علوم، فناوری و کاربردهای فضایی

علوم، فناوری و کاربردهای فضایی

تولید مسیرهای بهینه فرود نرم بر روی ماه با رویکرد کنترل بهینه با استفاده از الگوریتم برنامه ریزی ازدحام ذرات

نوع مقاله : مقاله منتخب

نویسندگان
1 دانشکده مکانیک، دانشگاه گیلان، رشت، ایران
2 دانشگاه RMIT، ملبورن، استرالیا
چکیده
در این مقاله مسیر بهینه برای فرود نرم ماه‌نشین روی سطح کره‌ی ماه طراحی می‌گردد. طراحی مسیر در قالب یک مسئله بهینه‌سازی برای دستیابی به تابع کنترلی بهینه برای وسیله تعریف می‌شود. مقدار تراست وسیله ثابت و زاویه تراست به عنوان متغیر کنترلی در نظر گرفته می‌شود. تابع هدف در این مسئله کمینه کردن سوخت مصرفی و زمان فرود می‌باشد که کمینه شدن سوخت مصرفی به معنی بیشینه شدن ظرفیت جرمی بار محموله فضایی نیز می‌باشد. قیود سرعتی مربوط به نرم بودن فرود وسیله نیز به شکل یک تابع هزینه در تابع هدف لحاظ می‌شود. در یافتن تابع کنترل‌کننده بهینه، با توجه به ساختارنایافته و بی‌کران بودن فضای جست‌وجو، از الگوریتم فرااِکتشافی جدیدی تحت عنوان الگوریتم برنامه‌ریزی ازدحام ذرات بهره گرفته می‌شود. این الگوریتم بر پایه الگوریتم بهینه‌سازی ازحام ذرات بوده و در بهینه‌سازی هم زمان و یکپارچه ساختار تابع و ثوابت عددی عملکرد مطلوبی دارد. طراحی کنترل‌کننده در دو حالت حلقه بازِ وابسته به زمان و حلقه بسته‌ی مستقل زمانی، صورت گرفت و در هر دو الگوریتم به شکل مطلوبی توانست پاسخ بهینه را برای تابع کنترل‌کننده بیابد. نتایج عددی حاصل تطابق بسیار بالای تابع کنترل‌کننده را با پاسخ روش هم‌نشانی مستقیم، نشان داد. نهایتاً به منظور واقعی سازی بیشتر شبیه‌‌سازی، شرایط اغتشاشی برای نیروی تراست ماه‌نشین اعمال شد و نتایج حاصله برتری کنترل‌کننده حلقه بسته‌ی مستقل زمانی را اثبات کرد.
کلیدواژه‌ها
موضوعات

[1]     S. Islam and I. Mehedi, "Landing Trajectory Generation and Energy Optimization for Unmanned Lunar Mission", Mathematical Problems in Engineering, 2021. 
[2]     D.H. Cho, B.Y. Jeong, D.H. Lee and H. Bang, "Optimal Perilune Altitude of Lunar Landing Trajectory," Aeronautical and Space Sciences, vol. 10, 2009. 
[3]     D.H. Cho, D. Kim and H. Leeghim, "Optimal Lunar Landing Trajectory Design for Hybrid Engine", Mathematical Problems in Engineering, 2015. 
[4]     J.S. Ahn, B.G. Park and M.J. Tahk, "Two-dimensional Trajectory Optimization of a Soft Lunar Landing from a Parking Orbit Considering a Landing Site", Advanced Institute of Science and Technology, vol. 43, no. 15, pp. 178-183, 2010. 
[5]     X. Wu, K. Zhang, X. Xin and C. Ming, "Fuel-optimal control for soft lunar landing based on a quadratic regularization approach", European Journal of Control, vol. 49, pp. 84-93, 2019. 
[6]     Q.B. PENG, H.Y. LI, H.X. SHEN and G.J. TANG, "Hybrid optimization of powered descent trajectory for manned lunar mission", TRANSACTIONS OF THE JAPAN SOCIETY FOR AERONAUTICAL AND SPACE SCIENCES, vol. 56, no. 3, pp. 113-120, 2013. 
[7]     A. Banerjee and R. Padhi, "Multi-phase MPSP Guidance for Lunar Soft Landing," Transactions of the Indian National Academy of Engineering, vol. 5, pp. 61-74, 2020. 
[8]     N. Remesh, R. Ramanan and V. Lalithambika, "Fuel-optimal and Energy-optimal guidance schemes for lunar soft landing at a desired location", Advances in Space Research, vol. 67, no. 6, 2021. 
[9]     A. D’Ambrosio, A. Carbone, D. Spiller and F. Curti, "PSO-Based Soft Lunar Landing with Hazard Avoidance: Analysis and Experimentation", Aerospace, vol. 8, 2021. 
[10]     R. Jamilnia, "Designing and comparing of strategies for soft landing on the Moon using direct collocation (in Persian)" ,in The 20th Conference of Iranian AerospaceSociety,Malek-Ashtar University of Technology, Tehran, 2022. 
[11]     K. Wang, Z. Chen and J. Li, "Fuel-Optimal Trajectory Planning for Lunar Vertical Landing", Guidance, Navigation and Control, vol. 4, 2024. 
[12]     J. Kennedy and R. Eberhart, "Particle Swarm Optimization",inProceedings of IEEE International Conference on Neural Networks. IV., 1995. 
[13]     Z. Liu, P. Zhu, W. Chen and R.J. Yang, "Improved particle swarm optimization algorithm using design of experiment and data mining techniques", Structural and Multidisciplinary Optimization, 2015. 
[14]     K. Hasan and C. Rahime, "A PSO based approach: Scout particle swarm algorithm for continuous global optimization problems", Computational Design and Engineering, vol. 6, no. 2, p. 129–142, 2019. 
[15]     W. Zongshan, D. Hongwei, W. Jie, H. Peng, L. Aishan, Y. Zhijun and H. Xiang, "Adaptive guided salp swarm algorithm with velocity clamping mechanism for solving optimization problems", Computational Design and Engineering, vol. 9, no. 6, p. 2196–2234, 2022. 
[16]     H. R. Rafat Zaman and F. Soleimanian Gharehchopogh, "An improved particle swarm optimization with backtracking search optimization algorithm for solving continuous optimization problems", Engineering with Computers , vol. 38, p. 2797–2831, 2022. 
[17]     F. Rossi, P. v. Beek and T. Walsh, "Soft Constraints", in Handbook of Constraint Programming, Elsevier, 2006, pp. 281-328.
[18]     M. Clerc and J. Kennedy, "The particle swarm - explosion, stability, and convergence in a multidimensional complex space", IEEE Transactions on Evolutionary Computation, vol. 6, no. 1, 2002. 
[19]     P. Mercorelli, T. V. Niekerk and O. Sergiyenko, "A PD Regulator to Minimize Noise Effect Using a Minimal Variance Method for Soft Landing Control of an Electromagnetic Valve Actuator", in IEEE AFRICON, Cape Town, 2017. 
دوره 4، شماره 2
اسفند 1403
صفحه 134-152

  • تاریخ دریافت 11 مهر 1403
  • تاریخ بازنگری 20 آبان 1403
  • تاریخ پذیرش 19 دی 1403