كنترل بهينة غيرخطي وسايل بازگشت‌پذير بر پايه استخراج ماتريس‌هاي سيستمي وابسته به متغيرهاي حالت و كنترل در فرم فضاي حالت

Nonlinear Optimal Control of Reentry Vehicles Based on Deriving the State and Control Depended Systematic Matrices in State Space Form

در مأموريت‌هاي فضايي وسايل بازگشت‌پذير (Reentry Vehicle)، فاز بازگشت به جو از مهمترين مراحل مأموريت مي‌باشد. به همين دليل، هدايت و كنترل وسيلة بازگشت‌پذيردر اين فاز مأموريت از اهميت ويژه‌اي برخوردار است. در اين مقاله يك الگوي هدايت و كنترل بهينه‌ براي وسايل بازگشت‌پذير ارائه مي‌شود كه در برابر عدم قطعيت در پارامترهاي ورودي مقاوم باشد. براي استفاده از هر نوع روش هدايتي، ابتدا بايد معادلات حركت وسيله را به‌دست آورد. در اين مقاله از روش كنترل غيرخطي كوادراتيك براي هدايت مسير استفاده مي‌شود. در همين راستا هدف از انجام اين مقاله توسعة معادلات حركت وسايل بازگشت‌پذير به فرم فضاي حالت و استخراج ماتريس‌هاي سيستمي و كنترلي وابسته به متغيرهاي حالت و كنترل مي‌باشد. در اين مقاله سعي شده است تا با استفاده از كنترلر غيرخطي كوادراتيك و تعقيب يك مسير مرجع، خطاي برخورد وسيلة بازگشتي در نقطة پاياني حداقل شود. بدين منظور براي يك مسير مشخص با پارامترهاي ورودي مختلف، با استفاده از روش تكاملي الگوريتم ژنتيك براي كاهش خطاي برخورد در نقطة پاياني با تغييرات ماتريس‌هاي وزني Q و R تلاش شده است. براي بررسي و امتحان صحت اين روش از طريق آناليز مونت كارلو، اين روش براي 1000 مسير مختلف تحليل شده است. نتايج نشان مي‌دهد كه با استفاده از توسعة ماتريس‌هاي سيستمي وابسته به متغيرهاي حالت و كنترل، خطاي برخورد در حضور عدم قطعيت‌هاي پارامترهاي ورود 90% بهبود مي‌يابد.

The atmospheric reentry phase is one of the most important mission steps in space missions, therefore, the guidance and control of reentry vehicles in this phase of mission is important. In this article, a reentry vehicle guidance algorithm is proposed which has suitable robustness in the presence of initial reentry parameters uncertainty. To use any conductive method, first the motion equations must be obtained. In this paper, quadratic nonlinear control method is used to guide the vehicle. In this regard, the equations of motion of reentry vehicles are developed in form of state space and the system and control matrices depending on the state and control variables are extracted. In this article, it is tried to minimize the landing errors at terminal point using Nonlinear Quadratic Tracking (NQT) and chasing a reference trajectory. In order to define a trajectory with different initial states using evolutionary genetic algorithm with changes in weighting matrices Q and R, it is tried to reduce the errors of landing at terminal point. Monte Carlo analysis is used to evaluate the performance of the proposed algorithm. According to the results, the proposed algorithm can reduce the errors more than 90% in the presence of reentry initial parameter uncertainties.