Fechar

@MastersThesis{Lopes:2008:CoAtSa,
               author = "Lopes, Igor Mainenti Leal",
                title = "Controle de atitude de sat{\'e}lites 
                         r{\'{\i}}gido-flex{\'{\i}}veis usando a otimiza{\c{c}}{\~a}o 
                         extrema generalizada com abordagem multi-objetivo",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2008",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2008-02-26",
             keywords = "engenharia e tecnologia espaciais, s{\'a}telite artificial, 
                         controle de atitude, algoritmo evolutivo, otimiza{\c{c}}{\~a}o 
                         evolutiva, controle n{\~a}o linear, artificial satellite, 
                         attitude control, evolutionary algorithm, evolutionary 
                         optimization, non-linear control.",
             abstract = "Neste trabalho, a efici{\^e}ncia do algoritmo da 
                         Otimiza{\c{c}}{\~a}o Extrema Generalizada (GEO) foi avaliada ao 
                         abordar um problema de controle {\'o}timo de atitude de um 
                         sat{\'e}lite artificial. O estudo visou determinar os ganhos de 
                         duas leis de controle: uma do tipo proporcional derivativo (PD) e 
                         uma n{\~a}o-linear. Estas foram utilizadas, em diferentes 
                         simula{\c{c}}{\~o}es, para controlar a atitude de dois modelos 
                         diferentes de sat{\'e}lites, sendo um r{\'{\i}}gido e o outro 
                         r{\'{\i}}gido-flex{\'{\i}}vel. Para otimizar os ganhos das 
                         leis de controle foram usados dois m{\'e}todos: o GEO e o 
                         Regulador Linear Quadr{\'a}tico (LQR). O GEO {\'e} um algoritmo 
                         evolutivo inspirado em um modelo simplificado de 
                         evolu{\c{c}}{\~a}o. Foi desenvolvido com o objetivo de resolver 
                         problemas complexos de otimiza{\c{c}}{\~a}o (De Sousa et al., 
                         2003). Uma vers{\~a}o multi-objetivo do GEO (M-GEO) foi empregada 
                         com o intuito de minimizar, simultaneamente, o tempo para 
                         controlar o sat{\'e}lite e o consumo de energia. A 
                         utiliza{\c{c}}{\~a}o de uma abordagem multi-objetivo permite a 
                         determina{\c{c}}{\~a}o de um conjunto de solu{\c{c}}{\~o}es de 
                         compromisso otimizadas (solu{\c{c}}{\~o}es n{\~a}o-dominadas). 
                         O conjunto das solu{\c{c}}{\~o}es n{\~a}o-dominadas no 
                         espa{\c{c}}o de projeto e no espa{\c{c}}o das 
                         fun{\c{c}}{\~o}es objetivo (fronteira de Pareto), foi obtido 
                         atrav{\'e}s do MGEO. As fronteiras de Pareto, obtidas para o 
                         sat{\'e}lite r{\'{\i}}gido-flex{\'{\i}}vel, foram comparadas 
                         com uma solu{\c{c}}{\~a}o obtida pelo LQR. Para o caso do 
                         sat{\'e}lite r{\'{\i}}gido, uma das solu{\c{c}}{\~o}es obtida 
                         pelo M-GEO foi selecionada para testar a robustez do controlador. 
                         O filtro Kalman foi utilizado para estimar a atitude do 
                         sat{\'e}lite para a retroalimenta{\c{c}}{\~a}o do controlador 
                         PD. Esta an{\'a}lise demonstrou que o M-GEO {\'e} capaz de obter 
                         solu{\c{c}}{\~o}es com bom desempenho. Como o GEO {\'e} um 
                         algoritmo de otimiza{\c{c}}{\~a}o novo, ele tem sido 
                         constantemente melhorado. Uma nova vers{\~a}o do GEO {\'e} 
                         apresentada neste trabalho. Esta nova vers{\~a}o n{\~a}o faz uso 
                         da sequ{\^e}ncia de bits, tal como o algoritmo GEO. Em vez disso, 
                         trabalha-se diretamente com os valores das vari{\'a}veis. A nova 
                         vers{\~a}o, que denominada GEOreal, foi utilizada para abordar 
                         duas fun{\c{c}}{\~o}es testes com a finalidade de averiguar o 
                         seu desempenho, e foi comparada com vers{\~o}es anteriores do 
                         GEO. O GEOreal demonstrou um bom desempenho ao buscar pelo 
                         m{\'{\i}}nimo global das fun{\c{c}}{\~o}es testes, 
                         mostrando-se melhor do que vers{\~o}es anteriores. ABSTRACT: In 
                         this work, the efficiency of the Generalized Extremal Optimization 
                         (GEO) algorithm in the design of an artificial satellite attitude 
                         control system was evaluated. The study aimed to determine the 
                         gains of two control laws: a proportional derivative (PD) and; a 
                         non-linear. These were used, in different simulations, to control 
                         the attitude of two different models of satellites: a rigid and 
                         the other rigid-flexible. To optimize control were used two 
                         methods: the GEO and Linear Quadratic Regulator (LQR). The GEO is 
                         an evolutionary algorithm inspired in a simplified model of 
                         evolution. It was developed to tackle complex optimization 
                         problems (De Sousa et al., 2003). A multi-objective version of GEO 
                         (M-GEO) is employed with the task of minimizing, simultaneously, 
                         the time to control the satellite and the energy spent on it. The 
                         use of a multi-objective approach allows that a set of optimized 
                         trade-off solutions (non-dominated solutions) be determined. The 
                         non-dominated solutions set in the design space and in the 
                         objective functions space (Pareto front) was obtained through 
                         M-GEO. The Pareto fronts, obtained for the rigidflexible 
                         satellite, were compared with a solution obtained by LQR. In the 
                         rigid satellites case, one of the solutions obtained through M-GEO 
                         was selected to test the robustness of the controller. The Kalman 
                         filter was used to estimate the attitude of the satellite to a 
                         feedback controller PD. This analysis showed that the M-GEO is 
                         able to obtain robust solutions. As a new optimization algorithm, 
                         GEO has been constantly improved. A new version of GEO is 
                         presented in this work. This new version doesnt make use of string 
                         of bits, like the GEO algorithm. Instead of that, it works 
                         directly with the variables values. Called GEOreal, the new 
                         version was used to tackle two test functions and its performance 
                         compared with previously versions of GEO. The GEOreal showed as a 
                         competitive optimization algorithm. Its performance to tackle 
                         those test functions was better than previous versions.",
            committee = "Souza, Luiz Carlos Gadelha de (presidente) and Sousa, Fabiano Luis 
                         de (orientador) and Galski, Roberto Luiz and G{\'o}es, Luiz 
                         Carlos Sandoval and Fenili, Andr{\'e}",
           copyholder = "SID/SCD",
         englishtitle = "Satellite attitude control of rigid-flexible satellite using the 
                         generalized extremal optimization with a multi-objective 
                         approach",
             language = "pt",
                pages = "116",
                  ibi = "8JMKD3MGPBW/32LUDEE",
                  url = "http://urlib.net/ibi/8JMKD3MGPBW/32LUDEE",
           targetfile = "publicacao.pdf",
        urlaccessdate = "15 jun. 2024"
}


Fechar