Resumen

En este artículo, se diseña un controlador de actitud óptimo en tiempo real para la obtención de imágenes fijas, y el comando de salida se basa en la predicción futura. En primer lugar, se establece el modelo matemático de la imagen fija. A continuación, se diseña la estructura del controlador de actitud óptimo. El controlador consta de un algoritmo de preprocesamiento y una red neuronal. La construcción de la red neuronal requiere muestras de entrenamiento generadas por la optimización. La función objetivo del método de optimización tiene en cuenta el efecto de control futuro. La red neuronal se entrena tras la creación de las muestras para conseguir un control óptimo en tiempo real. En comparación con el controlador PID (proporcional-integral-derivativo) con la mejor combinación de parámetros, el controlador de red neuronal consigue una mayor precisión de apuntamiento y estabilidad de apuntamiento.

• Materias:Motores (Mecánica) Vehículo espacial Ingeniería Aeronáutica
• Subjects:Engines Space vehicles Aeronautical Engineering
• Palabras claves:controlador óptimo de actitud, red neuronal, combinación de parámetros, efectos de control futuros, controlador de red neuronal, control óptimo en el tiempo, función de objetivos, muestra de entrenamiento, creación de muestras, mejor actitud
• Keywords:optimal attitude controller, neural network, combination of parameters, future control effects, neural network controller, time optimal control, objectives function, training sample, sample creation, better attitude