طراحی مسیر بهینه مقاوم یک ماهواره بر با روش بهینه سازی ازدحام ذرات
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 258
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JCME-41-1_009
تاریخ نمایه سازی: 12 آبان 1401
چکیده مقاله:
در این مقاله، یک روش بهینه سازی مقاوم برای حل مسئله طراحی مسیر ماهواره بر در حضور عدم قطعیت ها با استفاده از الگوریتم قدرتمند بهینه سازی ازدحام ذرات (PSO) توسعه داده شده است. با توجه به وجود عدم قطعیت هایی چون نامعینی در مقادیر واقعی ضرایب آیرودینامیکی، نیروی تراست موتور و جرم در مرحله صعود یک ماهواره بر، دستیابی به مسیر بهینه ای که نسبت به این عدم قطعیت ها مقاوم باشد حائز اهمیت است، چراکه منجر به بهبود عملکرد پروازی، کاهش بار کاری سیستم هدایت-کنترل و افزایش قابلیت اطمینان ماهواره بر می شود. لذا برای این منظور، ابتدا مسئله بهینه سازی با بکارگیری معیار حداکثرسازی جرم محموله به عنوان تابع هزینه و معادلات حرکت سه بعدی به عنوان قیود حاکم بر مسئله درنظر گرفته شده است. سپس با اضافه کردن پارامترهای میانگین و انحراف استاندارد عدم قطعیت ها، مدل بهینه ساز مقاوم توسعه یافته و از الگوریتم مذکور جهت بهینه سازی عددی مدل مزبور استفاده شده است. همچنین به منظور تحلیل نتایج عدم قطعیت ها و بازخورد مستمر آن به مدل بهینه ساز، از دیدگاه مونت کارلو استفاده شده است. در نهایت مسیر بهینه ای به دست آمده که نسبت به عدم قطعیت های مزبور، مقاوم است. نتایج شبیه سازی حاصله، صحت این ادعا را نشان می دهد
کلیدواژه ها:
Robust optimization ، Trajectory design ، Uncertainty ، Particle swarm optimization algorithm ، Satellite launch vehicle. ، بهینه سازی مقاوم ، طراحی مسیر ، عدم قطعیت ، الگوریتم بهینه سازی ازدحام ذرات ، ماهواره بر
نویسندگان
رضا زردشتی
Faculty of Aerospace, Malek Ashtar University of Technology, Iran
سیدعلی سعادتدار آرانی
Faculty of Aerospace, Malek Ashtar University of Technology, Iran
سیدمجید حسینی
Faculty of Aerospace, Malek Ashtar University of Technology, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :