کنترل تعقیب و مقاوم وضعیت ماهواره در مانور‌های چرخشی با زاویه بزرگ بر اساس الگوریتم جدیدی از فیلتر کالمن توسعه‌یافته تخمین‌زن وضعیت

نویسندگان

چکیده

در این مقاله روش جدیدی در خصوص مسئله کنترل تعقیب مقاوم ماهواره برای مانور چرخشی با زاویه بزرگ ارایه می‎شود. مدل ماهواره مورد نظر، غیرخطی و دارای عدم‎قطعیت در پارامترهاست. متغیرهای حالت آن توسط مشاهده‌کننده، تخمین زده می‌شود. به عنوان یک روش جدید از ترکیب بخشی از فیلتر کالمن توسعه‎یافته گسسته و بخشی از فیلتر کالمن توسعه‎یافته پیوسته و مدل غیرخطی وضعیت ماهواره، الگوریتمی کارا برای تخمین وضعیت ارایه می‎شود. دقت تخمین در این روش، پنج بار دقیقتر از سایر تخمین زنهای اخیری است که براساس فیلتر کالمن طراحی شده‎اند. در اینجا از کنترل کننده مـد لغزشی (با لایه مرزی تطبیقی و اصلاح شده) استفاده شده است. بایستی این کنترل‌کننده و مشاهده‌کننده مربوطه به تنهایی مقاوم باشند. علاوه بر آن، مقاوم بودن ترکیب این دو نیز ضروری است. برای مقاوم کردن این کنترل‌کننده در مقابل عدم‎قطعیت پارامتر‎های سیستم، از فیلتر کالمن مقاوم استفاده می‎شود و بر اساس جبرِ اینتروال برای متغیرهای حالت سیستم، یک کران حـد بالا و یک کران حـد پایین، تخمین زده می‎شود و با لحاظ کردن این کرانها در تعیین شرایط لغزشی کنترل‌کننده مـد لغزشی، پایداری کنترل‌کننده در ترکیب با مشاهده‌کننده به صورت همزمان تامین می‎شود. نتایج شبیه‌سازی این روش برای مقادیر مختلف نامعینی (تا50%) ارایه شده است.

کلیدواژه‌ها


عنوان مقاله [English]

Robust Tracking Control of Satellite Attitude Using New EKF for Large Rotational Maneuvers

نویسندگان [English]

  • M. Jafarboland
  • N. Sadati
  • and H. R. Momeni
چکیده [English]

Control of a class of uncertain nonlinear systems, which estimates unavailable state variables, is considered. A new approach for robust tracking control problem of satellite for large rotational maneuvers is presented in this paper. The features of this approach include a strong algorithm to estimate attitude, based on discrete extended Kalman filter combined with a continuous extended Kalman filter and attitude nonlinear model, and a robust controller based on sliding-mode with perturbation estimation. Estimation accuracy in this method is five times higher than other recent approaches based on Kalman filter. We have used sliding-mode controller in this paper. Not only the controller and the corresponding observer but also their composition must be robust. To make this controller robust against the uncertainty of parameters, the robust Kalman filter is used. Based on interval algebra, an upper bound and a lower bound are estimated for state variables of the system and considering these bounds in indicating the sliding conditions, stability of the controller in combination with the observer will be satisfied simultaneously. The simulation results show the capability of this method in spite of different uncertainty levels (up to %50).

کلیدواژه‌ها [English]

  • Attitude control
  • Sliding mode control
  • Kalman filter
  • Attitude estimation
  • Observer

ارتقاء امنیت وب با وف ایرانی