طراحی، ساخت، مدل‌سازی و تخمین پارامترهای مدل خطی مرتبه دوم یک پهپاد آزمایشگاهی با رانشگرهای گاز سرد براساس الگوریتم ژنتیک

در این مقاله فرآیند طراحی و ساخت یک سیستم پهپاد(پلتفرم) آزمایشگاهی نوین سه محرکه با رانشگرهای گاز سرد و همچنین مدل‌سازی و تخمین پارامترهای مدل آن ارائه شده ‌است. این پهپاد(پلتفرم) آزمایشگاهی برای پیاده‌سازی و انجام آزمون‌های الگوریتم‌های کنترل وضعیت یک طبقه فوقانی ماهواره‌بر طراحی و ساخته شده ‌است، به اینگونه که سه رانشگر با اختلاف زاویه 120 درجه و برای کنترل زوایای غلت و فراز در نظر گرفته شده‌اند. با توجه به ساختار پلتفرم طراحی شده، برای مدل‌سازی سیستم مذکور یک مدل خطی سه ورودی دو خروجی در نظر گرفته شده که تمامی ارتباطات بین ورودی خروجی‌ها مدل خطی مرتبه دوم است. پارامترهای مدل، براساس جمع‌آوری داده‌های آزمایشگاهی و استفاده از الگوریتم ژنتیک، استخراج شده‌اند. نتایج حاصل از شبیه‌سازی مبتنی‌ بر مدل استخراج شده و مقایسه با نتایج تست‌های عملی بیانگر آن است که مدل‌سازی و تخمین مناسبی از سیستم ارائه شده ‌است. نتایج نشان می‌دهد که برای مدل‌سازی و تخمین حول محور غلت 16 درصد و حول محور فراز 19 درصد از مقدار واقعی خطا وجود دارد، بنابراین تخمین حول محور غلت بهتر بوده ‌است

design, construction, modeling and estimation of the second stage linear model of laboratory drone with cold gas thrusters based on genetic algorithm

in this paper, the process of designing and construction of three drive laboratory drone system with cold gas thrusters as well as modeling and estimation of its model parameters are presented. these three thrusters are designed with an angle difference of 120 degrees to control the pitch and roll angles. according to the structure of the designed platform, a three inputs two outputs linear model is considered for modeling the mentioned system, and all connections between inputs and outputs are second order linear models. the parameters of the model have been extracted based on the collection of laboratory data and the use of genetic algorithm. the results obtained from the simulation based on the extracted model and the comparison with the results of the practical tests indicate that a suitable modeling and estimation of the system has been provided. the results show that there is 16% error for modeling and estimation around the roll axis and 19% around the vertical axis, so the estimation around the roll axis is better.