کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4948010 1439605 2017 40 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Neural network-based adaptive second order sliding mode control of Lorentz-augmented spacecraft formation
ترجمه فارسی عنوان
کنترل حالت کشویی مرتب شده بر اساس شبکه عصبی کنترل شکل گیری فضاپیما لورنتس تقویت شده است
کلمات کلیدی
شبکه عصبی، کنترل انعطاف پذیر، حالت کشویی مرتبه دوم، فضاپیمای لورنتس، شکل گیری سفینه فضایی،
ترجمه چکیده
نیروی لورنتس که بر روی یک فضاپیمای متخلص الکتروستاتیک تأثیر می گذارد، یک وسیله جدید برای نیروی محرکه برای مانورهای مداری مانند فورواردسازی فضاپیمای لورنتس فراهم می کند. مدل سازی میدان مغناطیسی زمین به عنوان یک کرویتینگ کروی دو طرفه با زمین، یک مدل دینامیکی غیر خطی است که توصیف حرکت ارتفاعی فضاپیمای لورنتس در مورد یک مدار بیضوی دلخواه را توسعه می دهد. سپس، مسیرهای کنترل مطلوب برای حلقه باز شدن تشکیل، توسط روش سوسپانتر حل می شوند. برای تضمین ردیابی مسیر در حضور اختلالات خارجی و عدم اطمینان سیستم، یک کنترل کننده حالت کششی ترمینال سریع تطبیقی ​​مبتنی بر شبکه عصبی مبتنی بر شبکه عصبی با استفاده از بازخورد حالت طراحی شده است که به طور همزمان مشکلات تک خطی و چتیرایی را که معمولا در ترمینال معمولی وجود دارد، حل می کند. حالت کشویی شبکه های عصبی برای تقلیل غیر خطی ناشناخته در دینامیک سیستم استفاده می شود. در همین حال، برای کنترل ردیابی حلقه بسته بدون اندازه گیری سرعت، کنترل کننده بازخورد خروجی نیز با یک ناظر معرفی شده برای ضبط سیگنال های سرعت پیشنهاد شده است. پایداری کلی برای هر دو طرح کنترل با یک روش مبتنی بر لیائپونوف ثابت می شود. شبیه سازی عددی برای بررسی عملکرد کنترل کننده های پیشنهادی ارائه شده است. علاوه بر این، کنترل کننده ها می توانند به سایر مشکلات کنترل ارگانیک مرتبط با لورنتس اعمال شوند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
کنترل حالت کشویی مرتب شده بر اساس شبکه عصبی کنترل شکل گیری فضاپیما لورنتس تقویت شده است
چکیده انگلیسی
The Lorentz force acting on an electrostatically charged spacecraft provides a new means of propulsion for orbital maneuvers such as Lorentz-augmented spacecraft formation flying. Modeling the Earth's magnetic field as a tilted dipole corotating with Earth, a nonlinear dynamical model that describes the orbital motion of a Lorentz spacecraft about an arbitrary elliptic orbit is developed. Then, the optimal open-loop control trajectories of formation establishment are solved by the pseudospectral method. To guarantee trajectory tracking in the presence of external perturbations and system uncertainties, a closed-loop neural network-based adaptive second order fast terminal sliding mode controller is designed using state feedback, which simultaneously solves the singularity and chattering problems that generally exist in conventional terminal sliding mode. Neural networks are employed to approximate the unknown nonlinearities in the system dynamics. Meanwhile, to ensure closed-loop tracking control without velocity measurements, an output feedback controller is also proposed with an observer introduced to capture the velocity signals. The overall stabilities for both control schemes are proved by a Lyapunov-based method. Numerical simulations are presented to verify the performance of the proposed controllers. Furthermore, the controllers could be applied to other Lorentz-augmented relative orbital control problems.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 222, 26 January 2017, Pages 191-203
نویسندگان
, , ,