عنوان پایان‌نامه
مدلسازی و شبیه سازی زیرسیستم توان الکتریکی ماهواره مکعبی نانو و تشخیص خطاهای متحمل درآن
- رشته تحصیلی
- مهندسی فناوری ماهواره
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 75201;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 75201
- تاریخ دفاع
- ۳۰ تیر ۱۳۹۵
- دانشجو
- امین عسگری فر
- استاد راهنما
- علیرضا رضائی
- چکیده
- در این پژوهش به مدلسازی و شبیه‌سازی سامانه توان الکتریکی نانو ماهواره مکعبی فاقد زیر سامانه کنترل وضعیت فعال و هم‌چنین تعیین خطاهای محتمل و تشخیص آنها پرداخته شده است. برای این کار ابتدا عوامل محیطی و شرایط مداری ماهواره که بر عملکرد سامانه توان الکتریکی در تولید توان الکتریکی موثرند، مانند توان تابشی دریافتی از خورشید و دمای سطوح آرایه‌های خورشیدی، شارهای بازتابش و مادون قرمز زمین شبیه‌سازی شدند. در ادامه سامانه توان الکتریکی و اجزای آن بر مبنای الزامات ماموریت فرضی و بودجه توانی طراحی شد. به همین منظور آرایه‌های خورشیدی با استفاده از نمودارهای ارائه شده توسط کارخانه معتبر و تشکیل جدول مراجعه¬ای در دماها و توانهای تابشی مختلف خورشیدی مدل¬سازی شد. مبدل DC به DC اخذ توان بیشینه نیز با روش امپدانس افزایشی طراحی و مدلسازی گردید. پارامترهای باتری Li-Ion ، بارهای الکتریکی، زیر سامانه مدیریت و کنترل شارژ و دشارژ باتری و تنظیم کننده خط اصلی انتقال توان بر مبنای وضعیت شارژ باتری و انتقال توان شبیه‌سازی شدند. با توجه به وجود تنش‌های لحظه پرتاب و محیط کاری دشوار، با بررسی میزان نرخ رخ دادن خطا در هر المان، خطاهای محتمل سامانه شامل خطاهای مدار باز و خط به خط در بخش فوتوولتایی، مدار باز و اتصال کوتاه IGBT موجود در مبدل‌های اخذ توان بیشینه و تنظیم کننده و خطای زمین شدن باتریبه عنوان خطاهای محتمل در نظر گرفته شد. سپس با استفاده از شبکه‌های عصبی چند لایه (MLP)، سامانه توان در حالت‌های بدون خطا و دارای هر یک از خطاهای محتمل، با در نظر گرفتن توان تابشی دریافتی از خورشید و دمای سطح آرایه‌های خورشیدی به عنوان ورودی ها و جریان بار خروجی به عنوان خروجی، شناسایی و مدل¬سازی گردید. در نهایت با به کار گیری شبکه عصبی MLP و روش های هوشمند PCA ، KNN و درخت تصمیم و با استفاده از سیگنال‌های وضعیت شارژ باتری (SOC) و جریان بار خروجی، حالت¬های سامانهطبقه بندی گردید. در آخر نیز با بررسی و مقایسه روش های پیاده‌سازی شده، مشخص شد که شبکه عصبی MLP و روش PCA توانایی تشخیص و تفکیک کامل خطاهای موجود در سامانه را دارند.
- Abstract
- This project deals with modeling and simulation of Nano cubic satellite system without active attitude control subsystem and also determining and detecting probable faults. To this end, first, environmental factors and satellite orbital situations which have impact on performance of electrical power system in producing such as irradiance, temperature of solar arrays surface, albedo and infrared fluxes are simulated. Electrical power system and its components based on mission requirements is designed in the next. To this goal, solar arrays are obtained based on organizing look up table of different temperatures, irradiance powers, and maximum power tracking DC to DC converter is designed with the help of incremental impedance method. Li-lon parameters, electrical loads, managing and charge and discharge control and main transmission power line subsystems are also simulated. Regarding that under launching pressure and operational conditions, system is hard to characterize, by evaluating fault occurrence rate in each component, probable faults are considered as open circuit and line line fault in photovoltaic subsystem, open circuit and short circuit faults in MPPT and regulator DC to DC converter IGBT and ground fault in battery. Then, by exploiting multiple layer neural networks, fault free and faulty condition are identified with consideration of irradiance and solar arrays temperature as inputs and load current as output. Last but not least, by using MLP and KNN, PCA intelligent methods and decision tree, fault free and also probable fault conditions are classified by using SOC and current load. Finally, by comparing proposed methods, it is determined that MLP neural network and PCA method are capable of determining and classifying of the system faults.
