Resumen

Se desarrolla un controlador basado en redes neuronales para permitir que una nave espacial perseguidora se acerque y capture un satélite medioambiental desactivado (ENVISAT). Esta tarea se aborda convencionalmente enmarcándola como un problema de control óptimo. Sin embargo, la optimización de dicho problema es computacionalmente costosa y no es adecuada para su implementación a bordo. En este trabajo, se utiliza un enfoque basado en el aprendizaje para generar rápidamente las salidas de control del controlador a partir de una serie de muestras de entrenamiento. Estas muestras de entrenamiento se generan resolviendo múltiples problemas de control óptimo con iteraciones sucesivas. A continuación, se diseñan redes neuronales de función de base radial (RBF) para imitar esta estrategia de control óptimo a partir de los datos generados. En comparación con un controlador tradicional, el controlador de la red neuronal es capaz de generar políticas de control de alta calidad en tiempo real simplemente pasando la entrada a través de la red neuronal feedforward.

• Materias:Motores (Mecánica) Vehículo espacial Ingeniería Aeronáutica
• Subjects:Engines Space vehicles Aeronautical Engineering
• Palabras claves:red neuronal, problema de control óptimo, muestra de entrenamiento, política de control de calidad, satélite ambiental discapacitado, estrategia de control óptimo, controlador de red neuronal, función de base radial, serie de entrenamiento, iteración sucesiva
• Keywords:neural network, optimal control problem, training sample, quality control policy, disabled environmental satellite, optimal control strategy, neural network controller, radial basis function, series of training, successive iteration