عنوان پایان‌نامه
تخصیص کنترل مقید با استفاده از سیستم فازی- عصبی تطبیقی در ماهواره مخابراتی دارای تراسترهای افزونه در مدار زمین آهنگ
- رشته تحصیلی
- مهندسی هوا فضا -مهندسی فضایی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده علوم و فنون نوین شماره ثبت: 512;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77865;کتابخانه دانشکده علوم و فنون نوین شماره ثبت: 512;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77865
- تاریخ دفاع
- ۲۸ آذر ۱۳۹۵
- دانشجو
- محمد کوشافر
- استاد راهنما
- امیر رضا کوثری, مازیار شفائی روشنی
- چکیده
- سیستم تخصیص کنترل مقید در سیستم¬های مکانیکی دارای محرک افزونه به منظور توزیع بهینه بردار کنترلی گرفتهشده از سیستم تصمیمگیر کنترل میان عملگر‌های موجود روی سیستم اصلی بدون تخطی از حد اشباع هر یک از عملگرها، در نظر گرفته شده است. این سیستم بر خلاف الگوریتم کنترل وضعیت سطح بالا تنها، این امکان را فراهم می‌کند که طراحی بلوکی با اشراف کامل بر روی جزئیات عملگرها و محرکه‌ها انجام شود. موارد مهمی از قبیل محدودیت‌های نرخ و اشباع ورودی، تحمل خطای عملگرها و محرکه‌ها و در نظر گرفتن اهداف ثانویه مانند مصرف بهینه انرژی و کمترین خطا در مانور‌های کنترلی با وجود این الگوریتم قابل پیگیری هستند. در این تحقیق دو فاز کاری جداگانه مورد بررسی قرار می‌گیرد. فاز اول کار شامل بدست آوردن اطلاعات تخصیصی از سیستم طراحی شده به روش توزیع شبه معکوس اصلاح شده بر روی یک ماهواره مخابراتی با چیدمان چهار تراستر برای گشتاور‌های دلخواه در محدوده‌ی ورودی است. در فاز دوم یک سیستم مدل بر پایه‌ی سیستم‌های عصبی-فازی تطبیقی طراحی می‌شود که با یکی از روشهای درخت تصمیم بنام درخت رگرسیون و طبقه‌بندی تلفیق شده و یک سیستم مدل تخصیص کنترل مقید حاصل می‌شود. ابتکار درخت تصمیم در ساختار شبکه‌ی عصبی-فازی این اجازه را به ما می‌دهد تا مشخصه‌های مرتبط با هم در سری اطلاعات وسیع بدست آمده از سیستم اصلی در فاز اول را انتخاب کرده و قواعد بهینه برای سیستم استنتاجی را به فرم قواعد فازی تدوین کنیم. در این بخش از توابع عضویت گاوسی به منظور هموار‌سازی نتایج پیوسته استفاده می‌شود که پارامترهای موجود با بهره‌گیری از الگوریتم حداقل مربعات و نزول گرادیانی؛ آموزش هیبرید، در طول فرآیند آموزش تنظیم می‌شوند. به منظور نشان دادن دقت و تاثیر مدل طراحی شده در این تحقیق، نمودار های خطای داده های تست و نمودار رگرسیون خطی در قسمت نتایج آورده شده‌اند. نتایج حاکی از این موضوع است که مدل عصبی-فازی تطبیقی با درخت تصمیم این پتانسیل را دارد که به عنوان یک تخصیص‌دهنده‌ی کنترل عمل کند و دستورات کنترلی را بین محرک‌های ماهواره‌ی مورد بررسی با رعایت اصول بنا شده تقسیم کند.
- Abstract
- The constrained control allocation in over-actuated mechanical systems is used for distributing the high-level control vector among available actuators of main plant in an optimized manner without exceeding limitation of each actuator. Unlike the sole high level motion control algorithm, this system allows to block design with detailable knowledge about actuators and effectors. Important issues of rate constraints and input saturations, fault tolerance of actuators and effectors and considering secondary objectives such as energy efficiency and the least error in control maneuvers can be handled within this algorithm. In this survey, there are two major separated phases. First phase, is to obtain allocation data from the designed system using modified psuedoinverse redistribution method within a geostationary satellite with four thrusters for desired moments in input range. In the second phase, we design a model system based on adaptive neuro-fuzzy inference systems that combines with one of decision tree methods called classification and regression tree and gives a constrained control allocation model system. Innovation of decision tree in neuro-fuzzy network structure allows to select the relevant features within achieved widespread data set from main plant in first phase and codify the optimized rules in the form of fuzzy rules for the inference system. In this section, we use Gaussian membership functions in order to smooth results and existing parameters are tuned during learning process with use of least square and gradient descent algorithms as a hybrid method. In order to exhibit the accuracy and effectiveness of the presented model in this research, error charts of test data and regression chart are presented in the result part. Results show that combined adaptive neuro-fuzzy inference system and decision tree has the potential to work as a control allocator and manage the control commands among the actuators of mentioned satellite considering codified principles.
