Оптимальный расчет площади солнечной панели и отслеживание температуры для системы CubeSat с использованием управления прогнозирующими моделями
Ключевые слова:
aэрокосмические системы, CubeSat, нелинейный УПМ, мощность привода, нелинейная динамическая модель, линеаризация обратной связиАннотация
В последнее время в аэрокосмическом сообществе, включая космические агентства, предприятия и научные центры, резко возрос интерес к небольшим спутникам, таким как CubeSats, из-за их экономичной работы. Также наблюдается проблема обеспечения точности работы спутников с минимальными затратами и энергопотреблением. Для маневренности CubeSat оснащен топливным баком, в котором топливо должно поддерживаться в соответствующем температурном режиме. Одновременно должно быть максимально увеличено производство энергии, чтобы другие компоненты спутника не перегревались. В целях удовлетворения технологическим требованиям предлагается многокритериальная схема оптимального управления с использованием нелинейной динамической тепловой модели системы CubeSat. Схема управления ПИД-регулятора с компенсацией интегрального насыщения используется для оценки минимального теплового потока, необходимого для поддержания заданной эталонной температуры топливного бака, а контроллер на основе линеаризации предназначен для контроля температурного режима. Оптимизация площади солнечного элемента и управления ограничением температуры представляется как проблема управления с прогнозирующими интегрированными нелинейными моделями с использованием формы квазилинейного регулирования параметров уравнений состояния. Для оценки положительных и отрицательных сторон конструкции управления и применимости подхода приведены несколько сценариев моделирования для разных пределов мощности и случаев покрытия солнечных элементов.
Литература
1. Mehrparvar A. et al. CubeSat design specification(CDS) REV 13 // The CubeSat Project, San Luis Obispo, CA. 2014. pp. 1–42.
2. Cheney L.J. Development of safety standards for CubeSat propulsion systems // Faculty of California Polytechnic State University. 2014. 215 p.
3. Lemmer K. Propulsion for CubeSats // Acta Astronautica. 2017. vol. 134. pp. 231–243.
4. Al-Hemeary N., Jaworski M., Kindracki J., Szederkényi G. Thermal model development for a CubeSat // Hungarian Journal of Industry and Chemistry. 2019. pp. 25–32.
5. Al-Hemeary N., Szederkényi G. Fuel tank temperature control of a time-varying CubeSat model // IEEE 17th World Symposium on Applied Machine Intelligence and Informatics. 2019. pp. 339–344.
6. Isidori A. Nonlinear control systems // Springer-Verla. 1995. 549 p.
7. Cox P.B. Towards efficient identification of linear parameter-varying state-space models // PhD dissertation, Eindhoven University of Technology. 2018. 354 p.
8. Mohammadpour J., Scherer C.W. Control of linear parameter varying systems with applications // Springer Science & Business Media. 2012. 550 p.
9. Rotondo D., Nejjari F., Puig V. Quasi-LPV modeling, identification and control of a twin rotor mimo system // Control Engineering Practice. 2013. vol. 21. no. 6. pp. 829–846.
10. Atam E., Mathelin L., Cordier L. A hybrid approach for control of a class of input-affine nonlinear systems // Int. J. Innov. Comput., Inf. Control. 2014. vol. 10. no. 3. pp. 1207–1228.
11. Tu K.H., Shamma J.S. Nonlinear gain-scheduled control design using set-valued methods // Proceedings of the 1998 American Control Conference. ACC (IEEE Cat. No. 98CH36207). 1998. vol. 2. pp. 1195–1199.
12. Hoffmann C. Linear parameter-varying control of systems of high complexity // Technische Universität Hamburg-Harburg. 2016. 402 p.
13. Shin J.Y. Quasi-linear parameter varying representation of general aircraft dynamics over non-trim region // National Institute of Aerospace. 2007. 32 p.
14. Cisneros P.S.G., Voss S., Werner H. Efficient nonlinear model predictive control via quasi-lpv representation // 2016 IEEE 55th Conference on Decision and Control (CDC). 2016. pp. 3216–3221.
15. Marcos A., Balas G.J. Development of linear-parameter-varying models for aircraft // Journal of Guidance, Control, and Dynamics. 2004. vol. 27. no. 2. pp. 218–228.
