Controle de atitude de satélites rígido-flexíveis usando a otimização extrema generalizada com abordagem multi-objetivo

Autor: Igor Mainenti Leal Lopes
Jazyk: portugalština
Rok vydání: 2008
Zdroj: Biblioteca Digital de Teses e Dissertações do INPEInstituto Nacional de Pesquisas EspaciaisINPE.
Druh dokumentu: masterThesis
Popis: Neste trabalho, a eficiência do algoritmo da Otimização Extrema Generalizada (GEO) foi avaliada ao abordar um problema de controle ótimo de atitude de um satélite artificial. O estudo visou determinar os ganhos de duas leis de controle: uma do tipo proporcional derivativo (PD) e uma não-linear. Estas foram utilizadas, em diferentes simulações, para controlar a atitude de dois modelos diferentes de satélites, sendo um rígido e o outro rígido-flexível. Para otimizar os ganhos das leis de controle foram usados dois métodos: o GEO e o Regulador Linear Quadrático (LQR). O GEO é um algoritmo evolutivo inspirado em um modelo simplificado de evolução. Foi desenvolvido com o objetivo de resolver problemas complexos de otimização (De Sousa et al., 2003). Uma versão multi-objetivo do GEO (M-GEO) foi empregada com o intuito de minimizar, simultaneamente, o tempo para controlar o satélite e o consumo de energia. A utilização de uma abordagem multi-objetivo permite a determinação de um conjunto de soluções de compromisso otimizadas (soluções nãodominadas). O conjunto das soluções não-dominadas no espaço de projeto e no espaço das funções objetivo (fronteira de Pareto), foi obtido através do MGEO. As fronteiras de Pareto, obtidas para o satélite rígido-flexível, foram comparadas com uma solução obtida pelo LQR. Para o caso do satélite rígido, uma das soluções obtida pelo M-GEO foi selecionada para testar a robustez do controlador. O filtro Kalman foi utilizado para estimar a atitude do satélite para a retroalimentação do controlador PD. Esta análise demonstrou que o M-GEO é capaz de obter soluções com bom desempenho. Como o GEO é um algoritmo de otimização novo, ele tem sido constantemente melhorado. Uma nova versão do GEO é apresentada neste trabalho. Esta nova versão não faz uso da seqüência de bits, tal como o algoritmo GEO. Em vez disso, trabalha-se diretamente com os valores das variáveis. A nova versão, que denominada GEOreal, foi utilizada para abordar duas funções testes com a finalidade de averiguar o seu desempenho, e foi comparada com versões anteriores do GEO. O GEOreal demonstrou um bom desempenho ao buscar pelo mínimo global das funções testes, mostrando-se melhor do que versões anteriores.
In this work, the efficiency of the Generalized Extremal Optimization (GEO) algorithm in the design of an artificial satellite attitude control system was evaluated. The study aimed to determine the gains of two control laws: a proportional derivative (PD) and; a non-linear. These were used, in different simulations, to control the attitude of two different models of satellites: a rigid and the other rigid-flexible. To optimize control were used two methods: the GEO and Linear Quadratic Regulator (LQR). The GEO is an evolutionary algorithm inspired in a simplified model of evolution. It was developed to tackle complex optimization problems (De Sousa et al., 2003). A multi-objective version of GEO (M-GEO) is employed with the task of minimizing, simultaneously, the time to control the satellite and the energy spent on it. The use of a multi-objective approach allows that a set of optimized trade-off solutions (non-dominated solutions) be determined. The non-dominated solutions set in the design space and in the objective functions space (Pareto front) was obtained through M-GEO. The Pareto fronts, obtained for the rigidflexible satellite, were compared with a solution obtained by LQR. In the rigid satellites case, one of the solutions obtained through M-GEO was selected to test the robustness of the controller. The Kalman filter was used to estimate the attitude of the satellite to a feedback controller PD. This analysis showed that the M-GEO is able to obtain robust solutions. As a new optimization algorithm, GEO has been constantly improved. A new version of GEO is presented in this work. This new version doesnt make use of string of bits, like the GEO algorithm. Instead of that, it works directly with the variables values. Called GEOreal, the new version was used to tackle two test functions and its performance compared with previously versions of GEO. The GEOreal showed as a competitive optimization algorithm. Its performance to tackle those test functions was better than previous versions.
Databáze: Networked Digital Library of Theses & Dissertations
Externí odkaz: