçmesi gerekir.

Uçağı ele aldığımızda; uçak limitleri belli olan, belli bir dönüş yarıçapına ve belli bir maksimum / minimum hıza sahip olan bir araçtır. Birden fazla durak noktasında oluşan rotalarda uçak, direkt olarak noktalarından üstünden geçmeye çalışamaz. Bu noktalara belirli bir algoritma ile yaklaşmalı ve geçmelidir.

Genelde sabit uçuşu ve dönüşleri kontrol eden iki sistem bulunur. Bunlara ek olarak da sadece iniş ve kalkışta, uçağın stabilitesini – hücum açısını – alçalma/yükselme değerini koruyan sistemler bulunur. Özellikle dönüşler, otonom sistemler için önemlidir zira çok noktalı rotalarda bir dönüşün sonraki dönüşe göre hesaplanması, bu hesaba aracın parametrelerinin de dahil olması gerekir.

Uçağın dönüşe nereden başlayacağı, nasıl bir çapta döneceği, nerede bitireceği kritiktir. Kabaca anlatmak gerekirse, grafikteki gibi daireler ile ideal dönüş alanları oluşturulur. Uçak bu alanların içinde bulundukça, dönüşü tamamlamış sayar. Bu alanların kaçırılması ya da çok geniş dönülmesi durumunda, uçak o noktaya tekrardan rota çizer.

EKF ve navigasyon algoritmaları için, açık kaynaklı olan ve sıklıkla kullanılan bir otonom pilot olan, ArduPilot’un Plane kütüphanesinden kodlar bırakmak istiyorum.

ArduPlane EKF kütüphanesi

ArduPlane navigasyon kütüphanesi

Peki İbrahim; MCAS nerede, yapay zeka nerede?

Aslında bu son dönemlerde sıkça karşımıza çıkan bir durum. Gördüğünüz üzre, sistemlerde bir yapay zeka yok. Sadece kompleks matematik denklemlerinden oluşan algoritmalar var. Ancak özellikle uçağın karakteristiklerini öğrenme ve sensörlerin doğasını öğrenme noktasında, yapay zeka ve makine öğrenmesi, yeni bir basamak.

Normalde bu sistemlerde, sensörlerin hata aralıklarını öğrenen algoritmalar vardır ancak bunlar, EKF’den gelen çıktıya göre şekillenir. Yani bir bakıma uçuştan uçuşa değişirler.

Ancak MCAS tipi sistemler, direkt olarak uçağın ya da pilotun hareketlerinden yola çıkarak, duruma müdahele ederler. MCAS da temelinde sensörden gelen veriye göre hareket eden bir sistem. Ama Boeing’in hatası, kabaca sensöerden yanlış bir veri geldiğinde, bunu kompanse edecek ya da saf dışı bırakacak bir sistemi entegre etmemiş olmasıydı.

Uzun zamandır yazmak istediğim bir konuyu, bulduğum kısa zamanda yazmaya çalıştım. Konu hakkında detaylı bilgiye sahip kişiler için basit ya da çok yüzeysel gelecektir, ancak ilgi duyan ve başlamak isteyenler için güzel bir örnek olduğunu düşünüyorum.

Okuduğunuz için teşekkürler, sağlıcakla kalın.

Tarih:Uncategorized