طراحی بهینه سامانه کنترل پیشرانش تک مولفه‌ای‏ آب‌اکسیژنه برای یک سامانه انتقال مداری ماهواره تحت عدم قطعیت

در نظر گرفتن عدم قطعیت یک بخش جداناپذیر در مسائل طراحی صنعتی و نزدیک به واقعیت است. در نظر نگرفتن این عدم قطعیت‏ها در طراحی می‏تواند منجر به کاهش کارایی سامانه و حتی بدتر در برخی از مسائل موجب شکست ماموریت به طور کامل شود. در پژوهش حاضر به پیاده‏سازی یکی از روش‏های طراحی تحت عدم قطعیت یعنی بهینه‌سازی بدترین حالت برای طراحی یک سامانه پیشرانش تک مولفه‌ای آب‌اکسیژنه پرداخته شده است. روش پیشنهادی در این پژوهش شامل دو نوع عدم قطعیت شناختی و غیر شناختی نیز می‏شود. این روش با جداسازی پارامترها و متغیرهای طراحی برای هر سه نوع بیان عدم‏قطعیت تنک،تک بازه و چند بازه‏ای به جستجوی نقطه بهینه به کمک الگوریتم ژنتیک می‏پردازد. طراح در انتخاب نوع توزیع بی‌تاثیر بوده و نوع توزیع بسته به داده‏ها‏ی موجود تعیین می‏شود. به‌عبارت‌دیگر حتی عدم قطعیت در نوع توزیع و پارامترهای آن نیز مدنظر قرار گرفته است. همچنین برای تخمین پارامترهای توزیع از روش مبتنی بر حداکثر درست‏نمایی استفاده می‏شود.

Optimal design of monopropellant hydrogen peroxide propulsion control system for a satellite orbital transfer system under uncertainty

Considering uncertainty is an Inseparable part of industrial design. Ignoring these uncertainties in design can reduce system performance and, even worse, lead to failing the mission entirely in some cases. In the present study, the worstcase optimization adopted is used to design of hydrogen peroxide propulsion system. The proposed method in this study includes two types of epistemic and aleatory uncertainty. This method searches for the optimal point using the genetic algorithm by separating design parameters and variables for all three types of sparse points, singleinterval and multiinterval uncertainty representations. The designer is ineffective in choosing the type of distribution, and the type of distribution is determined depending on the available data. In other words, even uncertainty in the type of distribution and its parameters has been considered. Also, the method of maximum likelihoodbased is used to estimate the distribution parameters.