تعتبر الطائرات متعددة المروحي (Multirotors) أدوات فعالة للغاية تتنوع تطبيقاتها بين المراقبة إلى الزراعة الدقيقة. ومع ذلك، لا تزال التصميمات الحالية تواجه قيودًا بسبب عدم الفعالية في التحكم. جاءتConfigurations من نوع tilt-rotor تلك التي تريد تجاوز هذا التحدي من خلال تمكين الفعل الكامل لحركة الطائرة.

تتناول ورقة بحثية حديثة استراتيجيات التحكم المستندة إلى الشبكات العصبية لنظام tilt-rotor ذو التحريك الرباعي. قُسِّم البحث إلى جزئين رئيسيين. الأول، يتضمن تقديم نتيجة سلبية تتعلق بأسلوب التحكم المباشر بين المدخلات والمخرجات. حيث تم تدريب نماذج متعددة الطبقات (MLPs) وشبكات الذاكرة طويلة الأمد (LSTM) والنماذج المحولّة (Transformers) على رسم قيم الحالة المطلوبة للنظام مباشرةً إلى إشارات التحكم، لكن النتائج أظهرت فشل هذه الاستراتيجيات في تحقيق الاستقرار للنظام، مما يبرز التحدي الصارخ في استخدام التعلم المباشر للتحكم في الأنظمة غير المستقرة.

أما الجزء الثاني، والذي يمثل المساهمة الرئيسية، فهو اقتراح متحكم معزز بشبكات عصبية (Neural-Network-Enhanced Sliding Mode Controller - SMC). يقوم هذا الأسلوب بتفكيك ديناميات النظام إلى مكونات مستقلة عن المدخلات وأخرى تعتمد عليها، حيث يتم تعلم المكون الأول من خلال مجموعة بيانات صغيرة باستخدام شبكات خفيفة الوزن، مما يقلل من متطلبات الحسابات في الوقت الفعلي. كما يمكن تدريب هذا الأسلوب باستخدام سجلات الطيران المجمعة من وحدات تحكم ذات أداء منخفض، ليتم استخدام النموذج الديناميكي الناتج عن البيانات الواقعية في المحاكاة.

أظهرت المقارنات بين تنفيذات MLP وLSTM تحت ظروف عدم اليقين في النموذج والاضطرابات الخارجية، فعالية النهج المقترح وقوته، حيث أظهر المتحكم المعتمد على LSTM أداءً متفوقاً مقارنةً بنظيره القائم على MLP، مع توفير أقل لوقت التشغيل.

إذاً، ماذا يعني هذا التطور للأنظمة الجوية غير المستقرة؟ هل ستصبح الطائرات متعددة المروحي أكثر كفاءة وأماناً بفضل هذه التقنيات الحديثة؟ شاركونا آراءكم في التعليقات!