نام پژوهشگر: بهنام بانکیان تبریزی

کنترل موشک کروز stt به روش دینامیک معکوس با استفاده از الگوریتم ژنتیک و شبکه عصبی روی خط به همراه کنترل لایه مرزی مجازی- تطبیقی pch
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده مهندسی برق 1392
  بهنام بانکیان تبریزی   سید کمال حسینی ثانی

موشک های کروز، پرنده های بدون سرنشین هدایت شونده ای هستند که با توجه به عملکرد بسیار مناسب آن ها در ارتفاع کم، از جمله تجهیزات استراتژیک موثر در سرنوشت یک جنگ به شمار می روند. این موشک در حین پرواز قادر به تغییر ارتفاع و مسیر بوده و می تواند این عمل را، چندین دفعه تکرار نماید. سیستم کنترلی موجود در موشک کروز وظیفه ی دنباله روی صحیح مسیر، که توسط دستور هدایتی اتخاذ شده است را بر عهده دارد. از طرفی برای کنترل این دسته از موشک ها بایستی با در اختیار داشتن معادلات دینامیکی سیستم شش درجه آزادی، موشک را در برابر اغتشاشات، نامعینی در دینامیک های مدل نشده سیستم و عدم قطعیت در ضرایب آئرودینامیکی موشک، مقاوم نمود. روش های کنترل غیرخطی غالباً بر پایه خطی سازی معادلات حرکت با استفاده از خطی سازی فیدبکی بناشده اند. روش دینامیک معکوس از جمله روش های غیرخطی بر پایه خطی سازی فیدبکی است که عملکرد صحیح آن نیازمند مجموعه آزمایشات گسترده بر روی موشک جهت تضمین قطعیت مدل دینامیکی سیستم، است. در عمل کنترلگر دینامیک معکوس، با توجه مدل دینامیکی موشک از حیث قطعیت و مقاومت در برابر اعمال اغتشاش، قابل اعتماد نیست. جهت مقاوم نمودن سیستم در برابر عدم قطعیت های موجود، شبکه های عصبی روی خط حاصل از نظریه پایداری لیاپانوف، یکی از کارامدترین ابزار کمکی جهت کنترل موشک است. در این رساله به منظور طراحی سیستم کنترل موشک کروز، ابتدا با بکارگیری کنترلگر غیرخطی دینامیک معکوس بر روی سیستم موشک، پیچیدگی های کوپلینگ معادلات و غیرخطی بودن شدید آن ها به صورت خطی تقریب زده شده است. این کنترلگر جهت بدست آوردن بهره فیدبک بهینه از الگوریتم بهینه یابی ژنتیک استفاده می کند تا بهترین مقدار بهره با توجه به حداقل نمودن خطای mse و کاهش حداکثر مقدار خطا در هر پالس از ورودی مطلوب حاصل گردد. سپس به کمک روش کنترل لایه مجازی pch اثر نامطلوب اشباع عملگر های سیستم به خوبی از بین رفته است. بهره فرکانس قطع فیلتر پایین گذر مدل مرجع در مدل pch، با استفاده از الگوریتم شبیه سازی حرارتی محاسبه شده است. در نهایت با بهره گیری از یک شبکه عصبی سه لایه روی خط که ماتریس های نرخ یاد گیری آن به کمک الگوریتم بهینه یابی ژنتیک محاسبه شده است، سیستم نسبت به اغتشاش ها و عدم قطعیت های دینامیکی و مدل سازی، مقاوم شده و کاهش خطای موجود در سیستم تضمین گردیده است. همچنین جهت مقایسه و ارزیابی این روش نسبت به کنترلر های مرسوم در سیستم های موشکی، با کنترلگر کلاسیک pid مورد مقایسه قرار گرفته است. نتیجه این مقایسه برتری روش ارائه شده در این رساله را تأیید می نماید.