16. Kouvaritakis B., Cannon M. Nonlinear predictive control: theory and practice. 2001
17. Allgöwer F., Zheng A. Nonlinear Model Predictive Control // Birkhäuser. 2000. 472 p.
18. Cisneros P.S.G., Werner H. Stabilizing model predictive control for nonlinear systems in input-output quasi-LPV form // 2019 American Control Conference (ACC). 2019. pp. 1002–1007.
19. Abbas H.S., Hanema J., Tóth R., Mohammadpour J., Meskin N. An improved robust model predictive control for linear parameter-varying input-output models // International Journal of Robust and Nonlinear Control. 2018. vol. 28(3). pp. 859–880.
20. Cisneros P.S.G., Voss S., Werner H. Efficient nonlinear model predictive control via quasi-LPV representation // 2016 IEEE 55th Conference on Decision and Control (CDC). 2016. pp. 3216–3221.
21. Abbas H.S. et al. A robust MPC for input-output LPV models // IEEE Transactions on Automatic Control. 2016. vol. 61. no. 12. pp. 4183–4188.
22. Hanema J., Tóth R., Lazar M. Stabilizing non-linear MPC using linear parametervarying representations // 2017 IEEE 56th Annual Conference on Decision and Control (CDC). 2017. pp. 3582–3587.
23. Camacho E.F., Alba C.B. Model predictive control // Springer Science & Business Media. 2013. 405 p.
24. Maciejowski J.M. Predictive control: with constraints // Pearson education. 2002. 353 p.
25. Rossiter J.A. Model-based predictive control: a practical approach // CRC press. 2017. 344 p.
26. Rawlings J.B., Mayne D.Q. Model Predictive Control: Theory and Design // Nob Hill Publishing. 2010. 544 p.
27. Bemporad A., Ricker N.L., Morari M. Model Predictive Control Toolbox User’s Guide // The MathWorks. 2019. 37 p.
28. Al-Hemeary N., Szederkényi G. Power regulation and linearization-based control design of a small satellite // 2019 12th International Conference on Developments in eSystems Engineering 2019. pp. 646–650.
29. Fortescue P., Swinerd G., Stark J. Spacecraft systems engineering // John Wiley & Sons. 2011. 724 p.
30. Różowicz S., Zawadzki A. Input-output transformation using the feedback of nonlinear electrical circuits: Algorithms and linearization examples // Mathematical Problems in Engineering. 2018. vol. 2018. 13 p.
31. Cheng D., Isidori A., Respondek W., Tarn T.J. Exact linearization of nonlinear systems with outputs // Mathematical systems theory. 1988. vol. 21(1). pp. 63–83.
32. Zheng A. Some practical issues and possible solutions for nonlinear model predictive control // Nonlinear Model Predictive Control. 2000. pp. 129–143.
33. Polcz P. Optimal solar panel area computation for a CubeSat system using an offline MPC design. GitHub repository. 2020. URL: https://github.com/ppolcz/CubeSat_optimal_sparea (дата обращения: 02.03.2020).
2. Cheney L.J. Development of safety standards for CubeSat propulsion systems // Faculty of California Polytechnic State University. 2014. 215 p.
3. Lemmer K. Propulsion for CubeSats // Acta Astronautica. 2017. vol. 134. pp. 231–243.
4. Al-Hemeary N., Jaworski M., Kindracki J., Szederkényi G. Thermal model development for a CubeSat // Hungarian Journal of Industry and Chemistry. 2019. pp. 25–32.
5. Al-Hemeary N., Szederkényi G. Fuel tank temperature control of a time-varying CubeSat model // IEEE 17th World Symposium on Applied Machine Intelligence and Informatics. 2019. pp. 339–344.
6. Isidori A. Nonlinear control systems // Springer-Verla. 1995. 549 p.
7. Cox P.B. Towards efficient identification of linear parameter-varying state-space models // PhD dissertation, Eindhoven University of Technology. 2018. 354 p.
8. Mohammadpour J., Scherer C.W. Control of linear parameter varying systems with applications // Springer Science & Business Media. 2012. 550 p.
9. Rotondo D., Nejjari F., Puig V. Quasi-LPV modeling, identification and control of a twin rotor mimo system // Control Engineering Practice. 2013. vol. 21. no. 6. pp. 829–846.
10. Atam E., Mathelin L., Cordier L. A hybrid approach for control of a class of input-affine nonlinear systems // Int. J. Innov. Comput., Inf. Control. 2014. vol. 10. no. 3. pp. 1207–1228.
