تخمین و کنترل وضعیت یک پرتابه با عملگر جابه‌جایی جرم با استفاده از تخمین‌گر و کنترل‌کننده پیش‌بین مبتنی بر فیلتر ذره‌ای

در این پژوهش، از دو فیلتر ذره‌ای به‌منظور تخمین حالت و کنترل وضعیت یک پرتابه با عملگر جابه‌جایی جرم ارائه شده‌ است. ازآنجایی‌که معادلات دینامیکی جسم پرنده با عملگر جابه‌جایی جرم غیرخطی است، بنابراین از تخمین‌گر و کنترل‌کننده غیرخطی استفاده شده‌ است. فیلتر اول با استفاده از اندازه‌گیری زاویه و جابه‌جایی جرم‌ همراه با نویز به‌عنوان مشاهدات وظیفه تخمین زاویه، سرعت ‌زاویه‌ای، جابه‌جایی جرم و سرعت جابه‌جایی جرم را بر عهده دارد. در پژوهش انجام‌شده، مسئله کنترل پیش‌بین غیرخطی به یک مسئله بهینه‌سازی دینامیکی تبدیل‌شده و سپس، در هر گام زمانی، بهترین سیگنال کنترل به‌صورت برخط با استفاده از فیلتر ذره‌ای دوم در افق محدود محاسبه و به سامانه اعمال می‌شود. تابع هزینه استفاده‌شده برای فیلتر اول خطای مقادیر اندازه‌گیری‌شده و محاسبه‌شده توسط هر ذره درنظرگرفته شده است. همچنین، تابع هزینه در مسئله کنترل پیش‌بین برای هر ذره متشکل از خطای ردگیری زاویه و تلاش کنترلی است. نتایج شبیه‌سازی برای سناریوهای انجام‌شده نشان می‌دهد که الگوریتم ارائه‌شده برای حل مسئله غیرخطی کنترل وضعیت وسیله با عملگر جابه‌جایی جرم عملکرد در حضور نویز گوسی و غیر گوسی خوبی دارد. همچنین، با توجه به تصادفی بودن ماهیت مسئله تحلیل آماری نتایج با استفاده از شبیه‌سازی مونت‌کارلو انجام شده‌ است.

The Moving Mass Actuated Projectile Attitude Control and Estimation Using a Predictive Controller and Estimator Based on the Particle Filter

In this paper, two particle filters are proposed to estimate the state and control the attitude of a projectile with a moving mass actuator. Since the dynamic equations of a flying object with a moving mass actuator are nonlinear, a nonlinear estimator and controller are used. The first filter takes the angle measurement and mass displacement along with noise as observations and uses them to estimate the angle, the rate of angle, the mass displacement, and the velocity of the mass. In this research, the nonlinear predictive control problem becomes a dynamic optimization problem and then, at each time step, the best control signal is calculated online using the second particle filter in the finite horizon and applied to the system. The cost function used for the first filter is the error of the values measured and calculated by each particle. The cost function in the predictive control problem for each particle is the error of the angle tracking and the control effort. The simulation results for the performed scenarios show that the algorithm proposed for solving the nonlinear problem of controlling the attitude of a moving mass actuated projectile has a good performance in the presence of Gaussian and nonGaussian noises. Also, due to the random nature of the problem, statistical analysis of the results is performed using Monte Carlo simulation.