| 1. Identificação | ||||||||||
| Tipo de Referência | Tese ou Dissertação (Thesis) | |||||||||
| Site | mtc-m21d.sid.inpe.br | |||||||||
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S | |||||||||
| Identificador | 8JMKD3MGP3W34T/46239S2 | |||||||||
| Repositório | sid.inpe.br/mtc-m21d/2021/12.14.15.54 | |||||||||
| Última Atualização | 2022:04.25.12.26.56 (UTC) administrator | |||||||||
| Repositório de Metadados | sid.inpe.br/mtc-m21d/2021/12.14.15.54.29 | |||||||||
| Última Atualização dos Metadados | 2022:08.06.21.39.51 (UTC) administrator | |||||||||
| Chave Secundária | INPE-18528-TDI/3173 | |||||||||
| Chave de Citação | Carvalho:2022:AbReNe | |||||||||
| Título | Controle de atitude: Uma abordagem através de redes neurais artificiais  | |||||||||
| Título Alternativo | Attitude control: An approach through artificial neural networks | |||||||||
| Curso | CMC-ETES-DIPGR-INPE-MCTI-GOV-BR | |||||||||
| Ano | 2022 | |||||||||
| Data | 2021-12-17 | |||||||||
| Data de Acesso | 03 maio 2024 | |||||||||
| Tipo da Tese | Dissertação (Mestrado em Mecânica Espacial e Controle) | |||||||||
| Tipo Secundário | TDI | |||||||||
| Número de Páginas | 124 | |||||||||
| Número de Arquivos | 1 | |||||||||
| Tamanho | 4696 KiB | |||||||||
| 2. Contextualização | ||||||||||
| Autor | de Carvalho, Thadeu Augusto Medina | |||||||||
| Banca | Rocco, Evandro Marconi (presidente) Chagas, Ronan Arraes Jardim (orientador), Guimarães, Lamartine Nogueira Frutuoso Solórzano, Carlos Renato Huaura | |||||||||
| Endereço de e-Mail | thadeu.augusto@yahoo.com | |||||||||
| Universidade | Instituto Nacional de Pesquisas Espaciais (INPE) | |||||||||
| Cidade | São José dos Campos | |||||||||
| Histórico (UTC) | 2021-12-14 15:54:29 :: thadeu.carvalho@inpe.br -> pubtc@inpe.br :: 2021-12-16 14:21:14 :: pubtc@inpe.br -> thadeu.carvalho@inpe.br :: 2022-01-30 21:14:11 :: thadeu.carvalho@inpe.br -> pubtc@inpe.br :: 2022-01-31 15:23:12 :: pubtc@inpe.br -> thadeu.carvalho@inpe.br :: 2022-02-01 02:47:05 :: thadeu.carvalho@inpe.br -> pubtc@inpe.br :: 2022-02-01 12:19:26 :: pubtc@inpe.br -> thadeu.carvalho@inpe.br :: 2022-02-01 16:29:13 :: thadeu.carvalho@inpe.br -> pubtc@inpe.br :: 2022-02-11 16:01:45 :: pubtc@inpe.br -> thadeu.carvalho@inpe.br :: 2022-02-11 17:04:51 :: thadeu.carvalho@inpe.br -> pubtc@inpe.br :: 2022-03-16 14:25:38 :: pubtc@inpe.br -> simone :: 2022-03-16 14:26:24 :: simone :: -> 2022 2022-03-16 14:26:25 :: simone -> administrator :: 2022 2022-04-25 12:23:50 :: administrator -> pubtc@inpe.br :: 2022 2022-04-25 12:26:56 :: pubtc@inpe.br -> administrator :: 2022 2022-08-06 21:39:51 :: administrator -> pubtc@inpe.br :: 2022 | |||||||||
| 3. Conteúdo e estrutura | ||||||||||
| É a matriz ou uma cópia? | é a matriz | |||||||||
| Estágio do Conteúdo | concluido | |||||||||
| Transferível | 1 | |||||||||
| Palavras-Chave | falhas em rodas de reação controle inteligente backpropagation treinamento offline Julia language reaction wheels intelligent control offline training Julia language | |||||||||
| Resumo | O presente trabalho consiste em uma abordagem do controle de atitude de satélite em três eixos através de uma rede neural artificial (RNA), treinada e empregada como controlador em malha fechada. O atual interesse pelos campos da inteligência artificial (IA) em diversas áreas do conhecimento e da indústria exige a investigação de suas vantagens e limitações diante de abordagens já estabelecidas. Neste contexto, foi projetado um sistema de controle de atitude baseado em técnicas e paradigmas de RNAs com o objetivo de identificar e analisar os resultados de sua implementação em comparação com uma abordagem bem conhecida para o problema de controle atitude. Os resultados foram obtidos a partir de simulações computacionais do movimento rotacional do satélite, considerado como corpo rígido e contendo rodas de reação como atuadores. A principal característica do sistema de controle proposto consiste na substituição da função do controlador por uma rede neural denominada proportional derivative neural network (PDNN). Além disso, foram simuladas e analisadas quatros estruturas variantes da rede PDNN. A saída da rede foi assumida como o vetor de torques comandados para o conjunto de rodas de reação. Com base na minimização da função custo que considerou o erro de atitude, foi