بهینه‌سازی انرژی در مود ضدآشفتگی ماهواره‌های مکعبی مبتنی بر الگوریتم ژنتیک

مقالات آماده انتشار

نوع مقاله : گرایش دینامیک، ارتعاشات و کنترل

نویسندگان

1 نویسنده مسئول: استادیار، گروه فضایی، مجتمع دانشگاهی هوافضا دانشگاه صنعتی مالک اشتر، تهران، ایران

2 کارشناسی ارشد، گروه فضایی، مجتمع دانشگاهی هوافضا دانشگاه صنعتی مالک اشتر، تهران، ایران

3 دانشیار، گروه فضایی، مجتمع دانشگاهی هوافضا دانشگاه صنعتی مالک اشتر، تهران، ایران

4 استادیار، گروه فضایی، مجتمع دانشگاهی هوافضا دانشگاه صنعتی مالک اشتر، تهران، ایران

چکیده

یکی از چالش‌های بزرگ در ماهواره‌های مکعبی با ابعاد سه واحد و کوچک‌تر بهینه‌سازی مصرف انرژی الکتریکی است. پیاده‌سازی سناریوی مناسب برای این ماهواره‌ها با توجه به محدودیت تولید و ذخیره انرژی می‌تواند بسیار حائز اهمیت باشد. این مسئله با بهینه کردن زمان اجرای مودهای اصلی برای انجام مأموریت دست‌یافتنی است. در این مقاله هدف حداقل کردن مدت‌زمان اجرای مود ضدآشفتگی که به علت زمان طولانی آن مهم‌ترین نقش را در مصرف انرژی دارد- است. اگر مدت‌زمان کاهش یابد درنتیجه المان‌ها زمان کمتری روشن بوده و کاهش انرژی انجام خواهد شد. این هدف در سه گام اجرا خواهد شد: در گام اول به ازای شرایط سرعت زاویه‌ای متفاوت مود ضدآشفتگی اجرا و داده‌های آن جمع‌آوری خواهد شد. در گام دوم با استفاده از بانک داده‌های جمع‌آوری‌شده و با ابزار الگوریتم بهینه‌سازی ژنتیک، بهترین تابع بر بانک داده‌ها برازش خواهد شد. درنهایت در گام سوم این تابع اجراشده و نتایج بررسی و تحلیل خواهد شد؛ بنابراین، با استفاده از ابزار بهینه‌سازی الگوریتم ژنتیک تابعی برای مدت‌زمان اجرای مود عملیاتی ضدآشفتگی ارائه می‌شود. با تخمین مدت‌زمان اجرای مود ضدآشفتگی با توجه به سرعت زاویه‌ای ماهواره، تخمین مناسبی از کل مدت‌زمان اجرای سناریوی مأموریت ماهواره در دسترس بوده و باهدف کمینه شدن انرژی می‌توان در زمان مناسب اقدام به اجرای مأموریت کرد (اجرای مود ضدآشفتگی و سپس مود نشانه‌روی). نتایج شبیه‌سازی نشان می‌دهد که علاوه بر کاهش زمان اجرای مود ضدآشفتگی، در سرعت‌های پایین کاهش مصرف توان بسیار بالا و بیش از 95 درصد است و در سرعت‌های بالا حدود 30 درصد است. درنتیجه صحه‌گذاری روش بیان‌شده بر اساس شبیه‌سازی‌های انجام‌شده تأییدشده است.

تازه های تحقیق

  • طراحی تابع بهینه اجرای مود ضدآشفتگی در ماهواره
  • استخراج تابع بر اساس الگوریتم بهینه‌سازی ژنتیک
  • مقایسه بین روش پیشنهادی و روش‌های متداول

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Energy Optimization in Detumbling Mode of Cubesat Based on Genetic Algorithm

نویسندگان [English]

