الگوریتم جدید فرا ابتکاری تطبیقی در تخمین وضعیت و مدل فضاپیما

نوابی, محمد; حسینی, شهرام

doi:10.30699/jsst.2020.90719

نوع مقاله : مقالة‌ تحقیقی‌ (پژوهشی‌)

نویسندگان

¹ دانشکده مهندسی فناورهای نوین، دانشگاه شهید بهشتی ، تهران، ایران

² دانشکده مهندسی فناوری های نوین، دانشگاه شهید بهشتی، تهران، ایران

https://doi.org/10.30699/jsst.2020.90719

چکیده

افزایش دقت و پایداری‌ در تخمین آنلاین مدل یک فضاپیما، به دلیل هم‌زمانی وجود نامعینی در دینامیک سیستم و نویز در خروجی حس‌گرهای وضعیت، یکی از چالش‌های کنترل وضعیت است. یکی از روش‌های مؤثر تخمین این نوع از مدل‌های دینامیکی، روش کمترین مربعات خطا در ترکیب با فیلتر کالمن است. برای افزایش عملکرد روش تخمین ذکر شده، الگوریتم آنلاین فرا ابتکاری جدیدی بر اساس توسعه روش کمترین باقیمانده تعمیم‌یافته ارائه می‌گردد. این الگوریتم یک روش مبتنی بر تکرار است که با استفاده از اطلاعات مرحله قبل و بر اساس تجربه کاربر، و یا یک روش فرا ابتکاری آنلاین نوین، تعداد گام‌های حل دستگاه در زیر فضای کریلف را تعیین کرده و همگرایی کلی به پاسخ را بهبود می‌بخشد. برای بررسی دقت تخمین این روش، روش‌های کمترین باقیمانده تعمیم‌یافته ساده، گرادیان دو مزدوجی، گرادیان مزدوج مربعی و گرادیان دو مزدوجی پایدار مقایسه شده است، که روش فرا ابتکاری کمترین باقیمانده تعمیم‌یافته تطبیقی بیشترین دقت و پایداری در پاسخ را نشان می‌دهد.

کلیدواژه‌ها

موضوعات

طراحی زیرمجموعه‌های فضایی: (هدایت،کنترل، سازه و...)

عنوان مقاله [English]

A New Online Meta-Heuristic Adaptive GMRES Method to Estimate the Attitude and the Model of a Satellite

نویسندگان [English]

Mohammad Navabi ¹
Shahram Hosseini ²

¹ Department of New Technologies and Aerospace Engineering, Shahid Beheshti University, Tehran, IRAN

² Department of New Technologies and Aerospace Engineering, Shahid Beheshti University, Tehran, IRAN

چکیده [English]

Increasing precision and stability ofthe online estimation of a spacecraft's model, due to the uncertainty and noise is one of the challenges in the attitude control of the space systems. The least squares error method in combination with the Kalman filter is one of the effective methods for estimating these types of dynamic models. Based on the development of the GMRES (generalized minimal residual) methods, in order to increase the performance of the estimation method, a newonline meta-heuristic algorithm is proposed. The algorithm is an iterative-based method that uses previous step information based on user experience, or a new online meta-heuristic method which determines the number of steps to solve the matrix equations system in the Krylov subspace and improves overall convergence to the response. In order to evaluate the accuracy of this estimation method, the GMRES, Bi-CG (Bi Conjugate Gradient), CGS (Conjugate Gradients Squared), BI-CGSTAB (Bi Conjugate Gradient Stabilized) methods are compared that the online meta-heuristic GMRES method shows the highest accuracy and stability in the estimation.

کلیدواژه‌ها [English]

Adaptive GMRES
Model estimation
Attitude estimation
Meta-heuristic

مراجع

[1] Misra,G. “Halo Orbit Station-keeping using Nonlinear MPC and Polynomial Optimization,” AIAA space Flight Mechanics Meeting, 2018, pp. 1–11.

[2] Liu,C.,Shi, K. andWang, F., “Mass and Mass Center Identification of Target Satellite after Rendezvous and Docking,” Proceeding 11th World Congr. Intell. Control Autom., 2014, pp. 5802–5807.

[3] Suo,M. andChen, X., “Identification of Mass Characteristic Parameters for Spacecraft Based on Differential Evolution Algorithm,” Fifth International ConferanceInstrumentation, Measurement, Computer, Communication and Control (IMCCC), 2015, pp. 1967–1971.

4] Xiaowei,D.,Aiguo, W.,Jun, D., andKejie, Y., “Chaotic Synchronization and Parameter Identification of Fractional-order Dynamical Equation with Attitude of Spacecraft,”Chinese Control And Decision ConferenceCCDC -Aconf, 2016, pp. 1456–1461.

[5] Guoqiang,Y.,Weiguang, L. andHao, W., “Study of RBF Neural Network Based on PSO Algorithm in Nonlinear System,” 8th International Conferance Intelligence Computtion Technology Automation, No. 1, 2015, pp. 852–855.

[6] Abrashov, S., Malti, R., Moreau, X., Moze, M., Aioun, F. and Guillemard, F., 2018. “Optimal input design for continuous-time system identification.” Communications in Nonlinear Science and Numerical Simulation, Vol. 60,2018, pp.92-99.