implementado o algoritmo de backpropagation para atualizar os parâmetros da rede ao longo do processo de treinamento. Os resultados apresentados mostraram a capacidade da rede em lidar com o problema de controle de atitude para várias condições iniciais após um único treinamento offline. As comparações entre os desempenhos das variantes da rede PDNN e do controlador convencional proporcional derivativo (PD) ocorreram para diferentes condições de voo, sendo considerados os casos de falha em uma das rodas de reação e o caso de perturbação por torques externos instantâneos. Para ambas as situações críticas, foi observado um melhor desempenho da abordagem defendida neste trabalho, principalmente em relação ao requisito de rejeição de falhas. ABSTRACT: This present work guides a satellite attitude control approach using a trainable artificial neural network (ANN) as a controller in the closed-loop. Our main motivation was to compare its performance with the conventional proportional derivative (PD) controller for some particular cases. Furthermore, account interest of artificial intelligence (AI) fields in many knowledge areas, becomes suitable to investigate the advantages and limitations of the proposed approach. We can simulate the attitude feedback data for the closed-loop attitude control system through the equations of motion for the rigid body dynamics and attitude propagation methods. The error of the current orientation of the body-fixed coordinate frame concerning the reference coordinate frame performs the ANN input signal. A general network architecture proposed, called PD neural network (PDNN), its composed for proportional (P) and derivative (D) neurons types. As a global result of each neuron process, the network output provides the commanded torques to a set of reaction wheels simulated as actuators. Based on minimizing the loss function that considers the attitude error, the ackpropagation algorithm updates the network weight parameters to perform a better control sequence of the attitude through to training. For the training process, we used the machine learning library, Flux. Jl. Presented results showed the networks ability to solve the attitude control problem for several initial conditions after a single offline training. In addition, it was possible to compare the performance of the PDNN and the PD controller for different flight conditions. We have considered the case of failure in one of the reaction wheels and the case of disturbance by instantaneous external torques. For both critical situations, we observed better performance of the PDNN. | |||||||||
| Área | ETES | |||||||||
| Arranjo | urlib.net > CGCE > Controle de atitude:... | |||||||||
| Conteúdo da Pasta doc | acessar | |||||||||
| Conteúdo da Pasta source |
| |||||||||
| Conteúdo da Pasta agreement |
| |||||||||
| 4. Condições de acesso e uso | ||||||||||
| URL dos dados | http://urlib.net/ibi/8JMKD3MGP3W34T/46239S2 | |||||||||
| URL dos dados zipados | http://urlib.net/zip/8JMKD3MGP3W34T/46239S2 | |||||||||
| Idioma | pt | |||||||||
| Arquivo Alvo | publicacao.pdf | |||||||||
| Grupo de Usuários | pubtc@inpe.br simone thadeu.carvalho@inpe.br | |||||||||
| Visibilidade | shown | |||||||||
| Licença de Direitos Autorais | urlib.net/www/2012/11.12.15.10 | |||||||||
| Permissão de Leitura | allow from all | |||||||||
| Permissão de Atualização | não transferida | |||||||||
| 5. Fontes relacionadas | ||||||||||
| Repositório Espelho | urlib.net/www/2021/06.04.03.40.25 | |||||||||
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F2UALS 8JMKD3MGPCW/46KTFK8 | |||||||||
| Lista de Itens Citando | sid.inpe.br/bibdigital/2022/04.03.17.52 1 sid.inpe.br/bibdigital/2013/10.14.00.13 1 | |||||||||
| Acervo Hospedeiro | urlib.net/www/2021/06.04.03.40 | |||||||||
| 6. Notas | ||||||||||
| Campos Vazios | academicdepartment affiliation archivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination doi electronicmailaddress format group isbn issn label lineage mark nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress readergroup resumeid rightsholder schedulinginformation secondarydate secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url versiontype | |||||||||
| 7. Controle da descrição | ||||||||||
| e-Mail (login) | pubtc@inpe.br | |||||||||
| atualizar | ||||||||||