11. Tu K.H., Shamma J.S. Nonlinear gain-scheduled control design using set-valued methods // Proceedings of the 1998 American Control Conference. ACC (IEEE Cat. No. 98CH36207). 1998. vol. 2. pp. 1195–1199.
12. Hoffmann C. Linear parameter-varying control of systems of high complexity // Technische Universität Hamburg-Harburg. 2016. 402 p.
13. Shin J.Y. Quasi-linear parameter varying representation of general aircraft dynamics over non-trim region // National Institute of Aerospace. 2007. 32 p.
14. Cisneros P.S.G., Voss S., Werner H. Efficient nonlinear model predictive control via quasi-lpv representation // 2016 IEEE 55th Conference on Decision and Control (CDC). 2016. pp. 3216–3221.
15. Marcos A., Balas G.J. Development of linear-parameter-varying models for aircraft // Journal of Guidance, Control, and Dynamics. 2004. vol. 27. no. 2. pp. 218–228.
16. Kouvaritakis B., Cannon M. Nonlinear predictive control: theory and practice. 2001
17. Allgöwer F., Zheng A. Nonlinear Model Predictive Control // Birkhäuser. 2000. 472 p.
18. Cisneros P.S.G., Werner H. Stabilizing model predictive control for nonlinear systems in input-output quasi-LPV form // 2019 American Control Conference (ACC). 2019. pp. 1002–1007.
19. Abbas H.S., Hanema J., Tóth R., Mohammadpour J., Meskin N. An improved robust model predictive control for linear parameter-varying input-output models // International Journal of Robust and Nonlinear Control. 2018. vol. 28(3). pp. 859–880.
20. Cisneros P.S.G., Voss S., Werner H. Efficient nonlinear model predictive control via quasi-LPV representation // 2016 IEEE 55th Conference on Decision and Control (CDC). 2016. pp. 3216–3221.
21. Abbas H.S. et al. A robust MPC for input-output LPV models // IEEE Transactions on Automatic Control. 2016. vol. 61. no. 12. pp. 4183–4188.
22. Hanema J., Tóth R., Lazar M. Stabilizing non-linear MPC using linear parametervarying representations // 2017 IEEE 56th Annual Conference on Decision and Control (CDC). 2017. pp. 3582–3587.
23. Camacho E.F., Alba C.B. Model predictive control // Springer Science & Business Media. 2013. 405 p.
24. Maciejowski J.M. Predictive control: with constraints // Pearson education. 2002. 353 p.
25. Rossiter J.A. Model-based predictive control: a practical approach // CRC press. 2017. 344 p.
26. Rawlings J.B., Mayne D.Q. Model Predictive Control: Theory and Design // Nob Hill Publishing. 2010. 544 p.
27. Bemporad A., Ricker N.L., Morari M. Model Predictive Control Toolbox User’s Guide // The MathWorks. 2019. 37 p.
28. Al-Hemeary N., Szederkényi G. Power regulation and linearization-based control design of a small satellite // 2019 12th International Conference on Developments in eSystems Engineering 2019. pp. 646–650.
29. Fortescue P., Swinerd G., Stark J. Spacecraft systems engineering // John Wiley & Sons. 2011. 724 p.
30. Różowicz S., Zawadzki A. Input-output transformation using the feedback of nonlinear electrical circuits: Algorithms and linearization examples // Mathematical Problems in Engineering. 2018. vol. 2018. 13 p.
31. Cheng D., Isidori A., Respondek W., Tarn T.J. Exact linearization of nonlinear systems with outputs // Mathematical systems theory. 1988. vol. 21(1). pp. 63–83.
32. Zheng A. Some practical issues and possible solutions for nonlinear model predictive control // Nonlinear Model Predictive Control. 2000. pp. 129–143.
33. Polcz P. Optimal solar panel area computation for a CubeSat system using an offline MPC design. GitHub repository. 2020. URL: https://github.com/ppolcz/CubeSat_optimal_sparea (дата обращения: 02.03.2020).
Опубликован
2020-06-01
Как цитировать
Аль-Хемеари, Н., Полц, П., & Седеркеньи, Г. (2020). Оптимальный расчет площади солнечной панели и отслеживание температуры для системы CubeSat с использованием управления прогнозирующими моделями. Труды СПИИРАН, 19(3), 564-593. https://doi.org/10.15622/sp.2020.19.3.4
Раздел
Робототехника, автоматизация и системы управления
Copyright (c) Навар Аль-Хемеари, Петер Полц, Габор Седеркеньи
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями: Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале. Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале. Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).