در این پایان نامه، کنترل وضعیت ماهواره در مدار زمین و با ارتفاع کم (leo) با استفاده از روش ترکیبی شبکه های عصبی مصنوعی و الگوریتم ژنتیک مورد مطالعه قرار گرفته است. عملگر استفاده شده برای کنترل وضعیت، چرخ های عکس العملی هستند. دینامیک ماهواره به صورت غیر خطی مدل و یک کنترلر تناسبی-مشتق گیر (pd) غیر خطی برای آن طراحی شده و از داده های آن برای آموزش اولی? شبکه عصبی استفاده شده است. cmac (کنترلر مدل مخچه ای) یکی از انواع شبکه های عصبی است که با گذشت بیش از دو دهه از توسع? تئوری آن، کاربرد آن در کنترل روبات های چند درجه آزادی نسبتا متداول است. در این تحقیق پس از بررسی و شرح تفصیلی این شبکه عصبی، برای اولین بار از cmac، برای کنترل وضعیت ماهواره استفاده شده است. پس از آموزش آفلاین شبکه عصبی cmac و قرار گرفتن آن به عنوان کنترلر، وزن های آن به صورت آنلاین به روز شده اند. در شبیه سازی ها از پارامترهای یک ماهواره واقعی استفاده شده است. نتایج شبیه سازی ها نشان می دهد که عملکرد cmac در کنترل وضعیت ماهواره از کنترلر های pd، lqr و مود لغزشی بهتر است و ماهواره در زمان کمتر و با تولید گشتاور کوچکتر به وضعیت مطلوب می رسد. همچنین نتایج به دست آمده با داده های واقعیِ گزارش شده از ماهواره مذکور نیز مقایسه شده است.