كنترل تعقيب و مقاوم وضعيت ماهواره در مانور‌هاي چرخشي با زاويه بزرگ بر اساس الگوريتم جديدي از فيلتر كالمن توسعه‌يافته تخمين‌زن وضعيت

Robust Tracking Control of Satellite Attitude Using New EKF for Large Rotational Maneuvers

در اين مقاله روش جديدي در خصوص مسئله كنترل تعقيب مقاوم ماهواره براي مانور چرخشي با زاويه بزرگ ارايه مي شود. مدل ماهواره مورد نظر، غير خطي و داراي عدم قطعيت در پارامترهاست. متغيرهاي حالت آن توسط مشاهده‌كننده، تخمين زده مي‌شود. به عنوان يك روش جديد از تركيب بخشي از فيلتر كالمن توسعه يافته گسسته و بخشي از فيلتر كالمن توسعه يافته پيوسته و مدل غيرخطي وضعيت ماهواره، الگوريتمي كارا براي تخمين وضعيت ارايه ميشود. دقت تخمين در اين روش، پنج بار دقيق تر از ساير تخمين زنهاي اخيري است كه براساس فيلتر كالمن طراحي شده اند. در اينجا از كنترل كننده مـد لغزشي (با لايه مرزي تطبيقي و اصلاح شده) استفاده شده است. بايستي اين كنترل‌كننده و مشاهده‌كننده مربوطه به تنهايي مقاوم باشند. علاوه بر آن، مقاوم بودن تركيب اين دو نيز ضروري است. براي مقاوم كردن اين كنترل‌كننده در مقابل عدم قطعيت پارامترهاي سيستم، از فيلتر كالمن مقاوم استفاده ميشود و بر اساس جبرِ اينتروال براي متغيرهاي حالت سيستم، يك كران حـد بالا و يك كران حـد پايين، تخمين زده مي شود و با لحاظ كردن اين كرانها در تعيين شرايط لغزشي كنترل‌كننده مـد لغزشي، پايداري كنترل‌كننده در تركيب با مشاهده‌كننده به صورت همزمان تامين ميشود. نتايج شبيه‌سازي اين روش براي مقادير مختلف نامعيني (تا50%) ارايه شده است.

Control of a class of uncertain nonlinear systems, which estimates unavailable state variables, is considered. A new approach for robust tracking control problem of satellite for large rotational maneuvers is presented in this paper. The features of this approach include a strong algorithm to estimate attitude, based on discrete extended Kalman filter combined with a continuous extended Kalman filter and attitude nonlinear model, and a robust controller based on sliding-mode with perturbation estimation. Estimation accuracy in this method is five times higher than other recent approaches based on Kalman filter. We have used sliding-mode controller in this paper. Not only the controller and the corresponding observer but also their composition must be robust. To make this controller robust against the uncertainty of parameters, the robust Kalman filter is used. Based on interval algebra, an upper bound and a lower bound are estimated for state variables of the system and considering these bounds in indicating the sliding conditions, stability of the controller in combination with the observer will be satisfied simultaneously. The simulation results show the capability of this method in spite of different uncertainty levels (up to %50).