طراحی، ساخت، مدل‌سازی و تخمین پارامترهای مدل خطی مرتبه دوم یک پهپاد آزمایشگاهی با رانشگرهای گاز سرد براساس الگوریتم ژنتیک

نوع مقاله : مقاله مکانیک

نویسندگان

1 دانشجوی دکتری، مجتمع دانشگاهی هوافضا، دانشگاه صنعتی مالک اشتر

2 دانشیار، مجتمع دانشگاهی هوافضا، دانشگاه صنعتی مالک اشتر

3 استادیار، مجتمع دانشگاهی هوافضا، دانشگاه صنعتی مالک اشتر

4 دکتری، مجتمع دانشگاهی هوافضا، دانشگاه صنعتی مالک اشتر

چکیده

در این مقاله فرآیند طراحی و ساخت یک سیستم پهپاد(پلتفرم) آزمایشگاهی نوین سه محرکه با رانشگرهای گاز سرد و همچنین مدل‌سازی و تخمین پارامترهای مدل آن ارائه شده ‌است. این پهپاد(پلتفرم) آزمایشگاهی برای پیاده‌سازی و انجام آزمون‌های الگوریتم‌های کنترل وضعیت یک طبقه فوقانی ماهواره‌بر طراحی و ساخته شده ‌است، به اینگونه که سه رانشگر با اختلاف زاویه 120 درجه و برای کنترل زوایای غلت و فراز در نظر گرفته شده‌اند. با توجه به ساختار پلتفرم طراحی شده، برای مدل‌سازی سیستم مذکور یک مدل خطی سه ورودی-دو خروجی در نظر گرفته شده که تمامی ارتباطات بین ورودی-خروجی‌ها مدل خطی مرتبه دوم است. پارامترهای مدل، براساس جمع‌آوری داده‌های آزمایشگاهی و استفاده از الگوریتم ژنتیک، استخراج شده‌اند. نتایج حاصل از شبیه‌سازی مبتنی‌ بر مدل استخراج شده و مقایسه با نتایج تست‌های عملی بیانگر آن است که مدل‌سازی و تخمین مناسبی از سیستم ارائه شده ‌است. نتایج نشان می‌دهد که برای مدل‌سازی و تخمین حول محور غلت 16 درصد و حول محور فراز 19 درصد از مقدار واقعی خطا وجود دارد، بنابراین تخمین حول محور غلت بهتر بوده ‌است

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Design, construction, modeling and estimation of the second stage linear model of laboratory drone with cold gas thrusters based on genetic algorithm

نویسندگان [English]

  • Seyyed Ali Saadatdar Arani 1
  • Mehran Nosrstollahi 2
  • Alireza Ahangarani Farahani 3
  • Meysam Delalat 4
1 PhD Candidate, Faculty of Aerospace, Malek Ashtar University of Technology
2 Associate Professor, Faculty of Aerospace, Malek Ashtar University of Technology
3 Assistant Professor, Faculty of Aerospace, Malek Ashtar University of Technology
4 PhD, Faculty of Aerospace, Malek Ashtar University of Technology
چکیده [English]

In this paper, the process of designing and construction of three-drive laboratory Drone system with cold gas thrusters as well as modeling and estimation of its model parameters are presented. These three thrusters are designed with an angle difference of 120 degrees to control the pitch and roll angles. According to the structure of the designed platform, a three-inputs-two-outputs linear model is considered for modeling the mentioned system, and all connections between inputs and outputs are second-order linear models. The parameters of the model have been extracted based on the collection of laboratory data and the use of genetic algorithm. The results obtained from the simulation based on the extracted model and the comparison with the results of the practical tests indicate that a suitable modeling and estimation of the system has been provided. The results show that there is 16% error for modeling and estimation around the roll axis and 19% around the vertical axis, so the estimation around the roll axis is better.

