| Summary: | O presente trabalho apresenta o equacionamento e a aplicação, ao controle em três eixos de um satélite artificial de sensoriamento remoto, de técnica de controle auto-sintonizável, nas versões e implicita, com estimação de parâmetros via filtro de Kalman. No emprego desta técnica utiliza-se como representação da dinâmica do sistema a ser controlado uma equação vetorial a diferenças, que relaciona entradas e saídas presentes e passadas, cujos coeficientes, também denominados , são estimados em tempo real. Faz-se, ainda, uso de nível de ruído constante no modelo matemático adotado no filtro para os parâmetros com o intuito de obter-se uma ponderação adequada das observações atuais do sistema e, consequentemente, um melhor desempenho do algoritmo implementado. A avaliação do desempenho dos procedimentos apresentados, comparado com o de algoritmos auto-sintonizáveis com estimação de parâmetros por mínimos quadrados, é feita através da análise de resultados de testes efetuados por simulação numérica em computador digital. São consideradas condições normais e condições em que se altera propositalmente fatores dinâmicos durante o decorrer do processo, a fim de se avaliar a capacidade de adaptação dos estimadores. Os resultados desta análise comprovam o bom desempenho dos algoritmos implementados em ambas as versões. === This work presents an application in three axis remote sensing satellite attitude control of the self-tuning technique explicit and implicit forms, using parameter estimation with the filter. The satellite attitude is represented by a vetorial difference relating torques to satellite attitude outputs, The coefficients of this equation, named parameters in the work are estimated in real time. The mathematical model for the parameters adopted in the filter uses a constant noise level in order to achieve an adequate weighting for the present observations, so antailing a better performance for the implemented algorithm. Through the analysis of tests performed by numerical simulation in digital computers the performance of these procedures is evaluated in comparison with self-tuning algorithms that use least square parameter estimation. In these tests one considers nominal operational conditions and conditions in which dynamical factors are changed during the process; these last cases are used to evaluate the estimator adaptive capacity. This analysis has shown a good performance in the algorithms performed in both versions.
|
|---|