[7] Meyer, C.D.,Matrix Analysis and Applied Linear Algebra, Vol. 71. Siam, 2000.

[8] Dehghan, M. andHajarian, M.,“Two algorithms for finding the Hermitian reflexive and skew-Hermitian solutions of Sylvester matrix equations,” Applied Mathematics Letters, Vol. 24, No. 4, 2011, pp. 444–449.

[9] Dehghan, M. andHajarian, M.,“Fourth‐Order Variants of Newton's Method Without Second Derivatives for Solving Non‐Linear Equations,” Engineering Computations, Vol. 29 Issue: 4, 2012, pp.356-365, https://doi.org/10.1108/02644401211227590

[10] Hajarian, M.,“Matrix Iterative Methods for Solving the Sylvester-Transpose and Periodic Sylvester Matrix Equations,” Journal of The Franklin Institute, Vol. 350, No. 10, 2013, pp. 3328–3341.

[11]Wang, D.Q., “Least Squares-Based Recursive and Iterative Estimation for Output Error Moving Average Systems Using Data Filtering,” IET Control Theory & Applications, Vol. 5, No. 14, 2011, pp.1648-1657, Doi: 10.1049/iet-cta.2010.0416

[12] Zhang, Hui,Yang,Shi andJunmin,Wang, “Observer-Based Tracking Controller Design for Networked Predictive Control Systems with Uncertain Markov Delays,” International Journal of Control, Vol. 86, No. 10, 2013, pp. 1824-1836, Doi: 10.1080/00207179.2013. 797107.

[13] Grothe,O.,“A Higher Order Correlation Unscented Kalman filter,”Applied Mathematics and Computation, Vol. 219, No. 17, 2013, pp. 9033–9042

[14]Ciucci,F.,“Revisiting Parameter Identification in Electrochemical Impedance Spectroscopy: Weighted Least Squares and Optimal Experimental Design,” Electrochimica Acta, Vol. 87, 2013, pp. 532–545.

[15]Wang, C. andTang, T.,“Recursive Least Squares Estimation Elgorithm Applied to a Class of Linear-in-Parameters Output Error Moving Average Systems,” Applied Mathematics Letters,Vol. 29, 2014,pp. 36–41.

[16]Hu,Y.B.,Liu, B.L.,Zhou, Q. andYang,C. “Recursive Extended Least Squares Parameter Estimation for Wiener Nonlinear Systems with Moving Average Noises,” Circuits, Systems and Signal Processing, Vol. 33, No. 2, 2014, pp. 655–664.

[17]Ding,F.,Wang, Y.J. andDing,J.,“Recursive Least Squares Parameter Estimation Algorithmsfor Systems with Colored Noise Using the Filtering Technique,” Digital Signal Processing, Vol.37, 2015, pp.100-108

[18] Ma,X. andDing, F., “Recursive and Iterative Least Squares Parameter Estimation Algorithms for Observability Canonical State Space Systems,” Journal of The Franklin Institute, Vol. 352, No. 1, 2015, pp. 248–258.

[19]Panjeh,F.,Beik,A. andKhojasteh, D., “Weighted Versions of Gl FOM and Gl GMRES for Solving General Coupled Linear Matrix Equations,” Computational Mathematics and Mathematical Physics, Vol. 55, No. 10,2015, pp. 1606–1607.

[20] Sosonkina,M., Watson, L. T. and Kapania,R. K., “A New Adaptive GMRES Algorithm for Achieving High Accuracy,” Numerical linear algebra with applications, Vol. 5, No. 4, 1998, pp. 275-297.

[21] Zhong, H.X. and Gu, X.M., “A Flexible and Adaptive Simpler GMRES with Deflated Restarting for Shifted Linear Systems.” Computers & Mathematics with Applications, 2019.

[22]Núñez, R.C., Schaerer, C.E. and Bhaya, A.,“A Proportional-Derivative Control Strategy for Restarting the GMRES (m) Algorithm.” Journal of Computational and Applied Mathematics, Vol. 337, 2018, pp.209-224.

[23]Sidi, M.J., Spacecraft Dynamics and Control:A Practical Engineering Approach, Cambridge university press‎, 1997.

[24] Garcia,S. G.,Rubio, R. G.,Bretones A. R. andLopez, R. G.,“Revisiting the Stability of Crank–Nicolson and ADI-FDTD,” IEEE Transactions on Antennas and Propagation, Vol. 55, No. 11,Nov. 2007, pp. 3199-3203.

[25] Baolong, Zhu, et al.,“Prediction-BasedSampled-Data H∞ Controller Design for Attitude Stabilisation of a Rigid Spacecraft with Disturbances.” International Journal of Systems Science, Vol 48, No. 11, 2017, pp. 2356-2367.

علوم و فناوری فضایی

الگوریتم جدید فرا ابتکاری تطبیقی در تخمین وضعیت و مدل فضاپیما

مراجع

مراجع

دوره 12، شماره 4 - شماره پیاپی 41
دی 1398
صفحه 79-89

الگوریتم جدید فرا ابتکاری تطبیقی در تخمین وضعیت و مدل فضاپیما

مراجع

مراجع

دوره 12، شماره 4 - شماره پیاپی 41دی 1398صفحه 79-89

دوره 12، شماره 4 - شماره پیاپی 41
دی 1398
صفحه 79-89