Neural network-based sliding mode control for atmospheric-actuated spacecraft formation using switching strategy

این مقاله یک روش کنترل مبتنی بر شبکه عصبی را برای شکل گیری فضاپیما با استفاده از دینامیک انتقال و چرخشی همراه با استفاده از نیروهای آیرودینامیکی ارائه می دهد. فرض بر این است که هر فضاپیمای مجهز به چندین صفحه بزرگ تخت است. یک مدل دینامیکی ناهماهنگ مدار در نظر گرفته شده بر اساس پیکربندی خاصی از محرک های اتمسفر است. برای این مدل، یک کنترل کننده حالت کشویی انطباق مبتنی بر شبکه عصبی به کار گرفته شده است، که شامل عدم قطعیت سیستم و اختلالات خارجی است. برای جلوگیری از عدم اعتبار شبکه های عصبی از بین بردن ثبات سیستم، یک استراتژی کنترل سوئیچینگ ارائه شده است که ترکیبی از یک کنترل کننده شبکه های عصبی غالب در منطقه فعال خود و یک کنترل کننده کشویی سازگار در خارج از منطقه فعال عصبی است. یک فرایند بهینه برای تعیین دستورالعمل های کنترل سیستم صفحات طراحی شده است. پایداری سیستم حلقه بسته با روش مبتنی بر لیائپونوف ثابت می شود. نتایج تطبیقی ​​از طریق شبیه سازی های عددی اثربخشی اجرای کنترل نگرش را در حین حفظ حرکت نسبی نشان می دهد و دقت کنترل بیشتر را می توان با استفاده از طرح کنترل سوئیچینگ مبتنی بر عصبی پیشنهاد کرد تا از استفاده از کنترل کننده حالت کشویی سازگار استفاده شود.