اصلاح الگوريتم تخمين و كنترل ساختار متغير براي فرود مقيد مريخ‌نشين

Modified Variable Structure Estimation and Control for Constrained Landing on Mars

فرود بر سياره مريخ يكي از مسائل مهم و چالشي صنعت فضايي بوده كه با عدم قطعيت‌هاي سيستمي و محيطي فراواني مواجه است. لذا، دستيابي به مدل دقيقي از ديناميك مريخ‌نشين امكان‌پذير نيست. در اين راستا، پژوهش حاضر به طراحي الگوريتم يكپارچه تخمين و كنترل مرحله آخر فرود يعني نشست پرداخته است به‌‌گونه‌اي كه بتواند در برابر عدم قطعيت‌هاي موجود عملكرد قابل قبولي ارائه دهد. الگوريتم پيشنهادي برمبناي چارچوب كاري كنترل ساختارمتغير شكل گرفته و نياز به ژاكوبين‌گيري و ايجاد اندازه‌گيري‌هاي مصنوعي را به كمك جايگزيني خطي‌سازي تحليلي با خطي‌سازي آماري و تئوري معكوس تعميم‌يافته ماتريس برطرف نموده است. عملكرد الگوريتم پيشنهادي در حضور عدم قطعيت‌هاي مختلف ناشي از شرايط اوليه تصادفي ديناميك كوپل مريخ‌نشين، خطاي مدلسازي نيرو‌ها و گشتاورهاي وارده، تأخير زماني عملگرهاي كنترلي و با لحاظ‌كردن قيود هندسي محل فرود و اشباع عملگرها بررسي شده است. در ادامه، عملكرد الگوريتم ناوبري مقاوم پيشنهادي با نتايج حاصل از تركيب الگوريتم‌هاي متداول فيلتر كالمن توسعه‌يافته و كنترلر تناسبي-انتگرالي-مشتقي در مسئله غيرخطي فرود بر سياره مريخ قياس شده است. نتايج به‌دست آمده از شبيه‌سازي‌هاي مونت كارلو به وضوح عملكرد دقيق و مقاوم الگوي ناوبري و كنترل پيشنهادي را نشان داده و برتري آن نسبت به الگوريتم‌هاي متداول رايج را تأييد مي‌كند.

Landing on Mars is one of the paramount space missions undergoing various system and environmental uncertainties. Hence an exact model to represent the dynamic system cannot be achieved in advance, and subsequently, model-based navigation algorithms degrade. In this regard, the present paper has focused on a robust integrated estimation and control algorithm to attain accurate navigation in the presence of different uncertainties for the nonlinear problem of landing on Mars. The proposed algorithm has been developed based on the variable structure control framework. This method alleviates limitations of the existing algorithms including the requirement of the Jacobian calculation and the dimension equality for the state and measurement vectors via statistical linearization and the generalized matrix inverse theory, respectively. The performance of the proposed algorithm has been investigated via Monte Carlo simulations in the presence of different uncertainties including atmosphere instability and modeling errors, the time delay of actuators, the geometric constraint of the landing site as well as the saturation limitations of actuators. In addition, the obtained results have been compared to those of the well-known extended Kalman filter proportional–integral–derivative combination. This comparison proves the superiority of the proposed variable structure estimation and control algorithm in terms of accuracy and robustness.