IAS Journal of Space Science and Technology 2008-4560 12 4 2019 12 22 Adaptive Metaheuristic Algorithm for State Estimation and Modeling of Spacecraft الگوریتم جدید فرا ابتکاری تطبیقی در تخمین وضعیت و مدل فضاپیما 79 89 184806 10.30699/jsst.2020.90719 EN M. Navabi Associate Professor, Faculty of New Technologies Engineering, Shahid Beheshti University, Tehran, Iran 0000-0003-4801-9918 Shahram Hosseini P.hD. Student, Faculty of New Technologies Engineering, Shahid Beheshti University, Tehran, Iran Journal Article 2019 03 12 Increasing the precision and stability of online estimation for a spacecraft's model, due to the simultaneous presence of uncertainty in the system dynamics and noise in the state sensor outputs, is one of the challenges in attitude control. One effective method for estimating such dynamic models is the least squares error method combined with the Kalman filter. To enhance the performance of this estimation method, a new online metaheuristic algorithm based on the development of the Generalized Minimal Residual (GMRES) method is proposed. This algorithm is an iterative-based approach that utilizes information from the previous step and, based on user experience, or employs a novel online metaheuristic technique to determine the number of steps required to solve the system in the Krylov subspace, thereby improving overall convergence to the desired response. To evaluate the accuracy of this estimation method, comparisons are made among simple GMRES, Bi-Conjugate Gradient, Conjugate Gradients Squared, and Bi-Conjugate Gradient Stabilized methods. The results demonstrate that the adaptive online metaheuristic GMRES method exhibits the highest accuracy and stability in response. افزایش دقت و پایداری‌ در تخمین آنلاین مدل یک فضاپیما، به دلیل هم‌زمانی وجود نامعینی در دینامیک سیستم و نویز در خروجی حس‌گرهای وضعیت، یکی از چالش‌های کنترل وضعیت است. یکی از روش‌های مؤثر تخمین این نوع از مدل‌های دینامیکی، روش کمترین مربعات خطا در ترکیب با فیلتر کالمن است. برای افزایش عملکرد روش تخمین ذکر شده، الگوریتم آنلاین فرا ابتکاری جدیدی بر اساس توسعه روش کمترین باقیمانده تعمیم‌یافته ارائه می‌گردد. این الگوریتم یک روش مبتنی بر تکرار است که با استفاده از اطلاعات مرحله قبل و بر اساس تجربه کاربر، و یا یک روش فرا ابتکاری آنلاین نوین، تعداد گام‌های حل دستگاه در زیر فضای کریلف را تعیین کرده و همگرایی کلی به پاسخ را بهبود می‌بخشد. برای بررسی دقت تخمین این روش، روش‌های کمترین باقیمانده تعمیم‌یافته ساده، گرادیان دو مزدوجی، گرادیان مزدوج مربعی و گرادیان دو مزدوجی پایدار مقایسه شده است، که روش فرا ابتکاری کمترین باقیمانده تعمیم‌یافته تطبیقی بیشترین دقت و پایداری در پاسخ را نشان می‌دهد. https://www.jsstpub.com/article_184806_4c1e6e29189762c22f55747884610419.pdf