Resumen

Este trabajo aborda el problema del control del cambio de perturbación con un mecanismo de ajuste de la deformación activa en un panel de antena desplegable de 5 metros. En este trabajo se propone una estrategia de control de aprendizaje Q de red neuronal difusa (FNNQL) para el cambio de perturbación con el fin de mejorar la precisión del panel de la antena. En el método propuesto, el error de la perturbación del modelo se reduce introduciendo la red neuronal difusa de base radial (RBF) en el aprendizaje Q, y los parámetros de la red neuronal difusa RBF fueron optimizados y ajustados por un método de aprendizaje Q. Esto permite que el controlador FNNQL tenga una fuerte adaptabilidad para hacer frente al cambio de perturbaciones. Finalmente, el método propuesto se ha adoptado en la placa central de un panel de antena desplegable de 5 metros, y se ha comprobado que el método puede adaptar con éxito el cambio de perturbación del modelo en el panel de antena. Los resultados de la simulación también muestran que todo el sistema de control cumple con los requisitos de precisión requeridos.

• Materias:Aerodinámica Ingeniería aeroespacial Satélites Satélite artificial Meteorología
• Subjects:Aerodynamics Aerospace engineering Satellites Artificial satellites Meteorology
• Palabras claves:panel de antena desplegable, red neuronal, cambio de perturbación, panel de antena, métodos propuestos, red neuronal difusa, sistema de control completo, mecanismo de ajuste de la deformación, cambio de perturbación del modelo, requisitos de precisión requeridos
• Keywords:deployable antenna panel, neural network, disturbance change, antenna panel, proposed methods, fuzzy neural network, whole control system, deformation adjustment mechanism, model disturbance change, required accuracy requirements