اصلاح الگوریتم تخمین و کنترل ساختار متغیر برای فرود مقید مریخ‌نشین

فرود بر سیاره مریخ یکی از مسائل مهم و چالشی صنعت فضایی بوده که با عدم قطعیت‌های سیستمی و محیطی فراوانی مواجه است. لذا، دستیابی به مدل دقیقی از دینامیک مریخ‌نشین امکان‌پذیر نیست. در این راستا، پژوهش حاضر به طراحی الگوریتم یکپارچه تخمین و کنترل مرحله آخر فرود یعنی نشست پرداخته است به‌‌گونه‌ای که بتواند در برابر عدم قطعیت‌های موجود عملکرد قابل قبولی ارائه دهد. الگوریتم پیشنهادی برمبنای چارچوب کاری کنترل ساختارمتغیر شکل گرفته و نیاز به ژاکوبین‌گیری و ایجاد اندازه‌گیری‌های مصنوعی را به کمک جایگزینی خطی‌سازی تحلیلی با خطی‌سازی آماری و تئوری معکوس تعمیم‌یافته ماتریس برطرف نموده است. عملکرد الگوریتم پیشنهادی در حضور عدم قطعیت‌های مختلف ناشی از شرایط اولیه تصادفی دینامیک کوپل مریخ‌نشین، خطای مدلسازی نیرو‌ها و گشتاورهای وارده، تاخیر زمانی عملگرهای کنترلی و با لحاظ‌کردن قیود هندسی محل فرود و اشباع عملگرها بررسی شده است. در ادامه، عملکرد الگوریتم ناوبری مقاوم پیشنهادی با نتایج حاصل از ترکیب الگوریتم‌های متداول فیلتر کالمن توسعه‌یافته و کنترلر تناسبیانتگرالیمشتقی در مسئله غیرخطی فرود بر سیاره مریخ قیاس شده است. نتایج به‌دست آمده از شبیه‌سازی‌های مونت کارلو به وضوح عملکرد دقیق و مقاوم الگوی ناوبری و کنترل پیشنهادی را نشان داده و برتری آن نسبت به الگوریتم‌های متداول رایج را تایید می‌کند.

Modified Variable Structure Estimation and Control for Constrained Landing on Mars

Landing on Mars is one of the paramount space missions undergoing various system and environmental uncertainties. Hence an exact model to represent the dynamic system cannot be achieved in advance, and subsequently, modelbased navigation algorithms degrade. In this regard, the present paper has focused on a robust integrated estimation and control algorithm to attain accurate navigation in the presence of different uncertainties for the nonlinear problem of landing on Mars. The proposed algorithm has been developed based on the variable structure control framework. This method alleviates limitations of the existing algorithms including the requirement of the Jacobian calculation and the dimension equality for the state and measurement vectors via statistical linearization and the generalized matrix inverse theory, respectively. The performance of the proposed algorithm has been investigated via Monte Carlo simulations in the presence of different uncertainties including atmosphere instability and modeling errors, the time delay of actuators, the geometric constraint of the landing site as well as the saturation limitations of actuators. In addition, the obtained results have been compared to those of the wellknown extended Kalman filter proportional–integral–derivative combination. This comparison proves the superiority of the proposed variable structure estimation and control algorithm in terms of accuracy and robustness.