  • Alireza Ahangarani Farahani 1
  • Saeid Ghasemi Estahbanati 2
  • Reza Esmaelzadeh Aval 3
  • Hamed Arefkhani 4
1 Corresponding author: Assistant Professor, Faculty of Aerospace Engineering, Malek-e-Ashtar University of Technology, Tehran, Iran
2 M.Sc. Student, Faculty of Aerospace Engineering, Malek-e-Ashtar University of Technology, Tehran, Iran
3 Associate Professor, Faculty of Aerospace Engineering, Malek-e-Ashtar University of Technology, Tehran, Iran
4 Assistant Professor, Faculty of Aerospace Engineering, Malek-e-Ashtar University of Technology, Tehran, Iran
چکیده [English]

One of the challenges in cubesat with the dimensions of three units and smaller is the optimization of electrical energy consumption. This can be achieved by optimizing the execution time of the main mods to complete the mission. In this article, using the genetic algorithm optimization tool, an optimal function for the duration of the detumbling operational mode - which plays the most important role in energy consumption due to its long duration - is presented, according to which the energy consumption will be minimized for the mission. By estimating the duration of the detumbling mode according to the initial speed of the satellite, a suitable estimate of the total duration of the satellite mission scenario is available, and with the aim of minimizing the energy, the mission can be executed at the right time (running the anti-jamming mode and then the targeting mode). This method will be implemented in three steps: in the first step, according to different initial angular velocity conditions, the detumbling mode will be implemented and its time data will be collected. In the second step, using the available data bank and genetic optimization algorithm, the best function will be fitted to the data bank. Finally, in the third step, this function will be executed and the results will be checked and analyzed.

کلیدواژه‌ها [English]

  • Microsatellite
  • Optimizing electrical power
  • Genetic algorithm
  • Detumbling mode
  • Satellite status control


