طراحی بهینه‌ و مقاوم مسیر پروازی طبقه‌ی فوقانی یک پرتابگر با دو روش بهینه‌سازی الگوریتم ژنتیک و ازدحام ذرات

در مسائل مهندسی از مهمترین پارامترهای تاثیرگذار در نتایج حاصله وجود عدم‌قطعیت‌ها و نامعینی‌ها است. در بسیاری از مسائل مهندسی نمی‌توان پیشبینی دقیقی از پارامترها و عوامل موثر بر آن داشت و در بهترین حالت تنها می‌توان تخمینی از آنها زده شود. در این مقاله، طبقه‌ی فوقانی یک پرتابگر خاص به عنوان یک مورد مطالعاتی انتخاب شده و از روش بهینه‌سازی مقاوم برای حل مسئله طراحی مسیر آن استفاده شده، تا مسیر نهایی نسبت به وجود نامعینی‌هایی در مقادیر واقعی نیروی تراست موتور و جرم در مرحله صعود، مقاوم باشد. لذا به منظور نیل به این هدف مسئله بهینه‌سازی با تابع معیار حداقل‌سازی مصرف سوخت با بکارگیری از معادلات حرکت سه درجه آزادی بعنوان معادلات حاکم بر مسئله درنظر گرفته شده است. در ادامه پارامترهای میانگین و انحراف استاندارد عدم‌قطعیت‌ها اضافه شده و مدل بهینه‌ساز مقاوم توسعه یافته است. به منظور ایجاد درک درستی از رفتار الگوریتم‌های بهینه‌سازی برای حل مسئله‌ی بهینه‌سازی در این مقاله از دو روش الگوریتم ژنتیک و الگوریتم ازدحام ذرات برای حل مسئله‌ی بهینه‌سازی بهره گرفته شده است. همچنین به منظور بررسی و تحلیل اثر عدم‌قطعیت‌ها در فرآیند محاسبات، روش مونت‌کارلو بکارگرفته شده است. نهایتا نیز نتایج شبیه‌سازی  نشان می‌دهد که مسیر بهینه باعث شده تا خطای ارتفاع نزدیک به 77 درصد و خطای سرعت مداری 68 درصد و خطای زاویه‌ی مسیر نزدیک به 90 درصد در حضور عدم‌قطعیت‌ها بهبود پیدا کند. نتایج شبیه سازی حاصله، صحت این ادعا را نشان می دهد.

robust and optimal trajectory design of a launch vehicle upper stage using genetic algorithm and particle swarm optimization

in engineering problems, one of the most important parameters affecting the results is the existence of uncertainties. in many engineering problems, it is not possible to accurately predict the parameters and factors affecting it, and in the best case, they can only be estimated. in this article, the upperstage of a special launcher is selected as a study case and the robust optimization method is used to solve the design problem of its trajectory, until the final trajectory is robust to the presence of uncertainties in the actual values of engine thrust and mass in the ascent phase. therefore, in order to achieve this goal, the optimization problem with the criterion function of fuel consumption minimization by using the equations of motion of three degrees of freedom has been considered as the governing equations of the problem. in the following, the average parameters and standard deviation of uncertainties are added and the robust optimizer model is developed. in order to solve the optimization problem, in this article two methods of genetic algorithm and particle swarm algorithm are used to solve the optimization problem. also, for investigating and analyzing the effect of uncertainties in the calculation process, the monte carlo method has been used. finally, the simulation results show that the robust optimal trajectory has improved the altitude error by nearly 77%, the orbital speed error by 68%, and the path angle error by nearly 90% in the presence of uncertainties. the simulation results show the truth of this claim.