تولید مسیرهای بهینه فرود نرم بر روی ماه با رویکرد کنترل بهینه با استفاده از الگوریتم برنامه ریزی ازدحام ذرات

در این مقاله مسیر بهینه برای فرود نرم ماه‌نشین روی سطح کره‌ی ماه طراحی می‌گردد. طراحی مسیر در قالب یک مسئله بهینه‌سازی برای دستیابی به تابع کنترلی بهینه برای وسیله تعریف می‌شود. مقدار تراست وسیله ثابت و زاویه تراست به عنوان متغیر کنترلی در نظر گرفته می‌شود. تابع هدف در این مسئله کمینه کردن سوخت مصرفی و زمان فرود می‌باشد که کمینه شدن سوخت مصرفی به معنی بیشینه شدن ظرفیت جرمی بار محموله فضایی نیز می‌باشد. قیود سرعتی مربوط به نرم بودن فرود وسیله نیز به شکل یک تابع هزینه در تابع هدف لحاظ می‌شود. در یافتن تابع کنترل‌کننده بهینه، با توجه به ساختارنایافته و بی‌کران بودن فضای جست‌وجو، از الگوریتم فرااِکتشافی جدیدی تحت عنوان الگوریتم برنامه‌ریزی ازدحام ذرات بهره گرفته می‌شود. این الگوریتم بر پایه الگوریتم بهینه‌سازی ازحام ذرات بوده و در بهینه‌سازی هم زمان و یکپارچه ساختار تابع و ثوابت عددی عملکرد مطلوبی دارد. طراحی کنترل‌کننده در دو حالت حلقه بازِ وابسته به زمان و حلقه بسته‌ی مستقل زمانی، صورت گرفت و در هر دو الگوریتم به شکل مطلوبی توانست پاسخ بهینه را برای تابع کنترل‌کننده بیابد. نتایج عددی حاصل تطابق بسیار بالای تابع کنترل‌کننده را با پاسخ روش هم‌نشانی مستقیم، نشان داد. نهایتاً به منظور واقعی سازی بیشتر شبیه‌‌سازی، شرایط اغتشاشی برای نیروی تراست ماه‌نشین اعمال شد و نتایج حاصله برتری کنترل‌کننده حلقه بسته‌ی مستقل زمانی را اثبات کرد.

generation of optimal soft landing trajectories on the moon with optimal control approach using particle swarm planning algorithm

in this article, the optimal path for the soft landing on the lunar surface is generated. path planning is defined as an optimization problem that aims to achieve the optimal control function for the spacecraft. the thrust value of the device is fixed and the thrust angle is considered as a control variable. the objective function is to minimize the landing time and actually maximize the mass of the device at the moment of landing. the speed constraints related to the soft landing of the vehicle are also included in the objective function in the form of a cost function. due to the unstructured and infinite search space, a new meta-heuristic algorithm called particle swarm programming is used to find the optimal controller function. this algorithm is based on the particle swarm optimization algorithm and has a favorable performance in the simultaneous optimization of the structure and parameters. the design of the controller was done in two types: open-loop, time-dependent, and closed-loop, time-independent, and in both types, it was able to find the optimal solution for the controller function. the resulting numerical results show a very high agreement of the controller function with the response of other optimization methods. finally, to make the simulation more realistic, the turbulence conditions are applied to the spacecraft thrust force and the results prove the superiority of the closed-loop, time-independent controller.