|
|
|
|
کنترل پیش‌بین مبتنی بر مدل هوشمند برای اصلاح موقعیت یک ماهواره ارتفاع پایین
|
|
|
|
|
|
|
|
نویسنده
|
یاسینی طه ,روشنی یان جعفر ,درویش پور شاهین
|
|
منبع
|
فناوري در مهندسي هوافضا - 1399 - دوره : 3 - شماره : 4 - صفحه:31 -41
|
|
چکیده
|
در این مقاله به کمک شبکه‌های عصبی مصنوعی و کنترل پیش‌بین مبتنی بر مدل و رگولاتور خطی مرتبه دوم به طراحی کنترلری برای اصلاح مدار و موقعیت ماهواره مدار پایین پرداخته شده است. در این روش، از شبکه‌های عصبی مصنوعی برای یادگیری مدل خطی سیستم در مواجهه با اغتشاشات استفاده شده است. همچنین، به کمک مدل عصبی مصنوعی به دست آمده، پس از تخمین برخط مدل خطی سیستم در هر لحظه، کنترل پیش‌بین مبتنی بر مدل طراحی شده برای سیستم اصلاح شده است. نتایج شبیه‌سازی‌ها تاثیر قابل توجه استفاده از مدل برخط مبتنی بر یادگیری ماشین را در بهبود عملکرد کنترل پیش‌بین مبتنی بر مدل نشان می‌دهد.
|
|
کلیدواژه
|
کنترل مدار، کنترلر پیش بین مبتنی بر مدل، شبکه عصبی مصنوعی، ماهواره ارتفاع پایین، رگولاتور درجه دوم خطی
|
|
آدرس
|
دانشگاه صنعتی خواجه نصیرالدین طوسی, دانشکده مهندسی هوافضا, ایران, دانشگاه صنعتی خواجه نصیرالدین طوسی, دانشکده مهندسی هوافضا, ایران, دانشگاه صنعتی خواجه نصیرالدین طوسی, دانشکده مهندسی هوافضا, ایران
|
|
پست الکترونیکی
|
darvishpoor@email.kntu.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Model Predictive Control Based on Intelligent Model for Low Earth Orbit Satellite
|
|
|
|
|
Authors
|
Yasini Taha ,Roshanian Jafar ,Darvishpour Shahin
|
|
Abstract
|
In this paper, an orbit control algorithm is implemented for low earth orbit (LEO) satellites, using artificial neural networks (ANN), modelbased predictive control (MPC), and linear quadratic regulator (LQR). As a selftuning regulator structure, an ANN is used to learn the model of the satellite with external disturbances, after extracting a linear online model, based on ANN. Both LQR and MPC controllers are used to keep the satellite in its orbit.
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|