علوم، فناوری و کاربردهای فضایی

علوم، فناوری و کاربردهای فضایی

توسعه یک الگوریتم تولید مسیر زاویه‌ای مطلوب برخط حلقه-بسته هوشمند برای کنترل وضعیت یک ماهواره

نوع مقاله : مقاله منتخب

نویسندگان
1 دانشجوی دکترا، دانشگاه صنعتی خواجه نصیرالدین طوسی - پژوهشکده سیستم های کنترل هوشمند
2 دانشجوی دکتری، دانشکده مهندسی هوافضا، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایرا ن
3 دانشیار، دانشکده مهندسی هوافضا، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
4 استاد، پژوهشکده سیستم های کنترل هوشمند، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
5 استاد، دانشکده مهندسی برق، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
چکیده
در این مقاله، یک الگوریتم جدید حلقه-بسته به منظور تولید مسیر مطلوب زاویه‌ای برای یک ماهواره مفروض به‏منظور نیل به مقدار نهایی موردنظر ارائه شده است. این الگوریتم بر پایۀ بهره‌گیری از توان یادگیری شبکه‌های عصبی مصنوعی و نیز قابلیت‌های کدکننده‌های خودکار، قادر است با در دست داشتن مقادیر نهایی مطلوب از مسیر و نیز مقادیر لحظه‌ای متغیرهای وضعیت سیستم، بهترین مسیر نیل به نقاط نهایی مذکور را با توجه به رفتار دینامیکی سیستم و نیز توان کنترلر از پیش تنظیم شده، تعیین نماید. این الگوریتم تولید مسیر هوشمند حلقه بسته، نه تنها می‌تواند در مقابله با اغتشاشات خارجی وارده به سیستم ضمن نشان دادن عملکرد تطبیقی پیشرفته و به صورت برخط، بهترین مسیر جایگزین را برای نیل به هدف نهایی تولید کرده و سیستم را در کمترین زمان منطقی ممکن به مسیر اصلی بازگرداند، بلکه از سوی دیگر قادر است با عنایت به در بر داشتن خواص و توان کنترل کنندۀ سیستم، از ایجاد فرامین کنترلی نامعقول از منظر دامنۀ تلاش و دیگر خواص نامطلوب کنترلی، جلوگیری بعمل آورد. نتایج حاصل از تشریح شبیه‌سازی‌های صورت پذیرفته در محیط نرم‌افزار MATLAB در حضور اغتشاشات خارجی پیش‌تعریف، دقت بالا و عملکرد مؤثر این الگوریتم هوشمند تولید مسیر زاویه­ای را نمایش می‌دهد
کلیدواژه‌ها
موضوعات

[1]           V. Schneider and F. Holzapfel, “Modular Trajectory Generation Test Platform for Real Flight Systems,” in Advances in Aerospace Guidance, Navigation and Control, Cham: Springer International Publishing, 2018, pp. 185–202. doi: 10.1007/978-3-319-65283-2_10.
[2]           V. Y. Hernandez Marquez, R. S. Nunez Cruz, J. M. Ibarra Zannatha, and C. Enriquez Ramirez, “Optimal trajectories generation for autonomous navigation tasks in mobile robots,” in 2018 15th International Conference on Electrical Engineering, Computing Science and Automatic Control (CCE), IEEE, Sep. 2018, pp. 1–6. doi: 10.1109/ICEEE.2018.8533936.
[3]           S. Tang and V. Kumar, “Safe and complete trajectory generation for robot teams with higher-order dynamics,” IEEE International Conference on Intelligent Robots and Systems, vol. 2016-November, pp. 1894–1901, Nov. 2016, doi: 10.1109/IROS.2016.7759300.
[4]           C. Richter, A. Bry, and N. Roy, “Polynomial Trajectory Planning for Aggressive Quadrotor Flight in Dense Indoor Environments,” 2016, pp. 649–666. doi: 10.1007/978-3-319-28872-7_37.
[5]           S. Tang and V. Kumar, “Mixed Integer Quadratic Program trajectory generation for a quadrotor with a cable-suspended payload,” Proc IEEE Int Conf Robot Autom, vol. 2015-June, no. June, pp. 2216–2222, Jun. 2015, doi: 10.1109/ICRA.2015.7139492.
[6]           F. Gao, W. Wu, Y. Lin, and S. Shen, “Online Safe Trajectory Generation for Quadrotors Using Fast Marching Method and Bernstein Basis Polynomial,” Proc IEEE Int Conf Robot Autom, pp. 344–351, Sep. 2018, doi: 10.1109/ICRA.2018.8462878.
[7]           D. Mellinger, N. Michael, and V. Kumar, “Trajectory generation and control for precise aggressive maneuvers with quadrotors,” Int J Rob Res, vol. 31, no. 5, pp. 664–674, Apr. 2012, doi: 10.1177/0278364911434236.
[8]           M. W. Mueller, M. Hehn, and R. Dandrea, “A Computationally Efficient Motion Primitive for Quadrocopter Trajectory Generation,” IEEE Transactions on Robotics, vol. 31, no. 6, pp. 1294–1310, Dec. 2015, doi: 10.1109/TRO.2015.2479878.
[9]           S. Liu et al., “Planning Dynamically Feasible Trajectories for Quadrotors Using Safe Flight Corridors in 3-D Complex Environments,” IEEE Robot Autom Lett, vol. 2, no. 3, pp. 1688–1695, Jul. 2017, doi: 10.1109/LRA.2017.2663526.
[10]         D. Mellinger and V. Kumar, “Minimum snap trajectory generation and control for quadrotors,” in 2011 IEEE International Conference on Robotics and Automation, IEEE, May 2011, pp. 2520–2525. doi: 10.1109/ICRA.2011.5980409.
[11]         H. Hua and Y. Fang, “A Novel Learning-Based Trajectory Generation Strategy for a Quadrotor,” IEEE Trans Neural Netw Learn Syst, pp. 1–12, 2022, doi: 10.1109/TNNLS.2022.3217814.
[12]         X. Zhang, X. Zhang, Z. Lu, and W. Liao, “Optimal Path Planning-Based Finite-Time Control for Agile CubeSat Attitude Maneuver,” IEEE Access, vol. 7, pp. 102186–102198, 2019, doi: 10.1109/ACCESS.2019.2927401.
[13]         M. Zarourati, M. Mirshams, and M. Tayefi, “Attitude path design and adaptive robust tracking control of a remote sensing satellite in various imaging modes,” Proc Inst Mech Eng G J Aerosp Eng, vol. 237, no. 9, pp. 2166–2184, Jul. 2023, doi: 10.1177/09544100221148887.
[14]         C. Guo, K. Kidono, and M. Ogawa, “Learning-based trajectory generation for intelligent vehicles in urban environment,” in 2016 IEEE Intelligent Vehicles Symposium (IV), IEEE, Jun. 2016, pp. 1236–1241. doi: 10.1109/IVS.2016.7535548.
[15]         R. Ahmad, S. Tichadou, and J.-Y. Hascoet, “3D safe and intelligent trajectory generation for multi-axis machine tools using machine vision,” Int J Comput Integr Manuf, vol. 26, no. 4, pp. 365–385, Apr. 2013, doi: 10.1080/0951192X.2012.717720.
[16]         M. J. Sidi, Spacecraft dynamics and control: a practical engineering approach. Cambridge university press, 1997.
 

  • تاریخ دریافت 15 تیر 1402
  • تاریخ بازنگری 28 آبان 1402
  • تاریخ پذیرش 26 دی 1402