طراحي چيدمان بهينه تراسترها براي كنترل وضعيت ماهواره مخابراتي در مدار زمين آهنگ

Design of optimal thruster configuration for attitude control of geostationary satellite

در اين مقاله روشي نوين براي طراحي چيدمان بهينه تراسترها در ماهواره مخابراتي زمين آهنگ با هدف كمينه كردن مصرف سوخت و افزايش دقت كنترل وضعيت ارايه مي شود.كاهش مصرف سوخت موجب افزايش طول عمر ماهواره در مدار زمين آهنگ شده و افزايش دقت كنترل منجر به بهبود نشانهروي آنتن هاي محموله مي شود. براي دست‌يابي به الگوي چيدمان بهينه، دو الگوريتم ژنتيك و تكامل ديفرانسيلي مورد بررسي و پياده سازي قرار گرفته است. علاوه بر اين در اين مقاله قيودي از قبيل محدوديت هندسي در ابعاد ماهواره و محدود كردن پاشش گازهاي خارج شده از تراسترها بر روي پنل هاي خورشيدي و تجهيزات بيروني ماهواره درنظر گرفته شده است. نتايج شبيه‌سازي هاي انجام شده، مويد اين نكته است كه الگوريتم تكامل ديفرانسيلي دقت بهتر و زمان اجراي كمتري در مقايسه با الگوريتم ژنتيك در حل اين مساله دارد.

This paper presents a new methodology to design optimal thrusters configuration for geostationary communications satellite in order to reduce the mission fuel consumption and increase the system control accuracy. The fuel consumption has an inverse relationship with the satellite lifetime and it is obvious that increasing the control accuracy may lead to have better payload antenna pointing. The proposed configuration, however, should lead to fulfill specified attitude maneuver when the set of force and torque produced by satellite thruster system is adequate. For this purpose, two optimization methods using genetic algorithm (GA) and differential evolution (DE) has been applied to determine the optimal thrusters configuration for a communication satellite. The cost function was employed in such a way to minimize both the fuel consumption and error generated by thrusters installation and uncertainties. Moreover, this work allows applying some different constraints in the proposed formulation including minimization of the thruster plume impingement effect on the solar arrays and the second one is the satellite dimension and geometry. Simulation results show that DE method outperforms GA method in terms of accuracy and CPU time. Effectiveness of differential evolution algorithm is illustrated in the paper when compared with GA method results.