طراحی و مقایسه دو پیکربندی پرنده شبیه‌ساز سامانه فضایی با عملگرهای گاز سرد

نوع مقاله : گرایش دینامیک، ارتعاشات و کنترل

نویسندگان

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

2 نویسنده مسئول: دانشیار، مجتمع دانشگاهی هوافضا، دانشگاه صنعتی مالک اشتر، تهران، ایران

3 استادیار، مجتمع دانشگاهی هوافضا، دانشگاه صنعتی مالک اشتر، تهران، ایران

چکیده

در طراحی سیستم‌های هوافضایی برخی از الزامات همچون کارایی، وزن و هزینه بسیار حائز اهمیت است. در این مقاله‏‌، دو پلتفرم پرنده شبیه‌ساز سامانه فضایی با عملگرهای گاز سرد برای استفاده در سیستم مانور فضایی در نرم‌افزار SolidWorks به‌منظور تست‌های آزمایشگاهی طراحی و پیکربندی‌شده است. در طرح اول، از سه پیشران گاز سرد استفاده‌شده که در انتهای سه بازو نصب‌شده‌اند و هر یک از بازوها با اختلاف زاویه 120 درجه قرار دارند. نمونه طراحی‌شده دوم دارای چهار پیشران بوده که اختلاف زاویه بین بازوهای محل نصب نازل‌ها 90 درجه است. در ادامه برای بررسی و تحلیل دو سیستم بعد از استخراج مدل دینامیکی، برای کنترل وضعیت آن‌ها کنترل‌کننده PD استفاده‌شده است. در اینجا ضرایب مطلوب کنترل‌کننده با استفاده از روش بهینه‌سازی الگوریتم ژنتیک استخراج گردیده‌اند. نتایج شبیه‌سازی و تحلیل داده‌ها بیانگر این است که در دقت و مصرف انرژی، پرنده با چهار پیشران گاز سرد عملکرد بهتری را نشان می‌دهد درحالی‌که در وزن و هزینه، پرنده با سه پیشران گاز سرد نتیجه بهتری دارد. با توجه به مقایسه و تحلیل صورت گرفته در این مقاله، کاربر و طراح می‌تواند انتخاب مناسب را برای عملیات موردنظر داشته باشد.

تازه های تحقیق

  • طراحی و تحلیل دو طرح شبیه‌ساز سامانه فضایی با چهار و سه پیشران گاز سرد.
  • استخراج مدل دینامیکی و طراحی کنترل وضعیت برای هر یک از نمونه‌ها با استفاده از کنترل‌کننده PD
  • مقایسه دو طرح با معیارهای وزن، هزینه، دقت و تلاش کنترلی.

کلیدواژه‌ها


عنوان مقاله [English]

Designing and Comparing Two Configurations of Space System Flying Simulator with Cold Gas Thrusters

نویسندگان [English]

  • Seyedali Saadatdar Arani 1
  • Mehran Nosratollahi 2
  • Amirhossein Adami Dehkordi 3
  • Alireza Ahangarani Farahani 3
1 Ph.D. Student, Faculty of Aerospace Engineering, Malek-e-Ashtar University of Technology, Tehran, Iran
2 Corresponding auhtor: Associate Professor, Faculty of Aerospace Engineering, Malek-e-Ashtar University of Technology, Tehran, Iran
3 Assistant Professor, Faculty of Aerospace Engineering, Malek-e-Ashtar University of Technology, Tehran, Iran
چکیده [English]

In the design of aerospace systems, certain requirements such as efficiency, weight, and cost are highly significant. This article presents the design and configuration of two flying platforms for simulation of space systems, using cold gas thrusters for in-space maneuvering, in SolidWorks software. In the first drone, three cold gas thrusters are mounted at the end of three arms, each installed with a 120-degree angle difference. The second platform design features four thrusters, and the angle difference between the arms where the nozzles are installed is 90 degrees. After extracting the dynamic model and analyzing the two systems, a PD controller with optimal coefficients was designed and simulated using the genetic algorithm optimization method to control their status. The simulation and data analysis results reveal that the platform with four cold gas thrusters performs better in accuracy and control effort, while the other with three thrusters performs better in weight and cost. By comparing and analyzing the results, the user and designer can make the appropriate choice for the intended operation.

کلیدواژه‌ها [English]