کلیدواژه‌ها [English]

  • Modeling
  • Drone design
  • Parameters estimation
  • Linear least squares error algorithm
  • Optimization algorithm
[1] Z. Zuo , C. Liu, Q.L. Han, and J. Song. "Unmanned aerial vehicles: Control methods and future challenges." IEEE/CAA Journal of Automatica Sinica 9, no. 4 (2022): 601-614.
[2] M. Wilde, C. Clark, and M. Romano. "Historical survey of kinematic and dynamic spacecraft simulators for laboratory experimentation of on-orbit proximity maneuvers." Progress in Aerospace Sciences 110 (2019): 100552.
[3] M. Fatehi, M. Nosratollahi, A. Adami, and M. Reza Arghand. "Multidisciplinary Design of Space Blowdown Cold Gas Propulsion System without Pressure Regulator by Genetic Algorithms." Cumhuriyet Üniversitesi Fen Edebiyat Fakültesi Fen Bilimleri Dergisi 36, no. 3 (2015): 2363-2370.
[4] M. Taghinezhad, and S. Seyedzamani. "Modeling and System Identification of a reaction wheel with experimental data." Modares Mechanical Engineering 17, no. 11 (2018): 437-446. (In persian)
[5] M. Fatehi, M. Nosratollahi, A. Adami, and S.M.H Taherzadeh. "Designing space cold gas propulsion system using three methods: genetic algorithms, simulated annealing and particle swarm." International Journal of Computer Applications 118, no. 22 (2015).
[6] A. Barari, R. Dion, I. Jeffrey, and P. Ferguson. "Testing satellite control systems with drones." IEEE Potentials 41, no. 1 (2021): 6-13.
[7] N.N. Ab Rahman, N. Naajihah, and N.M. Yahya. "System identification for a mathematical model of DC motor system." In 2022 IEEE International Conference on Automatic Control and Intelligent Systems (I2CACIS), pp. 30-35. IEEE, 2022.
[8] G. Akgün, M. Hebaish, and D. Gohringer. "System identification using LMS, RLS, EKF and neural network." In 2019 IEEE International Conference on Vehicular Electronics and Safety (ICVES), pp. 1-6. IEEE, 2019.
[9] A. Marakhimov, and K. Khudaybergenov. "A fuzzy MLP approach for nonlinear system identification." Journal of Mathematical Sciences 265, no. 1 (2022): 43-51.
[10] M. Ryu, L. Cho, and J. Cho. "Aerodynamic Analysis of the Ducted Fan for a VTOL UAV in Crosswinds." Transactions of the Japan Society for Aeronautical and Space Sciences 59, no. 2 (2016): 47-55.
[11] Z. Zhang, T. Ma, S. Hao, Z. Wang, and Yi. Liu. "Design of a distributed propulsion vtol uav." In 2019 IEEE International Conference on Unmanned Systems (ICUS), pp. 84-89. IEEE, 2019.
[12] H. Arefkhani, S.H. Sadati, and M. Shahravi. "Nonlinear Dynamic Inversion Controller Design for a Satellite, Considering the Dynamics of Magnetorquers." Modares Mechanical Engineering 19, no. 8 (2019): 1875-1887.
[13] M. Idrissi, F. Annaz, and M. Salami. "Mathematical & physical modelling of a quadrotor UAV." In 2021 7th International Conference on Control, Automation and Robotics (ICCAR), pp. 206-212. IEEE, 2021.
[14] D.W. Yoo, H.D. Oh, D.Y. Won, and M.J. Tahk. "Dynamic modeling and control system design for Tri-Rotor UAV." In 2010 3rd International Symposium on Systems and Control in Aeronautics and Astronautics, pp. 762-767. IEEE, 2010.
[15] Z. Zibo, and F. Naghdy. "Application of genetic algorithms to system identification." In Proceedings of 1995 IEEE International Conference on Evolutionary Computation, vol. 2, pp. 777-782. IEEE, 1995.
[16] M.B.H. Ahmed, N. Majdoub, T. Ladhari, and F. M'Sahli. "Three Tank System Identification Based on Genetic Algorithm." In 2020 17th International Multi-Conference on Systems, Signals & Devices (SSD), pp. 979-984. IEEE, 2020.
[17] A. Ahangarani Farahani, and A. Dideban. "Hybrid time delay Petri Nets as a mathematical novel tool to model dynamic system with current sample time." Control and Optimization in Applied Mathematics 3, no. 1 (2018): 45-64.
[18] S. Sathya, K.N. Karthick, H. Gudimindla, A. Kulkarni, M. Deivakani, A. Mohammed, and M. Siva Ramkumar. "Design and implementation of advanced controller for aircraft control." In 2022 International Conference on Inventive Computation Technologies (ICICT), pp. 805-811. IEEE, 2022.