Satellite attitude control of rigid-flexible satellite using the generalized extremal optimization with a multi-objective approach / Controle de atitude de satélites rígido-flexíveis usando a otimização extrema generalizada com abordagem multi-objetivo
AUTOR(ES)
Igor Mainenti Leal Lopes
DATA DE PUBLICAÇÃO
2008
RESUMO
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.
ASSUNTO(S)
controle de atitude evolutionary algorithm controle não linear artificial satellite sátelite artificial algoritmo evolutivo evolutionary optimization otimização evolutiva non-linear control attitude control
ACESSO AO ARTIGO
http://urlib.net/sid.inpe.br/mtc-m17@80/2008/03.05.18.29Documentos Relacionados
- Multi-objective optimization for engineering system design
- Evolutionary multi-objective algorithms for Phylogenetic Inference
- Multi-objective approach to protein tertiary structure prediction
- Multi-objective genetic algorithms applied to protein sequence alignment.
- A Multi-Objective Study of Servers beteween reliability end cost