  • Spacecraft simulator
  • Space maneuver
  • Cold gas thrusters
  • Attitude control
  • PD controller
[1] Du C, Zhu ZH, Kang J. Attitude control and stability analysis of electric sail. in IEEE Transactions on Aerospace and Electronic Systems. 2022: 58)6(: 5560-5570. DOI :10.1109/TAES.2022.3175166.
[2] Gavrilina E, Veltishev V, Kropotov A. Attitude control system of a highly maneuverable hybrid ROV for ship-hull inspection. OCEANS 2021: San Diego – Porto, San Diego, CA, USA. 2021; 1-6. DOI :10.23919/OCEANS44145.2021.9705753.
[3] Naronglerdrit P, Parnichkun M. Attitude control of a satellite based on sliding mode control. 22nd International Conference on Control, Automation and Systems (ICCAS), Jeju, Korea, Republic of. 2022; 666-671. DOI :10.23919/ICCAS55662.2022.10003674.
[4] Mirshams M, Taei H, Ghobadi M, Haghi H. Spacecraft attitude dynamics simulator actuated by cold gas propulsion system. Proceedings of the Institution of Mechanical Engineers, Part G: Journal of Aerospace Engineering. 2015; 229(8):1510-1530. DOI :10.1177/0954410014555167.
[5] Martínez JM, Lafleur T. On the selection of propellants for cold/warm gas propulsion systems. Acta Astronautica. 2023; 212: 54-69. DOI :10.1016/j.actaastro.2023.07.031.
[6] Fatehi M, Nosratollahi M, Adami A, Arghand MR. Multidisciplinary design of space blowdown cold gas propulsion system without pressure regulator by genetic algorithms. Cumhuriyet Üniversitesi Fen Edebiyat Fakültesi Fen Bilimleri Dergisi. 2015; 36(3): 2363-2370.
[7] Wang Y, Long J, Wang T, Wang X, Liu X, Wang B. Identification modeling of micro thrust cold gas propulsion system. 41st Chinese Control Conference (CCC), Hefei, China. 2022; 1480-1485, DOI :10.23919/CCC55666.2022.9902465.
 [8] Zhang X, Ling KV, Lu Z, Zhang X, Liao W, Lim WS. Piece-wise affine MPC-based attitude control for a CubeSat during orbital manoeuvre. Aerospace Science and Technology. 2021; 118.  DOI :10.1016/j.ast.2021.106997.
[9]  Lavezzi G, Stang NJ, Ciarcià M. START: A satellite Three axis rotation testbed. Micromachines (Basel). 2022; 13(2): 1-15. DOI :10.3390/mi13020165.
[10] Gillham M, Howells G. Attitude control of small probes for de-orbit, descent and surface impact on airless bodies using a single PWM thruster. 6th International Conference on Space Mission Challenges for Information Technology (SMC-IT), Madrid, Spain. 2017; 50-55. DOI :10.1109/SMC-IT.2017.16.
[11] Barari A, Dion R, Jeffrey I, Ferguson P. Testing satellite control systems with drones. in IEEE Potentials. 2022; 41(1): 6-13. DOI :10.1109/MPOT.2021.3115728.
[12] Zhu C, Song Y. Backstepping Sliding mode control for quadrotor UAV based on adaptive observer. IEEE 13th International Conference on Electronics Information and Emergency Communication (ICEIEC), China. 2023; 207-212. DOI :10.1109/ICEIEC58029.2023.10200625.
[13] Adıgüzel F. A Lyapunov-based nonlinear discrete-time controller design for attitude tracking control of quadrotor unmanned aerial vehicles. 10th International Conference on Recent Advances in Air and Space Technologies (RAST), Istanbul, Turkiye. 2023; 1-5. DOI :10.1109/RAST57548.2023.10197929.
[14] Moghadaszadeh Bazaz S, Bohlouri V, Jalali Naini SH. Attitude control of rigid satellite with pulse-width pulse-frequency modulation using observer-based modified PID controller. Modares Mechanical Engineering. 2016; 16(8): 139-148. DOR :20.1001.1.10275940.1395.16.8.4.1.
[15] Finnset R, Rao S, Antonsen J. Real time hardware-in-loop simulation of ESMO satellite attitude control system. Modeling, Identification and Control. 2006; 27(2). DOI :10.4173/mic.2006.2.4.
[16] Citraro E, Dély A, Merlini A, Andriulli FP. On a constrained pseudoinverse for the electromagnetic inverse source problem. IEEE International Symposium on Antennas and Propagation and USNC-URSI Radio Science Meeting (AP-S/URSI), Denver, CO, USA. 2022; 1942-1943. DOI :10.1109/AP-S/USNC-URSI47032.2022.9886331.
[17] Lv Z, Ning D, Liu P, Liao P. PD control with gravity compensation for 3-RPS parallel manipulator. IEEE 12th Data Driven Control and Learning Systems Conference (DDCLS), Xiangtan, China. 2023; 1744-1749. DOI :10.1109/DDCLS58216.2023.10167077.
[18] Chen X, Wang L, Liu Y, Wu Q. Bang-bang funnel control of three-phase full-bridge inverter under dual-buck scheme. in IEEE Transactions on Industrial Electronics. 2023; 70(6): 5399-5409. DOI :10.1109/TIE.2022.3198247.
[19] Hayakawa S, Nakagawa T, Oya H, Hoshi Y. Synthesis of adaptive gain robust controllers for Polytopic uncertain systems with multiple unknown dead-zone inputs. IECON 2022– 48th Annual Conference of the IEEE Industrial Electronics Society, Brussels, Belgium. 2022; 1-6. DOI :10.1109/IECON49645.2022.9969011.
[20] Shabara MA, Abdelkhalik O. Bang-bang control of spherical variable-shape buoy wave energy converters. 2022 American Control Conference (ACC), Atlanta, GA, USA. 2022; 3094-3099. DOI :10.23919/ACC53348.2022.9867800.
[21] Furumoto T, Fujiwara M, Makino Y, Shinoda H. Bang-bang control with constant thrust of a spherical blimp propelled by ultrasound beam. International Conference on Robotics and Automation (ICRA), Philadelphia, USA. 2022; 4051-4057. DOI :10.1109/ICRA46639.2022.9812012.
[22] Mushar K, Hote YV, Pillai GN. New mixed model order reduction approach for linear system. IEEE International Conference on Signal Processing, Informatics, Communication and Energy Systems (SPICES), India. 2022; 343-348. DOI :10.1109/SPICES52834.2022.9774083.
[23] Vijayan P. Energy consumption prediction in low energy buildings using machine learning and artificial intelligence for energy efficiency. 8th International Youth Conference on Energy (IYCE), Hungary. 2022; 1-6. DOI :10.1109/IYCE54153.2022.9857548.
 
دوره 20، شماره 2 - شماره پیاپی 76
شماره پیاپی 76، فصلنامه تابستان
تیر 1403
صفحه 55-67
  • تاریخ دریافت: 24 دی 1402
  • تاریخ بازنگری: 14 اسفند 1402
  • تاریخ پذیرش: 27 اسفند 1402
  • تاریخ انتشار: 01 تیر 1403