الگوريتم جديد فرا ابتكاري تطبيقي در تخمين وضعيت و مدل فضاپيما

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

افزايش دقت و پايداري‌ در تخمين آنلاين مدل يك فضاپيما، به دليل هم ‌زماني وجود نامعيني در ديناميك سيستم و نويز در خروجي حس‌گرهاي وضعيت، يكي از چالش‌هاي كنترل وضعيت است. يكي از روش‌هاي مؤثر تخمين اين نوع از مدل ‌هاي ديناميكي، روش كمترين مربعات خطا در تركيب با فيلتر كالمن است. براي افزايش عملكرد روش تخمين ذكر شده، الگوريتم آنلاين فرا ابتكاري جديدي بر اساس توسعه روش كمترين باقيمانده تعميم ‌يافته ارائه مي‌ گردد. اين الگوريتم يك روش مبتني بر تكرار است كه با استفاده از اطلاعات مرحله قبل و بر اساس تجربه كاربر، و يا يك روش فرا ابتكاري آنلاين نوين، تعداد گام‌ هاي حل دستگاه در زير فضاي كريلف را تعيين كرده و همگرايي كلي به پاسخ را بهبود مي ‌بخشد. براي بررسي دقت تخمين اين روش، روش‌ هاي كمترين باقي مانده تعميم‌ يافته ساده، گراديان دو مزدوجي، گراديان مزدوج مربعي و گراديان دو مزدوجي پايدار مقايسه شده است، كه روش فرا ابتكاري كمترين باقي مانده تعميم‌ يافته تطبيقي بيشترين دقت و پايداري در پاسخ را نشان مي ‌دهد.

Increasing precision and stability in the 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.