Smiley face

مراجع

[1] Wang Z, Yuan Y, Fu Y, Li J, Yang R, Wang H. Design of power supply and distribution system for high power KaSAR satellite. In2022 3rd China International SAR Symposium (CISS) 2022 (pp. 1-5). IEEE. DOI: https://doi.org/10.1109/CISS57580.2022.9971162.
[2] Karahan M, İyier OC, Gündoğdu ÜM, Yildirim D, Arslan C, Kazak E. Electrical power subsystem of İMECE satellite. In2023 10th International Conference on Recent Advances in Air and Space Technologies (RAST) 2023 (pp. 1-6). IEEE. DOI: https://doi.org/10.1109/RAST57548.2023.10197980.
[3] Acero IF, Diaz J, Hurtado-Velasco R, Bautista SR, Rincón S, Hernández FL, Rodriguez-Ferreira J, Gonzalez-Llorente J. A method for validating cubesat satellite EPS through power budget analysis aligned with mission requirements. IEEE Access. 2023;11:43316-32. DOI: https://doi.org/10.1109/ACCESS.2023.3271596.
[4] Abushawish S, Lifiya A, Khan H, Eshaq M, Gadhafi R, Gawanmeh A, Mukhtar H, Mansoor W. A Low cost, efficient electrical power system design for cubesat. In2023 10th International Conference on Recent Advances in Air and Space Technologies (RAST) 2023 Jun 7 (pp. 1-6). IEEE. DOI:  https://doi.org/10.1109/RAST57548.2023.10197932.
[5] Patton J, Abedi A. Electrical Power System design and test for maine's first cubesat (MESAT1). In2020 IEEE MIT Undergraduate Research Technology Conference (URTC) 2020 (pp. 1-4). IEEE. DOI: https://doi.org/10.1109/URTC51696.2020.9668897.
[6] Melaku SD, Kim HD. Optimization of multi-mission CubeSat constellations with a multi-objective genetic algorithm. Remote Sensing. 2023;15(6):1572. DOI: https://doi.org/10.3390/rs15061572.
[7] Poghosyan A, Golkar A. CubeSat evolution: Analyzing CubeSat capabilities for conducting science missions. Progress in Aerospace Sciences. 2017;88:59-83. DOI: https://doi.org/10.1016/j.paerosci.2016.11.002.
[8] Rigo CA, Seman LO, Camponogara E, Morsch Filho E, Bezerra EA. Task scheduling for optimal power management and quality-of-service assurance in CubeSats. Acta Astronautica. 2021;179:550-60. DOI: https://doi.org/10.1016/j.actaastro.2020.11.016.
[9] He L, Liu XL, Chen YW, Xing LN, Liu K. Hierarchical scheduling for real-time agile satellite task scheduling in a dynamic environment. Advances in Space Research. 2019;63(2):897-912. DOI: https://doi.org/10.1016/j.asr.2018.10.007.
[10] Slongo LK, Martínez SV, Eiterer BV, Pereira TG, Bezerra EA, Paiva KV. Energy-driven scheduling algorithm for nanosatellite energy harvesting maximization. Acta Astronautica. 2018;147:141-51. DOI: https://doi.org/10.1016/j.actaastro.2018.03.052.
[11] Seman LO, Rigo CA, Camponogara E, Munari P, Bezerra EA. Improving energy aware nanosatellite task scheduling by a branch-cut-and-price algorithm. Computers & Operations Research. 2023 Oct 1;158:106292. DOI: https://doi.org/10.1016/j.cor.2023.106292.
[12] Molina FX, Baccelli E, Zandberg K, Donsez D, Alphand O. Cubedate: Securing Software Updates in Orbit for Low-Power Payloads Hosted on CubeSats. In2023 12th IFIP/IEEE International Conference on Performance Evaluation and Modeling in Wired and Wireless Networks (PEMWN) 2023 (pp. 1-6). IEEE. DOI: https://doi.org/10.23919/PEMWN58813.2023.10304910.
[13] Paiva D, Lima R, Carvalho M, Mattiello-Francisco F, Madeira H. Enhanced software development process for CubeSats to cope with space radiation faults. In2022 IEEE 27th Pacific Rim International Symposium on Dependable Computing (PRDC) 2022 (pp. 78-88). IEEE. DOI: https://doi.org/10.1109/PRDC55274.2022.0002.
[14] Naseh H, Jamali Amleshi F, Mahmoodi A, Mohammadi Bdizi N, Bakhtiari MR. Multi-objective optimization of satellite power supply subsystem based on mass and power production. Aerospace Knowledge and Technology Journal. 2024;12(2):231-44.
[15] Zipfel PH. Modeling and simulation of aerospace vehicle dynamics. AIAA; 2000.
[16] Wei D, Zheng D, Yang L, Cai R. Low earth orbit satellite admission control scheme based on deep Q-learning. In2023 3rd International Conference on Neural Networks, Information and Communication Engineering (NNICE) 2023 (pp. 89-92). IEEE. DOI: https://doi.org/10.1109/NNICE58320.2023.10105799.
[17] Zhao Z, Li G, Lu D. Research on modeling method of dynamic satellite communication network based on time cumulative Graph Model. InEEI 2022; 4th International Conference on Electronic Engineering and Informatics 2022: 1-5.
[18] Wang Y, Wang Y, Shen Y. Satellite Dynamic Channel Prediction Based on LSTM Network. In2023 IEEE 7th Information Technology and Mechatronics Engineering Conference (ITOEC) 2023 Sep 15 (Vol. 7, pp. 150-155). IEEE. DOI: https://doi.org/10.1109/ITOEC57671.2023.10291710.
[19] Regan FJ. Dynamics of atmospheric re-entry. Aiaa; 1993.
[20] Wang H, Dai H, Yue X, Amir K. Prescribed performance based adaptive model-free control for highly flexible spacecraft detumbling rotating satellites. Advances in Space Research. 2024;74(5):2288-301. DOI: https://doi.org/10.1016/j.asr.2024.05.076.
[21] Lee D, Kim BJ. Different environmental conditions in genetic algorithm. Physica A: Statistical Mechanics and its Applications. 2022;602:127604. DOI: https://doi.org/10.1016/j.physa.2022.127604.
[22] Jaramillo JH, Bhadury J, Batta R. On the use of genetic algorithms to solve location problems. Computers & Operations Research. 2002;29(6):761-79. DOI: https://doi.org/10.1016/S0305-0548(01)00021-1.
مکانیک هوافضا

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 26 مهر 1403

فایل ها

سابقه مقاله

  • تاریخ دریافت: 03 شهریور 1403
  • تاریخ بازنگری: 06 مهر 1403
  • تاریخ پذیرش: 26 مهر 1403
  • تاریخ انتشار: 26 مهر 1403

هم رسانی

ارجاع به این مقاله

آمار