>
Fa   |   Ar   |   En
   طراحی جرم کنترل موقعیت ماهواره مخابراتی زمین آهنگ با استفاده از داده‌کاوی  
   
نویسنده معانی احسان ,نیک پی پیمان ,ذبیحیان احسان
منبع علوم و فناوري فضايي - 1400 - دوره : 14 - شماره : 1 - صفحه:23 -33
چکیده    در ماهواره‌های مخابراتی زمین آهنگ برای انجام ماموریت‌های از تراستر استفاده شده و نیاز به سوخت مصرفی می‌باشد. در این مقاله بر اساس یک روش جدید و بدون نیاز به روابط ریاضی حاکم بر دینامیک ماهواره و تنها بر اساس داده‌های موجود برای ماهواره‌های پیشین به تعیین جرم سوخت ماهواره‌های مخابراتی پرداخته می‌شود. برای این منظور از روش حداقل مربعات خطا و شبکه عصبی مصنوعی استفاده شده و دو روش از نظر دقت مقایسه شده و دو مدل ریاضی برای تشخیص جرم سوخت ماهواره بر اساس پارامترهای طراحی آن ارائه شده است. با مقایسه خروجی مدل برای چندین ماهواره واقعی و مقایسه با جرم سوخت واقعی آن‌ها مشخص شد که روابط ارائه شده دارای دقت بالای 95 درصد است و برای امکان‌سنجی و طراحی مفهومی پروژه‌های ماهواره بسیار مناسب و کارا می‌باشند. هم‌چنین برای مدل خطی به دست آمده تحلیل حساسیت انجام شده و در نهایت روش ارائه شده برای به محاسبه حجم ماهواره نیز مورد ارزیابی قرار گرفته است
کلیدواژه ماهواره مخابراتی زمین آهنگ، جرم سوخت، شبکه عصبی، هوش مصنوعی، داده‌کاوی
آدرس دانشگاه تهران, دانشکده فنی, ایران, پژوهشگاه فضایی ایران, پژوهشکده سامانه‌های ماهواره, ایران, پژوهشگاه فضایی ایران, پژوهشکده سامانه‌های ماهواره, ایران
پست الکترونیکی e.zabihian@mail.kntu.ac.ir
 
   GEO satellite station keeping mass design based on data mining  
   
Authors Maani Ehsan ,Nikpey Peyman ,Zabihian Ehsan
Abstract    n GEO communicational satellites, thrusts are being used for many missions such as station keeping, longitude change maneuver and actuators desaturation. These types of actuators need fuel and its estimation requires many complicated calculations. In this paper, a novel method based on availed data for previous satellites is proposed for estimation of satellite fuel mass and it does not need mathematical modeling of satellite dynamics. Two methods, least square method and artificial intelligence, are used to this aim and two mathematical model are proposed for satellite fuel mass estimation. By applying the models to several previous satellites, it is shown that the models have lower than 5% average error. The proposed method in this paper is quick and accurate and can be utilized for GEO satellites feasibility study and conceptual design
Keywords GEO satellite ,Fuel mass ,Neural Networks ,Artificial intelligence ,Data mining
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved