كنترل پيش بين مبتني بر مدل هوشمند براي اصلاح موقعيت يك ماهوارة ارتفاع پايين

Model Predictive Control Based on Intelligent Model for Low Earth Orbit Satellite

در اين مقاله به كمك شبكه‌هاي عصبي مصنوعي و كنترل پيش‌بين مبتني بر مدل و رگولاتور خطي مرتبة دوم به طراحي كنترلري براي اصلاح مدار و موقعيت ماهوارة مدار پايين پرداخته شده است. در اين روش، از شبكه‌هاي عصبي مصنوعي براي يادگيري مدل خطي سيستم در مواجهه با اغتشاشات استفاده شده است. همچنين، به كمك مدل عصبي مصنوعي به دست آمده، پس از تخمين برخط مدل خطي سيستم در هر لحظه، كنترل پيش‌بين مبتني بر مدل طراحي شده براي سيستم اصلاح شده است. نتايج شبيه‌سازي‌ها تأثير قابل توجه استفاده از مدل برخط مبتني بر يادگيري ماشين را در بهبود عملكرد كنترل پيش‌بين مبتني بر مدل نشان مي‌دهد.

In this paper, an orbit control algorithm is implemented for low earth orbit (LEO) satellites, using artificial neural networks (ANN), modelbased predictive control (MPC), and linear quadratic regulator (LQR). As a self-tuning regulator structure, an ANN is used to learn the model of the satellite with external disturbances, after extracting a linear online model, based on ANN. Both LQR and MPC controllers are used to keep the satellite in its orbit.